依意思最接近的 30 筆
一位開發者認為 AI 程式設計的瓶頸是 agent 而不是模型：模型生成程式碼的能力持續提升，agent 卻停在原地。他區分了模型（GPT Astra、Claude Sonnet、GLM-5.3）與 agent（Claude Code、Codex），並列舉四類問題：OpenCode 把約 1.5k 行的改動拆成 10 個子任務卻逐個序列執行；agent 不會按任務難度切換更便宜或更強的模型；Claude Code 說不清自身功能，只能聯網搜尋；Plan 模式產出的計劃零散、難讀。
作者發布 coding agent 專案 Thursday，第一版不是獨立應用，而是一個可貼上進現有 coding agent 的 skill 檔案，目標是讓 vibe coding 重新變得有趣。他此前花數百美元 AI credits、寫下三萬行程式碼做 DeepSeek Harness 發行版，卻始終沒找回樂趣，最終轉向讓 agent 只做使用者交代的事。目前每月推理成本不到 20 美元，由 DeepSeek v4 Flash 和 GLM 5.3 支撐；
現於 Salesforce AI Research 任職的研究工程師自述，自己已很少手寫程式碼，工作日主要是同時管理 5–6 個 Claude Code、OpenCode、Codex 這類 coding agent：每個 agent 拿一份獨立的 Git worktree，自行寫程式碼、跑測試、建立並審閱 PR，新功能原型約 20 分鐘就能跑出來。他每月在 token 上花費約 3000 美元。
文章認為，agent 可以承擔更多實現工作並輔助分析、設計和測試，但工程師仍要決定建置什麼、以及什麼證據足以驗收。作者建議把架構決策寫入可審查的 PROJECT_GUIDE.md，而不是隻留在對話裡；每個增量先明確驗收用例，再用本地檢查、測試和實際執行驗證。文中還引用 Anthropic 關於長時執行 agent 的報告，指出上下文壓縮可能丟失條件或留下不清楚的指令。
哈佛、輝達、伯克利、MIT 與斯坦福團隊提出 RAX：讓通用 Coding Agent 直接接入機器人的感知與控制介面，靠自主探索把成功決策寫成可執行程式，模型引數全程凍結。
文章認為，OpenAI 與 Anthropic 把 coding agent 以每月 20 美元賣給所有人，反而拆掉了自己最重要的客戶：靠軟體訂閱收費的公司。過去三年，AI 實驗室的說法是用 AI 軟體工程師替代昂貴的人類工程師；但同樣的工具被廉價賣給個人後，業餘開發者週末就能做出 Photoshop 替代品並開源，Adobe 式訂閱收入隨之消失，而且不會流向 AI 實驗室。文中還提到，200 美元/月的套餐一年 2400 美元，低於 Google 高階工程師一個月薪水；
開源免費的 Agent Standup 把 Claude Code 會話變成一場即時站會：每個 sub-agent 以畫素角色入場，狀態標註為工作中、等待他人、需要你介入、卡住或已完成，零 token 消耗。它讀取 Claude Code 已寫下的本地會話檔案，因此在 VS Code、Cursor、終端或桌面應用裡都能執行，無需配置、程式碼不外傳。
兩名工程師用 Codex 在幾週內做出了 Stack Overflow for Agents，其 ChatGPT 外掛最高把 agent 建立量拉動了 10 倍，註冊量增至三倍。
Uploadcare CTO Alex Gusev 在 40 歲這年寫道，工程挑戰已經消失：他現在有時完全不看 agent 寫的程式碼，出錯由其他 agent 發現並告知。一年前他還花數月清理自己在 lettercarta.com 上 vibe-code 的程式碼，如今已習慣 agent 把任務做好。
作者花 3 個月、約 500B token 讓 AI agent 把一款第一人稱射擊遊戲反編譯成 C++，最終程式碼可讀但語義錯誤。專案同時使用 Claude Max（20x）與 Codex Pro 訂閱，agent 跑在 Claude Code CLI 與 Codex CLI 裡，主力是 Sonnet 5，也用過 Opus 5.5、Luna、Sol、Terra；
Octomind 發布，這是一個開源的 CLI 優先 coding agent 執行時，以單一二進位制執行，可接入任意模型與 MCP 工具。官方基準在 25 個取自已合併 PR 的任務上解出 24 項，花費 63.43 美元、3.6 小時；使用同一模型和同一端點的 opencode 為 19/25、129.54 美元，Claude Code 搭配 Opus 為 23/25、81.79 美元。
南洋理工大學研究者與合作者發布 CodeActionBench，用 25 個雙臂模擬任務評測通用多模態 Agent 的機器人操作能力。GPT-6 Astra 在 Codex CLI 下嘗試成功率 73.3% 居首，75 次嘗試完成 55 次、22 個任務至少成功一次；Claude Opus 5 在 Reference harness 與 Claude Code 下分別為 49.3% 和 45.3%，Gemini 3.6 Flash 為 20.0%。
有程式設計師為程式設計寫了一份「訃告」，認為 coding agent 讓這份工作裡最有意思的部分消失了。Jeremy Scheff 的這段話說，程式設計曾是拿錢解邏輯謎題的好工作：謎題越難報酬越高，因為普通人做不了，開發者自己定策略、定時間線、定義什麼可能什麼不可能。如今 LLM 直接把這些題解掉，對只想把系統跑起來的人是持續饋贈，對以解題本身為樂趣的人則是真實的損失。
MirroS 團隊發布 AgentGarten，把可執行程式碼環境與即時神經渲染器接成閉環：物理規則由程式碼裁定，畫面由模型以 480p、30fps 以上流式逐塊生成，智慧體因此能邊行動邊看結果。重做的捉迷藏實驗中，躲藏者第 4 輪學會搬擋板搭掩體、搜尋者第 10 輪學會借坡道翻牆，而 OpenAI 2019 年的自我博弈強化學習分別用了約 2500 萬局和 1 億局。智慧體靠每輪復盤寫下文字「實驗手冊」傳給下一輪，另在陪伴小狗、狹橋會車、合作牧羊、採石場裝載機四個任務中各跑四輪；程式碼已在 GitHub 開源。
作者認為 coding agent 不會終結程式設計：他每晚 10 點讓一個 agent 自行構思、建置並測試小專案，早上驗收；但遇到「過期卡退款怎麼處理」這類規則問題，agent 只能停下等人決定。文章回溯 1954 年 FORTRAN 報告曾聲稱「幾乎消除編碼與除錯」，1981 年 The Last One 自稱最後一個要買的程式，結果都只是把工作抬高一層的臺階。
INIT Labs 開源了 Rust 編寫的 coding agent INIT，它能在同一段對話中重寫並熱替換自己的 harness（提示詞、工具、編譯核心），換核耗時 4.3 秒，並保留 87.9% 的 prompt cache。模型幾乎可以改寫所有層，但永遠不能觸碰 Root：金鑰、簽名記錄與快照都在 Root 中；12 項危害訊號中任意一項觸發，都會回滾改動。一次對 shell 工具的改動因評分偏低被拒絕，9 秒後回滾，記錄 seq 88–90 均帶簽名。
Thoughtworks 歐洲區 CTO 帶團隊做了一週實驗：全程無人寫程式碼，全部由 agent 建置一個應用，最終完成約 80%，應用能跑起來，但建置頻繁失敗，還出現「在我機器上是好的」。團隊約三分之二時間花在白板上梳理領域、劃邊界、排計劃，三分之一用於搭測試、契約、架構檢查與交付流水線等約束，最後提交功能程式碼最多的是產品人員。
哈佛大學研究者在 700 多家公司、70 萬名員工、3 億條工作事件的資料中發現，AI 程式設計工具並未讓企業軟體產出增加或減少用人，編碼階段省下的時間被下游環節吸收。程式碼審查時長明顯增加，pull request 更常需要返工，審查者留下的評論也更多。研究據此認為人工程式碼審查是 AI 編碼效率的主要瓶頸。
Einsia AI 旗下 Navers Lab 發布 EmbodiedEvo，讓 Coding Agent 在單個 Playground 場景中通過互動積累程式碼 Skills 與文字 Lessons，凍結經驗後交給新 Agent 在未見場景複用，全程不更新模型權重。在具身評測 RoboDojo 上，它以 45.08 平均分、38.95% 成功率超過所有 VLA/WAM 與 Agent 方法；
一項研究讓 50 名有因果推斷經驗的專業分析師用 Claude Code 完成農業顧問專案效果評估，在四個二選一的分析決策上，86% 的情況跟隨了 agent 被暗中設定的傾向（傾向由硬幣隨機決定，若 agent 無影回應約為 50%）。事先已表達自己偏好的分析師，在 agent 反對時 60% 改變選擇，agent 贊同時僅 6% 改變。事後 77% 的人複述了 agent 的論證（部分逐字照搬），只有 15% 說明這些觀點來自 agent。使用 agent 的分析師完成任務更快、嚴重錯誤更少。
蘋果 Xcode 26.3 已整合 Claude Agent SDK，開發者可在 Apple 平台用 Claude 執行自主、長時間執行的編碼任務。Anthropic 同期還宣布三年投入 1.5 億美元參與美國 Genesis Mission，與 Accenture 預計五年內投入至少 10 億美元建設前沿 AI 獨立評估能力，並與 Gates Foundation 達成 2 億美元合作。
一篇由 Rust 語言設計者撰寫的部落格文章認為，agent 時代程式語言設計依然重要，而 Rust 特別適合 agentic coding，並給出可改進的方向。文中引用資料稱，Meta 工程師今年寫的一手 Rust 程式碼是過去 9 年總和的兩倍，Rust 是增速第二快的語言。
Bold.org 技術 VP 用 GitHub 資料說明，同時執行多個 coding agent 後工作量不減反增：截至 10 月 27 日，2026 年已有 2102 次貢獻，超過 2021 至 2025 年的任何一整年，接近 2020 年同期 2371 次。8 月以 427 次成為全時段最高月，工作日貢獻中位數從 2022–2025 年的 3–4 次升至 7 次，單日 24 次以上的天數今年已有 16 天，此前每年僅 1 天。
Google 開源了 Harness²，這是一套雙層遞迴框架，讓 Agent 在執行時自行修改腳手架、系統提示詞、工具鏈與技能庫。它在沒有標準答案時，用 Propose–Probe–Compose 對改動做行為對比篩選，並把除錯經驗寫進經驗庫，供後續任務檢索複用。實測 GLM-5 在 OpenCode 下執行 WorkBuddy-Bench，得分從 64.2 升到 75.7（+11.5 分），反超未改腳手架的 Gemini 3.5 Flash（72.4）；
Airbnb CTO Ahmad Al-Dahle 披露，公司目前 60% 的程式碼由 AI 生成，功能交付量同比增加近 80%，工程師人均 PR 吞吐量提升約 1.6 倍；約一半客服工單已完全由 AI 處理，與 Q2 財報中近 45% 的數字一致。內部上下文圖譜 Everest 幫助雜貨配送服務在 8 至 9 個月內上線，機場接送僅用約 6 周。Airbnb 採用多模型策略，至少部署 10 個定製模型，主要在開源模型上做後訓練和強化學習。
一份面向 AI agent 的評估方法與開源工具 agent-eval 發布，主張用可重複的評估流程替代憑感覺看輸出。方法以關鍵使用者旅程（CUJ）定義成功標準，每個條件都對應一個評估點，先用模擬使用者 LLM 生成正常與邊緣場景，再在單元測試、確定性指標、LLM-as-a-judge 評分與整合測試四層做檢查。
Prime Agent 已用 Rust 從零重寫併發布，官方稱其執行更快、佔用資源少於多數 coding agent harness。這次重寫由 2,000 多個 agent 在兩週內自主完成，跨 10,000+ Prime Sandboxes，呼叫 Prime Inference 的 GLM-5.3 端點消耗超 2,000 億 token。自 8 月上線以來 Prime Agent 下載量超 30 萬次、處理超 8 萬億 token；
Corgi 是一款面向 coding agent 的終端複用器，按 F1 可跳到下一個未讀 agent，並統一啟動 Codex、Claude Code 與 Pi（支援多帳號）。它即時展示各 agent 的活動流，支援會話快速搜尋與恢復、內聯用量統計，以及點選複製連結、cmd+v 直接貼上圖片（SSH 下也可用）、圖片縮圖預覽，並按工作區統計 CPU/記憶體/GPU 佔用。作者稱已把它作為日常主力工具使用數週，專案仍有粗糙之處，正在徵集反饋。
Agents CLI 提供一套評估迴圈，通過持續測試與評分來系統化提升 Agent 表現。該流程可捕捉提示詞迴歸，並利用並排 trace 對比評估模型後端替換的效果，同時支援自動執行評估。開發者還能將評估接入每夜定時執行，並設定基於閾值的告警，以便長期跟蹤 Agent 的品質變化；原文以完整範例演示了從測試、評分到告警的評估閉環。
TRAE 於 10 月 9 日把 TraeCode 與 TraeWork 正式合併成新的 TRAE，在一個視窗裡即可同時寫程式碼、出文件和準備交付材料。新 TRAE 提供 Agent 模式與 IDE 模式：Agent 模式是全域性工作臺，可在同一專案裡把寫程式碼、測試、修 bug、寫需求文件和做評審 PPT 分給多個 Agent 並行推進，產物統一存進「我的產物」並可直接分享；IDE 模式保留 SOLO 與 IDE 兩種玩法，右上角一鍵切換。