用 Claude Code 和 Codex 攻克 Erdős 问题 #993 三个月后发现已被解决
作者使用 Claude Code 和 Codex 花了三个月时间研究 Erdős 问题 #993(树的独立集序列单峰性)。作者发现该问题的完整证明已于上周由 Tong Zhang 和 Wei Li 发表,且已有两个 Lean 4 形式化版本声称构建成功。目前该结果尚未经过同行评审。
作者使用 Claude Code 和 Codex 花了三个月时间研究 Erdős 问题 #993(树的独立集序列单峰性)。作者发现该问题的完整证明已于上周由 Tong Zhang 和 Wei Li 发表,且已有两个 Lean 4 形式化版本声称构建成功。目前该结果尚未经过同行评审。
OpenAI GPT-6 Sol 的 Codex 系统提示词被提取并公开,约 29.4 万字符、1902 行指令模板和工具定义被整理在 GitHub 仓库中。泄露内容包含反废话写作规范、任务自主执行策略、工具链使用规则、浏览器操作确认模式、上下文压缩与后台心跳机制,以及代码审查指南。
推荐理由:原文拆解了 GPT-6 Sol Codex 的系统提示词模块,读者可从中看到 OpenAI 如何以工程化提示词约束自主代码智能体。
在接下来的 28 天里,我们将每天推出一项对大多数 codex/work 用户有明显改进且相关的功能,或者进行完整重置。让改进开始吧。
JetBrains 团队构建了名为 Air Context 的 RAG 管线,旨在为 LLM 智能体提供来自真实代码仓库的精确且可引用的证据,取代传统的 grep 关键词搜索。该管线通过解析、分块和向量化处理,解决了固定大小分块导致的语义错误问题,使智能体能够基于代码语义而非特定文本进行高效检索。
作者指出,尽管 Claude Code 等 AI 工具降低了生成代码的成本,但直接让 AI“解决”问题会导致工程师失去成长机会。 手动敲代码的价值在于强制工程师参与细节、学习新事物并适应设计变化,而非仅仅为了节省时间。 作者认为,若将实现完全外包给 LLM,工程师获得的将是“不理解但可用”的结果,其技术积累的价值面临挑战。
开源工具 Strata 允许在配备 12GB 及以上显存的 NVIDIA 或 AMD 消费级显卡的电脑上本地运行 1250 亿参数的 Qwen3.8-Flash-Next 模型,通过跨 PC 各硬件的分层架构实现推理。
用户利用约 5 美元的 AliExpress 时钟库存照片相册功能,通过 Python/Pillow 生成图片并上传至 Wi-Fi 来展示 Claude 和 Codex 的使用限额。该方案无需修改固件,但要求计算机保持开机状态。展示时需分别呈现 5 小时限额与每周限额的窗口及重置时间,其中 Grok 行显示的是实验性 CLI 预算而非网页配额。
美团技术团队分享 8 篇 KDD 2026 论文,涵盖 MTFM 推荐基座、MTGenRec 分布式训练等系统,并解读获 KDD Cup'26 DataAgents 赛道冠军的智能体解题策略。
作者Alexey Indevia分享了使用编码智能体(如Claude Code)的新工作流:不再逐行审查代码,而是设定清晰意图、建立测试与CI护栏,让智能体通过自动合并小件代码完成目标。文中给出了具体的协调者提示词,并提到使用Claude Swap在多账号间切换以解决token限制问题,建议用户将业务问题而非工单交给智能体处理。
特斯拉 AI 团队确认,FSD 系统将新增自动避让路面坑洼及学习用户驾驶偏好的功能。该系统通过分析驾驶员人工介入操作,将手动选路和停车习惯转化为训练反馈,并在后续版本中扩展至自动泊车环节,使 FSD 能记住用户偏好路线。
作者使用 qwen3.8:27b-mlx 测试了五种根据 release notes 更新 Python 项目 README 的 LLM 策略,发现先过滤再定位的“change by change, filtered”效果最佳,保留了约 95% 的原文且误纳内部变更最少,并提供了可复用的 SKILL.md 文件。
OpenAI 产品负责人 Tibo 预告 Astra 6.1 将很快上线,新版模型将更擅长删除和简化代码。此前《华尔街日报》报道该版本因在权限边界测试中表现不佳被临时叫停,目前团队正修复相关安全与对齐问题。
Benzi是一款基于编译器的编码Agent,先将代码库编译为可查询的调用、数据流和控制流映射,再进行读取、解释、运行、编辑和验证,并包含运行时追踪器以解决静态分析无法确定的问题。
Opus 5.5 和 Sonnet 5.5 发布后,社交媒体涌现大量利用其制作 MV、3D 游戏和交互式网页的案例。原文分析了这些爆款 Demo 背后的制作流程、成本与时间,指出模型能力正从辅助单一步骤延伸至贯穿整个创作链条,且直观 Demo 已成为新的非官方评测基准。
资深开发者表示 AI 编码代理已使其停止手工编写代码,并认为跳过 AI 代码审查直接合并代码已不负责任。 Filestage 团队在每人每月 20 美元订阅费支持下,将月度合并 PR 量从 200 增至 300,bug 报告数量未增加。作者认为未来软件开发将更直接地操作逻辑、接口和数据模型,而非单纯编辑文本文件。
开发者发布开源工具 jeffy-classify,提供 13 个可在 CPU 上运行的预训练文本分类器,无需 GPU。其核心采用 bge-large-en-v1.5 共享编码器(约 1.2 GB)与逻辑回归权重,支持本地推理与自定义模型微调。性能上,sms_spam 分类准确率 99.1%,banking77 达 94.3%;但 SNLI 任务表现较弱,准确率仅 65.6%。
Opus 5.5 上线,在 Claude Code 和 Claude 应用中表现更擅长长任务:每次回复前自行思考、支持数小时无人值守多步编码,并带 Fable 级别生物与网络安全防护,被标记的消息自动切换至旧模型继续工作。
推荐理由:Opus 5.5 的长任务行为变了,这篇给出了配套的提示词和 Claude Code 工作流,能直接套用。
Cloudflare 宣布向开发者开放构建下一代 Git 平台的机会,该平台基于 Artifacts 和 Workers 构建,旨在解决数百或数千个 AI Agent 并行处理同一代码库时的协调、冲突解决及审查难题。
软件工程中的 AI 系统已从简单的自动补全工具演变为能自主读取环境、制定计划并修改基础设施的“Agentic AI”。这种高速自主性带来了系统故障和预算超支的风险,企业应将 AI 自主性安全限速设置为 3 级(条件自主性)Level 3,并实施严格的护栏以防止失控的 AI 智能体(rogue agents)。
开发者基于 $100 订阅计划、每日 10–12 个 Claude Code 会话,自主构建了一个 OS 风格个人网站,可运行于 PC 应用及浏览器,实现实时修改同步至线上。 该系统集成 Figma 风格设计器、无限画布与 Notion 类功能,并内置 SEO 工具,支持多端使用,目前仅作为个人工具使用,未计划对外销售。
Offrun 是一款 Mac 端管理多个 coding agent 的工具,支持 git worktree 隔离并行任务与 peer review。它提供跨 agent 账号切换以突破用量限制,且核心功能免费无限量,支持 Apple Silicon Mac。
Anthropic 为 Claude Code 发布 Mods 系统,这是直接运行在工具内部的中间件,允许开发者通过 JavaScript 或 TypeScript 钩子改变其外观和工作流。
作者利用生成式 AI 辅助编写 README,建立了基于 Git 的个人博客系统。该方案允许使用 Markdown 文件离线写作,通过 git push 即可发布,并保留了完整的修订历史。
TypeSafe AI联合创始人Diogo Almeida在Latent Space访谈中,详细介绍了Jev模型作为“机器原生、可编程决策内核”的核心设计理念与底层技术。Jev不擅长闲聊,但能输出结构化数据供程序直接调用,以极致的性价比解决实际工作流自动化,目前日处理量突破1万亿token,估值达100亿美元。
团队在一月内仅使用 GLM 5.3 Flash 进行编码,但前半程消耗 68 美元及 4kWh 电能后,后半程因误选模型导致额外消耗 150 美元及 5kWh 能量,且因推理服务容量不足被迫切换至 DeepSeek V4.1 Flash 等模型。
Philadelphia Inquirer 开发了名为 Scrape 的 AI 工具,用于从碎片化的地方信源中自动识别有价值的本地新闻线索,并将工具输出整合至 6 个即将扩展至 8 个的邮件通讯中。该工具通过嵌入编辑的具体工作流与反馈循环,将每周约 12 小时的人工筛选时间显著压缩,并依据各通讯的受众与地域边界定义“新闻价值”标准,有效过滤了如道路常规关闭等无效噪音。
本文实测了 MiniMax M3.1 Flash Preview 在动态设计、手绘动画、交互场景及游戏原型等前端任务中的表现,并与 Anthropic Opus 5.5 进行了同题对比。
华为、港中文、港大团队推出 LegoFlow,一个自动化的代码数据工程框架,支持从任务收集、轨迹生成到训练评测的全流程智能体工作流。团队开源了 LegoFlow-SWE 数据集,包含从 1200 万个拉取请求中筛选出的 5000 个任务及 2780 条高质量轨迹。
推荐理由:展示了全自动代码数据流水线的完整实现,并给出了小样本训练在 SWE-bench 上的具体提升数据。
Simon Willison 发布了 pwasm 0.2a0,这是一款纯 Python WebAssembly 引擎。该更新由 Claude Opus 5.5 在 42 次提交后完成,使其能处理几乎所有 WASM 规范,并支持 MicroPython 和 QuickJS 的 WASM 构建。
谷歌发布新一代旗舰模型Gemini 4 Argon,面向软件工程、企业知识工作和网络安全防御,最大输出Token上限提升至100万。在DeepSWE v1.1等测试中,Argon成绩领先GPT-6 Astra和Claude系列模型;按折扣定价,其每任务成本较GPT-6 Astra降低40%。
推荐理由:原文汇总了Gemini 4 Argon在多项企业级基准中的领先数据、100万Token输出上限及实际内部落地案例,并补充了开发者关于其提示词敏感度的早期反馈。
Google 发布了专为软件工程和企业知识工作设计的 Gemini 4 Argon 前沿模型,主打持续推理能力。该模型初期仅限受信任的网络防御者访问,将在分阶段安全测试后逐步扩大可用性。
Google DeepMind 发布新的前沿模型 Gemini 4 Argon,该模型在软件开发、企业知识工作和网络安全防御等复杂任务中提供前沿性能,目前先向受信任的网络安全防御团队开放,稍后开放给开发者、企业和消费者。
推荐理由:官方发布材料列出了 Argon 在软件开发、知识工作和网络安全防御上的评测数据与内部工程应用案例,可供读者判断其实际工作流价值。
美团 LongCat 团队上线万亿参数预览版模型 LongCat-2.5-Preview,作者将其接入 Claude Code 进行了三项编码任务实测。模型支持 100 万 Token 上下文和原生多模态,测试显示其能完成 Meta Muse 界面复刻、SpaceX 星舰升空动画及 3D 赛车游戏,具备可运行产出但思考耗时较长。
推荐理由:实测覆盖了复刻App、动画与游戏三类任务,并给出了耗时与Token消耗等可复现指标,方便评估LongCat在Coding场景的实际可用性。
OpenAI 为 Codex 新增可复用的云端开发环境,支持团队共享设置与权限管理,并推出 Codex Security Cloud 用于自动扫描代码库漏洞及生成修复方案。Agents API 引入 Computer Use 能力,允许 AI 智能体直接操作软件界面,平台还上线了基于 GPT-6 Luna 的 Decisions API,专注于快速单步决策与分类任务。
xAI 拥有域名 dot.com,该域名目前重定向至 Grok 应用下载页。注册记录显示该域名转移发生在 7 月。 与此同时,OpenAI 发布了 Dots 产品。该名称与 RedNote 正在申请 AI 助手软件商标的 Dots Studio 以及女装品牌 dots.com 发生冲突,导致该产品信息难以被搜索到。
Qoder 将于 10 月 8 日周四 16:00 举办直播,探讨为高风险数据库操作添加安全护栏。内容涵盖分析影响范围、成对生成变更与回滚脚本、隔离环境验证及明确人机权责边界。
OpenAI 在 DevDay 2026 推出名为 Dots 的常驻智能体和 GPT-6.1 Sol 大模型,同时更新 Ultrafast 模式与 Decisions API。
推荐理由:原文汇总了 DevDay 模型定价与 API 细节,并对比了竞品在编码和推理任务上的表现。
OpenClaw 测试审计 Skill 提供 Authoring、Audit、Campaign 三种模式,旨在清理低价值或耦合实现的测试。Authoring 模式在编写新测试时通过四问门禁防止冗余;Audit 模式扫描重复断言、死代码及测试专用生产缝隙。
Qoder 服务超 800 万开发者,80% 用户通过智能体委派任务,任务一次完成率从 36% 提升至 65%。Qoder 提供 150 多个连接器和 70 多个插件,支持 RepoWiki 企业知识库及 QoderWake 数字人功能。Qoder Security 累计扫描 180 万次,修复 5.8 万个高危漏洞,通过四层安全识别机制前置治理风险。
随着 AI 接管编码任务,软件工程师面临选择困境。GTM 工程师通过编排工作流帮助公司上市,其产出直接挂钩营收,处于独特优势地位。该角色正成为数据工程等传统技术岗位之外的替代选择。
最多提供 50 页,更早的内容请使用搜索或主题页。