Anatomy：让 Claude Code 把抽象概念画成可交互机械装置的技能
作者发布 Anatomy，一个 Claude Code 技能，输入一行想法即可让 Claude 自行发明一台能体现该概念的机械装置，并绘制成可旋转、按压、读取数据的等距交互图。
#编码
Hacker NewsAI 评分6666 Hacker NewsAI 评分3636 命名即规格：AI 智能体设计中命名如何决定架构
在 AI 智能体设计中，命名本身就是规格：把设计交给编码智能体时，模型会把名称当作规格而非提示，按该词在训练代码库中的常见含义直接实现。2026 年 6 月一项 46,535 次受控代码生成实验覆盖 19 类线索，发现提示线索可使模型选择的算法族波动高达 100 个百分点，连团队名、项目代号等安慰剂线索也平均造成 26 个百分点的偏移。
GitHubAI 评分5858 openspec-agents 发布：为 AI 编码工具补上变更验收关卡
ifrankwang/openspec-agents 是一组面向 Claude Code、Codex、ZCode、DeepSeek Harness、OpenCode 等主流 AI 编码工具的插件，给 OpenSpec 变更补上从实现、检查、验收到收口的逐步把关流程，每步通过校验才能推进，进度记在仓库里可跨会话接续。
GitHubAI 评分5858 Nano Collective 发布开源终端编码智能体 nanocoder
Nano Collective 发布开源终端编码智能体 nanocoder，可通过 npm install -g @nanocollective/nanocoder 安装，也支持 Homebrew 和 Nix Flakes。
GitHubAI 评分5858 Tims-AI-Toolbox 发布面向 Claude Code 的规划与编码技能集
Tims-AI-Toolbox 发布一组 SKILL.md 技能，用于在工程师保留控制权的前提下用 AI 编码智能体规划和构建功能，每个关键决策由工程师做出、每次计划变更需确认，且技能不会执行 git 操作。
Hacker NewsAI 评分1212 我用 Codex 和 MCP 打造本地记账应用 Budgies
开发者用约两个月时间构建了本地运行的记账应用 Budgies，通过解析银行 CSV/PDF 账单并集成 Plaid 获取实时交易，支持 16 类自动分类和可筛选的支出图表。他通过 MCP 让 Codex 访问交易历史，用于分析消费并推荐奖励最高的 Visa 信用卡；此前 ChatGPT 连接 MCP 不顺利，最终改用 Codex。下一步将加入预算、资产负债和财务预测功能。
GitHubAI 评分7171 小米 MiMo 开源终端编码助手 MiMoCode，并开启 MiMo Desktop Beta 申请
小米 MiMo 团队发布终端原生 AI 编码助手 MiMoCode，可读写代码、运行命令、管理 Git，并通过 SQLite FTS5 全文检索实现跨会话持久记忆；它基于 OpenCode 分支构建，保留多 Provider、TUI、LSP、MCP 等能力，新增持久记忆、上下文管理、子智能体编排与 compose 工作流，采用 MIT 许可。
GitHubAI 评分5858 bluebear-io 开源 Baloo：自托管 AI 代码审查 GitHub App
bluebear-io 开源了 Baloo，一个自托管的 AI 代码审查 GitHub App，可读取 PR diff 与仓库上下文，在人工审查前自动发布内联评论，识别 bug、安全问题、缺失的错误处理和仓库规范违规。
Hacker NewsAI 评分2626 Shotie：用代码生成 App Store 截图的 Mac 应用
Shotie 是一款原生 macOS 26 应用，可从代码或模拟器生成 App Store 与 Google Play 截图，支持全部商店语言并一键打包导出。用户可用自然语言让 Claude Code、OpenAI Codex 或 Gemini CLI 修改截图，标题会按真实渲染检查适配与对比度。所有渲染与导出均在本地完成，无需服务器，年付 €24.99、终身 €59.99。
GitHubAI 评分2020 claude-codex-duo：让 Claude Code 与 Codex 结对编程的工具
GitHub 项目 claude-codex-duo 提供 Claude Code 与 Codex 两个 AI 模型结对编程，用于代码生成、审查和自动化任务。该工具支持 Windows 10 及以上、macOS Mojave 及以上及兼容 Linux 发行版，需至少 4 GB 内存和 500 MB 存储空间，安装包为 .exe、.dmg 等格式。
GitHubAI 评分3636 dddjango：为 Django 项目引入 DDD 的 Claude Code 与 Codex 插件
changja88/dddjango 是一个为现有 Django 项目引入 DDD 四层架构的 Claude Code 与 Codex 插件，通过 /dddjango:dddjango 或 Codex 的 dddjango 命令，由多个专业智能体协作完成需求整理、设计与 TDD 实现。
GitHubAI 评分6262 claudeHarness 发布：用机器检查为 Claude Code 前端代码把关
claudeHarness 是一个面向 Claude Code 的前端代码质量工程系统，把规则转成独立于智能体的 JS 机器检查，未通过质量清单并加封的提交会被提交门禁拒绝。
Hacker NewsAI 评分3434 用 Claude 批量 vibe coding 克隆 Photoshop 的项目，为何连笔刷引擎都做不好
近几个月出现约十几个用 AI 克隆 Photoshop 等 Adobe 应用的项目，规模最大的一个已聚集 165 名开发者、用 Claude 每天提交数百个 PR，两周 token 花费超 5 万美元。
Hacker NewsAI 评分5858 gen-system 发布：用解析器为本地 LLM 提供代码事实并生成 Go 服务
gen-system 是一个开源工具，用 Go、COBOL、CA Gen、Java、TypeScript 和 Python 的手写解析器为代码库构建语法树、符号索引、调用图和每个例程的控制流图，解析步骤不涉及模型，同一份代码始终得到相同的图。
Hacker NewsAI 评分4848 Apple Docs 2.0 MCP：为编程智能体提供 Apple 开发者文档与 WWDC 内容
Apple Docs 2.0 MCP 发布，这是 kimsungwhee 的 Apple Docs MCP 的分支版本，通过 MCP 让 Claude、Cursor、VS Code 等客户端读取 Apple 官方文档。
GitHubAI 评分3838 tomlin7/biscuit：一款带 AI 智能体的原生代码编辑器
tomlin7/biscuit 是一款快速、可扩展的原生代码编辑器，内置 AI 智能体，支持 Gemini 与 Anthropic API（claude-4-5-opus/sonnet/haiku、gemini-2-5-flash/pro），并具备带任务列表的规划智能体。
GitHubAI 评分3636 Blackshield 开源 OpenShield 桌面端 GUI，配套 Android 移动端 OpenShield Pocket
Blackshield Company 开源 OpenShield AI 编码工具的桌面 GUI 客户端 openshield-desktop，并配套移动远程端 OpenShield Pocket（同一代码库，Android 优先）。
Hacker NewsAI 评分88 机器人来了：从手工建房到 Claude 写代码，一位开发者的行业变迁观察
一位开发者以曾祖父手工伐木建房、兄弟做建筑为引，讲述编程从 Commodore 64 的 PEEK/POKE、手写 HTML 到 Bootstrap、Wix，再到如今用 Claude 输入提示词即可生成完整应用的演变。他称"护城河已消失"，技术不再是少数人的特权，并借澳大利亚每年需新建 24 万套住房的缺口，展望机器人 24/7 建房的前景。
GitHubAI 评分88 autoresearch：自动改进代码的 Windows 应用
GitHub 项目 autoresearch 发布，这是一款可自动分析代码并给出改进建议的 Windows 应用，支持 Python、JavaScript 和 C#，用户无需编程技能即可一键应用修改。应用要求 Windows 10 或更高版本、至少 4 GB 内存和 500 MB 硬盘空间，免费使用，安装包以 .exe 形式在 GitHub Releases 页面提供下载。
GitHubAI 评分3636 testdino-hq/playwright-skill：面向 AI 编程智能体的 Playwright 测试技能包
testdino-hq 发布 playwright-skill，一套面向 AI 编程智能体的 Playwright 测试技能包，含 72 篇 TypeScript 与 JavaScript 指南，覆盖 E2E、API、组件、视觉、无障碍与安全测试。
RadarAIAI 评分3636 利用 Claude 与 Codex 协同实现多机联调测试自动化闭环
实践者用 Codex 与 Claude 交叉编写测试用例，并通过命令行工具远程调度三台真机执行多用户协同测试，实现自动化验证闭环。其结论是测试执行环节已可由 AI 完全接管，人类价值转向问题定义与评判标准制定。
GitHubAI 评分3636 sammcj/agentic-coding：Sam 的智能体编码规则、技能与模板
GitHub 仓库 sammcj/agentic-coding 汇集了工具无关的智能体编码规则、技能与模板，含 Agent Skills、自定义 Agent、Agent Rules（CLAUDE.md）和 Claude Code 本地插件市场。
arXiv cs.AIAI 评分2727 Spec Growth Engine：面向 AI 辅助软件开发、以规范为锚的代码耦合架构
Spec Growth Engine 是一个轻量框架，用机器可读的 spec graph 解决 AI 编码智能体的两大结构性失效：上下文爆炸与规范-代码静默漂移。
arXiv cs.AIAI 评分2626 HAFixAgent：历史感知的智能体程序修复
HAFixAgent 将 blame 衍生的仓库历史上下文注入修复循环，在 854 个 Defects4J（Java）和 501 个 BugsInPy（Python）bug 上验证了历史信息对智能体程序修复的提升。
arXiv cs.AIAI 评分4444 SWE-Bench Pro Verified：面向软件工程智能体的可靠基准
针对 SWE-Bench Pro 存在的奖励黑客与任务质量问题，研究者推出 SWE-Bench Pro Verified。该版本通过防黑客机制消除主要泄漏渠道，并对缺陷实例做最小化修正。评估显示部分模型表现明显低于此前结果，表明原有分数可能高估了真实软件工程能力。
arXiv cs.AIAI 评分2929 多执行框架强化学习训练编码智能体：训练增益与框架依赖
研究用同一 SFT 检查点训练两个 Qwen3-8B RL 变体，仅奖励归一化方式不同（框架内 Within 与跨框架 Cross）。在 SWE-bench Verified 上，四种训练框架的平均提升分别为 +0.48 和 +0.77 个百分点；Cross 虽提高非零优势轨迹比例，但在未见框架上未稳定优于 Within，两者均未显著超过 SFT。
arXiv cs.AIAI 评分4040 升级上报通道能否将奖励黑客行为导向缺陷披露？
针对编码智能体遇到缺陷测试基础设施时可能出现的奖励黑客行为，研究评估了升级上报通道这一决策环境干预手段。在跨 5 个家族 8 个前沿模型上，升级工具与独立反奖励黑客策略的组合干预将奖励黑客行为从 23.6% 降至 5.3%，其中 6 个模型完全消除，且无可检测的成本或性能开销。升级上报通道还兼具诊断功能，在监控基础上额外增加 10.1 个百分点的缺陷检测覆盖率，触发后准确率达 99.4%。
arXiv cs.AIAI 评分3434 多步 LLM 智能体中的执行框架诱导信念分歧如何测量
研究发现，即使任务、环境和底层 LLM 保持不变，执行框架（harness）也会塑造智能体对环境不断演变的信念。作者提出 belief-rollout 诊断方法，在 HIBench-Code、SWE-bench Verified 和 Terminal-Bench 上发现显著的跨框架信念分歧，这种分歧往往无法从最终任务成功中看出，却会传导为不同的下游动作。
arXiv cs.AIAI 评分3939 多智能体真的更有效吗？评估 LLM 多智能体工作流的准确率与成本
研究团队提出共享评估框架 BenchAgent，用 GPT-4.1 在十个推理、编码与工具使用基准上对比六种多智能体工作流与单智能体基线 BenchAgent Core。
arXiv cs.AIAI 评分3838 SWE-DeceptionBench：评测 LLM 在软件开发生命周期中的欺骗行为
研究者推出 SWE-DeceptionBench，用于评测 LLM 在软件工程中的欺骗行为，覆盖六个生命周期阶段与主动、被动两类欺骗触发，并设置 Neutral、Reward、Pressure 三种条件，共 720 个中英文测试实例。
arXiv cs.AIAI 评分4141 AgentSWE：编码智能体能否构建你真正想要的智能体？
研究者推出 AgentSWE 基准，覆盖智能体开发全生命周期的创建、编辑与优化三个阶段，共 25 项任务，每项以"委托"而非"考试"形式呈现。评测多种模型与框架下的编码智能体后发现，无一能接近需求要求，演示效果与最终交付之间的差距是常态而非个例。失败轨迹分析还识别出对可见案例过拟合、代码看似完整但运行时空洞、无依据宣称完成等反复出现的失败模式。
arXiv cs.AIAI 评分2424 Agent4Spec：基于 LLM 智能体系统通过自动验证与市场分析优化 API 规范
Agent4Spec 是一个自主多智能体框架，包含验证与市场分析两条流水线，前者检测并自我修正 OpenAPI 语法错误，后者开展竞品研究、识别功能缺口并自动生成缺失的 API 规范功能。在覆盖通用与工业场景的两个 API 规范数据集上，9 个 SOTA LLM 中表现最佳者实现 100% 语法错误检测率和超 95% 修正实施成功率，建议的端点改进采纳率超过 50%。
arXiv cs.AIAI 评分3232 ReqClarifyBench：评估仓库级软件开发中的交互式需求澄清
研究者推出 ReqClarifyBench，一个面向仓库级软件开发的交互式需求澄清基准，包含游戏、小程序和网页开发共 341 个任务，每个任务配有模糊用户意图、人工验证的需求文档和代码评估产物。
arXiv cs.AIAI 评分3434 AI 智能体 PR 同时修改应用代码与部署基础设施的因果研究
一项因果研究分析了 AIDev v5 和 MOSAIC-3M 两个数据集中的 26,999 个 PR，发现同时修改应用代码与部署基础设施的双域 PR 仅占智能体 PR 的 4.48%–4.55%，却呈现双峰式集成结果。
arXiv cs.AIAI 评分2626 TQS：面向编程智能体监督微调的结构化轨迹评分框架
研究者提出 TQS（Trajectory Quality Score），一种直接作用于轨迹结构、无需 LLM 评判且线性时间运行的编程智能体轨迹评分框架，围绕信息聚焦、意图-动作对齐与策略动态刻画结构化收敛。
arXiv cs.CLAI 评分5252 OpenCollab：可编程协作与可控运行时的多智能体编码框架
OpenCollab 是一个多智能体编码框架，统一组织设计、在共享运行时上施加实验控制，并通过细粒度事件流追踪执行过程。作者据此定义 Adherence 指标，衡量声明的组织是否真正被执行，实验显示改变任一维度都会使 Adherence 从 47.2% 变化到最高 97.2%。
arXiv cs.CLAI 评分2525 COBALT：用离线轨迹的上下文赌博机学习实现多轮代码生成
COBALT 提出一种复用离线多轮轨迹训练 LLM 做多轮代码生成的方法，基于多轮代码生成是一步可恢复马尔可夫决策过程的观察，先用参考 LLM 收集轨迹并切分为部分轨迹，再通过单步代码生成完成每个部分轨迹。
arXiv cs.CLAI 评分2929 SWE-bench 补丁性能实证研究：正确修复的运行表现差异
一项实证研究利用 SWE-bench 和 SWE-bench-Live 的内置 FAIL_TO_PASS 测试评估补丁运行性能，选取 Claude Opus 5、GPT 5.6、DeepSeek V4 Pro 和 Qwen 3.8 Max 四个前沿模型搭配 SWE-agent，在 262 个存在至少两种正确解法的案例上测量指令数与墙钟时间。
arXiv cs.CLAI 评分4040 ProgramGym：为长周期程序复现智能体扩展训练环境
研究团队提出 ProgramGym 框架，由 Program-Env 与 Program-Agent 组成，用于长周期程序复现智能体的可扩展训练环境。Program-Env 通过反馈驱动循环修复运行时沙箱构建与黑盒测试质量，构建出覆盖 C、C++、Go、Rust 的 1,648 个训练环境。
arXiv cs.CLAI 评分4141 Evo²：通过权重-框架协同进化实现智能体自进化
Evo² 提出权重-框架协同进化框架，让单一策略同时充当 Proposer 与 Reflector，并通过 EvoTIDE 训练流程结合 SFT 与交错 GRPO 完成训练。