2026年10月21日,Grok Bot 与 Cursor Harness 负责人 Jediah Katz 提出判断,认为 Harness 中帮模型写代码的部分正被模型吸收,花哨的 Harness 已不再增加模型的编码能力。他同时表示,开拓新任务边界、提供基础设施与信任安全、优化效率这三项职责仍离不开 Harness。他引用 UC Berkeley 在 SWE-bench Lite、Apple 和 EPFL 在 MLE-Bench 上的测试称,不同 Harness 的分数差别不显著,但单任务成本差别明显。他还预测,6 个月内 90% 的 Agent 工作会脱离个人电脑、在云端运行。目前该判断由单一来源报道,尚无后续发展事实。
English translation is being prepared.
匹配字段标题
Jellyfish 披露了自主编码代理撰写并合并 PR 的占比数据。其基于约 30 万名工程师、1300 家公司数据的分析显示,企业中位水平的自主编码智能体已撰写 22% 的合并 PR,较一个月前的 18% 上升,前 10% 的公司达 53%。但由智能体独立评审并合并的 PR 中位数仅 0.6%,前 10% 为 9%,人工评审仍是主要瓶颈。数据还显示,智能体提交的 PR 放弃率为 40%,人类为 20%,且每个合并的智能体 PR 所获人工评审次数在过去一年翻倍以上。
匹配字段标题
2026年10月21日,Artificial Analysis 对 Cognition 的 Devin Fusion CLI 进行评测,测试配置为 Claude Opus 5.5(max)加 GPT-6 Luna(high)副手。该配置在 Coding Agent Index 上得 68.1 分,略高于 Claude Code 配 Claude Opus 5.5(max)的 66.0 分。成本方面,每任务为 9.01 美元对 13.04 美元;平均耗时 55 分钟对 65 分钟。三项基准中,DeepSWE v1.1 为 72.6% 对 68.4%,SWE-Atlas-QnA 为 69.6% 对 66.4%,Terminal-Bench 4.0 为 62.1% 对 63.1%。成本按 API 逐 token 计费,不含订阅价格。目前尚无后续发展。
匹配字段标题
Artificial Analysis 评测 Devin Fusion CLI（Claude Opus 5.5 max + GPT-6 Luna high）
English translation is being prepared.
匹配字段标题
2026年10月20日,Jeremy Scheff 撰文表达了对编码智能体给职业程序员带来关键损失的看法。Simon Willison 当日转发该文并概述其观点:编程曾是一份依靠解决棘手逻辑谜题获得高薪的工作,程序员自己制定策略、安排时间线、定义什么可行。Scheff 认为,如果乐趣主要来自亲手解决这些问题,这种损失非常真实;而对只想构建可用系统、不太在意解题过程的程序员来说,LLM 则是持续馈赠。目前该观点经 Simon Willison 转发进入公共讨论,尚无后续发展事实。
匹配字段标题
Jellyfish 披露了自主编码代理撰写并合并 PR 的占比数据。其基于约 30 万名工程师、1300 家公司数据的分析显示,企业中位水平的自主编码智能体已撰写 22% 的合并 PR,较一个月前的 18% 上升,前 10% 的公司达 53%。但由智能体独立评审并合并的 PR 中位数仅 0.6%,前 10% 为 9%,人工评审仍是主要瓶颈。数据还显示,智能体提交的 PR 放弃率为 40%,人类为 20%,且每个合并的智能体 PR 所获人工评审次数在过去一年翻倍以上。
匹配字段标题
Vercel 开源发布 durable-harness。据 MarkTechPost 报道,这是一个 npm 包,可包裹 Pi、OpenCode、fx、Claude Code 和 Codex 等编码智能体框架,把会话写入持久日志,函数崩溃后由队列把该轮交给新函数继续执行;已完成的模型和工具调用直接从日志读取,不会重复计费,工具可标记为 safe 重放或 never 不重放。该包版本为 0.0.x、Apache-2.0 许可,可跑在 Vercel Functions 加 Queues、Node.js 22+ 配 Postgres,或本地文件;Claude Code 和 Codex 需运行在 Vercel Sandbox 中,且未公布性能基准。另有报道称,该工具与运行时无关,把支撑 eve 和 Workflows 的持久化基础设施扩展到 Pi、OpenCode 等所有 harness,可在本地、Vercel 或自建环境运行,智能体失败后能自动恢复。
匹配字段标题
2026年10月20日,Claude Code 团队的 Addy Osmani 分享「Agentic Verification」,提出 AI 编码 Agent 的瓶颈已从写出代码转移到判断代码是否正确,不能自我验证的 Agent 本质上是在猜。他提出三类给 Agent 的考题:优先选 E2E 测试,用属性测试规定永远不许发生的情况,用差分测试把旧系统当标准答案。他还强调慢和 flaky 的测试会训练 Agent 用重试取代修复,建议把测试基础设施当作 Agent 的依赖来投资。目前该观点由单一来源报道,尚无后续发展。
匹配字段标题
Addy Osmani 提出观点 验证是AI编码Agent的核心瓶颈
English translation is being prepared.
匹配字段标题
Cohere 于 2026 年 10 月 19 日发表论文,提出在编码智能体团队中让额外智能体只负责研究与规划的协作策略。论文称,研究者在 ProgramBench 上让智能体仅凭可执行文件和文档重建整个程序,只做规划的 worker 达到与全阶段 worker 相同的奖励,成本减半;由 GPT-5.6 Sol 担任 lead、搭配 16 个廉价 Luna 规划者,与全 Sol 团队相差 1.4 分以内,成本低 70%。作者据此建议把最强模型放在 lead 位置,廉价模型只用于规划,因为廉价编码模型会拉低奖励。目前该研究以论文形式发布,尚无后续进展。
匹配字段标题
Ethan Mollick 提出判断,认为写好 STATA 代码的技能正大幅过时。他表示,这项技能曾对他的学术生涯非常重要,但如今已明显不再适用。他同时提醒仍把 AI 当作聊天机器人而非智能体的学者:一年来变化很大。目前该判断由 Mollick 本人发布的内容作为单一来源,尚无其他独立来源或后续发展。
匹配字段标题
Jeremy Scheff 撰文表达 编码智能体给热爱解谜的职业程序员带来的关键损失
English translation is being prepared.
匹配字段标题
Cohere 发表论文 编码智能体团队中让廉价模型只做研究与规划的协作策略
English translation is being prepared.
匹配字段标题
Ethan Mollick 提出判断 写好STATA代码的技能正大幅过时
English translation is being prepared.
匹配字段标题
Garry Tan表示,他当天启动了一个新项目,最喜欢的组合是 @capydotai 搭配 @AsideAI。据其说法,这一组合让他的智能体既能编写第一版代码,又能一次性把 DevOps 配置全部搞定。目前该说法仅有 Garry Tan 本人于 2026 年 10 月 17 日发布的一条来源,尚无其他独立来源或后续进展。
匹配字段标题
Garry Tan 表示 用Capy与AsideAI让智能体完成首版编码和DevOps搭建
English translation is being prepared.
匹配字段标题
2026年10月15日,Thariq 提出观点,认为编码智能体的核心技能在于“关注细节”。他表示,这一看法来自与 @fnthawar 的讨论,并将编码智能体比作经营公司:你不可能什么都懂,但对正确的细节保持极度在意,才能做出好东西,无论是代码、架构、设计还是 UX,取决于需要什么。目前该观点仅有 Thariq 本人的表述作为证据,尚无后续发展事实。
匹配字段标题
Thariq 提出观点 编码智能体的技能在于关注细节
English translation is being prepared.
匹配字段标题
2026年10月14日,Guillermo Rauch 提出判断,认为编码智能体是 AI 的杀手级应用。他在同一表态中祝贺 Gemini 团队,称永远不要看空 Google,并提到该公司带来 Transformer,且拥有数据、工程人才和算力。他还表示,所有人都已理所当然地转向编程,开发者与构建者正处在极乐世界。此外,他提到 Muse Wonder 和 Gemini Argon 接连发布,提醒个人和公司应保持模型无关,并采用 gateway-maxxx / fx-maxxx。目前该判断仅有这一条来源,暂无后续发展事实。
匹配字段标题
Guillermo Rauch 提出判断 编码智能体是 AI 的杀手级应用
English translation is being prepared.
匹配字段标题