GitHub 发布 AI 代码评审开放基准 ReviewBench

GitHub 发布代码评审离线基准 ReviewBench，基于 1.039 亿个 GitHub PR 的分布特征，构建了覆盖 19 种语言、219 个公开 PR 的评测集，并公开数据集、评分规则与 LLM 评审模型配置。

Ожидает перевода

Ben Holmes@BHolmesDevОценка ИИ5858

Ben Holmes 公开了驱动其软件工厂的多智能体系统：需求来自 Linear issue 或 Slack 讨论，分诊智能体先调研并决定是直接实现还是提问，实现智能体负责构建、必要时先与子智能体协作产出 spec，验证子智能体对实现结果做端到端测试，代码评审智能体与实现智能体循环几轮后再交人工评审上线，监控自动化则响应告警并创建 issue。

Ожидает перевода

Sebastian Raschka@rasbtОценка ИИ2222

Sebastian Raschka 发布《Reasoning from scratch》第 5 期，讲解对数概率评分与自我精炼。内容涵盖加载预训练 LLM、用 PyTorch 计算 token 概率与序列似然、构建基于规则的评分器，以及自我精炼循环的实现，并在 MATH-500 上给出评测结果。

Ожидает перевода

Cursor выпускает двух ботов: Rollouts и Security Review

Cursor выпустил двух ботов — Rollouts и Security Review, доступных для Team и Enterprise.

Sebastian Raschka@rasbtОценка ИИ3636

Sebastian Raschka 用 Paint UI 复刻同一张图，对比 GPT-5.6 Astra 与 Qwen3.8 Max 的计算机使用（视觉）能力：Astra 默认用几何图形分层绘制，Qwen 则逐像素还原，后者结果天然更接近原图、得分会更高。但他认为不能据此断定 Qwen 的计算机使用或视觉理解更强，这恰恰说明只看最终结果的 benchmark 有多不可靠。

Ожидает перевода

Thorsten Ball 谈 AI 写代码：是代码真的差，还是评审者的“天真干预”偏见

Thorsten Ball 在 Register Spill 的 Joy & Curiosity #98 中借用《反脆弱》里的扁桃体切除研究，提出工程师对 Sol、Fable、Astra 等模型输出的“代码差、注释蠢”评价，可能源于“天真干预主义”偏见——AI 已在 20 分钟内端到端完成前后端改动、内外部文档和测试，并在无头浏览器中跑完全流程、附上录屏为证。

Ожидает перевода

Augment Code расширяет Cosmos: код-ревью превращается в замкнутый цикл ИИ-агентов от PR до слияния

Augment Code расширил свою систему ревью Cosmos с код-ревью до полного замкнутого цикла от PR до слияния, добавив четыре возможности: Verifier, PR Fixer, Review Dashboard и cosmos approve. За анализ рисков, построчную проверку корректности, ревью дизайна, проверку во время выполнения и исправление отвечают отдельные специализированные эксперты.

Codex Code Review поддерживает пользовательские правила ревью в AGENTS.md

OpenAI добавила в Codex Code Review возможность задавать собственные правила для репозитория: в AGENTS.md можно описать указания по ревью, и Codex применит их при проверке и сошлётся на источник в выводах. По данным официальных тестов, версия с правилами нашла 98% необходимых кастомных проблем, тогда как в контрольной группе — 58.3%. Правила стоит начинать с неочевидных инвариантов вроде требований к совместимости или границ данных: правила уровня репозитория кладём в корень, правила уровня сервиса — в соответствующий каталог, а форматирование и механические проверки по-прежнему оставляем CI.

Joy & Curiosity #92：Amp 推出订阅与智能体间通信

Amp 现已推出订阅服务，可与 ChatGPT 订阅搭配获得无限 GPT-5.6 token；同时 Amp 上线智能体间通信，智能体能在任意 Amp 实例或 orb 中派生其他智能体并互发消息与文件。作者还分享了新一季 Raising An Agent 播客、与 Evan Phoenix 等人的对谈，以及 antirez 关于“控制想法而非代码”的观点。

Ожидает перевода

Репозиторий skills от AI Hero выпустил v1.1: добавлен /wayfinder, переименованы /to-spec и /to-tickets

Репозиторий skills от AI Hero выпустил v1.1: /to-prd переименован в /to-spec, /to-plan и /to-issues объединены в /to-tickets, а также добавлены новые Skill — /wayfinder, /research, /prototype и другие.

花掉 8.5 万美元 token 后，我在 Lovable 扩展智能体编程的经验

Lovable 一名工程师从今年 1 月到 6 月把个人 token 花费从每月约 600 美元推到 5 月的约 2.5 万美元、累计约 8.5 万美元，同时把每周合并 PR 数从 20-30 个提升到 150 个以上。

Ожидает перевода

AI Hero 新增 /handoff 与 /prototype 两个 Skill 并修复多个已有 Skill

AI Hero 在其 skills 仓库新增 /handoff 和 /prototype 两个 Skill。

Ожидает перевода

OpenAI 如何用 Skills 加速 Agents SDK 仓库维护

OpenAI 用 Codex 配合仓库内的 Skills、AGENTS.md 和 GitHub Actions 维护 Agents SDK 仓库，把验证、发布准备、示例集成测试和 PR 评审变成可重复流程。

Ожидает перевода