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：Coding Agent×
6月16日
20:46
6月12日
12:57
6月11日
15:28
15:23
15:07
10:29
10:29shao__meng@shao__meng
小米团队基于OpenCode fork开发了MiMoCode，这是一款国产Coding Agent，在14天内由5人通过Vibe Coding方式完成。它保留了OpenCode的核心能力，并叠加了记忆、上下文管理、子智能体编排、Goal驱动自主循环、Compose工作流以及Dream/Distill自我进化机制。技术栈为TypeScript+Bun。MiMoCode内置MiMo Auto限时免费通道，支持小米MiMo平台OAuth、Claude Code认证迁移及任意OpenAI兼容API，是MiMo-V2.5系列模型的官方配套Harness，模型能力与框架深度耦合。该项目已开源在GitHub。
AI产品Coding Agent开源/仓库小米MiMoVibe Coding智能体编排
推荐理由：小米开源了深度耦合MiMo模型的Coding Agent，做AI编程工具或Agent开发的团队可以直接拿来用，还能体验自我进化机制，值得fork试试。
原文
09:09
09:09shao__meng@shao__meng
精选72°
Simon Willison 自 2026 年 2 月起撰写《Agentic Engineering Patterns》指南，每周新增 1-2 章，目前仍在演进。指南核心是教专业工程师如何用好 Claude Code、Codex 等 coding agent，获得可靠、可维护的代码。它区分了 Agentic Engineering（专业实践）与 Vibe Coding（原型玩法），强调人的角色上移至定义问题、验证结果、积累经验。全书最重要的判断是：写代码变便宜了，但写好代码并没有。指南包含五大原则层和实操层，涵盖 Git 使用、Subagent 分工、测试三层防线、理解代码等具体方法。
AI产品Agentic EngineeringCoding AgentClaude CodeCodex工程实践
推荐理由：Simon Willison 把 coding agent 的工程实践系统化了，做 AI 编程的专业开发者可以直接拿来用，避免陷入 Vibe Coding 的坑。看完你会重新理解「写好代码」在新成本结构下的意义。
原文
6月10日
13:14
09:34
09:34shao__meng@shao__meng
精选
一条推文通过对比 Claude Fable 5 和 Step 3.7 Flash 的官方 API 价格，揭示了 Claude Fable 5 的昂贵程度：输入价格约为 Step 3.7 Flash 的 50 倍，输出也是 50 倍，缓存命中输入更是高达 100 倍。若启用 Fast Mode（速度提升 3 倍，价格翻 6 倍），差距进一步拉大至 300 倍和 600 倍，且 Fast Mode 下 Step 3.7 Flash 输出速度反而更快。作者还用一个真实 Coding Agent 任务测试了 Step 3.7 Flash，它成功将混乱的 Agent 运行痕迹转化为一个可检查的本地 HTML 工具，展示了模型在复杂任务中的实用性。
AI产品Claude Fable 5Step 3.7 FlashAPI 价格对比Coding Agent成本优化
推荐理由：如果你在选 API 或做成本敏感的开发，这条对比能帮你省下真金白银——Claude Fable 5 的溢价远超想象，而 Step 3.7 Flash 在速度和价格上都有明显优势，做 Coding Agent 的团队值得关注。
原文
6月9日
20:19
20:18
11:18
11:18shao__meng@shao__meng
精选
开发者用 Step 3.7 Flash 完成了一个真实 Coding Agent 任务：将一组 Agent Memory 运行痕迹（包括 memory_events、structured_facts、memory_chunks 等）转化为一个本地可检查的 HTML 工具。模型先读取现有代码和测试输出，再检索 Letta、LangSmith 等工具的展示方式，最终生成单文件 agent_memory_inspector.html，展示 8 条 memory events、9 条 structured facts、9/9 场景测试通过等关键信息。这次测试表明，模型不仅能回答问题，还能理解上下文、查资料、写代码并产出可运行的工具。虽然还不是生产级观测平台，但作为 first-pass 任务，它验证了模型将真实 Agent traces 转化为可用工具的能力。
AI产品Step 3.7 FlashCoding AgentAgent Memory本地工具调试
推荐理由：做 Agent 开发或调试的团队，终于有个快速把混乱运行痕迹变成可视化检查工具的方法——Step 3.7 Flash 这次实测值得点开看看，可以直接复现验证。
原文
10:04
10:04shao__meng@shao__meng
83°
Claude Code 负责人 Boris Cherny 与产品负责人 Cat Wu 在一周年访谈中分享了产品演进的核心方法论。他们强调将错误写入持久化规则而非口头纠正，使 Agent 能长期自主运行。Verification 被重新定义为 Agent 亲自运行验证结果，而非传统单元测试。团队已全面转向 Auto Mode，认为模型从 4.6 起已能自主规划，且独立分类模型做安全拦截比人工审批更有效。组织层面，Anthropic 内部已将 AI 置于流程中心，角色融合（产品、设计、DevRel 都写代码）成为常态，未来工程师的主战场将从 IDE 转向 Agent 编排界面。
AI产品Claude CodeCoding Agent方法论Auto Mode组织变革
推荐理由：Claude Code 团队把一年踩坑经验浓缩成几条可复用的工程纪律，做 Agent 开发的团队看完能直接优化自己的 workflow。
原文
6月8日
09:49
09:31
09:31shao__meng@shao__meng
精选76°
一篇大规模实证研究评估了仓库级上下文文件（如 AGENTS.md、CLAUDE.md）对编码 Agent 任务完成率的影响。实验覆盖 SWE-bench Lite 和新建 AGENTBENCH 两个基准，测试了 Claude Code、Codex、Qwen Code 等四种 Agent。结果显示，LLM 自动生成的 context file 在多数设置下导致成功率下降（平均 -0.5% 至 -2%），开发者手写的仅提升 +4%，但步数和成本增加 20% 以上。轨迹分析表明 Agent 会过度执行 context file 中的建议性流程，增加复杂度却未提升成功率。当仓库文档齐全时，context file 与现有文档高度冗余，反而可能有害。
技巧Coding AgentAGENTS.md上下文文件SWE-bench实证研究
推荐理由：这篇论文戳破了 AGENTS.md 的神话——自动生成不仅没用还更贵，手写提升也有限。做 Coding Agent 工具或维护大型仓库的团队，看完会重新评估是否值得投入 context file。
原文
5月29日
18:06
5月28日
09:53
09:53宝玉@dotey
博主分享了自己使用 Coding Agent 的实战经验，强调开发新功能时不要直接让 Agent 写代码，而是先让多个 Agent（如 Codex、Claude Code、Cursor）在 Plan 模式下生成设计方案，然后人工选择最佳方案并融合其他方案的优点。复杂设计需拆分为多个 Phase，每个 Phase 明确要求和验证方法，保存为 Markdown 文档供 Agent 执行。写代码阶段可用便宜模型，但代码 Review 需用最强模型（如 GPT-5.5）把关设计符合性和代码质量。该方法类似多个架构师出方案、程序员执行、资深工程师审核的流程，能有效避免 Agent 跑偏。
技巧Coding Agent编程助手工作流设计代码质量AI 编程实践
推荐理由：这篇经验贴把 Coding Agent 的坑和最佳实践讲透了——开头设计决定了最终质量，做 AI 编程的开发者看完能省下大量调试时间，建议直接收藏。
原文
5月27日
18:58