AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：AI 编程×
6月16日
20:46
6月12日
13:32
12:57
06:34
6月11日
15:28
15:23
15:07
05:21
6月10日
21:38
03:26
6月9日
12:16
09:49
09:49berryxia@berryxia
开发者 berryxia 推荐了一款名为 Tokei 的开源 macOS 菜单栏工具，它能实时监控 Claude Code、Grok CLI、Aider 等 8 个主流 AI 编程工具的 Token 用量、成本和性能数据。该工具只读取本地日志，零网络调用，30 秒自动刷新，并提供每日图表、周热力图和年度 Wrapped 统计。它还支持私人 Git 多设备同步、本地价格表覆盖和闲置提醒。Tokei 帮助开发者从“爽用”AI 编程转向“精算”成本，让 Token 消费变得透明可控。
AI产品Token 监控AI 编程macOS 工具开源/仓库成本管理
推荐理由：AI 编程烧钱如流水，Tokei 帮你把每分钱花在刀刃上，做 AI 开发的团队和个人开发者建议装一个，开源免费还能同步多设备。
原文
6月8日
15:22
15:15
10:55
09:44
06:23
6月7日
01:12
6月5日
10:53
10:53岚叔@lufzzliz
88°
Anthropic 公开内部数据，显示其 80% 以上的生产代码由 Claude 生成，工程师产出在两年内翻了 8 倍，AI 能处理的任务时长每 4 个月翻一番，代码质量已接近人类水平。但公司也承认当前瓶颈：AI 缺乏“研究品味”，能解题但不会出题。文章还探讨了递归自改进的未来路线，即 AI 自主研发下一代模型，迭代速度从人类时间尺度转向算力时间尺度。最终，AI 何时学会挑选问题而非仅解决问题，将成为人类在研发链中角色转变的关键。
行业AnthropicClaudeAI 编程研发效率递归自改进
推荐理由：Anthropic 用自家数据证明了 AI 编程的规模化效果，做 AI 研发或工程管理的团队值得看看——这不仅是效率提升，更是对 AI 能力边界的真实洞察。
原文
09:10
09:10shao__meng@shao__meng
72°
Cursor 发布了名为「Canvases」的新功能，类似于 OpenAI Codex 的 Sites 功能，允许用户创建并发布应用（如仪表盘、报告、内部工具），并通过 URL 与团队分享。这一功能将 AI 编程从代码生成扩展到完整的产品交付闭环，包括设计、开发、测试、部署和运维。结合 Cursor 已有的 Coding、Design、Debug、Deploy 能力，它有望取代 Lovable、v0、bolt.new 等 AI 建站工具，成为一站式开发平台。对于需要快速构建内部工具或原型的前端和全栈开发者，这是一个值得关注的方向。
AI产品CursorCanvasesAI 编程内部工具部署
推荐理由：Cursor 把 AI 编程的终点从代码拉到了可分享的 URL，做内部工具或原型的团队可以直接用 Canvases 替代多个建站工具，省去部署烦恼。
原文
06:39
05:14
02:12
6月4日
23:51
07:16
6月3日
09:53
09:53shao__meng@shao__meng
精选72°
开发者 @mvanhorn 分享了三个月内从零到 GitHub 27K stars 的 Agentic Engineering 实战经验，核心方法论为 Research → Plan → Work 循环，强调规划先行、语音输入、多 session 并行。他总结了 22 条 hack，涵盖规划层、执行与并行、输入方式、远程可达、产出扩展等，并推荐了 Compound Engineering、Codex、Monologue 等工具栈。这套方法让 AI agent 承担 80% 编码工作，人负责方向与品味，显著提升开发效率。适合想用 AI 加速软件开发的工程师参考。
AI产品Agentic EngineeringAI 编程开发效率工具栈实战经验
推荐理由：三个月从零到 27K stars 的实战经验，做 AI 编程的开发者可以直接抄作业——22 条 hack 和完整工具栈，看完就能上手。
原文
6月1日
09:53
09:53Viking@vikingmute
开发者 Vikingmute 发布了一篇英文文章《How I Use AI for Code Reviews》，分享了一套名为 Review Forge 的 AI 代码审查流程。文章基于之前的中文笔记整理而成，包含详细的步骤工作流。作者指出，AI 生成代码速度极快，如果不严格审查，系统质量会迅速下降，变成黑箱。Review Forge 流程旨在为代码审查带来结构和纪律，让作者对每次变更更有信心。对于大量使用 AI 写代码但难以跟上审查节奏的开发者，这篇文章提供了实用的参考。
技巧AI 编程代码审查工作流Review Forgevikingmute
推荐理由：AI 生成代码的质量控制是每个重度用户的痛点，Vikingmute 的 Review Forge 流程给出了可操作的解决方案，做 AI 辅助开发的团队可以直接借鉴。
原文
04:14
5月31日
09:39
5月30日
15:34
15:34Viking@vikingmute
精选72°
开发者 vikingmute 开源了 review-forge，一套用于审核 AI 生成代码的流程技能。该流程包含 review、synthesize、手动决策、fix 和 verify 五个步骤，通过让 GPT-5.5、Compose2.5、DeepSeek V4 Pro 等多个模型分别生成 bug 报告，再汇总交叉验证，最后由人工决定修复哪些问题。作者认为 AI 代码产出太快，长期不干预会导致系统失控，这套流程能有效提升代码质量。项目灵感来自文章《Using AI to write better code more slowly》，旨在让 AI 写得更慢但更好。
AI产品代码审核多模型开源/仓库AI 编程review-forge
推荐理由：多模型交叉审核解决了 AI 代码质量失控的痛点，适合重度使用 AI 编程的团队和个人开发者，建议直接 fork 项目试试这套流程。
原文
10:51
5月29日
21:39
21:39Viking@vikingmute
本文指出同时运行多个 AI Agent 会导致人的注意力成为瓶颈，因为人类无法并行处理且上下文切换成本高，所有 Agent 的最终判断和代码合并仍需人工完成。作者将其称为“编排税”（Orchestration Tax），即启动的 Agent 越多，后续付出的成本越高。建议将任务分为简单可异步和需要深度判断两类，避免复杂任务强行并行。作者个人经验是同时运行 1-2 个任务，专注 review 和优化流程，而非盲目增加 Agent 数量。
行业Agent编排税注意力瓶颈AI 编程工作流优化
推荐理由：这篇文章戳中了多 Agent 工作流的核心痛点——人的注意力才是瓶颈，做 AI 编程或自动化流程的团队看完会重新评估并行策略，建议点开反思自己的编排方式。
原文
10:45
10:45shao__meng@shao__meng
精选
Cursor 最新发布的开发者习惯报告基于全球最全面的 AI 编程数据集，揭示了 AI 如何深刻改变软件开发工作流。报告显示，开发者每周新增代码行从 2025 年初的约 3.6K 升至 2026 年 5 月的 8.6K，PR 规模显著增大，1000 行以上的大 PR 占比从 8% 升至 13.8%。Agent 单次会话的工具调用数在过去两个月上升约 30%，表明其处理更复杂任务的能力增强。AI 生成代码的留存率从约 76% 升至 81%，说明开发者更认可 AI 产出。同时，少数高水平用户获得了不成比例的巨大收益，P99 用户的 AI 代码行是中位数用户的 46 倍。
AI产品CursorAI 编程开发者习惯代码产出Agent
推荐理由：这份报告用数据证明了 AI 编程从辅助工具向自动化基础设施的转变，做 AI 编程工具或使用 Cursor 的开发者值得一看，能帮你理解行业趋势并调整自己的使用策略。
原文
08:02
07:37
03:21
5月28日
10:29
5月27日
14:50
14:50Viking@vikingmute
精选
文章《Using AI to write better code more slowly》挑战了 AI 编程就是快速生成大量代码然后直接合并的普遍认知。作者认为 AI 完全可以用来写出高质量代码，只是过程会更慢，这才是可持续的方式。他推荐的工作流是：使用多个不同模型（如 Claude sub agents、Codex、Cursor Bugbot 等）并行审查 PR，分别找出 bug 并按严重程度排序。人类开发者负责验证和去伪存真，减少幻觉。然后让 Agent 修复所有 Critical 和 High 严重等级的问题，重复直到没有为止。如果 PR 有太多 Critical 问题导致实现思路错误，就直接放弃该 PR。文章还分享了作者日常的工作流和建议。
AI产品AI 编程代码审查工作流ClaudeCodexCursor Bugbot
推荐理由：这篇文章打破了「AI 编程=快糙猛」的刻板印象，为追求代码质量的开发者提供了一套可落地的多模型协作审查流程。做代码审查或维护高代码标准的团队，可以直接参考这个工作流来提升 PR 质量。
原文
5月26日
16:15
16:15shao__meng@shao__meng
精选72°
前重度 Claude Code 用户 @poteto 在加入 Cursor 面试前从未用过 Cursor，但通过对比发现多模型协同、上下文压缩和 GUI 优势改变了她的判断。她提出业界方向走偏，真正的瓶颈是验证而非并行跑 agent，并开源了技能集 pstack，将工程严谨度封装成可复用的 playbook。她认为 agent 像失忆且智商不在线的新员工，需要建立信任才能扩大自动化边界。最终她构建了 Benny 自动化 bot 链，实现从 bug 分诊到修复验证的端到端自动化。核心观点是：信任的剂量决定自动化的边界，pstack 通过灌注工程深度抬升信任下限。
AI产品CursorClaude CodeAI 编程信任工程pstack
推荐理由：@poteto 把 AI 编程的信任问题讲透了，做 agent 编排的开发者会重新思考并行 vs 验证的优先级，建议直接看她的 pstack 开源项目。
原文
16:10
5月25日
12:40
12:40Marc Andreessen@pmarca
Marc Andreessen 转发 David Sacks 的观点指出，尽管 AI 智能体正在自动化编码，但软件工程师的招聘需求反而在上升。原因是 AI 大幅降低了编程成本，导致更多企业、应用和场景使用代码，GitHub 提交量同比增加 14 倍且仍在加速。这预示着整个经济中定制软件将爆发式增长，带来生产力繁荣。Sacks 认为，编程作为 AI 的突破性用例，反而增加了对软件工程师的需求，质疑了“AI 导致大规模失业”的叙事。
行业AI 编程软件工程师GitHub生产力就业趋势
推荐理由：AI 编程反而让工程师更抢手——GitHub 提交量年增 14 倍，做开发的团队可以重新评估 AI 对岗位的影响，值得点开看看这个反直觉的趋势。
原文
5月23日
09:17
5月22日
16:16
16:16shao__meng@shao__meng
精选72°
VSCode 团队发布了《Agent-First Development》系列视频，系统介绍了构建高效 AI 编程助手的五大支柱：Model（思考深度）、Harness（行动边界）、Context（上下文视野）、Prompt（意图精度）和 Tools（工具能力）。文章指出，模型并非越大越好，而应根据任务匹配思考深度；Agent 的行动边界需通过 Ask/Plan/Agent 三种模式渐进信任；上下文是 Agent 做对事的前提，多数改坏代码的案例源于模型未看到关键文件；专业用户的 prompt 应包含目标、范围、约束和验收标准；工具越多越强，但需控制爆炸半径。整体框架强调五个旋钮的协同，而非线性步骤，人的角色正从打字员转向模型选择者、上下文提供者和边界设定者。
AI产品Agent-First DevelopmentVSCodeCopilot编程助手AI 编程
推荐理由：VSCode 团队把 Agent 编程的五个关键旋钮讲透了，做 AI 编程工具或深度使用 Copilot 的开发者看完能直接优化自己的工作流，建议点开对照自己的使用习惯。
原文
08:05
5月21日
22:14
22:14阿里通义 Qwen@Alibaba_Qwen
83°
阿里巴巴 Qwen 团队展示了一项令人瞩目的成果：模型在约 35 小时的连续自主执行中，独立完成了 432 次内核评估和 1158 次工具调用。它自行编写、编译、分析并迭代优化了 Extend Attention Kernel，最终在多个工作负载上实现了相对于 Triton 参考实现的 10.0 倍几何平均加速。这标志着模型具备了真正的自主编程与优化能力，无需人类干预即可完成复杂系统级任务。
AI模型Qwen自主进化内核优化AI 编程性能加速
推荐理由：这是 AI 自主编程能力的里程碑——模型不再只是写代码，而是能像资深工程师一样分析、调优、迭代。做 AI 系统优化或关注模型自主性的开发者，值得仔细看看这个案例。
原文