RiseHarness 框架：自进化方法提升长时程终端 Agent 可靠性
论文提出 RiseHarness，一个在模型权重固定的情况下迭代改进终端 agent harness 的框架。它以同配置下成功与失败的运行为切入点，结合轨迹与运行时监控的 harness 内部追踪，生成 Harness Handbook 定位跨任务的共性问题，并从其他 harness 框架检索相关实现作为设计参考，经行为检查与重复任务评估后保留有实测增益的版本进入下一轮迭代。
#编码
Hugging Face Daily PapersAI 评分4444 Turingou (@turingou)AI 评分2727 用户发现 Codex 可根据会话相关性自动建立项目，无需先选文件夹
用户发现 Codex 已能根据会话相关性自动建立项目，创建项目时不再需要先选文件夹。在长期 Vibe Coding 中，作者已不太依赖规整的项目文件夹组织方式，更多希望在 Dots/Grokbot 之类的主线程中让模型操作电脑，统一整理文件、项目和会话。
小虎 (@xiaohu)AI 评分2121 小虎用 Claude Code 制作 XiaoHu AI 日报视频版 Demo
小虎制作了 XiaoHu AI 日报的视频版 Demo，从内容抓取、动画效果到视频制作和剪辑全部由 Claude Code 完成。固定模板后流程可自动化运行，甚至能每个整点生成一次。下一步计划优化声音，使其更像真人，动态模板来自 @lemomo_ai 的支持。
Coder Jeff Lee (@CoderJeffLee)AI 评分1515 OpenAI Codex 最近感觉更聪明了：用户体验反馈
用户分享 OpenAI Codex 近期使用感受，认为其表现更聪明，已不需要额外指点。在其生成的报告中，UI UX 表现正常，表达采用总分总结构且内容有真实事实依据，整体评价为“完美”。
36氪 · AIAI 评分6868 Codex 团队复盘：编程顶流如何在不到一年内翻身
Every 创始人 Dan Shipper 发表长文，采访 Greg Brockman、Tibo、Alexander Embiricos 等核心成员，复盘 Codex 从 2024 年底立项到成为 ChatGPT 桌面版底层系统的历程。
XDash (@XDash)AI 评分2626 XDash 新书《前线部署工程师（FDE）》上架，全程用 Claude Code 辅助写成
科技博主 XDash 宣布其新书《前线部署工程师（FDE）》在各大平台上架，该书由 Claude Code 辅助写成，开源版目前已获 5.1k stars，后经人民邮电出版社编辑修正校对推出纸质版。读者可通过 GitHub 免费获取 PDF、微信读书会员在线阅读，或购买黄色封面纸质版。
Startup FortuneAI 评分6565 Cognition 总裁 Kaplan 称 AI 编码模型已触及智能饱和点
Cognition 总裁 Russell Kaplan 提出，软件工程任务已到智能饱和点，模型更聪明对开发者的边际影响大幅下降。
Hugging Face BlogAI 评分5555 ALTK-Evolve 用学习到的指南让 gpt-4.1 登顶 τ²-bench 客服基准零售榜
ALTK-Evolve 用同一模型 GPT-4.1 从智能体自身轨迹中蒸馏行为指南并追加到系统提示词，无需更新权重或人工标注，让基础 ReAct 智能体在 τ²-bench retail 达到 Pass^4 67.5%。
Tom's HardwareAI 评分3838 Claude Code 智能体发现开发者过热 Mac 中隐藏的加密货币挖矿程序
一名开发者用 Claude Code 开发温度监控应用时，该智能体发现其 Mac 上藏有加密货币挖矿程序 xmrig，占用约 1175% CPU（约 12 核），CPU 峰值达 112 摄氏度。该恶意软件疑似于 8 月 29 日被加入开机启动项。Claude 提议停止启动项并将文件移入隔离文件夹，随后完成了清理，开发者仅手动删除 1 个文件，并用 Malwarebytes 扫描验证结果。
Tom's HardwareAI 评分6464 Google DeepMind 论文展示四个 Gemini 4 Argon 智能体自写 2,783 个程序、27 小时通关 Minecraft
Google DeepMind 论文展示四个 Gemini 4 Argon 智能体在共享生存世界中用 27 小时 14 分钟通关 Minecraft 并击杀末影龙，全程无人类输入，自行编写 2,783 个 JavaScript 程序，期间死亡 605 次，token 成本估算约 $520。
泛咖说AI (@fankaishuoai)AI 评分2525 博主体验 Grok Bot 手机端改小项目：流畅顺手，UI 开发体验出色
一位开发者分享在手机上用 Grok Bot 修改小项目的体验，称操作丝滑，改出的界面很合自己审美，甚至懒得再开本地 Agent 干活。他认为 Grok Bot 适合小修小改尤其是 UI 修改，大项目仍需本地 Agent，并展示了用 Grok Bot 开发的日报网站。
卡颂 (@kasong2048)AI 评分4949 别盲目照搬大模型公司的 AI 编程实践
卡颂撰文提醒企业别盲目照搬 AI 实验室的 AI 编程做法。文中举例 @poteto 曾在一个月内独立向 GrokBot 合并 2,500 个 PR，但消耗 1.5T tokens，即使按标价 10% 计算也超过 $300K API 成本，且这些 PR 多为性能优化和 bug 修复而非新功能。
Hugging Face Daily PapersAI 评分4747 HarnessAdapt-RL：训练整个 Agent，而不只是模型
研究者提出 HarnessAdapt-RL，在强化学习中同时训练策略并自适应调整 harness。基于 9B 基座模型，该方法在 SWE-bench Verified、Multilingual 和 Pro 上 pass@1 分别比 GRPO 提升 9.8、12.6 和 6.4 个百分点，并超过配备 OpenHands harness 的 GRPO。
Hugging Face Daily PapersAI 评分5757 Agent4Sci 测试床发布：前沿智能体在科学 ML 基准上的表现与局限
论文提出 Agent4Sci，一个衡量前沿编程智能体能否改进科学 ML 基准已发表最优模型的长程测试床，覆盖 11 个领域共 20 个基准。Claude Opus 平均相对提升 10.4%，但增益几乎全部来自常规 ML 工程技巧而非研究级洞察，并呈现新颖性误判、资源利用不足和快速坍缩为局部工程扫参三类局限。
Cydiar (@Cydiar404)AI 评分2121 Codex 意图补填功能被用户发现是多模态快速 VL 模型，可自动提醒修复 Bug
有用户发现 Codex 前面版本更新的意图补填功能是多模态的，背后是一个快速 VL 模型。该用户在补全时，模型提醒修复连肉眼都没察觉的问题 Bug。
lxfater (@lxfater)AI 评分4848 基于 Claude Code 的开源求职工具 ai-job-search：自动匹配岗位、调整简历并生成求职信
有人用 Claude Code 开源了一款求职工具 ai-job-search。它能读取用户经历、筛选匹配岗位，再按岗位要求调整简历并生成求职信，还会让另一个 Agent 复核，检查导出的 PDF 能否被招聘系统正确读取。
DeepTech深科技AI 评分7575 OpenCode Console 遭入侵致用户 API 密钥泄露，官方称与大规模蒸馏攻击有关
开源 AI 编程工具 OpenCode 确认其云端服务 Console 遭黑客入侵，约 1.4% 用户受影响，部分存放于工作区的第三方模型 API 密钥可能泄露，有开发者报告数百至约 1,700 美元的异常调用费用，官方称事件与大规模蒸馏攻击有关并正与 OpenAI、Anthropic、Google 共同处理。
oran_ge (@oran_ge)AI 评分3535 RT Dash：老板有审美也没用，AI 有望让小团队审美作品吊打巨无霸
RT Dash 认为，当项目上百人维护、老板又要将竞争压力作为 KPI 层层下达时，一切可能增加数据的提案无论多丑都会被端上，不存在让下属背 KPI 又保住老板审美的两全方案。AI 的出现可能改变这一点，使软件工程规模不再成为竞争壁垒，独特审美的小团队有望胜过丑陋的巨无霸。Yunjie 补充说，垄断与超级 App 是激烈竞争的结果而非原因。
op7418 (@op7418)AI 评分3232 SwiftSIQI 发布 Apple 开发者生态 AI 方向专家组调研报告
思琦团队的 SwiftSIQI 公开了围绕 Xcode 和 Apple 生态的 AI 方向调研分析报告，基于 100 位 Apple 生态领域专家反馈形成专家组报告。报告指出 Apple 开发生态相对独立，其 AI 采用率和开发者想法可能与外部体感不同。大众组数据仍在收集中。
Kubai (@Kubai087)AI 评分1010 VibeCoding 有害身心健康，做真正的 Builder 才能掌控一切
作者认为 Vibe Coding 带来的即时满足感过于强烈，如同陷阱，堪比短剧短视频，对身心健康有害。相比之下，作者周末亲手绘制了两个 icon 方案，感到前所未有的平静，因此主张做真正的 Builder，掌控整个开发过程。
Kubai (@Kubai087)AI 评分1515 Kubai 谈 Vibe Coding 的即时满足如陷阱：周末手绘两个 icon 方案寻回平静
开发者 Kubai 表示 Vibe Coding 带来的即时满足感太过强烈，好似陷阱，堪比短剧短视频。为此他周末亲手画了两个 icon 方案，感到前所未有的平静。
新智元AI 评分6767 Anthropic 讲解 Claude Code 如何实现代码 AI 自产自审
Anthropic 发布博客讲解 Claude Code 如何解决代码审查问题，目前约 90% 的代码由 Claude 自己编写，审查大部分也由 AI 完成。博客给出七层检查机制，AI Approve 不算数、高风险代码仍需人工审批；6 月到 9 月合入的 PR 翻了一倍多，回滚反而少了四成多，人主要转向判断改动是否有必要做。
新智元AI 评分7373 南京大学与UIUC研究动态并发Coding Agent收益与28种失败模式
南京大学和UIUC研究人员对Codex、Claude Code、Kimi Code三种Coding Agent开展大规模配对实验，覆盖354个任务、2124次执行、约112亿Token，分析动态并发是否有效。
xicilion (@xicilion)AI 评分3535 XERJ 工具：让 AI 写代码前先参考 GitHub 成熟开源仓库的验证解法
有人把“参考 GitHub 成熟仓库写代码”的方法做成了工具 XERJ。它会帮 AI 下载相近的开源仓库，把代码整理成可搜索的资料，让 AI 在动手写代码之前先查相关实现。作者称 AI 时代之前他就常用成熟仓库做参考，质量很好。
机器之心AI 评分2626 编码智能体训练为何要重新审视源代码？
编码智能体的任务已扩展至仓库修改、测试执行与多轮调试等软件工程场景，业界开始重新挖掘源代码在训练中的价值。除作为语料外，源代码还被用于构建可执行任务、提供验证依据和提取技能：R2E-Gym 从 commit 变化生成测试，得到 8135 个可执行环境；SWE-smith 构建来自 128 个仓库的约 5 万个实例；CodeMidas 仅以源代码为任务输入，无需 issue、PR 或已有测试。
DeepTech深科技AI 评分6767 开源项目 REA 近30万Star爆火，AI逆向软件热潮遭遇实测质疑
开源项目 REA（Reverse Engineer Anything）走红，它通过 MCP 将 Ghidra 等逆向工具接入 Claude Code、Codex 等 AI 编程智能体，截至 10 月 17 日 GitHub Star 数超过 29 万。
机器之心AI 评分6969 机器之心梳理 Every 长篇报道：Tibo 如何让 Codex 从失败翻盘并吞掉 ChatGPT 桌面应用
Every CEO Dan Shipper 发表长篇报道《How Codex Happened》，基于对 Greg Brockman、Tibo 等六位核心参与者的采访，还原 OpenAI Codex 一年多从低谷到翻盘的过程。
Demis Hassabis (@demishassabis)AI 评分3232 Demis Hassabis 转发：Antigravity 平台为所有用户重置 Argon 与 Gemini 模型配额
Demis Hassabis 转发 Varun Mohan 消息称，Argon 和 Gemini 本周在 Antigravity 上热度很高，官方将为所有用户重置 Argon 与 Gemini 模型配额，鼓励开发者周末继续构建。
Hugging Face Blog精选AI 评分8383 Reflection 发布开源模型 Beam：501B 参数 MoE，Apache 2.0 协议
Reflection 在 Hugging Face 发布其首个开源模型 Beam（Beam-1.0-501B-A23B），为 501B 参数、每 token 激活 23B 的 MoE 模型，采用 Apache 2.0 协议，支持 1M token 上下文，主打编码与智能体场景。
推荐理由：官方博客给出 Beam 的架构细节、基准成绩和部署微调配方，读者可以据此评估在自有硬件上跑前沿开源模型的成本与路径。
Hugging Face Blog精选AI 评分8484 Meta 发布开源权重多模态 MoE 模型 Muse Spark Open，约 816B 参数
Meta 发布开源权重多模态 MoE 模型 Muse Spark Open，总参数约 816B、每 token 激活约 42B，支持文本、图像、音频和视频输入，上下文窗口最高 1M tokens，定位为 agentic coding 模型。
推荐理由：原文给出架构细节、部署配方和实测吞吐数字，开发者可以据此评估如何在自己环境里运行或微调这个 816B 模型。
卡颂 (@kasong2048)AI 评分4242 卡颂：开发者的新主业是摸清 Agent 的编码习惯，打造对 AI 友好的项目环境
卡颂转发观点称，开发者今后的主要工作是研究 AI 智能体的编码习惯，并据此打造对 AI 友好的项目环境。Lauren 建议删除绝大部分代码注释，因为智能体爱照搬已有内容，一条解释临时变通方案的无害注释会像杂草一样在代码库中快速扩散。
卡颂 (@kasong2048)AI 评分3232 Kent C. Dodds 演示如何借助高度自动化的代码库每天独立合并 60+ 个 PR
Kent C. Dodds 演示了如何单人每天交付 60+ 个有价值 PR 的工作流。其核心观点是：高度自动化的代码库并非为了让 AI 智能体自主迭代产品，而是为了让人类做出的产品决策更快落地。
卡颂 (@kasong2048)AI 评分4949 AI 写代码后如何保证代码质量：卡颂谈用测试、灰度发布、监控回滚和 DORA 指标构建 Software Factory
卡颂在讨论构建 Software Factory 时回应了“如何判断智能体代码质量”的问题：当人不再逐行审查代码，应把对质量的信心建立在三类具体工作上——测试、灰度发布（gradual rollouts）、监控与回滚。
颜旭 (@yan5xu)AI 评分4343 code review 之争：AI agent 引发的开发流程争论
软件开发圈正围绕 code review 展开争论，核心是研发 pipeline 中代码与 review 两节点速率倒挂，迫使开发者重建开发流程。随着 agent 进入更多业务，这种矛盾会更普遍。有观点认为 AI 正按可用 agent 数量级产生阶级差异，从不用 AI 到同时运行几十上百个 agent 形成分层。
Mistral AI精选AI 评分7979 Mistral 发布 Mistral Large 4 公测预览，1 万亿参数开源权重模型月底放权重
Mistral 发布 Mistral Large 4 公测预览，模型为 1 万亿总参数、52B 激活参数的原生多模态模型，在本月底开放权重，预览 API 已可在 Mistral Studio 试用。
推荐理由：官方公布参数规模、权重开放时间与多领域基准成绩，可据此了解开源模型当前能力水平与欧洲自建算力路线。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini 4 Argon 前沿模型，逐步开放给可信测试者
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向部分可信网络防御者开放，后续再面向开发者、企业和消费者推出。
推荐理由：官方公布了定价、输出 token 上限和多项基准成绩，并说明分阶段开放路径，可据此评估其在工程与安全场景的适用性。
阮一峰 (@ruanyf)AI 评分5858 阮一峰评 Shopify 放弃 React Native 改用 Swift 和 Kotlin
阮一峰在周刊中提到，Shopify 上周宣布放弃 React Native，改用 Swift 和 Kotlin 开发移动版。他分析背后的原因是 AI 可以翻译语言，没必要保留中间层，像 React Native 这类中间语言或翻译层因此被判死刑。
Mistral AI精选AI 评分6363 Mistral 复盘用 AI 智能体迁移 40,000 行 Fortran 77 遗留代码的实践
Mistral 复盘帮助一家欧洲能源运营商将 40,000 行 Fortran 77 油藏模拟器迁移到 C++ 的项目，这也是其 300,000 行代码库的首个 sprint。
推荐理由：Mistral 复盘了真实交付项目，给出验证先行、文档先行和带人工审核的结构化工作流三条可迁移经验。
Strrl the Dev (@strrlthedev)AI 评分1515 试用 Gemini 3 Pro 写代码后滚回 ChatGPT 5.1 Codex
网友试用后认为 Gemini 3 Pro 写代码表现不佳，转回使用 ChatGPT 5.1 Codex。
勺哥分毫 (@shaogefenhao)AI 评分3737 勺哥预测 Gemini 3 Pro 有望打通视觉稿到前端代码这一 AI 编程高地
勺哥预测 Gemini 3 Pro 可能打通 AI 编程最后一个高地——视觉稿到前端代码，并打算用它强化自己的阅读网站 enladder.com。他评价其生成的 SVG 图形已非常专业、处理图片能力非常强，甚至能做科普动画视频，官网被刷爆，并推荐节点不可用时使用聚合网站 Zenmux。