pwasm 0.2a0 发布：Claude Opus 5.5 优化纯 Python WebAssembly 引擎
Claude Opus 5.5 对纯 Python WebAssembly 引擎 pwasm 进行优化，使其支持几乎全部 WASM 规范。该版本在 PyPI 中捆绑了 MicroPython、QuickJS 和 Micro QuickJS 的可用构建。作者强调这是 alpha 版本，不建议在生产环境使用。
#编码
Simon WillisonAI 评分4040
Anthropic Claude.dev 开发者博客精选AI 评分7878 Claude Code 推出 Mods 机制并演示 Token Weather 等自定义插件开发
Anthropic 在 Claude Code 中引入 Mods 功能，允许开发者使用 JavaScript 或 TypeScript 编写插件以监控会话事件、修改行为或绘制自定义 UI。
推荐理由：原文提供了构建 Claude Code 自定义 Mod 的完整代码与步骤，读者可据此掌握通过 JavaScript 扩展终端交互界面及拦截工具调用的具体方法。
Google DeepMind精选AI 评分9494 Google DeepMind 发布 Gemini 4 Argon：面向复杂工作流的前沿智能体模型
Google DeepMind 正式宣布推出新前沿模型 Gemini 4 Argon，该模型旨在通过深度推理处理复杂的长周期工作流，目前正通过 Fairwind Program 向受信任的网络安全防御者逐步开放。
推荐理由：原文披露了 Gemini 4 Argon 在长上下文、软件工程及网络安全防御上的具体基准数据与分阶段开放策略，为评估前沿模型的实际落地能力提供了关键参考。
Anthropic Claude.dev 开发者博客精选AI 评分8282 Anthropic 发布 Claude Sonnet 5.5：速度提升 30%，默认开启思考模式
Anthropic 发布 Claude Sonnet 5.5，作为 Claude 5.5 系列的第二款模型，其速度比 Sonnet 5 快 30%，且因通常消耗更少 token，实际成本降低最多 30%。
推荐理由：原文详细列出了从 Sonnet 5 迁移到 5.5 的五个破坏性变更及 API 参数调整，开发者可据此快速评估升级成本与兼容性风险。
Anthropic Claude.dev 开发者博客精选AI 评分7878 Claude Opus 5.5 任务成本解析与优化指南
Anthropic 发布指南解析 Claude Opus 5.5 的任务成本构成，指出轮次、缓存读取、输出 token 类型和模型选择是决定费用的四大因素。Opus 5.5 API 列表价较前代降低，输入和输出 token 便宜 20%，缓存读取便宜 60%；在 Pro、Max 或 Team 订阅计划中，更低的价格会转化为约多 25% 的可用额度。
推荐理由：原文拆解了影响任务成本的四个变量，并提供了在 Claude Code 中实测与优化会话的具体操作路径。
Anthropic Claude.dev 开发者博客精选AI 评分7878 Claude Code 中如何根据任务选择 effort 等级
Anthropic 开发者 Thariq Shihipar 深入解析了 Claude Code 中的 effort 机制，指出其本质是控制模型在验证、边缘情况测试及自主判断上投入的计算量。
推荐理由：作者通过实测和基准分析，给出了不同任务场景下选择 effort 等级的具体策略与案例。
GitHub Blog · AI & ML精选AI 评分6262 GitHub Copilot 博客探讨为何聊天并非 AI 最佳交互界面
GitHub Copilot 官方博客文章认为聊天框往往不是与 AI 协作的最佳 UI，建议改用可定制的画布（canvas）来构建专用工具。文中举例说明通过画布创建本地应用或自动化开发流程，能避免将 Agent 当作通用工具造成的 token 浪费，让用户更专注于具体任务而非反复对话。
推荐理由：作者指出聊天界面常是低效交互，提出用可定制画布替代纯对话以节省 token 并优化工作流。
GitHub Blog · AI & MLAI 评分5050 GitHub Copilot 应用如何渲染超大 Pull Request
GitHub Copilot 应用重构了 Pull Request 视图，以支持包含 2,200 个文件和超百万行变更的巨型 PR。通过分离确定性代码几何与动态评论块几何，并采用惰性测量机制，解决了因 Markdown 和异步资源导致的高度不可预测问题。该架构在保持滚动流畅的同时，有效避免了传统虚拟化方案中的布局跳动。
Zhuokai ZhaoAI 评分5050 Grok 4.7 编码表现及奖励黑客现象
Grok 4.7 的编码能力仅算一般，但其“奖励黑客”行为确实让我感到惊讶。SWE-Together 中的每个任务都源自真实的开源仓库，且对于大多数任务而言，修复方案已存在于上游。因此，我们在构建沙箱时充分考虑了这一点。任务镜像剥离了所有 git 历史
Modal 官方工程博客精选AI 评分6565 Modal 分享如何为万亿参数编码智能体服务万亿 token 的推理优化实践
Modal 官方博客分享了针对 Moonshot AI Kimi K2.6 等万亿参数模型的推理服务优化方案，实现了单副本性能提升 2.8x（每用户）和 5.6x（跨用户）。
推荐理由：原文详细拆解了万亿参数模型在编码智能体场景下的推理优化路径，提供了从单副本调优到多副本路由的完整工程实践参考。
Anthropic Claude.dev 开发者博客精选AI 评分8282 Claude Opus 5.5 在 Claude 应用与 Claude Code 中的使用指南
Anthropic 发布 Claude Opus 5.5 的使用指南，指导用户如何在该模型下优化提示词、控制长程运行并检查结果。Opus 5.5 具备更长的自主工作能力和默认思考机制，因此建议移除“仔细思考”等指令，明确任务完成标准，并在 CLAUDE.md 中设定何时停止询问或继续执行。
推荐理由：原文针对 Opus 5.5 的长程自主运行和默认思考特性，给出了从提示词调整到子智能体协作的具体操作建议。
GitHub Blog · AI & MLAI 评分3838 GitHub Podcast 解析 AI 热点：RAG、MCP 与 Skills 并非互斥
GitHub Podcast 驳斥“RAG 已死”和“Skills 杀死 MCP”等观点，指出三者解决不同问题且可共存于同一工作流。MCP 提供工具连接标准，Skills 封装团队专业知识，RAG 负责检索外部上下文以辅助生成。文章强调开发者仍需审查 AI 代码并具备判断力，而非盲目依赖或完全拒绝 AI 工具。
Together AI BlogAI 评分2727 全球金融科技巨头如何利用 Dedicated Model Inference 扩展 GLM-5.2 编码智能体流量
某全球金融科技企业通过 Together AI 的 Dedicated Model Inference 服务，成功扩展基于 GLM-5.2 模型的编码智能体流量。
GitHub Blog · AI & ML精选AI 评分8484 GitHub Copilot 运行时迁移至 Rust 的实践复盘
GitHub 使用 Copilot CLI 和 App 中的 AI Agent，将 Copilot agent runtime 从 TypeScript 重写为超过 80 万行生产级 Rust 代码。
推荐理由：文章详细复盘了利用 AI Agent 将 Copilot 运行时从 TypeScript 迁移至 Rust 的全过程，提供了大规模代码重构的增量策略、多会话并发协作模式及性能优化数据。
LangChain BlogAI 评分2424 Credit Genie 如何用 OpenWiki 保持代码库文档新鲜
Credit Genie 采用 LangChain 开源智能体 OpenWiki，自动维护代码库文档并构建 GitHub Pages 门户。OpenWiki 每日检查提交差异并生成 PR，消除人工维护瓶颈。该方案同时服务团队成员与编码 Agent，确保上下文实时准确。
Zhuokai ZhaoAI 评分4545 SWE-Together更新：Claude Fable 5登顶
SWE-Together 更新：Claude Fable 5 和 5.1 成为 SWE-Together 上的新顶级模型，Meta 的 Muse Spark 1.3 是榜单上性价比最高的模型。SWE-Together 是我们包含 109 个真实编码任务并引入模拟用户交互的基准测试，旨在告诉你新模型是否会
Mistral AIAI 评分5555 Mistral AI：利用智能体现代化复杂遗留代码的实践与反思
Mistral AI 协助一家欧洲能源运营商将 40,000 行 Fortran 77 代码迁移至 C++，通过构建数值一致性测试框架和文档化流程确保迁移质量。团队发现完全自主的智能体难以实现真正的架构重构，最终采用包含规划、编码、测试和审查的结构化工作流，并在关键节点引入人工审核以解决阻塞问题。这一实践表明，在大规模遗留系统现代化中，预先建立验证机制和人机协作模式比单纯依赖自动化更为有效。
Google Developers BlogAI 评分5858 Google 解析 AI 编码智能体 Harness Engineering：如何通过行为评估进行迭代与防护
Google Developers Blog 发布文章详解 AI 编码智能体的 Harness Engineering，主张使用行为评估（Behavioral Evaluations）替代传统的端到端基准测试以解决调试困难问题。
Together AI Blog精选AI 评分6868 Together AI 解析开源 AI 技术栈的五大核心组件
Together AI 发布指南详解开发者转向开源模型所需的五层技术栈：模型、推理、网关、Harness 和工具。文章对比了 Kimi K3 等大模型与 GLM 5.3 Flash 等小模型的适用场景，并介绍了通过 OpenRouter 或 LiteLLM 实现灵活路由的方法。
推荐理由：原文拆解了从模型到工具的五层架构，为开发者提供了将闭源工作流迁移至开源栈的具体选型思路。
LangChain BlogAI 评分2424 Factory 如何利用 LangSmith 自动化反馈循环并将迭代速度提升 2 倍
Factory 通过部署 Self-hosted LangSmith 实现 LLM 工作流的可观测性与数据隐私保护，将迭代速度提升 2 倍。其 Code Droid 借助 Feedback API 优化提示词，使客户开放至合并时间减少约 20%，代码变动率降低 3 倍。
Together AI Blog精选AI 评分8282 Together AI 评测 GLM-5.3 与 GPT-5.6 Sol：成本、编码能力与路由策略对比
Together AI 在 DeepSWE 基准上对 GLM-5.3 (max) 和 GPT-5.6 Sol (max) 进行了 904 次 rollout 测试。
推荐理由：通过904次实测对比GLM-5.3与GPT-5.6 Sol在DeepSWE上的成本、通过率及失败模式，揭示了级联路由策略能以更低成本超越单一旗舰模型的性能。
Together AI Blog精选AI 评分8080 Together AI 发布 GLM-5.3 与 Claude Fable 5 在 DeepSWE 上的评测：成本、编码能力与路由策略
Together AI 在 DeepSWE 基准上对比了 GLM-5.3 和 Claude Fable 5，两者首次尝试通过率（pass@1）统计上持平，但 GLM-5.3 成本低 5.4 倍且在多次重试下覆盖率更高。
推荐理由：原文通过 DeepSWE 基准实测对比两款模型在成本、准确率及特定语言领域的表现，为开发者提供基于数据的选型与路由策略参考。
Together AI Blog精选AI 评分8282 Together AI 发布 DeepSeek V4 Pro 0813 与 Claude Fable 5 在 DeepSWE 上的成本与编码评测
Together AI 在 DeepSWE 基准上对比了 DeepSeek V4 Pro 0813 和 Claude Fable 5，发现后者单次通过率更高但成本贵 90 倍。
推荐理由：通过 DeepSWE 实测对比两款模型的成本与能力差异，提供了基于互补性的级联路由策略以优化编程任务性价比。
Demis HassabisAI 评分5555 Gemini 3.7 Flash 发布，提升软件工程能力且价格减半
Gemini 3.7 Flash 发布，在软件工程、Web 开发和知识工作方面带来重大升级。其介绍性价格为原 Gemini 3.6 Flash 成本的一半。
Together AI Blog精选AI 评分6565 Together AI 宣布与 Moonshot AI 达成战略合作以原生服务 Kimi 模型
Together AI 宣布与 Moonshot AI 建立战略合作伙伴关系，成为其模型发布的启动平台，首发支持 Kimi K3。Kimi K3 是迄今最大的开源模型，拥有 2.8T 参数稀疏 MoE 架构、原生视觉支持和 1M token 上下文窗口，通过 Kimi Delta Attention 和 Attention Residuals 等新技术提升解码速度和训练效率。
推荐理由：原文披露了合作细节及 Kimi K3 的架构特性，读者可据此评估开源大模型在长上下文与智能体工作流中的最新进展。
Berkeley AI ResearchAI 评分3535 ABBEL 框架通过信念状态监督提升 LLM 长程交互效率
Berkeley AI Research 提出 ABBEL 框架，将摘要转化为受监督的自然语言信念状态以优化 LLM 长程交互。在 CollabBench 协作编码测试中，该方法使性能差距缩小约 50%，训练步数减少 50%，且峰值上下文 token 长度显著低于全上下文模型。
Anthropic Claude.dev 开发者博客精选AI 评分8080 Anthropic 发布 Claude 5 模型上下文工程新规则
Anthropic 工程师 Thariq Shihipar 分享了针对 Claude Opus 5 和 Claude Fable 5 等新一代模型的上下文工程最佳实践，指出团队已移除 Claude Code 中超过 80% 的系统提示词且未影响编码评测表现。
推荐理由：官方披露了针对 Claude 5 系列模型的上下文工程新范式，包括移除大量系统提示词约束及利用渐进式披露的具体方法。
Sierra Blog精选AI 评分7070 Sierra 发布内部云智能体平台 Pinecone
Sierra 发布内部云智能体平台 Pinecone，旨在通过云端会话捕获并规模化员工的隐性知识。该平台支持多用户协作、自动化 PR 监控及技能复用，底层集成 Codex 和 Claude Code 等主流模型。目前 Sierra 96% 的工程团队已接入，上月产生超 75,000 个会话，70% 的 Pull Request 由该工具发起。
推荐理由：原文详述了内部云智能体 Pinecone 的架构设计与落地数据，展示了如何通过共享上下文将员工经验转化为组织资产。
Together AI BlogAI 评分4545 ParallelKernelBench：前沿 LLM 难以编写高效多 GPU 内核
ParallelKernelBench (PKB) 基准测试显示，GPT-5.5、Claude Opus 4.7 等前沿模型在多 GPU CUDA 内核生成上表现不佳。零样本下最佳模型仅正确解决 87 个问题中的 28 个，且只有 22 个优于 PyTorch + NCCL 基线；采样三次后快速通过率仍不足 31%。
Ethan Mollick · One Useful ThingAI 评分4040 Ethan Mollick 新书《Co-Existence》探讨人类与 AI 共存
Ethan Mollick 发布新书《Co-Existence》，主张在 AI 智能体时代人类应学会与有时优于自己的 AI 协作。书中指出 Anthropic 报告 AI 已编写其 80% 代码，开发者产出提升 8 倍，且新式编程代理导致代码量激增 17 倍。Mollick 强调尽管 AI 能力存在“锯齿状前沿”，人类仍可通过审慎使用 AI 实现繁荣发展。
Anthropic Claude.dev 开发者博客精选AI 评分8282 Anthropic 分享 Claude Code 技能构建经验：九类场景与最佳实践
Anthropic 工程师 Thariq Shihipar 总结了在 Claude Code 中大规模使用“技能”（Skills）的经验，将内部数百个活跃技能归纳为库/API 参考、产品验证、数据获取等九大类别。
推荐理由：原文基于 Anthropic 内部数百个技能的使用经验，梳理了九类常见场景与编写技巧，为构建高效 Agent 工作流提供了可复用的方法论。
Anthropic Claude.dev 开发者博客精选AI 评分8383 Claude Code 推出动态工作流功能
Anthropic 在 Claude Code 中发布动态工作流（Dynamic Workflows），允许 Claude 即时编写定制化的 JavaScript 脚本以协调子智能体（subagents）。
推荐理由：官方详解动态工作流机制与六大模式，提供从代码迁移到深度研究的实战案例及Token预算技巧。
Anthropic Claude.dev 开发者博客精选AI 评分7070 Claude Code 开发者指南：为何及如何使用 HTML 替代 Markdown 生成输出
Anthropic Claude Code 团队成员 Thariq Shihipar 建议将 HTML 作为主要输出格式以替代 Markdown，利用其更高的信息密度、视觉清晰度和易分享性来优化复杂任务的沟通效率。
推荐理由：作者分享了在 Claude Code 中用 HTML 替代 Markdown 的具体场景与提示词，展示了如何利用富文本特性提升信息密度和交互性。
Together AI BlogAI 评分5555 Together AI 发布大规模编码智能体推理基准测试
Together AI 发布了针对编码智能体的大规模推理基准测试 v1，重点评估高并发和长上下文下的系统表现。该测试使用 Kimi K2.5 模型，显示 Together Inference Engine 在 2.5M TPM 负载下 p50 TTFT 为 0.71s，优于 TensorRT-LLM 的 1.1s 和 SGLang 的 5.1s。
Andrej KarpathyAI 评分2828 Karpathy：IDE 时代未终结需升级
预期：IDE 时代已结束。现实：我们需要一个更大的 IDE（个人看法）。它看起来截然不同，因为人类现在向上移动并在更高层级编程——基本关注单位不再是单个文件，而是一个智能体。这仍然是编程。
Ethan Mollick · One Useful Thing精选AI 评分8080 Ethan Mollick 实测 Claude Code：自主开发、技能系统与未来影响
Ethan Mollick 详细评测了由 Opus 4.5 驱动的 Claude Code，展示其如何通过“压缩”上下文、加载 Skills 和创建子代理（Subagents）实现长达数小时的自主复杂任务执行。文章指出这些新式 AI 编程工具虽界面简陋且面向程序员，但具备处理非代码知识工作的潜力，并介绍了通过 Claude Desktop 降低使用门槛的方法及潜在安全风险。
推荐理由：作者通过实测展示了Claude Code的自主工作流与技能机制，为普通用户提供了理解新一代AI编程工具实际能力边界的直观参考。
Ethan Mollick · One Useful Thing精选AI 评分8080 Ethan Mollick 实测 Gemini 3：从 GPT-3 到具备博士级智能的数字同事
Ethan Mollick 对 Google 新发布的 Gemini 3 模型进行了深度实测，指出其能力已远超三年前的 GPT-3。他利用配套工具 Antigravity 让 AI 自主构建交互式游戏、管理多智能体工作流，并成功完成了一篇包含原创假设与统计分析的“博士级”学术论文草稿。
推荐理由：作者通过实测展示了 Gemini 3 在自主编程、多智能体协作及复杂学术任务中的具体表现，为理解 AI 从聊天机器人向数字同事的演变提供了直观案例。