Vercel Labs 發佈 UI SDK:提供 50+ 種供 AI 編碼智能體使用的介面行為
Vercel Labs 發佈開源測試版 UI SDK,提供 50+ 種介面行為,讓編碼智能體組合成 UI 元件。它為 React、Vue、Svelte、Solid 和 Web Components 提供適配器,並可透過 createAgent() 讓智能體查看介面狀態及執行操作。
Vercel Labs 發佈開源測試版 UI SDK,提供 50+ 種介面行為,讓編碼智能體組合成 UI 元件。它為 React、Vue、Svelte、Solid 和 Web Components 提供適配器,並可透過 createAgent() 讓智能體查看介面狀態及執行操作。
licode 正在開發一款像素風編程遊戲,結合課程、編程挑戰、除錯項目及多人對戰,讓寫程式、測試和理解程式碼成為練習核心。內置導師 Lio 會解釋題目、討論錯誤並提示下一步,但不會直接提供完整解答。licode 是獨立產品,與 LeetCode 沒有關聯。
dsh-topic-graph 是 DeepSeek Harness(dsh)的 Web UI 插件,可把長時間 AI Agent 工作階段拆成回合,再由模型逐步整理成主題與階段工作地圖。
阿里雲 2026 年雙 11 AI 專區涵蓋 Token Plan、千問辦公、Qoder、萬小智和秒悟,優惠從新客五折到首月特價,分別對應模型調用、辦公、編程、建站和應用生成。
一個小型 Python 輔助工具可在本機整理內容改寫流程,準備提示詞並打包 AI 生成的草稿,毋須 API key。提示詞要求生成 3 篇 LinkedIn 草稿、1 篇電郵草稿及 2 段短片腳本;工具只檢查 JSON 結構,不能判斷內容是否有來源支持,發布前仍須逐項核對事實。
作者構建了 Lazarus,一個以隔離執行沙盒、4 個 Agent 組成的 Kiro Crew 和 fast-check 差分模糊測試,協助安全地現代化舊有 JavaScript 模組的引擎。系統會找出新舊程式行為差異、縮減至最小反例,再交由 Agent 自動修正。Lazarus 的 10 個測試套件共有 86 項測試通過。
文章提出一套輕量工作流程,讓開發者記錄項目決定,並在新工作階段確認 AI 編碼助手能否取用及套用。文中以虛構項目 Cedar 示範記錄決定、適用範圍、理由、來源與例外,並分別檢查儲存、檢索和套用;亦介紹 PLUR 的 plur_learn、plur_recall 和 plur_forget,並説明這套流程並非實測報告。
文章推演,若黃仁勳再創業,憑藉其技術判斷、人才號召力及供應鏈關係,新公司可能成為 NVIDIA 的競爭對手。文章以阿莫迪創辦 Anthropic 為例,指出按兩家公司各自披露口徑,Anthropic 今年第二季度營收超過110億美元,OpenAI為67億美元,首次超過老東家。文中提出,新公司可從推理服務、機械人計算系統或收購已有技術的公司切入,並藉助供應鏈關係推進生產與交付。
Claude Code、Cursor 和 Codex 的沙盒可能限制智能體執行 npm install 等命令的網絡存取或快取寫入,令命令在一般終端可用、在沙盒內卻失敗。文章比較三者的網絡及檔案權限設定,並提供探測腳本檢查命令可連接的主機和可寫目錄。Codex 只啟用 network_access 會開放所有主機;要按 domains 清單限制連線,還須啟用網絡代理。
作者主張,履歷應以可核對的工作成果呈現 AI 輔助生產力,而非只列工具或無法證實的團隊倍數。文中列出 PR 時間戳、CI 紀錄、覆蓋率及事故數據等衡量來源,並建議交代 AI 協助的部分、本人負責的部分,以及品質是否維持。
Safdar Ali 的 JavaScript 教學指出,async/await 是建基於 Promises 的語法糖,兩者並非互相取代,而是同一非同步執行模型的不同寫法。文章以程式碼對照 try/catch 與 .catch()、漏寫 await 的錯誤,以及用 Promise.all 並行處理互相獨立的請求;三個各約 300ms 的請求,串行約需 900ms,並行約需 300ms 加額外開銷。
自主 LLM 智能體遇到外部工具逾時或暫時性錯誤時,可能把錯誤訊息當作對話上下文而重複發出相同呼叫;Dan Kestrel 提供 TypeScript SHA-256 冪等仲裁器,在工具執行前攔截重複操作。實作會排序參數鍵並計算雜湊,在 60 秒滑動冷卻窗口內抑制相同請求,並以合成 HTTP 409 回應;另設熔斷器及人工審查通知。
V8 13 無需啟用旗標即可使用 TC39 的 `using` 宣告,Node.js 24 開發者無需 TypeScript 或轉譯即可採用。資源離開作用域時,`using` 會呼叫 `Symbol.dispose`;非同步資源則可用 `await using` 和 `Symbol.asyncDispose`,即使遇上例外或提早返回,仍會自動清理。
阿里雲百煉 Token Plan 以固定訂閲和 Credits 統一計量模型調用、工具整合及 Agent 編排,提供個人版和團隊版。個人版月費由 Lite 39 元至 Pro 499 元,團隊版由標準座席 150 元至尊享座席 1398 元;雙十一期間有 88 折優惠及新增 Harness 權益。服務目前僅支援華北 2(北京)地域,訂閲期內未用完的 Credits 不會結轉。
Headron 3.63 加強 AI 編碼智能體程式碼變更的驗證機制,將變更連結至所需的驗證證據,而非只依賴智能體自行判斷。更新包括按執行時依賴追蹤選擇測試、加強儲存庫隔離,以及改善與 Cursor、Claude 和 Codex 的 MCP 整合。Headron 以可稽核的驗證補充現有 CI/CD 系統,不取代它們。
前端編輯彈窗以淺拷貝建立草稿時,巢狀標籤物件仍與列表共用引用,修改草稿便會改變原資料,取消亦無法還原。可按可編輯欄位建立獨立草稿,並在提交時複製資料;若整份資料均可克隆,則可使用 `structuredClone`。
作者以 OpenCode 測試 claude-mem 15.18.1,三次跨工作階段測試均讓智能體正確沿用前一工作階段的折扣規則;未啟用記憶時,三次均未完成功能。記憶模式每次請求增加約 5,200 個 token,整次測試處理 126,307 個 token,重述規則則處理 65,739 個 token;兩者耗時相近。作者指出自動擷取可能漏記,並建議重要資訊明確存入 save_memory。
karasu 將 Low PR 的合併工作移出 Claude Code 工作階段,改由 GitHub workflow 處理,並以 /pr-verify 技能執行 High PR 的合併前檢查。
作者質疑,即使 AI 能令開發者快數倍,手機應用程式對用戶而言仍未見改善,有些甚至感覺更差。METR 在 2025 年一項涉及 16 名資深開源開發者和 246 項實際任務的隨機研究中發現,使用 AI 工具的開發者完成任務所需時間多 19%,但他們以為自己快了約 20%。作者提出,省下的時間或許用來加入更多功能,而開發瓶頸也可能在決定、審查和批准工作。
作者比較 Gemini 4 Carbon 在 GitHub Copilot 的計費與 Argon 的適用場景,建議在 2026 年 12 月 1 日調價前以高難度智能體任務短期測試 Carbon。
LongCat-2.5 權重採 MIT 授權,沒有營收或地域限制,授權條件較 Kimi K3.1 Pro 和 ERNIE 5.5 Flash Base 寬鬆。模型有 1.6 trillion 個參數、每個 token 約 48 billion 個啟用參數,權重庫達 3.56 TB;美團測試的服務路徑以 NPU 為目標,多數基準分數則屬內部測試,僅供參考。
Claude Code 2.1.321 將 Fable 5.2 設為預設 Fable 模型,並下調其輸入、輸出及快取讀取價格。每百萬 tokens 的輸入、輸出及快取讀取收費分別為 $8、$40 及 $0.20,較 Fable 5.1 低 20%;Anthropic 稱輸出生成速度最高提升 30%。
AI 大幅降低軟件交付中的內容合成成本,令瓶頸轉移至驗證與判斷,而以跨職能團隊為核心的 SAFe 架構未能吸收這項變化。SAFe 6.0 將 Agile Team 定為五至十一人,並以八至十二週的 Program Increment 作規劃週期。當審核及整合等下游關卡吞吐量不變,新增產出只會令工作積壓,容量指標亦可能繼續反映已不再稀缺的產出能力。
AI 編碼智能體令程式碼來源追溯暴露缺口:Git blame 和提交紀錄能指出誰修改了程式碼,卻無法證明修改背後的決策及理由。提交、智能體和建置來源紀錄各自説明不同環節,還需要決策來源紀錄連結決策、依據、審批與程式碼變更。保存完整智能體對話也未必能還原決策,並可能增加私隱及保安風險。
Devesh Korde 整理四種可在 Claude 上測試的提示詞模式,並明言沒有 10 倍提升的依據。其中三種有 Anthropic 公佈的測試結果:範圍控制提示在 max effort 編碼測試中令工作階段成本下降約三分之一且品質不變;要求實際檢查則令 low effort 下略過或流於表面的檢查變得罕見,但每項任務成本略升。
文章整理 Claude Code、Codex、Cursor、Gemini 和 Copilot 查閲用量及限制的方式,涵蓋內置指令、編輯器設定、本地記錄工具和 macOS 選單列應用程式。
Limitcast 0.19.3 和 0.19.4 為 Codex 和 Grok 加入優化器修剪提案、子智能體用量收據及提醒功能。0.19.4 修正 0.19.3 中 Grok 套用修剪設定未生效的缺陷;作者以 Codex 0.169 和 Grok 1.0.77 的真實工作階段核對行為。
openEuler 社區分享最新營運進展,公佈有 41.32% 的程式碼合併請求(PR)有 AI 參與,並展示 AI 賦能社區開發的成果。同期社區新增 2584 位開發者,開發者規模環比上升 21.8%。
Frank Gilroy 示範如何先檢查 Drupal 11 儲存庫,再編寫符合專案實況的 CLAUDE.md 或 AGENTS.md。他以 localgovdrupal/localgov_directories 和 drupal/cms 為例,説明如何根據儲存庫類型、.ddev、Composer、Drush 及 CI 設定選用指令。
作者針對 Claude Code 跨工作階段失去脈絡的情況,提出 5 項無需購買新工具的工作習慣。做法包括精簡更新 CLAUDE.md、預估長任務成本、要求以不同方式驗證完成結果、為子任務設定上限與停止規則,以及把工作交接寫入 HANDOFF.md。
Cursor表示,攻擊者利用 Fireworks AI 暴露的 Cursor 存取金鑰複製歷史編碼智能體追蹤記錄,再利用其中的憑證進入部分軟件工具,並散佈惡意 Claude Code 擴充功能版本。
限制 AI 編碼智能體存取敏感憑證及基礎設施,可減低未經授權執行的風險。文章指出,Claude Code、OpenAI Codex 等智能體可能繼承用戶的 UNIX UID 和權限,讀取記憶體及設定檔中的環境變數、SSH 私鑰等憑證,再傳送至外部推理端點。缺乏沙箱亦可能令錯誤指令破壞生產設定或造成資料外洩。
作者以十一人規模的軟件開發代理公司為例,分析固定合約下 AI 原生 SDLC 的可採用部分,指出客戶掌控的流程和既定交付範圍限制即時規劃。其團隊在 148 天內以 CodeRaven 檢查 1,164 個 pull request,24% 收到修改要求;數據只涵蓋三個活躍倉庫及八名貢獻者,也沒有未使用 AI 審查的基準。
CodeRaven 在 148 天內審查 1,164 個 pull request,當中 24% 被要求修改,共提出 14,552 項審查發現。總 AI 支出為 $161.20,審查標記 237 項高嚴重度問題,critical 數量為 0;審查量由 3 月的 420 次升至 6 月的 775 次期間,批准率維持在 72% 至 81%。
基礎設施及可靠性工程師 Ed Stuurman 在日本工作,並在 DEV Community 自我介紹,分享其企業硬件、電郵安全管道、MTA 及分散式系統經驗。他亦談到以 Proxmox 和 WireGuard 建構家庭實驗室,以及讓 AI 編碼智能體配合測試與驗證的工作方式,並計劃撰寫系統故障、網絡和輕量網頁架構等內容。
Python 的 RevisionCell 在同一鎖定區段內比對預期修訂版本並更新字串值,拒絕過時寫入,同時遞增修訂版本。五個測試涵蓋過時更新、相同內容仍遞增版本及兩個競爭更新只有一個成功;測試使用單一 Python 程序內的執行緒。這不是資料庫交易或持久化修訂記錄,遭拒的更新也不會自動重試。
這篇教學示範如何在 Amazon Bedrock 上部署 LiteLLM 與 NVIDIA NeMo Switchyard,將編碼智能體的請求路由至合適模型。Switchyard 的 LiteLLM 整合支援 Stage 與 Random 兩種路由策略,並以路由模型組與單模型基線比較每個成功完成任務的成本。
推薦理由:文章把智能體路由的比較指標從每 token 價格轉為每個成功完成任務的成本,並示範以相同任務比較路由模型組與單模型基線,按測試是否通過判定任務完成。
團隊以 ARC 在不到一天內建成可投入正式環境的 RecipeHub,定位為食譜版 GitHub。平台旨在支援食譜創作、烹煮、演進及分享,並以實驗和協作為核心。文章展示多個原型如何協助探索產品方向,並透過快速收集意見來完善構想。
ToneDrill 開發者持續改進 iOS App 的和絃音練習功能,擴充題目組合、調整設定畫面,並加入更多自動化檢查。開發者首次嘗試在 Xcode 進行 UI 測試,學習啟動 App、查找介面元素、等待畫面載入,以及儲存截圖和執行無障礙檢查。日誌亦記錄 Swift 函式參數名稱及 filter、map、flatMap 的用法。
Codex 0.171.0-alpha.5 列於 GitHub Releases。頁面內容未列出此版本的更新項目。