对 78 个注册表 MCP 服务器的匿名健康探测：51.3% 能走通完整调用
Pennyforge 对某公开 MCP 注册表 a–b 切片中 186 个端点里能响应 initialize 的 78 个服务器做了匿名健康探测，只有 40 个（51.3%）能走通 initialize→tools/list→一次安全 tools/call 的完整流程。
推荐理由：对 78 个注册表 MCP 服务器做匿名健康探测，给出分层鉴权与规范版本迁移的可复现数据。
测试与验证
全部主题怎么让 Agent 写出能过测试的代码、怎么验证它说的“完成了”。
32 条精选相关主题代码评审Hooks 与自动化工作流
最新精选
第 1–20 条 · 共 32 条DEV Community · MCP精选AI 评分7878 DEV Community · Claude Code精选AI 评分7878 实测十款 Claude Code Mod：守卫崩溃后命令照样执行，只留下三款
作者在 Claude Code 2.1.288 上用 85 个会话、882 条提示、5993 次工具调用实测十款 Mod，发现没有 .catch 的守卫 Hook 抛错后会被跳过，命令照常执行，加上 catch 返回 deny 才能失败关闭。
推荐理由：作者用 85 个会话、5993 次工具调用实测十款 Claude Code Mod，给出可迁移的取舍标准与失败开放问题。
Habr · Вайбкодинг精选AI 评分7676 当自动检查说谎：一个由 AI 智能体写代码的项目里的五个案例
一个由 AI 智能体写代码、作者不读代码的产品项目里，自动检查多次给出错误结论。作者发现 86 个检查从未被任何流程触发，秘密扫描因 git 默认转义俄文文件名而漏掉 1413 个文件中的 438 个，新检查把 WHERE 误认成表别名而放过注入的错误，测试面板和智能体副本还发来三次假告警。
推荐理由：作者用五个真实案例说明自动检查为何会给出假绿或假红，并给出可迁移的验证规则。
DEV Community · Claude Code精选AI 评分8585 如何阻止 AI 编程智能体过早宣称任务完成
作者运行一套全自主实现系统，由编排器把任务分发给并行实现 Agent（底层是 Claude Code），最初 Agent 可以自行把任务标记为完成，结果出现未跑测试、验收标准未满足、放宽断言让测试变绿、硬编码返回值等问题。
推荐理由：作者用可检查的验收标准、带证据的完成报告和只读验证 Agent 三层设计，解决智能体过早宣称完成的问题。
Hacker News · MCP精选AI 评分7676 RugSnare：对 MCP 工具描述做哈希固定，检测批准后的静默变更
RugSnare 是一个针对 MCP 工具描述的运行时完整性工具，对每个已批准工具的 { name, description, inputSchema } 做规范化哈希固定，之后任何静默变更都会触发告警并让 CI 失败（exit 1）。
推荐理由：RugSnare 把 MCP 工具描述做哈希固定，在批准之后持续检测静默变更，并给出 66 组官方 server 版本的实测数据。
Habr · Claude Code精选AI 评分8282 产品设计师用 Claude Code 单干一个月：为了让项目不散架，我在 AI 周围搭了什么
一位有六年 SaaS 经验的产品设计师用 Claude Code 独自开发生活规划器 Котомка，几乎全部代码由 AI 编写，他负责提需求、验收和决策。
推荐理由：作者用真实仓库记录了一个人靠 Claude Code 做产品时踩过的坑，以及围绕 AI 搭起的规则、Hook 和测试护栏。
Cursor · Changelog精选AI 评分6262 Cursor 推出 Rollouts 与 Security Review 两个 bot
Cursor 发布 Rollouts 和 Security Review 两个 bot，均面向团队版和企业版开放。
推荐理由：官方给出两个 bot 的监控与安全审查流程，读者可据此判断能否接入现有交付链路。
Lovable · Blog精选AI 评分6060 Lovable 上线 Opus 5.5：构建更快，质量与 Opus 5 持平
Lovable 上线 Opus 5.5，官方称其与 Opus 5 结果持平，但完成步数减少三分之一到一半。在 Lovable 内部基准上，Opus 5.5 在 0-to-1 构建和迭代改代码两项与 Opus 5 打平，验证纪律一项高出 4% 到 6%；各档推理强度下每任务步骤数减少 26% 到 57%，输入 token 减少 21% 到 59%，差异在 95% 置信水平上显著。
推荐理由：Lovable 官方给出 Opus 5.5 与 Opus 5 在步骤数和 token 上的对比数据，可据此判断构建效率的实际变化。
Addy Osmani · Blog精选AI 评分8080 Addy Osmani 谈在遗留代码库中引入 AI 智能体的工程方法
Addy Osmani 提出在遗留（brownfield）代码库中引入 AI 智能体时，应先让隐藏约束可见、让廉价改动可信。他建议按绿黄红三区划分代码：绿区测试完善可让智能体小步快跑，黄区需先写特征测试，红区涉及认证、计费、权限等敏感逻辑必须人工逐步参与；分区由人绘制，只有特征测试存在且模块负责人审阅过首批改动后，黄区才能升级为绿区。
推荐理由：作者把老代码库引入智能体的约束拆成分区、特征测试和迁移单元等可操作规则，并给出多家公司的迁移数据作为参照。
Habr · Cursor精选AI 评分8282 Cursor 工程师如何做到每月合并 800+ PR：用验证 Skill 和 evals 建立对 AI 智能体的信任
Cursor 工程师 Lauren Tan 分享了她让 AI 智能体自主提交并合并 PR 的方法：核心是验证能力，即让智能体自己跑代码、抓 CPU 追踪、打开 iOS 模拟器来检查工作结果。
推荐理由：Cursor 工程师把对 AI 智能体的信任拆成可复用的验证 Skill、feature map 与 evals，读者可据此搭建自己的自动化验证流程。
Vibe Code Textbook · Articles精选AI 评分7878 如何写出编码智能体能完成的任务：六段式 spec 模板与 linter
作者提出用六段式 spec 模板（Goal、Non-goals、Interfaces、Files、Verification、Budget）向编码智能体描述任务，并配了一个在交给智能体前检查 spec 的 linter。
推荐理由：给出可直接套用的六段式 spec 模板、tally 实例和配套 linter，读者能据此改造自己交给编码智能体的任务描述。
Vibe Code Textbook · Articles精选AI 评分8787 审查 coding agent 的 diff：检查清单最先抓到什么
作者给出一份按危害排序的十项 agent diff 检查清单，依次看被删除的测试、被跳过或弱化的断言、宽泛异常捕获、新增依赖、任务范围外文件、CI 配置改动、疑似密钥、遗留标记和净删除超过 40 行的文件。
推荐理由：给出按危害排序的十项 agent diff 检查清单，并附可复用的扫描脚本与行号定位。
OpenAI Developer Blog · Codex精选AI 评分7171 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。
推荐理由：作者用 Astra 在 Codex 中做完整游戏，展示了从提示词到测试、性能测量的可迁移协作流程。
Hacker News · Agent Skills精选AI 评分7878 mattpocock 发布面向真实工程的 AI 编程 Agent Skills
作者 mattpocock 发布了一套自己日常使用的 AI 编程 Agent Skills，定位是真实工程而非 vibe coding，强调小而可改、可组合、兼容任意模型。
推荐理由：作者把多年工程经验拆成一组可组合的 Skill，并说明每个 Skill 针对的失败模式，读者可据此判断能否接入自己的开发流程。
OpenAI Developer Blog · Codex精选AI 评分6565 OpenAI 发布 Daybreak 与 Codex Security 安全工作流
OpenAI 推出 Daybreak，把 ChatGPT、Codex Security 和开源 Codex Security CLI 组合成一套安全防御工作流，覆盖 PR 合并前审查、仓库与漏洞积压排查、CI 定期检查。
推荐理由：官方给出 Codex Security 从 PR 审查、仓库扫描到 CLI 批量扫描的完整用法，可据此判断如何接入现有安全流程。
Lovable · Blog精选AI 评分7474 Lovable 如何把 lovable.dev 从 Next.js 迁到自家 TanStack Start 栈
Lovable 用六个月把月访问 4200 万的 lovable.dev 从 Next.js 迁到自家 TanStack Start 托管栈，迁移期间两套框架并行运行，由代理 worker 按路由和用户分流，最终 Next.js 专属代码只占 3%。
推荐理由：Lovable 官方复盘把 90 万行代码从 Next.js 迁到自家 TanStack Start 栈，双框架并行、AI 智能体批量迁移和一次 OOM 事故的细节都可直接借鉴。
Addy Osmani · Blog精选AI 评分7878 Addy Osmani 的循环工程实践：用 Claude Code 的 goal 与 loop 原语管理并行智能体
Addy Osmani 介绍自己每天并行运行 5 到 10 个智能体、通常同时最多 5 个的工作方式，并把循环工程拆成 Claude Code 的两种原语：goal 用于把单个有界任务推进到可验证的完成标准，loop 按固定间隔重跑提示词，类似 cron。
推荐理由：作者把并行跑 5 到 10 个智能体的日常拆成 goal 与 loop 两种原语，并给出可复用的验证 Skill 与停止条件写法。
Augment Code · Blog精选AI 评分6262 Augment Code 扩展 Cosmos：把代码评审做成 PR 到合并的智能体闭环
Augment Code 将其 Cosmos 评审系统从代码评审扩展到完整的 PR 到合并闭环，新增 Verifier、PR Fixer、Review Dashboard 和 cosmos approve 四项能力，由多个专职 Expert 分别负责风险分析、逐行正确性评审、设计评审、运行时验证和修复。
推荐理由：Augment 把代码评审扩展成覆盖修复、验证与审批的 PR 到合并闭环，读者可据此判断多智能体分工的落地方式。
Martin Fowler · Exploring Generative AI精选AI 评分7474 智能体循环里的 TDD 是形式还是真价值？Martin Fowler 的对比实验
Martin Fowler 用 Sonnet 4.6 生成、Opus 4.8 盲评的方式，对小型、中型和较大型三类业务逻辑任务分别跑 TDD 与非 TDD 方案，结论是两者质量没有明显差异，非 TDD 方案在设计和测试质量上还多次略高，变异分数也没有实质差别。
推荐理由：作者用同一批任务对比 TDD 与非 TDD 智能体实现，给出 token 成本与设计质量差异，并反思哪些 TDD 收益在智能体循环里失效。
InfoQ · AI Coding Presentations精选AI 评分8383 Spotify 如何用后台编码智能体 Honk 持续重写代码库
Spotify 平台团队分享了后台编码智能体 Honk 的演进过程，它从替换迁移脚本起步，逐步接入构建与测试验证，把合并 PR 的节奏从 3 个月 1000 个提升到 10 天 1000 个。
推荐理由：Spotify 团队复盘 Honk 从脚本迁移到后台编码智能体的演进，重点讲验证与标准化如何决定生成代码能否合并。