依意思最接近的 30 筆
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%。
Berth 是一款開源 macOS 應用，讓 Claude Code、Codex 等 coding agent 跑在自有開發機上，合上筆記本仍繼續工作，早上開啟即可看到結果。按 ⌘N 說出需求，Berth 會在選定機器上建立 worktree 並啟動 agent，命令與讀取摺疊成一行、編輯以 diff 呈現，Claude 提問可就地作答；兩個 worktree 可分色分組並排對比聊天、diff 與終端。
面向 coding agent 的外掛 neckbeard 在 Claude Code 上線，它讀取應用倉庫，從經過測試的 OpenTofu 模組目錄渲染出可審查的雲基礎設施與月度成本估算，支援 AWS、GCP、Azure 及 GitHub Actions/GitLab CI。規劃、渲染與校驗全部由確定性程式碼完成，agent 只做分析與解釋，不憑空編造基礎設施。
Claude Code 會在任務完成後於輸入框預填一條建議的下一條訊息，例如 run the tests 或 commit this，使用者可直接傳送或先行編輯。作者認為該功能的真正受益方是模型：原樣傳送等於正樣本，編輯後的原文與改後版本構成偏好對，diff 顯示出預測錯在哪裡，從而在使用者正常工作中低成本產出 RLHF 所需資料，且來自真實程式碼庫而非合成基準。作者同時宣告這只是猜測，Anthropic 如何使用該訊號、會話是否用於訓練取決於套餐與隱私設定。
Claude Code 發布 v2.1.300，在 AWS 上的 Claude Platform 新增 /advisor 命令，需先用 /advisor、advisorModel 或 --advisor 選定顧問模型才會執行，設 CLAUDE_CODE_DISABLE_ADVISOR_TOOL=1 可關閉。
OpenAI 開發者帳號宣布，Codex 桌面應用面向 Pro 使用者開放 composer 預測功能的 beta，用於本地任務。輸入時按 Tab 即可接受建議，也可以先手動編輯再傳送；該功能可在設定中關閉。官方目前只說明這是面向 Pro 使用者的 beta，未提及是否或何時覆蓋其他套餐與平台，細節見 OpenAI 幫助中心的說明文章。
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。
awslabs 發布 AI-DLC 最新穩定版，這是一套與 harness 無關的 AI 編碼工作流核心，可原生執行在 Claude Code、Kiro CLI、Kiro IDE、Codex CLI、Cursor、opencode 與 GitHub Copilot 中。macOS、Linux、WSL 和 Windows 各有一條安裝命令，原生安裝自帶 aidlc 命令與各 harness 執行時，無需 Bun 或 Node.js。
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。
Pensieve 推出 macOS 本地搜尋索引，通過 MCP 接入 Claude Code、Codex、Cursor 等 coding agent，讓它們先搜尋再讀檔案，而不是逐個 grep。
JetBrains AI 團隊發文介紹其語義程式碼搜尋平台 Air Context 的 RAG 流水線，已投入生產環境。首篇聚焦解析、分塊與向量化：固定行數分塊會把 import 與函式體等無關程式碼混在一起，導致檢索錯誤，因此需按原始碼結構（如 Java 的 import、類定義、欄位與方法）劃分語義完整的塊。
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。
一位開發者撰文稱，AI 輔助程式設計（vibecoding）只把樂趣前置：能快速做出可用原型，但重構和維護階段不再有趣，也缺少手寫程式碼帶來的成就感。他把建造的樂趣分為六種，認為 vibecoding 只能滿足「想到點子」「把點子變成現實」和「解決自己的問題」三類，攻堅後的成就感、作品完成的滿足感與學習樂趣都不會自然產生。他仍用 AI 做出了一些手工做不出來的東西，包括即時野火預警系統、Kobo 資料庫遷移助手和即時音準訓練應用，但表示過程不像自己寫小指令碼那樣好玩。
OpenAI 開發者帳號發布 Codex CLI 演示影片，展示三種終端內用法：用語音啟動任務、跨多個專案管理 agent，以及在獨立 worktree 中並行探索另一條實現方向。推文未提及這些能力的上線時間、版本號或可用範圍。
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。
OpenCode 2.0 是一次大規模重構，核心新功能是 Code Mode：用 @opencode/codemode 包內建的極簡 JavaScript 直譯器，把 MCP 伺服器與 OpenAPI 端點轉成代理可呼叫的函式，2.0 中所有 MCP 伺服器預設啟用 Code Mode，一次指令碼就能串起多個工具呼叫，減少往返。服務端也改為在本地自動以單一後臺程序執行，TUI、Web 與桌面端共用同一程序，並推出 @opencode/client 客戶端包與從頭重寫的 API。
OpenAI 為 Codex 的 Pro 使用者推出 composer 預測功能 beta 版：Codex 會依據當前對話內容以及使用者平時的說話方式，建議下一條要傳送的訊息。該功能目前僅面向 Pro 使用者開放，官方稱這是內部測試中最受喜愛的新功能之一。原文未提及價格、額度變化或正式版上線時間。
Claude Code 2.1.296 在 Claude 應用閘道器的 managed.policies[] 中新增 code 鍵，配置與 cli 一致，同時作用於 Claude Desktop 的 Code 標籤頁，並可在桌面端開啟閘道器模式。子代理的 frontmatter 與 --agents 定義新增 autoCompactWindow，允許子代理比主對話更早自動壓縮上下文；
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；
作者用 Claude Code（Opus 5.5、high effort）在同一程式碼庫的原版與刪光註釋的副本上各跑三次，完成兩個真實功能任務；所有執行都通過 lint、型別檢查與現有測試，大任務還通過了一個隱藏測試。評分差異在噪聲範圍內，小任務上無註釋版少用約 22% token（1.71M 對 2.18M）。大任務三次執行的 token 在 7.01M 到 10.64M 之間波動，作者據此提醒 agent 輸出不確定，只跑一次可能得出完全相反的結論。
一位寫了 18 年程式碼的開發者表示，自去年在 Claude Code 中使用 Opus 4.5 後，用自然語言描述需求比手寫程式碼更快，於是徹底停止了手寫程式碼。他所在的 Filestage 團隊月合併 PR 從約 200 增至 300，bug 報告未增加，每位開發者每月 AI 訂閱費 20 美元，工具可自選 Codex、Claude Code 或 Cursor。
聯想天禧 AI 自研程式碼智慧體框架 TianxiCode 配合 DeepSeek-v4.1-Flash，在 SWE-bench-Live（Lite 分榜）以 71% 的問題解決率位列全球第一，並通過官方 Verified 核驗。該評測基於真實 GitHub 專案問題與可復現執行環境，官方會審查全鏈路智慧體執行軌跡並排查答案、測試用例洩露。
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。
Claude Code 雲端會話正式隨 Pro、Max、Team 與 Enterprise 訂閱提供，不額外收費，共用原有用量上限，每個任務在獨立虛擬機器上把倉庫克隆到新分支。Pro 與 Max 個人訂閱者可在 10 月 7 日前領取一次性獎勵額度 100 與 250 美元，額度 11 月 4 日過期，不能用於 Projects 或 Routines。會話可從 claude.ai/code、移動端、桌面端、終端和 Slack 啟動，完成後留在分支上供開 PR；
OpenAI Codex CLI 發布 0.162.0，啟用 worktree 功能後可從受信任的本地專案建立並列出託管 Git worktree。TUI 新增 /copy 跳轉與複製對話塊、Ctrl+Insert 複製選區，滾輪速度由 tui.mouse_scroll_speed 調整；自訂 Responses 相容模型提供方可配置即時聯網與遠端壓縮，Code Mode 增加流式 Promise 輔助與可選排序工具搜尋。
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；
npm 上出現新 Oxlint 外掛 ai-deslop，用一組規則拒絕 AI 生成的低證據、低訊號 TypeScript 程式碼模式。規則含 no-chained-type-assertions、no-unknown-parameters、no-module-mocking、no-poor-substring-tests 等約 20 條 recommended 項，以及 no-duplicate-consts、no-renamed-imports、canonical-clas…
Models API 新增 capabilities.server_tools 欄位，GET /v1/models 與 GET /v1/models/{model_id} 現在會返回每個模型是否支援 web search 和 code execution 工具。要確認某個模型是否接受 code execution 工具，讀取 capabilities.server_tools.code_execution；
Claude Code 更新至 v2.1.289，主要修復權限規則、終端渲染與外掛系統的一系列缺陷。其中巢狀複合 shell 命令的 deny/ask 規則不再被使用者安裝的 mod 審批覆蓋，Read 拒絕規則現在也適用於通過符號連結在 IDE 中 @ 提及、修改或選中的檔案。
REA 是一套接入 coding agent 的逆向工程工具，用 npx rea-agents@latest setup 安裝並連線後，agent 就能檢查程式本身並解釋其行為。官方演示了兩個案例：讀取 Chrome 恐龍游戲執行中的指令碼，取回起始速度 6、每次更新加 0.001、上限 13 的加速規則，並據此重建一個可調速版本；以及分析 Windows Calculator 的 % 按鈕，發現 + 與 × 之後使用不同規則，因此 200 + 10% 得 220。