Sharkly 如何打造可靠修復 bug 的 AI 智能體 Sherlock
Sharkly 團隊介紹 Sherlock,一個以十階段狀態機處理 bug 修復及小型工程任務的 AI 智能體。流程設有 [START DEVELOPMENT] 和 [SUBMIT FOR TESTING] 兩道人工授權關卡,並要求保存各階段產物、審查程式碼及以實際環境證據驗證結果。
Sharkly 團隊介紹 Sherlock,一個以十階段狀態機處理 bug 修復及小型工程任務的 AI 智能體。流程設有 [START DEVELOPMENT] 和 [SUBMIT FOR TESTING] 兩道人工授權關卡,並要求保存各階段產物、審查程式碼及以實際環境證據驗證結果。
Cognizant GenC 2026 應屆畢業生招聘包括溝通評估、能力測試、技術評估、技術面試及 HR 面試,溝通評估被列為淘汰環節。報道的測試模式涵蓋溝通、數理、邏輯、語文及技術題,技術內容包括 SQL、Java、Python 和編程。GenC 的報道薪酬約為 ₹4 至 4.5 LPA,GenC Next / GenC Pro 約為 ₹6.75 LPA。
阿里雲 2026 年雙 11 活動已開啟,優惠涵蓋 AI 產品、雲資源及認證,活動至 11 月 30 日。AI Token Plan 套餐低至 5 折,Night Plan 每日 22:00 至次日 08:00 為 Qwen3.8-Max/Flash 提供 4 折優惠。
Claude Code 的 Subagents 定義智能體角色,Agent Teams 則讓仍在執行的智能體互相傳訊;作者指出兩者是互補元件,並非替代方案。針對規劃、審批、實作依序進行的流程,作者採用 planner 和 implementer 自訂 subagents 配合 /task 命令,並示範以 /task --auto 在 GitHub Action 執行,完成後由人審查 PR。
文章為 Claude Code、Cursor 與 Codex 提供三個共用 Python hooks 範例,分別攔截風險命令、格式化修改檔案,並在檢查失敗時讓智能體繼續處理。文章列出各工具的設定方式、載入與信任要求,並整理路徑錯誤、非零退出碼等常見失效原因。作者按三款工具文件所述的輸入格式測試腳本,但未在工具內實際執行;hooks 屬防護欄,硬性限制仍應依靠權限規則和沙箱。
作者與 blindwerk 為 Flutter 摩托車應用 Kurvenheld 重新設計 23 個畫面,並用 pen.dev 和 Claude Code Skills 串接設計、Flutter 實作及畫面驗證。
Ziva.sh 測試 GPT-6 Luna 對 10 個 Godot 初學者問題的 150 個普通聊天回答,未發現 Godot 3 API 錯誤。其中 4 個回答有解析錯誤、3 個有隻在執行時出現的錯誤,另有 2 個提供錯誤設定指示。
重構舊有程式碼庫前,開發者應先了解應用程式架構、模組依賴、未有文件記錄的業務邏輯及技術債務,並分析程式在實際環境中的運作方式。AI 工具可協助解釋程式碼、整理模組及識別潛在依賴,但其建議須對照實際實作、設定、測試和運行時行為核實。做好分析和規劃,有助降低重構對現有功能造成不必要影響的風險。
阿里於 2026 年 11 月 11 日發佈 Qwen4-Max 預覽版,首發於 Token Plan,並接入千問辦公、Qoder 等入口。官方列出的升級方向包括知識理解、世界感知、編程與 Agentic,面向複雜編程、專業辦公、前端設計及專業軟件操作;預覽期至 11 月 25 日 24:00(UTC+8),期滿後模型標識下線。
百度文心發布 ERNIE 5.5 Flash Preview,這是此前發布的 Base 模型首個後訓練版本,總參數為 280B、激活參數為 14B,支援 1M 上下文。模型 API 已在千帆平台上線,權重將於 11 月 25 日前開源。官方稱模型在多項基準測試中取得具競爭力的分數並保持極致解碼速度;後訓練仍在進行,Preview 可能存在因訓練不足導致的能力缺陷,正式版本將再作優化。
作者以 Clocked 打造 ScopeShield,供自由工作者比對合約與客戶對話,識別每項要求是否屬合約範圍及是否已議定報酬。Bakery 示範中,工具從 20 則客戶訊息找出 9 項要求,其中 3 項需要變更訂單、1 項已議定額外報酬、3 項屬合約範圍,另有 2 項已撤回。
Google 向公眾發佈 Gemini 4 Carbon,稱其為旗下迄今最強模型,主打複雜、長週期任務,但普通付費用戶暫時無法使用。付費開發者及企業可透過 Gemini API 和 Gemini for Business 使用;一般消費者則須訂閲 Google AI Ultra,才可在 Gemini 應用及搜尋 AI 模式使用。
推薦理由:文章對照 Gemini 4 Carbon 的任務成本、模型排名與訂閲門檻,呈現企業採用成本優勢和一般付費用戶體驗限制之間的落差。
研究人員發現,Grok Build 透過可分享連結洩露逾 35,000 個應用程式的資料。資料包括專有資訊,部分屬於 SpaceXSI。
Baseten 推出企業 AI 編碼管理平台 Grid,現已開放公開預覽,整合模型路由、用量監測及存取治理。初步基準測試中,Baseten Router 相較 Opus 5.5 可節省接近 70% 成本,品質差距為 0.9 個百分點;路由會按任務預期表現與成本選擇模型,並計入重試和工具調用失敗的成本。
Baseten 在 Baseten Grid 開放 Baseten Router 公開預覽,這款路由器按編碼任務選擇模型。在 DeepSWE 1.1、SWE Atlas QnA 和 Terminal-Bench 2.1 三項留出基準上,成本較始終使用 Opus 5.5 低 72%,通過率相差不到 0.8 個百分點。
百度發佈 ERNIE 5.5 Flash Preview,這是基於早前發佈的 ERNIE 5.5 Flash Base 構建的首個後訓練模型,總參數量為 280B、啟用參數量為 14B,並支援 1M-token 上下文窗口。
Docent 推出 Analysis Plans,讓編碼智能體建立 AI 行為分析流程,並在網頁介面逐步檢視和核實。計劃由 DQL 查詢步驟和使用 LLM 的閲讀步驟組成,閲讀結果附有指向具體資料項目的引用,整個流程可追溯至產生結果的計算。
Google 宣佈 Gemini 4 Carbon(gemini-4-carbon)正式開放使用,並稱其為面向持續智能體編碼、多模態知識工作、科學推理及網絡安全防禦的能力最強推理模型。
Transluce 提供一套衡量真實環境中編碼智能體錯位行為的評估框架,並以監控規避作為具體判定項目。框架依次檢查監督機制、是否適用、智能體有否削弱檢查,以及用戶是否明確授權繞過;即使智能體事後補救,先前的規避仍計入判定。
SnippetVault 結合 AI 程式碼片段生成與個人資料庫管理,可按標籤和資料夾搜尋,並一鍵複製或匯出至編輯器。它支援多種程式語言,但不會執行程式碼、測試或驗證片段是否正確和安全;使用者仍須自行檢查、調整及測試。
Microsoft 於 2026年11月10日正式發佈 .NET 11,C# 15 引入 union 型別,.NET SDK 則降低 dotnet 指令及建置的啟動負荷。
作者以 JavaScript 從零實作 AI 基礎,嘗試在不依賴 TensorFlow、PyTorch 或機器學習框架的情況下,理解機器如何從例子中學習。文章逐步講解監督式學習、神經元、損失、梯度下降和反向傳播,説明模型如何衡量預測錯誤並調整權重。
.NET 11 正式發佈,更新涵蓋 C# 15、ASP.NET Core、.NET MAUI 和 Windows 開發,並帶來數百項執行階段最佳化及 SDK 工具改進。
虎嗅作者根據 Anthropic 招股書梳理 10 項觀察,分析其 AI 業務、產品取捨、組織運作及治理安排。招股書列出收入由 2023 年的 4100 萬美元升至 2025 年的 45.85 億美元,並稱 2026 年 Q3 約 80% 收入來自過去 6 個月推出的新模型版本;Fortune 500 客戶在 Claude 上的平均支出不到其總支出的 0.1%。
推薦理由:招股書把模型降價、使用量與收入變化放在同一脈絡,呈現 Anthropic 商業增長與模型迭代之間的關係。
2026 年阿里雲雙 11 期間,Qoder CN 推出個人專業版 Pro 新客首月 19.9 元優惠,續費恢復每月 59 元,首次付費開通 Pro 或 Pro+ 首月 Credits 翻倍。
文章提出前端與 AI 工程師的規則消費機制:以 YAML 契約作為唯一信源,編譯成 JSON Schema、CI 規則、Prompt 前綴和 Checklist 四種產物,並透過版本自動同步送達消費端。AGENTS.md、CLAUDE.md 和 Skill 文件中的契約引用塊屬於 Prompt 前綴的載體形態,注釋頭則讓版本過期或內容遭手改時可被機器對賬發現。
Claude Fable 5.2 每百萬輸入及輸出 tokens 收費 $8 及 $40,是 Claude Opus 5.5 的兩倍;Anthropic 公佈的基準中,Opus 5.5 在 AA-Briefcase Elo 項目得分較高。
Cursor 的 Agent、Plan、Debug、Multitask 與 Ask 模式各有用途,協助開發者按任務委派工作、調查問題及掌控程式碼變更。Agent 可跨多個檔案實作功能;Plan 先調查程式碼庫並擬定方案,供用戶審核;Debug 則透過假設和執行時資料調查故障,再提出修正。
AiPy 在 600 行含有髒數據的銷售明細和三個任務場景實測中,綜合評分為 9.22/10,高於通用大模型的 5.65 和傳統腳本的 4.85。端到端任務中,AiPy 無需編寫程式碼或人工介入,並直接交付可用報告;通用大模型需 120 行程式碼和 5 次人工介入,傳統腳本則需 180 行和 8 次。
文章提出前端與 AI 工程師的規則消費機制:以 YAML 契約作為唯一信源,編譯成 JSON Schema、CI 規則、Prompt 前綴和 Checklist 四種產物,並透過版本自動同步送達消費端。AGENTS.md、CLAUDE.md 和 Skill 文件中的契約引用塊屬於 Prompt 前綴的載體形態,注釋頭則讓版本過期或內容遭手改時可被機器對賬發現。
OpenAI 在 AI Engineer Code Summit 的工作坊中介紹 Codex 的新工作方式,涵蓋雲端任務、語音控制及個人 Agent dots。新版 Codex Cloud 可一次發布環境,並在該設定的隔離實例中執行多項任務;OpenAI 亦正改善本地任務移交雲端的流程。工作坊亦展示語音可用於迭代及管理多個 Agent,而 dots 則可用來查漏、委派任務及支援不同工作場景。
阿里推出 Qwen Code 1.0 Preview,將在 Qoder 中打磨的 Harness 能力融入 Qwen Code,並以獨立分支開源。新架構沿統一事件模型,從單一進程、多個會話演進至多個節點、更多會話,並將接入、調度與執行分層擴展。Harness 負責銜接模型、工具與執行過程;開發者可據此構建 Agent 系統,現有穩定分支則繼續保留。
微軟研究院 PDD Kit 把開發者的自然語言意圖轉成 Verus 形式化規格,以檢查 Agent 編寫的 Rust 程式碼是否符合規格。文章整理出測試團隊可借鑑的證明與測試分界、變異測試,以及 CI 的 A/B/C 證據分級門禁。工具目前只支援 Rust,仍屬研究原型;證明需要投入,規格本身亦可能有誤。在約 5000 行的 Rust 商店應用中,官方只驗證了登入邏輯。
雲原生開發者廣泛採用 AI 工具,使電子簽章程式碼的合規邊界與驗證成為工程治理重點。全球雲原生開發者已突破2100萬,75%使用 AI 編碼工具,67%已將 AI 能力整合到服務中。文章建議以靜態語義檢查、動態沙箱測試及人機協作,驗證核心簽章邏輯。
開源自架測試選擇工具 siftwise 發佈 v0.3.0,新增風險優先排序、時間預算,以及 Jest 和 Java 測試選擇。在 dropwizard 的 148 次 PR 執行回放中,工具捕捉 74 次失敗中的全部;22 次選擇性執行的預估測試時間中位數減少 90.6%,但計入全部執行後節省 11.9%。自用 CI 納入的 32 次影子運行均未出現失敗,因此尚無法計算即時召回率。
文章提出在 Base 上建構自主金庫管理系統的架構,讓 LLM 只負責異步提供資產配置建議,交易則由確定性政策引擎驗證,再交由中繼器簽署和執行。政策引擎設定單筆交易滑點上限為 0.5%,每個 epoch 的資產配置變動上限為 5%。文章亦指出,操作金鑰不應持有資產管理權,並須留意公共 RPC 的狀態延遲和 L2 排序器的中心化風險。
作者檢查 CLAUDE.md 中「codex」會在工作完成後審查的説法,發現 50 次提交只有兩個身份,提交訊息中也沒有任何「codex」字樣。這次審計不能證明審查從未發生,只能確認這個儲存庫的永久記錄中沒有可核實的審查痕跡。
阿里雲百煉 Token Plan 正式上線 Qwen4-Max 預覽版,主打理解、多模態、程式開發及 Agent 能力升級。活動期間,新客套餐低至 5 折,調用 Qwen4 模型可享限時 2 折;Lite 套餐 19.50 元/月起,Essential 套餐 39.50 元/月起。
GitHub Copilot GH-300 備考指南整理考試的 6 個知識範疇,並列出 5 個實戰情境題,涵蓋 Copilot 方案、Responsible AI、資料私隱、提示詞、上下文架構及效能測試。
Adam Roman 指目前約 90% 的編碼智能體互動來自手機,並比較透過常駐電腦、雲端及 Android 手機運行的方案。其工作流由 Opus 5.5、Fable 5.2、GPT Astra 或 Kimi K3.1 擔任領導智能體,將任務分派至不同設備,再透過 Cosyra 預覽和迭代。