跳到正文
10月10日周六
  1. GitHub17

    blindbench:无偏见对比 AI 模型的 Windows 安装使用指南

    blindbench 是一款可在 Windows 10/11 上运行的 AI 模型对比工具,通过隐藏公司名称和品牌进行盲测,给出答案真实性评分并检查推理失败,支持从 100+ 个 AI 语言模型中挑选对比。用户可从 GitHub Releases 下载 .exe 安装包,按向导安装后即可查看排行榜,应用不收集个人数据、不含广告。

  2. RadarAI58

    优化 Claude Code 自动压缩设置以节省配额

    文章解析 Claude Code 的自动压缩机制,指出默认触发阈值高达 967K,导致在低利用率区间仍产生较高的上下文携带成本。作者建议手动降低压缩窗口阈值,并调整缓存保活时间和后台子代理模型,以节省 5 小时使用配额。内容基于对 Anthropic 工程师官方解释的拆解。

  3. RadarAI40

    Lee Robinson 在斯坦福 CS146S 详解 Grok Bot 类常驻式主动智能体工作原理

    Lee Robinson 在斯坦福 CS146S「AI 原生软件开发」课程第三周发布讲座视频,主题是 Grok Bot 这类常驻式主动智能体如何工作。讲座分六部分,涵盖从聊天式助手到常驻 agent 的演进、模型能力变化、always-on agent 内部架构、执行框架(harness)、上下文工程以及范式前瞻。

  4. Hacker News12

    工程面试中仍应保留课后作业:一位面试官谈 AI 时代的评估方式

    一位有 8 年招聘经验的软件工程师认为,AI 编程智能体能代做课后作业,并不代表作业失去价值,反而打开了新的评估空间。他不再把作业当作面试流程中的孤立环节,而是作为深度技术面试的起点,围绕依赖选型、领域设计、可扩展性等提问,考察候选人是否理解其中的权衡与设计决策。约 95% 的提交都能覆盖作业要求,因此他更关注候选人能否推理这些取舍,以及他们向智能体下达指令时是否留意关键点。

  5. RadarAI22

    宝玉开源项目 baocut 开发流程分享

    宝玉分享了其开源项目 baocut 的软件开发流程,强调编码前先完成技术方案文档与高保真 UI 原型,以降低后期修改成本和风险。在 baocut 项目中,他应用该方法由 AI 辅助完成了字幕样式功能的完善。

  6. Hacker News22

    开发者推出 PiCal:一个只做助教、不写代码的 Pi Coding Agent 配置

    一位开发者发布 PiCal,一个以 Cal Newport 数字极简主义命名的 Pi Coding Agent 配置,定位为只答疑不代劳的助教。其 SYSTEM.md 规定:不做代码修改、不做规划、只给建议,可用示例和代码片段教学,可读代码库,但拒绝直接回答“为什么编译不过”,需用户提供具体报错。

  7. Hacker News28

    智能体行为失当:如何设计内循环以保住人工审查注意力

    文章提出用"一致性契约"定义完成标准:由独立评估器判定候选代码是否满足要求,让人类审查从证据而非声明出发。NBER 对 50 多万名 GitHub 开发者的研究显示,采用交互式编码智能体后第 21–30 周每周改动行数增加 958%、PR 数增加 86%;Faros 数据则显示 AI 高采用率伴随合并 PR 增加 98%、审查时间延长 91%。

  8. Hacker News12

    Rails World 2026 主题演讲:我原本打算讲的那场 Keynote

    在 Rails World 2026 上,我原本准备了一场关于"最有价值的工程师不是交付功能"的演讲,想分享近十种让代码库对人类和 AI 智能体都更易用的具体做法。但准备过程中我意识到,比起给出 3-5 条可操作建议,更值得讲的是如何把好奇心投向改善系统本身,于是最终围绕 WUTS 框架重新组织了这场演讲。

  9. GitHub22

    AI Workflow Navigator:面向非技术人员的 AI 入门指南

    GitHub 项目 AI Workflow Navigator 发布,定位为非技术人员的 AI 使用蓝图,按无代码工具与提示词、API 接入(OpenAI、Claude)、自动化工作流三个难度层组织内容。项目提供零代码 API 配置、提示词模板、模型选择决策树,并建议用 Claude Haiku 或 GPT-4o-mini 等更便宜的模型处理 90% 的任务。

  10. Hacker News32

    用 AI 实现规格驱动开发:一种新方法及其对历史的回望

    一种以需求为唯一事实来源的规格驱动开发方法被提出,将 RUP 思路与现代 AI 工具结合,用 Claude Code 等自动生成并同步下游产物。所有规格以 Markdown 和 PlantUML 存入 Git,与代码一同版本化,业务方需评审实体模型和系统用例。作者称该流程带来更好的业务对齐、可维护代码和从需求到实现的完整可追溯性。