dex@dexhorthyAI 评分4040

Dex Horthy 给 @humanlayer_dev 的上下文工程建议：会话在压缩或新开时丢失上下文，应把所有上下文和决策写进 artifacts 里的文档（设计。

AI Hero Skills v1.3 发布：新增 /implement-spec、/pr、/retro，CONTEXT.md 改名 GLOSSARY.md

AI Hero Skills 发布 v1.3，新增 /implement-spec、/pr、/retro 三个技能，把主流程从 /grill-with-docs → /to-spec → /to-tickets 延伸到实现、PR 和复盘。

Addy Osmani@addyosmaniAI 评分3838

Addy Osmani 建议为 AI 智能体配备校验产出的手段，测试是其中一部分。他推荐四类测试：模拟真实用户流程的端到端测试作为基准真相；用基于属性的测试声明绝不应发生的情况并生成数千用例尝试突破约束；替换系统时用随机输入对比新旧版本；要求测试快速且确定性运行，否则智能体可能学会重试而非修复问题。

宝玉@dotey精选AI 评分8282

宝玉结合播客内容，梳理在 SpaceXAI 做 Grok Bot 的 Lauren Tan 一个月合并 2500 个 PR 的做法：晚上让 AI 自己检查、自己合并，第二天早上再抽查，不逐个 Review。

geoff@GeoffreyHuntleyAI 评分2020

Geoffrey Huntley 认为，Docker/Kubernetes 时代的编译、重启、部署 CI/CD 循环整体可以被压缩，但因 VC 产业复合体而迟迟未发生。他反驳 golang 或现有语言会胜出的观点，称几乎所有编程语言本质相同，下一步将是被重新应用的旧思路：actor 模型与修复镜像而非重建镜像，且为 LLM 作为程序员而设计，而非为人类。

Ben Holmes@BHolmesDevAI 评分5858

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。

Matt Pocock@mattpocockukAI 评分4040

Matt Pocock 与 poteto 交流后提出，AI 时代应更多使用抽象，配合严格的 lint 规则来缩小智能体的设计空间，把它们约束在好的决策上。高杠杆抽象能用更少代码做更多事，因而更省 token；有了智能体，拆解坏抽象造成的损害也便宜得多。他认为这与“智能体只想读原始代码”的流行看法相反，呼吁大家更大胆地设计抽象。

Sebastian Raschka@rasbtAI 评分3838

Sebastian Raschka 发布"Reasoning from scratch"系列第 6 期，讲解并实现可验证奖励强化学习（RLVR）与组相对策略优化（GRPO）。

OpenAI Developers@OpenAIDevsAI 评分3232

OpenAI 在 DevDay 后列出 Codex 生态的多项更新：GPT-6.1 Sol 以更低成本处理编程、电脑操作与跨应用任务，性能接近 Astra；Ultrafast 模式可将模型响应速度提升至标准模式的 8 倍。

宝玉@doteyAI 评分2626

宝玉尝试用 Opus 5.5 制作吃瓜视频，素材搜集、配音（Gemini 3.8 Flash TTS，自备 API Key）全由模型完成，产出英文和中文两个版本。

Matt Pocock@mattpocockukAI 评分2828

GitHub Actions 是上手软件工厂的极简途径：公共仓库几乎免费的沙箱、现成登录、用 issue 当工单、用 label 触发 action 生成 PR，action 还能反向打 label 形成循环。配合 cron 跑每日任务，并提供简单的可观测性排查问题。适合在自建基础设施前先试水软件工厂。

Andrej Karpathy@karpathyAI 评分5454

Karpathy 认为随着大语言模型变强，人的工作会更多上升到监督和理解层面，他分享了几个让模型输出更易读的技巧。

Ben Holmes@BHolmesDevAI 评分6666

Warp 团队把公司所有智能体的配置集中到一个 factory.yaml，用代码定义编排模式与模型选择、密钥和 MCP server 权限、自动化触发器、评分与基准测试策略，并作为 Warp Factories 开放给其他团队部署。

Sebastian Raschka@rasbtAI 评分2222

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。

Thorsten Ball 谈 AI 智能体时代编程语言与框架的走向

Thorsten Ball 在 Register Spill 的 Joy & Curiosity #101 中提出，框架已不再是最大的开发者生产力杠杆，AI 智能体比它大一百倍，语法和工具易用性也不再重要。

GitHub Copilot 应用入门：如何用 canvases 构建自定义工作流

GitHub Copilot 应用中的 canvas（画布扩展）是一种用户与智能体共享的可定制界面，可做成看板、issue 分诊板、发布清单或仪表盘。在 agent 会话中输入 /create-canvas 并用自然语言描述工作流，智能体即可生成界面并在右侧面板打开，无需手写代码或调整布局。

Boris Cherny@bchernyAI 评分6060

Claude Tag 在 Slack 中现已支持个人连接器，可直接访问个人有权限的 Drive 文档、Salesforce 账号或数仓表，今天在 Teams 上线、下周面向 Enterprise 开放。

GitHub Copilot 的 canvas：当聊天框不是与 AI 协作的正确界面

GitHub Copilot 应用推出 canvas，一种运行在应用内、无浏览器外壳的全栈小应用，可与 Copilot 智能体双向通信，也能在本地执行代码。作者认为 chat 只适合作为通用兜底界面，用户明确任务时更该让智能体生成可复用工具，例如用 canvas 管理 Winget 包或直接操作 SQLite 数据库，避免把 token 浪费在“stage and commit”这类操作上。

Lovable 发布 Chats，并公开多智能体协作的轨迹与收件箱架构

Lovable 发布 Chats，一个运行在工作区层级、可跨项目对话并触发构建的智能体，确认改动后会把任务交给项目里的 builder 智能体并把进展带回对话。

Lovable 聊天功能免费开放，可对话探索应用创意与改进

Lovable 聊天功能现已免费开放，Free、Pro 和 Business 工作区每天都有免费聊天额度。用户可以让它评估该做哪个创意、把客户反馈整理成计划，或分析已上线应用的代码和 Lovable Cloud 数据库用量。聊天在生成图片、视频或转交 Plan、Build 时仍照常消耗 credits，当前聊天定价（含每日免费额度）适用至 2026 年 10 月 31 日。

GitHub Copilot 应用如何渲染超大 pull request

GitHub Copilot 应用重建了 pull request 视图，用一个含 2,200 个文件、超 100 万行改动、400 多条行内评论的开源 PR 做验证。代码行沿用“绘制前高度已知”的虚拟化方案，评论等动态块则改为懒测量、高度有界，并把文档高度拆成确定性的代码高度与动态块高度两个独立域，避免滚动跳变。

Steve Yegge@Steve_YeggeAI 评分2222

Steve Yegge 开始使用 GPT-6 Astra，称其写作自然讨喜，已多次让他惊叹，而他此前已用 Fable 数月。两者风格差异明显：Fable 会先记录并规划再动手，Astra 则始终处于 100% Leeroy Jenkins 模式，接到任务就猛冲。他表示目前严肃工作仍会继续用 Fable。

Boris Cherny@bchernyAI 评分5858

Boris Cherny 用 Opus 5.5 配合 Lean 对 Claude Agent SDK 做形式化验证，几段简短提示词换来 16 个 PR，修复了多个 bug 和竞态条件。

用 GPT-Live-1 和 Codex 把 LED 显示屏变成语音助手 Jack

开发者用 Raspberry Pi、128 × 64 HUB75 LED 面板、Codex 和 GPT-Live-1 全双工语音模型，把一块航班追踪屏改造成语音助手 Jack。

Steve Yegge@Steve_YeggeAI 评分3838

Steve Yegge 提出 Agentic TPM（技术项目经理智能体），认为这是编码智能体进入企业最直接的方式，并为明年真正的 AI 员工铺路。这类智能体拥有外部邮件和 Slack 权限，只负责询问、观察、记录和汇报，没有执行权，因此风险低、影响范围小，且不需要最顶级的模型，有 Opus 或 Sol 权限即可运行。

Sebastian Raschka@rasbtAI 评分3636

Sebastian Raschka 发布"推理扩展"系列第一部分，从改造文本生成函数入手，实现温度缩放、top-p 过滤和多项式采样，以支持自洽性与 best-of-N 生成多样化输出，将答案准确率提升超 2 倍。视频涵盖 CoT 提示、贪心解码、softmax 与 token 概率、LLM 水印、多数投票等步骤，并在 MATH-500 上展示准确率与算力的权衡结果。

Mitchell Hashimoto@mitchellhAI 评分3838

Mitchell Hashimoto 提出“白板答辩”标准：任何面向客户的系统，开发者都应能随时被叫住，清楚解释其工作原理并为自己的决策辩护，这是他对负责任使用 AI 的衡量标准。

Lovable 与 Salesforce 合作：在团队现有工作场景中构建应用

Lovable 接入 Salesforce 的 Headless 360，用户可用自然语言构建应用与智能体，直接读写 Accounts、Contacts、Leads、Cases 和 Opportunities，并沿用 Salesforce 的身份与权限。

Mitchell Hashimoto@mitchellhAI 评分2222

Mitchell Hashimoto 演示了通过 CLI 控制 superlogical 多路复用器 Rex，GUI 能做的操作 CLI 都能做，且 CLI 功能更多，包括创建会话、运行命令、分屏、移动窗口、切换焦点、模拟键鼠输入、等待脚本等。Rex 还提供流式事件系统供任意客户端接入或脚本化，以及终端专属 API，可获取运行进程的 JSON 对象等信息。

Thorsten Ball 谈 Fable 5.1 与 GPT-6 Astra：模型进入更高飞行高度

Thorsten Ball 在 Register Spill 中称 Fable 5.1 和 GPT-6 Astra 带来质变，基准分数从 65% 升到 79% 也无法体现这种变化。

把市场运营写成代码：用 GitHub Copilot 和 Actions 自动跑完活动全流程

GitHub 日本和韩国市场的营销负责人把活动运营流程自动化：用 Issue 表单收集活动信息，用 event-setup 标签触发 GitHub Actions，自动复制落地页、生成 UTM 链接、提交邀请邮件并同步项目看板，原本要花近一天的工作缩短到几分钟。

GitHub Copilot 应用新手指南：使用 diff、终端和浏览器面板

GitHub Copilot 应用内置 diff、终端和浏览器三个面板，让开发者无需在编辑器、终端和浏览器之间切换即可完成 AI 编码闭环。diff 面板用绿色和红色高亮显示代码的新增、删除和修改，支持接受更改、留下评论或让 Copilot 继续修改；终端面板可直接运行项目命令并支持多窗口切换；浏览器面板则能预览界面并用 Pick & Polish 工具选中元素让智能体调整。

Kedde 如何用 Lovable 挑战斯德哥尔摩分区物流体系

斯德哥尔摩地面工程公司老板 Kedde 与一位懂技术的朋友用 Lovable 搭建物流平台 Kbag，三周、约 500 美元成本做出首个版本，以实时地址定价取代传统分区定价，并通过 API 接入 Volvo Connect Fleet Management 获取车辆路线、油耗、载重与司机剩余驾驶时间数据。

OpenAI 谈如何为 GPT-6 Astra 重写 Skills 与提示词

OpenAI 官方博客针对 GPT-6 Astra 给出 Skills、AGENTS.md 和任务提示词的调整建议：Skill 描述要尽量短且明确适用场景，多流程 Skill 用根文档做最小路由，避免把 Skill 写成过于具体的步骤清单。

Lovable 正式推出 Partner Program，认证专家与解决方案伙伴

Lovable 正式启动 Partner Program，分为面向独立开发者和小型机构的 Expert 与面向咨询公司、系统集成商的 Solution Partner 两条路径，并提供 Partner Directory 供企业查找和雇佣伙伴。

Lovable 推出 drafts 草稿功能，支持并行探索项目改动

Lovable 上线 drafts 功能，为项目创建带独立对话和预览的副本，团队可并行探索同一项目的多个版本，改动只有接受并发布后才会应用到线上应用。该功能适用于任何项目，首个版本仅覆盖前端改动，涉及数据库结构或登录设置的修改仍需在项目对话中完成。

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。

如何用 Codex 中的 Astra 构建游戏：从 Void Explorer 到性能调优

作者在 Codex 中用 Astra 构建了太空探索游戏 Void Explorer，包含 2,048 个恒星系和超过 10,000 个程序化生成的行星，并分享了从提示词到架构、测试和性能测量的完整流程。

用 Codex 中的 Astra 做建筑可视化：从 Blender 场景到 Unreal Engine 5

用户向 Codex 中的 Astra 描述一栋极简住宅的需求，Astra 通过 Blender Python API（bpy）生成可编辑 3D 场景，完成建筑、家具、材质、灯光与相机，并自行检查预览渲染、修正细节。项目从带家具的起居亭扩展为围绕庭院布局的 U 型单层住宅，含三间卧室、办公室、浴室和更衣室，随后导出到 Unreal Engine 5 探索实时漫游。

GitHub Copilot 应用入门：同时运行多个 AI 智能体

GitHub Copilot 应用支持同时运行多个 AI 智能体会话，每个会话运行在独立的 Git worktree 上，互不干扰，可并行推进同一项目的不同任务。每个会话保留各自的上下文，切换时无需重新说明，用户可在会话视图中查看进度并审阅结果。