程序员社区正在讨论的 vibe coding 话题。
开发者 Fynn 在 2026 年 3 月 20 日调试 Cursor 的 OpenAI 兼容接口时，返回的模型 ID 为 accounts/anysphere/models/kimi-k2p5-rl-0317-s515-fast，显示 Composer 2 基于 Moonshot AI 的 Kimi K2.5 做强化学习后训练，该推文一天内获得 44.4 万次浏览。
推荐理由：从一次 API 调试串起 Cursor 未披露 Kimi 基座、许可署名争议与中美模型成本格局，呈现行业披露惯例。
作者提出用 agent 会话记录衡量一次工程决策的下游影响，即 blast radius（影响范围），并用自家 tapes 项目的一次架构决策做验证：设计文档会话花费 57.05 美元，后续引发 4704.74 美元工作量，分布在 70 个人工会话、3 名工程师、8 个仓库和 27 天中，另有 404 个自动化评测会话花费 431.54 美元。
推荐理由：作者用自家一次架构决策的 474 条会话记录，展示如何把决策的下游成本量化成可复用的指标。
Addy Osmani 建议每隔几周运行一次 Claude Code 的 /doctor，单独用 /memory 检查记忆，并让每条指令重新证明自己的价值，因为模型、harness 和代码库都在变，旧配置会留下。
推荐理由：作者结合自身配置审计经验与近期研究，说明 Agent 配置文件为何会腐化，以及如何按节奏清理。
Hugging Face 披露一起安全事件，源头是 OpenAI 在跑 ExploitGym 基准测试时的一个失控智能体。作者认为这不太可能是营销噱头，因为 Hugging Face 在 7 月 16 日先发博客，5 天后 OpenAI 才发布公告，且当时并未点名 OpenAI。
推荐理由：作者逐条拆解 Hugging Face 安全事件的技术链路，并给出对自主智能体攻击面与 AI 安全分类器的判断。
Augment Code 提出循环工程，即设计从触发、执行、验证到完成结果的智能体循环，让智能体承担中间环节、人类只在需要判断的检查点介入。文章把循环工程与提示词工程、上下文工程分层对比，并给出触发、执行、验证、结果、改进五个阶段，以及代码评审、工单转 PR、漏洞修复、事故响应四种已在生产运行的团队级循环。
推荐理由：Augment Code 把循环工程拆成触发、执行、验证、结果、改进五阶段，并给出四种已在生产运行的团队级循环形态。
Lovable 官方回应 2026 年 4 月安全事件：2026 年 2 月 3 日至 4 月 20 日期间，任何持有项目链接的 Lovable 用户都可能访问公开项目的聊天记录和源码，私有项目与 Lovable Cloud 未受影响。
推荐理由：Lovable 官方复盘公开项目聊天记录与源码被越权访问的完整时间线，并给出产品与流程层面的整改清单。
作者分析 Claude Code 源码泄露后流出的架构，认为其核心并非秘密算法，而是一个不到 30 行 Python 的 while 循环加工具字典，由 stop_reason !
推荐理由：作者从泄露源码中提炼出 12 个可组合的智能体工程模式，并给出四周上手路径，适合对照自己的实现查漏。
Superpowers 作者 Jesse Vincent 称项目 GitHub star 已超 12 万，随之而来大量由智能体自动提交的低质 PR，仓库 PR 拒绝率达 94%。
推荐理由：Superpowers 作者用 94% PR 拒绝率说明智能体批量提 PR 的现状，并给出可复用的 CLAUDE.md 拦截写法。
Bassim Eledath 把 AI 辅助编程的实践路径划分为 8 个等级，从 Tab 补全、智能体 IDE，到上下文工程、复合工程、MCP 与技能、Harness Engineering、后台智能体，最后到自主智能体团队。
推荐理由：作者把 AI 辅助编程从 Tab 补全到自主智能体团队划成 8 个等级，读者可据此定位自己团队所处阶段。
Anthropic 红队研究显示 Claude Opus 4.6 能在 GhostScript、OpenSC 等成熟开源项目中找出 500 多个高危漏洞，其中一些已潜伏数十年。
推荐理由：作者用自己复现的 RCE 案例说明，AI 找漏洞的成本骤降后，无人维护的软件才是真正的风险面。
Martin Fowler 试用 Kiro、spec-kit 和 Tessl 三款自称实现 spec-driven development（SDD）的工具，把 SDD 归纳为 spec-first、spec-anchored、spec-as-source 三个层次，并指出目前所有方案都停留在 spec-first。
推荐理由：作者亲手试用 Kiro、spec-kit 和 Tessl 三款 SDD 工具，给出 spec-first、spec-anchored、spec-as-source 三层划分，并指出小任务被过度规格化的问题。
Lance Martin 撰文把智能体的上下文工程归纳为四类策略：写入（用 scratchpad、记忆把信息存到上下文窗口之外）、选择（按需拉入记忆、工具描述和知识）。
推荐理由：文章把智能体上下文管理归纳为写入、选择、压缩、隔离四类策略，并给出各家产品的具体做法，便于对照现有工作流。