Ryan Lopopolo 认为，AI 让验证问题变得明显，因为每个真实任务都依赖一个我们几乎从不写下来的问题，即怎样才算把活干好。产出和评审都涉及语气、品味、风险容忍度、打磨程度、可接受的捷径和完成标准等大量非功能性决策，过去团队靠组织设计、社交规范、招聘和入职把这些隐含规则传递给人，而模型无法走招聘流程，因此交给它的任务基本都欠规范。
Awaiting translation
Why it matters: 作者以在 OpenAI 做代码智能体的经历说明，非功能性需求不写下来，评审智能体就会陷入无休止的拉扯。
Anthropic 的研究预览版 Mythos 在 72.4% 的试验中能为 Firefox 的 JS shell 生成可用漏洞利用，而此前 Opus 4.6 的成功率不到 1%。
Awaiting translation
Augment Code 本月新增 Gemini 3.1 Pro，成为其继 Claude、GPT-5 之后的第三个可选模型。作者认为模型、harness 与 orchestration 三层解耦后，切换模型只是改一个设置而非迁移，因此单模型押注已不再成立。文中提到 GPT-5.4 每消息价格比此前所用模型便宜约 2.6 倍，且过去十三个月里领先模型已三次易主。
Awaiting translation
Augment Code 将 AI 原生转型划分为四个阶段：约 70% 的组织仍停留在第一阶段（在日常工作流中集成 AI 智能体），不到 10% 让智能体自主承担工作，几乎无人达到完全智能体编排。
Awaiting translation
OpenAI Codex 产品负责人 Alexander Embiricos 和开发者体验负责人 Romain Huet 在 Behind the Craft 节目中讲述 Codex 团队如何用自己的产品构建产品。
Awaiting translation
Martin Alderson 认为未来 18-24 个月将由算力短缺主导，因为需求呈指数增长而供给只是线性增加。他引用 GitHub COO 的数据称 GitHub 近 3 个月提交量年化增长约 14 倍，并提到 OpenAI Codex 团队负责人 Thibault Sottiaux 表示行业正处于需求超过供给的阶段。
Awaiting translation
智能体开发正从克隆和移植进入第二阶段——重新构想。Cheng Lou 用 Claude Code 和 Codex 对照浏览器真实行为迭代数周，做出仅几 KB、不依赖 CSS 和 DOM 测量的文本排版库 Pretext；Cloudflare 发布 TypeScript 编写的无服务器 CMS EmDash，被称为 WordPress 的精神继任者。编码智能体大幅降低了挑战成熟软件的成本。
Awaiting translation
OpenAI 联合创始人兼总裁 Greg Brockman 在 Big Technology Podcast 访谈中确认下一代预训练基础模型 Spud 已完成预训练，凝聚约两年研究成果，但未给出任何 benchmark 分数。
Awaiting translation
Notion 联合创始人 Simon Last 在 No Priors 播客访谈中表示，他从 2025 年夏天起不再手写代码，个人纪录是一个编码 Agent 连续运行 13 天。
Awaiting translation
作者 Drew Breunig 借用 Eric S. Raymond 的《大教堂与集市》提出第三种软件开发模式 Winchester Mystery House，指开发者用 AI 智能体为自己搭建高度个人化、不断扩张的工具。
Awaiting translation
Delphi Ventures 创始合伙人 José Maria Macedo 在中国考察两周后，对硬件更看好、对软件更看衰。他称深圳硬件供应链让迭代速度远超西方，超 70% 原材料采购自大湾区；但中国闭源模型与西方差距可能扩大，Anthropic 二月收入达 60 亿美元，而中国最好模型 ARR 仅几千万美元。
Awaiting translation
Jesse Vincent 提出用“Classical Software”指代不含 AI 的传统软件，即用编程语言编写、由计算机执行、预期具有确定性的软件。他认为智能体软件运行成本更高、有时会“有主见”，更难推理；如果一段软件能在无运行时 AI 的情况下正确运行，就应该这样做。
Awaiting translation
UC San Diego 研究团队通过 13 场实地观察和 99 名资深开发者的问卷（共 112 人，中位经验 10 年，使用 Claude Code、Cursor、GitHub Copilot、Windsurf）发现，专业开发者并不 vibe coding，而是通过规划和监督严格控制智能体。
Awaiting translation
一位使用 open claw 的用户在 Hacker News 提问：自己更担心提示词注入而非坏代码，但从未见过有人真的被注入攻击，也没见过终端命令误删全部文件的情况。他认为从演绎上看最坏情况都存在，但从归纳上看从未发生，因此怀疑把 open claw 当成真实安全风险是否理性，并表示要等到 HN 上有人被提示词注入才会真正担心。
Awaiting translation
Terminal-Bench 发布任务设计指南，提出好的基准任务应具备对抗性、难度和可读性：指令像给资深工程师那样清晰直接，测试只验证结果而非实现细节，允许替代解法并防止 reward hacking。难度应来自问题本身，而非苛刻的输出格式或隐藏假设。作者建议亲自运行任务、检查容器、执行 oracle 并观察真实智能体轨迹，失败运行尤其能揭示任务是否真正困难。
Awaiting translation
面对 AI 迭代过快带来的 FOMO，可以用“离当前生产力远近”和“知识保鲜期长短”两根轴把新事物分成四个象限：远且短的直接跳过，远但长的只需 15 分钟读篇解读维持地图感，近但短的值得花几小时上手，近且长的才深度投入。象限会随时间移动，OpenClaw 从个人项目到 GitHub 最热开源项目就是右下角冲向右上角的例子。
Awaiting translation
Gumloop 联合创始人兼 CEO Max Brodeur-Urbas 在访谈中讲述，他因在美加边境被遣返并附带 5 年入境禁令，被迫在温哥华卧室创业，从 AutoGPT 的简单 UI 项目 AgentHub 起步，最终做成日处理 400 万工作流的自动化平台 Gumloop。
Awaiting translation
Geoffrey Huntley 提出"认知安全"概念，警告人们日常依赖单一前沿实验室的 AI 做决策，等于把认知能力外包给他人。他引用 Anthropic 的 Golden Gate Claude 实验说明，通过修改模型权重可让 Claude 无论对话内容都围绕金门大桥，并推测未来搜索或社交平台可能让广告主竞拍模型权重中的排名。他认为唯一解法是自己训练模型，以保护认知安全、业务运营与供应链。
Awaiting translation
Geoffrey Huntley 认为开源模型正被用作国家间的经济武器：中国厂商免费或以约 5 美元/月开放前沿开源模型，而美国向头部实验室投入数万亿美元，本地模型目前仅落后前沿实验室两到四个月。他建议预算有限的学生使用这些开源模型，企业则应按本地推理可用的思路构建业务，并提醒信任与断供风险同样适用于前沿实验室。
Awaiting translation
Hugging Face 技术负责人 Philipp Schmid 去年 11 月发问：AI 智能体执行自身代码时该跑在本地还是云端，该问题获 5 万次浏览却无人给出清晰答案。
Awaiting translation
作者 Ryan Lopopolo 以给东京办公室内部 alpha 应用加日语支持为例，说明在智能体辅助下，这类工作不再需要占用路线图时间，而是作为后台任务完成。
Awaiting translation
作者 Ryan Lopopolo 提出智能体利用率是新的性能天花板，认为模型智能要转化为工程产出，取决于智能体在整个软件生命周期中被允许做多少事。他给出的数据是 2026 年 3 月使用 GPT-5.2 时，无 Symphony 每人每天 3-5 个 PR，接入 Symphony 后每人每周约 75 个 PR，差别来自 Symphony 让智能体保持忙碌。
Awaiting translation
Ryan Lopopolo 以 Symphony 为例提出，代码不应被视为最终产物，规范才是分发物。Symphony 是一个基于 issue tracker 的智能体编排系统，先以 SPEC.md 形式分发，Elixir 参考实现只是衍生产物，README 邀请读者把 SPEC.md 交给自己的编码智能体，用任意语言重建。
Awaiting translation
Why it matters: 作者用 Symphony 的 spec 蒸馏循环说明代码只是可替换产物，为规范驱动开发提供了一条可迁移的路径。
作者认为，软件组织一直把人的实现时间当作稀缺投入，智能体打破了这个假设，因此策略必须可执行、验证必须随实现规模扩展。他以在大型 TypeScript 代码库开启 ESLint 的 no-await-in-loop 规则为例，发现 600 处违规，过去这需要昂贵的迁移，现在一个 PR 就能完成修复并补齐测试覆盖。
Awaiting translation
Why it matters: 作者以开启 ESLint 规则、迁移 600 处违规的亲身实践，说明智能体时代实现成本下降后，约束与验证为何成为新的稀缺环节。
Geoffrey Huntley 在访谈中提出，软件开发（敲代码、提示 LLM）正因 AI 普及而急剧加速，软件工程则转向设计循环、自动化与安全机制，工程师更像火车司机而非手动编码者。
Awaiting translation
针对 Forbes 报道称 Claude Code Max 的 200 美元订阅可消耗约 5000 美元算力，作者认为该数字混淆了 API 零售价与真实推理成本。
Awaiting translation
ETH Zurich 团队构建 AGENTbench，用 138 个来自小众仓库的真实 Python 任务，测试 Claude 3.5 Sonnet、Codex GPT-5.2、GPT-5.1 mini 和 Qwen Code 在无上下文文件、LLM 生成文件、人工编写文件三种场景下的表现。
Awaiting translation
作者认为 AI 算力紧缺已经不是“即将到来”而是正在发生。Anthropic 上周可用性一度跌到“一个 9”，员工称源于难以预测的增长，公司为此把 Opus 4.6 默认 effort 降到 medium、在 Claude Code 中暂时移除 Opus 4、4.1 和 Sonnet 4.5，并关闭 prompt suggestions。
Awaiting translation
Drew Breunig 在 MLOps Community 的 Coding Agents 会议上分享了他构建无代码库 whenwords 的经验，并提出规范驱动开发不是单向方程而是三角反馈循环：写代码会反过来改进规范和测试。
Awaiting translation
Martin Fowler 提出人类在 AI 辅助软件开发中应处于 on the loop 而非 in the loop，即构建和管理工作循环，而不是逐行检查智能体产出的代码。
Awaiting translation
Anthropic 与美国国防部之间的争执，核心并非使用条款，而是模型内嵌的判断。作者认为，AI 采购不同于其他技术采购，因为模型带有内嵌视角，军方等大买家会要求审计并影响后训练过程。他认同 Anthropic 的使用红线，并称自己选择 Claude，同时指出这场争论需要冷静展开。
Awaiting translation
作者 Martin Alderson 认为，端侧智能体 AI 在消费级设备上短期内难以实用，瓶颈是内存、KV cache 与推理速度。他指出 3B 模型量化后约需 2GB、7B 约需 5GB，而手机端上下文常被限制在 4K token，仅工具定义就可能占满；即便 32K 上下文，7B Q4 模型的 KV cache 也已超出 iPhone 17 的内存。
Awaiting translation
Geoffrey Huntley 提出，如今软件开发成本已降至每小时 10.42 美元，低于最低工资标准。他指出 Cursor 等工具让非开发者也能开发软件，软件开发者的知识与技能已被商品化，并观察到有 28-30 岁开发者拒绝使用 AI 编程工具。
Awaiting translation
Drew Breunig 基于与不同规模团队开发者的交流，提出关于编码智能体的两个判断。一是优秀开发者往往低估自己提示词中直觉性知识的作用，他们能自然给出具体。
Awaiting translation
Anthropic 的 Claude 桌面端仍基于 Electron 构建，尽管其编码智能体曾花费 2 万美元用 Rust 实现了一个（勉强可用的）C 编译器。
Awaiting translation
tapes.dev 以透明代理形式为 AI 智能体提供持久化会话捕获，零代码改动，将智能体指向 localhost:8080 即可记录每一次原始请求与响应，形成只追加、可确定性重放的历史记录。当前 OpenTelemetry、Langfuse、LangSmith 等工具只提供日志、追踪和成本看板，会话结束后无法从某个决策点恢复。tapes.dev 称这是让智能体可编排、可自愈的基础层。
Awaiting translation
Anthropic's red-team research shows that Claude Opus 4.6 can find 500 high-severity vulnerabilities in mature open-source projects like GhostScript and OpenSC—some of which have been sitting there for decades.
Why it matters: Using an RCE case he reproduced himself, the author shows that once AI drives the cost of finding vulnerabilities down, unmaintained software becomes the real risk surface.
作者认为 Claude Code Max 每月 100 美元，但按 Anthropic 文档平均用量对应的 API token 成本约 100–200 美元/开发者/月，重度用户消耗远超付费，这种补贴类似 Uber 早期的市场占领策略。
Awaiting translation
Martin Fowler 就 OpenAI 的 Harness engineering 实践发表初步思考，该团队以“完全不手写代码”为约束，用 AI 智能体维护一个超过 100 万行代码的产品，历时 5 个月。
Awaiting translation
Ryan Lopopolo 于 2025 年 11 月 3 日归档了 Artichoke Ruby，并在当月归档了 @artichoke 组织下的大部分仓库。这个用 Rust 重写 mruby 的实验项目历时六年，曾实现纯 Rust 的合规 String 和模块化 VM 架构，但作者因时间精力转向工作与家庭、且缺乏用户基础而不再继续开发。
Awaiting translation