跳到正文
10月14日周三
  1. Hacker News34

    如何为游戏开发打造 AI harness

    一位拥有近 15 年经验的游戏程序员提出,LLM 在游戏开发上表现糟糕,根源在于游戏中大量非代码资产对模型不透明,而 Three.js 等"一切皆代码"的工作流之所以可行,正是因为资产可用简单几何体表示。他主张为游戏开发专门设计 AI harness,而非依赖通用 LLM 工作流。

  2. RadarAI36

    GitHub 详解基于 ModernBERT 的密钥检测模型如何以更低成本和噪音找到更多真实密钥

    GitHub 公开其密钥扫描分类器设计:先用正则生成候选,再用微调 ModernBERT 结合文件路径、变量名与上下文判断是否为真实密钥。相比此前 LLM 管线,仓库所有者加权接受率提升 11.5%,post-push 扫描中位执行时间降低 86%,服务成本下降超过 98%。模型导出为 ONNX 并做 8-bit 量化,通用密钥检测已扩展到 push protection。

  3. Hacker News15

    发帖到 HN 后,我的网站被 AI 机器人流量淹没

    开发者将自建 RSS 阅读器 sprinklz.io 发到 HN 后网站变得异常缓慢,排查发现近一半流量来自同一个伪装成“监听网页变化并生成 AI 简报”服务的爬虫,它以每分钟多次的频率请求网站。作者还识别出 Claude bot、OpenAI bot、Google 搜索索引爬虫及若干漏洞扫描器,随后添加 robots.txt、限流并优化基础设施。

  4. RadarAI60

    Anthropic 工程博客详解自建源码版本控制系统,五个月将 monorepo 从 git 完整迁移

    Anthropic 工程博客发布文章,介绍团队如何自建新的版本控制系统,并在五个月内将 monorepo 从 git 完整迁移。文章提到,5 月团队每天合并约 2,500 个代码变更,9 月已超过 30,000 个,为人类开发者设计的基础设施在 agent 规模下成为瓶颈,文章分享了重建源码管理的过程。

  5. AWS Machine Learning Blog60

    在 Amazon Bedrock 上用 Grok 4.7 构建长时程智能体

    AWS 团队在 Amazon Bedrock 上基于 Grok 4.7 构建工具调用智能体,在三个需要搜索而非查表验证的任务上跑了 72 次,答对 67 次,xhigh 档位 18 次全对。

    推荐理由:通过 72 次可复现的智能体运行,量化了 Grok 4.7 各推理档位在正确率与 token 成本间的取舍。

10月13日周二
  1. Simon Willison28

    Geoffrey Huntley:用 pre-commit hook 强制 AI 智能体使用诊断库

    Geoffrey Huntley 提出用 pre-commit hook 检查 git diff 中绕过诊断模块、直接调用可观测性模块的代码,一旦发现就拒绝提交并注入提示词,要求 AI 智能体改用诊断库,效果从"有偏差"变成"十全十美"。他认为与其手动更新 AGENTS.md 后仍会漂移,不如用这种强制手段约束智能体行为。

  2. RadarAI62

    Geoffrey Huntley:用 pre-commit hook 约束编码智能体调用诊断库

    Geoffrey Huntley 提出,与其更新 AGENTS.md 来让编码智能体使用他的诊断库(仍会有偏差和漂移),不如写一个 pre-commit hook 检查 git diff 中绕过诊断模块直接调用可观测性模块的代码,失败即拒绝提交并向智能体注入提示词要求其使用诊断库,他称效果从失败提升到十分满分。Simon Willison 在博客中引述了这段话。

  3. RadarAI65

    卡尔的AI沃茨开源红绿灯提示语,解决 Agent 刹不住车浪费 token 额度的问题

    公众号卡尔的AI沃茨开源了一套不到三百字的进度提示语加 hook,让 Agent 每轮结尾输出 🟢🟡🔴 三态进度条,分别表示原始需求未完成、已达成且可形成后续 Plan、已达成仅供存档三种状态,转黄或转红后停手等待指令。作者用它解决 Claude Code、Codex 等 Agent 对话刹不住车、被建议清单拉着无限跑浪费额度的问题,并称子代理和多类任务同样适用。

  4. RadarAI36

    6 年经验工程师谈 Vibe Coding:一年未手写代码,编程核心转向架构设计与逻辑审查

    拥有 6 年经验的工程师 Philo Li 分享,引入 Cursor 等 AI 工具后他已一年未手写代码,每行代码均由 AI 生成。他提出 Vibe Coding 概念,即用自然语言描述需求让 AI 生成代码,这虽大幅降低了 Demo 实现门槛,但也导致人才市场出现变化,编程核心正从编写代码转向架构设计与逻辑审查。