20:17歸藏(guizang.ai)@op7418Cursor 发布了一份基于全球最大 AI 编程数据集的开发者习惯报告,揭示了几个关键趋势:头部用户的 AI 代码产出、token 消耗和 PR 合并量远高于中位数,且差距持续扩大。AI 在写代码前读取的上下文越来越多,input/output token ratio 大幅上升,理解代码库和任务的成本成为主要开销。缓存变得至关重要,未来 coding agent 的竞争力将集中在上下文缓存、增量理解和长期记忆上。开发者对 AI 的放权增加,手动 diff acceptance 减少,更多 AI 改动直接进入 commit 流程,导致 PR 变大、工作颗粒度变大,对 review、测试和架构边界的要求更高。行业AI编程Cursor开发者报告上下文缓存PR管理5 个信源在谈推荐理由:这份报告用真实数据揭示了 AI 编程的头部效应和成本结构变化,做 AI 编程工具或重度使用 Cursor 的开发者,看完会对未来 coding agent 的竞争方向有清晰判断。原文
01:10Moonshot AI: Kimi Blog(资讯)月之暗面(Moonshot AI)在 Kimi API 中推出了上下文缓存(Context Caching)功能,通过复用重复的上下文内容,大幅降低 API 调用成本。该功能特别适用于需要频繁使用相同系统提示、知识库或对话历史的场景,最高可节省 90% 的费用。开发者只需在请求中指定缓存键,即可自动启用缓存,无需修改现有代码。这为构建长对话、知识问答等应用提供了经济高效的解决方案。AI产品KimiAPI上下文缓存成本优化月之暗面推荐理由:Kimi API 的 Context Caching 让高频调用场景的成本直降 90%,做长对话或知识库应用的开发者可以直接用,省下的预算够再跑一轮实验。原文