Navan 是一家做差旅和报销软件的公司。两年前，资深工程师 Rahul Popuri 要把公司代码升级到新版 Spring，一个人花了一个多月，期间一次合并失败还让主分支（团队共享的代码主干）被锁了整整一天；更大的代价是一名工程师整个月都耗在迁移上。最近他们迁移到 Spring Boot 4，借助 Cursor 的云端智能体，Rahul 只需先规划好方案，再把 8 个应用和 15 个库分别交给跑在自托管机器上的智能体并行执行；这些智能体还会自己打开浏览器逐项点击验证。结果约一周就完成，开发工作全程没有被冻结。目前 Navan 约有 200 人使用 Cursor 云端智能体，产品团队还能用一段描述当天生成智能体。人工审查和最终合并仍由工程师把关。
文中可用工具
- Cursor提供云端智能体来并行执行代码迁移、自动验证和问题排查
- Spring Boot 4本次迁移的目标框架版本
- Snowflake通过内部 MCP 接入智能体的数据平台
- Slack通过内部 MCP 接入智能体的沟通工具
- React用于重写表单的前端技术
- Angular被重写替换的旧表单所用前端框架
展开详情收起详情：Navan 将长达一个月的迁移缩短至一周，全程无需冻结代码库⌄
Cursor Blog
原文发布：2026-10-16 20:00收录：2026-10-20
这篇文章讲的是 AI 编程智能体（能自己读代码、跑命令、提 PR 的编程助手）的安全隐患。过去自动补全只是猜你下一行代码，不会自己动手；现在的智能体却会直接操作系统，但大家沿用的信任模型没有跟着改。问题在于两点：智能体读到的文字既当资料又当命令，而且信任是看“来源渠道”而不是看内容——文件、hooks、MCP 工具只要被打上可信标签，里面藏的指令就会被照做。文章说，仅靠权限提示和沙箱不够，因为没人负责提示之间智能体自己干了什么；作者通过拆解一次会话从启动到执行的各个阶段，展示攻击面在哪里，帮开发者想清楚怎么加固工作流。
展开详情收起详情：AI 编程助手：信任本身就是攻击面⌄
Harness Blog
原文发布：2026-10-16 08:00收录：2026-10-17
LangChain 团队把文档里的示例代码变成 CI 可自动测试的代码，方法是用 Deep Agents CLI 这个命令行智能体，配上预先写好的技能（类似给同事的步骤说明），让智能体自动把文档里的内联代码抽成独立文件、补全可运行的环境、加标记、跑测试，再嵌回文档。原来这些示例是静态的，API 或依赖一变就悄悄失效，而手动改造又太费工，所以很多团队干脆不做。现在只需在文档仓库里对智能体说一句“把某个文件里的内联代码迁移成可测试的示例”，它就会照技能执行，再配合 GitHub Action 定期跑测试并在失败时开单。这一做法目前是 LangChain 团队自用的示例，Deep Agents CLI 可查看官方文档试用，技能脚本需自己在仓库中配置，并非开箱即用的成品服务。
文中可用工具
- Deep Agents CLI一个命令行智能体，可用对话方式让它按技能说明自动完成文档代码迁移等任务
- Skills可复用的步骤说明文件，智能体在任务匹配时加载并照做
- Bluehawk根据标记从代码中抽取片段的工具，生成可嵌入文档的代码片段
- Mintlify文档平台，接收生成的代码片段作为文档内嵌内容
- GitHub Action定期自动运行代码示例测试，并在失败时创建工单
展开详情收起详情：我们如何让文档自己测试自己⌄
LangChain Blog
原文发布：2026-10-14 03:56收录：2026-10-14
OpenCode 是一个开源的 AI 编程助手，背后的公司 Anomaly 今天正式发布了 2.0 版本。此前它有三个多月处于公测阶段，更新一直在发但缺少说明，开发者搞不清它到底算不算稳定版。这次 2.0 把终端、桌面和网页三种界面接到同一个后台服务上，也就是说你可以先在终端里开始一个会话，再换到桌面或网页应用继续，自己写的脚本也能连上同一个服务；同时重写了 API，并新增了一个可嵌入的 SDK。对使用者的好处是切换界面不用重开会话，也更容易把它嵌进自己的工具里。需要注意的是，SDK 官方表示仍在开发中。
文中可用工具
- OpenCode开源 AI 编程助手，可在终端、桌面和网页中使用
- @opencode/client用于通过程序访问新版 API 的 JavaScript 包
- @opencode/sdk可嵌入的 SDK，把 OpenCode 集成进自己的应用（官方称仍在开发中）
- Model Context Protocol让智能体调用外部工具的协议标准
展开详情收起详情：“一次重大重构”：OpenCode 2.0 将终端、桌面和网页应用统一到一个共享服务上⌄
The New Stack
原文发布：2026-10-13 05:11收录：2026-10-13
GitHub 官方博客介绍了让 Copilot 更懂你项目的四种自定义方式。原来每次让 Copilot 改代码，都得反复解释项目的命名规范、测试脚本和目录结构，新来的 Copilot 完全不了解这些“家规”。现在可以把这些知识直接写进仓库：用自定义指令说明通用规范，用 Agent 技能打包重复流程（如跑测试和 lint），用自定义 Agent 处理无障碍审查这类跨文件任务，还能通过 MCP 服务器接入 Playwright 等外部工具让 Copilot 在浏览器里实际操作验证界面。这样 Copilot 就能自动读取项目规则，减少重复说明，按团队既定流程干活。文章还推荐了社区分享的 Awesome Copilot 资源库，并建议先从一个常被重复解释的规范开始，写进 .github/copilot-instructions.md 试起。
文中可用工具
- GitHub CopilotAI 编程助手，可根据项目上下文帮开发者改代码
- Playwright通过 MCP 服务器让 Copilot 打开浏览器并手动测试应用界面
- MCP servers把 Copilot 连接到外部工具、数据源和服务，扩展其能力
- Awesome Copilot社区分享的现成自定义指令、技能和 Agent 等资源集合
展开详情收起详情：GitHub Copilot 入门指南：如何让 Copilot 了解你的代码库⌄
GitHub Blog
原文发布：2026-10-13 01:43收录：2026-10-13
这是一期播客节目，主持人 Michael Stiefel 请来架构师 Joy Ebertz，聊 AI 正在怎样改变架构师和开发者的日常工作。节目指出，架构师最容易忽略的一件事，是替业务的长期成功做打算；而当 AI 不断改变软件开发的面貌时，这件事反而变得更重要。节目没有给出具体工具清单或落地步骤，主要是观点层面的讨论，适合想了解 AI 对开发角色长期影响的听众。
展开详情收起详情：播客：用 AI 编程到底意味着什么——与 Joy Ebertz 的对话⌄
InfoQ Architecture & Design
原文发布：2026-10-12 19:00收录：2026-10-13
Spotify 说，用上 AI 辅助开发后，每个月合并进主干的代码变更数量翻了一倍多。代码改得又快又多，怎么保证不出大问题就成了新麻烦，于是他们重新检查并调整了测试、可观测性、回滚能力、任务优先级和自动化维护等环节，来适应这种更高的变更速度。对读者来说，这提供了一个真实案例：AI 编程真正的挑战不只是写代码变快，而是配套的质量和应急机制能不能跟上。
展开详情收起详情：Spotify：AI 加速开发，月度代码变更量翻倍有余⌄
InfoQ Architecture & Design
原文发布：2026-10-12 21:57收录：2026-10-13
很多过去觉得做软件门槛很高的人，现在也能动手做东西了。原因是用自然语言（比如直接说“帮我做个前端”）就能指挥 AI 帮自己写出代码，不再必须学很多年编程。GitHub 博客这篇采访了多场黑客马拉松的参与者，发现有人靠 GitHub Copilot 在半小时内做出前端并接上新闻 API，当有人遇到 bug 或演示失败时，也能当场重来。对读者来说，如果你有想法但不会写代码，可以先参加一场黑客马拉松，在两天里专注做出一个小原型，失败也没关系。文中的 GitHub Copilot 在博客里是既有产品或入口，但文中没有说明其独立应用何时开放；可用的具体工具和链接以原文为准。
文中可用工具
- GitHub CopilotAI 编程助手，能根据自然语言帮用户生成前端代码，并接入 API
- GitHub Student Developer Pack面向学生的开发者工具包，可免费使用 GitHub Copilot 等工具
展开详情收起详情：黑客马拉松为何仍是学习编程的最佳场所：与 GitHub Copilot 一起构建⌄
GitHub Blog
原文发布：2026-10-10 00:00收录：2026-10-10
GitHub 把 Copilot 运行时的 80 多万行代码，从 TypeScript 和 Node.js 换成了 Rust。Rust 是一种运行更快、更省内存的编程语言。他们没停下来重写，而是边跑边换：先用 N-API 让新旧代码互通，再配合自动测试和人工检查，分 128 次小改动逐步完成，大约花了 14.5 周，期间正常发布版本。对用户来说，Copilot 后端未来可能更快更稳；不过文章只提到迁移过程，没有说明实际性能提升了多少。
文中可用工具
- N-API让 Rust 代码和原来的 Node.js 代码互相调用的接口，方便边跑边换
- Rust用来替换 TypeScript 和 Node.js 的新编程语言，运行更快更省内存
- TypeScriptCopilot 运行时原来使用的编程语言
- Node.jsCopilot 运行时原来运行的 JavaScript 环境
展开详情收起详情：GitHub 借助 AI 辅助重写，将 Copilot 运行时迁移至 Rust⌄
InfoQ Architecture & Design
原文发布：2026-10-09 22:29收录：2026-10-10
Google 发布了 Android Bench 2.0，这是它用来测试 AI 在 Android 开发任务上表现的一套评测框架。以前的评测主要针对比较短、步骤少的问题，很难反映 AI 应对复杂多步开发任务的能力。新版本加入了长周期任务、让智能体（能自主执行多步操作的程序）参与评估，以及连续评分，从而更细致地衡量表现。对开发者来说，未来挑选或对比 AI 编程工具时，可能多了一个更贴近真实开发难度的参考依据。
展开详情收起详情：Android Bench 2 新增长周期任务、智能体评估与连续评分支持⌄
InfoQ Architecture & Design
原文发布：2026-10-10 01:00收录：2026-10-10
LegalOn 把每天使用 Codex 的估算成本降低了 65%，但开发速度没有变慢。做法是根据任务难度，把 Astra、Sol 和 Luna 这三种情况分别匹配到合适的用法上，并提前规划好预算。对读者来说，这说明大模型编程工具的费用并非只能一路走高，通过合理分配任务和管好预算就能明显省钱。
文中可用工具
- Codex用于辅助编程的 AI 工具，LegalOn 用它写代码并把成本降了下来
- Astra文中提到的一种用法或档位，被按任务类型进行匹配
- Sol文中提到的一种用法或档位，被按任务类型进行匹配
- Luna文中提到的一种用法或档位，被按任务类型进行匹配
展开详情收起详情：LegalOn 将 Codex 成本减半，同时保持开发速度⌄
OpenAI News
原文发布：2026-10-08 20:00收录：2026-10-09
GitHub Copilot 很快会自动决定编程任务是在本地还是云端运行，预计10月底上线。微软说会看任务和缓存状态来选，但没说 Auto 模式会把多少代码库信息传到云端，也没说开发者能不能查看或限制这些决定。本地跑模型需要大内存，目前只针对特定 Windows 设备，选了本地模型也不等于完全离线，因为它仍可能联网。
文中可用工具
- GitHub CopilotAI 编程助手，即将自动决定代码任务是本地还是云端运行
- Project HydraFusion为编程任务选择模型的系统，扩展后负责决定在哪里运行
- MAI Code 1.1 Flash微软的本地代码模型，可离线运行
- Windows ML providerWindows 上运行本地模型的接口，原文未详细说明用途
- Execution Containers (MXC)微软开源库，用于强制沙箱策略
- ProcessContainer 后端 BaseContainer 层级Windows 上的沙箱执行环境，原文未详细说明用途
- SeatbeltmacOS 上的沙箱机制，原文未详细说明用途
- bubblewrapLinux 上的沙箱工具，原文未详细说明用途
- copilot-sdk在演示中用于构建每日分诊仪表盘的项目
- SWE-Bench Verified代码任务评测基准，用于对比量化前后性能
- Terminal-Bench 2.1终端任务评测基准，用于对比量化前后性能
- OpenAI-compatible local endpoints兼容 OpenAI 的本地模型接口，让开发者选择本地模型
展开详情收起详情：GitHub Copilot 将支持本地推理，但微软未说明哪些数据会发送到云端⌄
The New Stack
原文发布：2026-10-09 01:49收录：2026-10-09
这篇博客记录了作者用 Harness 搭建 CI 流水线的一次实际体验：他有一个 Java Maven 项目（含 42 个单元测试和 Dockerfile），以前搭流水线要手写一堆 YAML 配置，这次他把 GitHub 仓库授权给 Harness，让内置 AI 扫描代码、自动识别 Java + Maven 并生成构建、测试、缓存步骤，再手动加一步把镜像推到 DockerHub。整个过程不用写一行流水线 YAML，首次运行 2 分 34 秒全部通过，加上推送 DockerHub 后整条流水线也只跑了 3 分多钟，适合想快速体验 Harness CI 的开发者参考。
文中可用工具
- Harness CI自动化构建、测试并推送代码的持续集成平台，可让 AI 自动生成流水线
- GitHub存放源代码的代码托管平台，本次用它授权连接仓库
- Docker把应用打包成镜像并推送到镜像仓库
- DockerHub存放和分发 Docker 镜像的公共仓库
展开详情收起详情：Harness CI 流水线教程：构建并推送 Docker 镜像⌄
Harness Blog
原文发布：2026-10-08 22:55收录：2026-10-09
GitHub 和微软一起做了一个叫 ReviewBench 的测试，用来比一比各家 AI 代码审查工具谁更会挑毛病。测试方法是从 GitHub 上真实代码改动的记录里提炼出“应该被发现的”问题，再看各家工具能找出多少。结果 GitHub 自家的 Copilot 排第一，但因为测试是 GitHub 自己做的，而且不同工具测试时间差了好几个月，所以这个成绩要打个折扣。在另一家独立机构 Martian 做的测试里，Copilot 只排第四或第五，冠军分别是 Cubic 和 Qodo Deep。这说明同一款产品在不同测试里名次差别很大，结论不能只看一家。
文中可用工具
- GitHub Copilot code reviewGitHub 自家 AI 代码审查工具，在自家 ReviewBench 测试中排名第一，但在独立 Martian 测试中排名靠后
- ReviewBenchGitHub 与微软合作开发的开放基准测试，用于评估 AI 代码审查工具在 pull request 中发现问题能力
- Code Review BenchAI 研究公司 Martian 推出的独立代码审查基准测试，包含离线测试和基于真实开源仓库的在线追踪
- Qodo提供 AI 辅助代码审查的产品，在 Martian 离线排行榜中排名第一
- Greptile提供 AI 辅助代码审查的产品，在 Martian 在线排行榜中排名第二
- Cubic提供 AI 辅助代码审查的产品，在 Martian 在线排行榜中排名第一
- Devin提供 AI 辅助代码审查的产品
- Cursor提供 AI 辅助代码审查的产品
- CodeRabbitAI 代码审查工具，在 Martian 在线排行榜中排名第三
- Claude Sonnet 5用于 ReviewBench 中对审查发现进行分类
展开详情收起详情：Copilot 在 GitHub 自家 AI 代码审查基准测试中登顶，但独立测试结果却另有说法⌄
The New Stack
原文发布：2026-10-07 02:06收录：2026-10-07
GitHub 推出了 ReviewBench，一个用来评估 AI 代码审查工具的公开基准。此前，各家 AI 审查工具好坏难分：有的发现问题多但噪音大，有的漏报多，团队缺少统一标准来判断谁更适合自己。ReviewBench 参考了 GitHub 上超过 1 亿个真实 PR 的语言和规模分布，挑选了 19 种语言的 219 个公开 PR，用人工审查、前沿大模型和静态分析共同构建“标准答案”，并按严重程度和类别打分，衡量准确率和召回率。它还经过资深工程师独立校验，与线上实验方向基本一致，因此开发团队可以用它离线预判改动是否真的能改善用户体验。该基准目前已可直接使用，且开放提交结果。
文中可用工具
- ReviewBench一个公开基准，用于在统一标准下测试和比较 AI 代码审查工具
- Copilot code reviewGitHub 的 AI 代码审查功能，文中用 ReviewBench 对其进行离线评估
展开详情收起详情：ReviewBench：面向 AI 代码审查的开放基准⌄
GitHub Blog
原文发布：2026-10-05 23:59收录：2026-10-06
这期 Spring Office Hours 播客由 Dan Vega 和 DaShaun Carter 主持，请来 Spring 生态知名开发者 Josh Long，一起聊软件开发未来，还回应了最近流传的一个争议观点。节目以直播形式进行，观众可以在线提问，也可以稍后通过播客平台收听回放。节目笔记里列了一串相关话题和工具，包括 Rails World 2026 主题演讲、Java 的 JSON API 提案、Netflix 的 Java 格式化工具 jfmt、Spring Modulith，以及可以在 Ollama 上本地运行的小型代码模型 Qwen2.5-Coder 1.5B 和 Ollama Cloud 云服务。对普通读者来说，这更像一份技术圈资讯清单而非成品工具指南，具体讨论内容需收听节目，材料未说明这些工具何时开放或如何使用。
文中可用工具
- jfmtNetflix 开源的 Java 代码格式化工具，仓库链接已给出
- Spring ModulithSpring 生态中用于构建模块化应用的支持项目；原文仅列名称，未说明具体用途
- Ollama在本地运行大模型的工具，本期提到用它跑 Qwen2.5-Coder 1.5B 小模型
- Qwen2.5-Coder 1.5B体积较小的代码生成模型，可在 Ollama 上本地运行
- Ollama CloudOllama 的云端服务；原文仅列名称，未说明开放状态与用途
展开详情收起详情：Spring Office Hours 播客 S5E25：与 Josh Long 畅谈软件开发未来⌄
Spring Blog
原文发布：2026-10-05 08:00收录：2026-10-06
GitHub 博客发表了一篇文章，讲的是 AI 正在改变开发者的干活方式，光会写代码已经不够了。文章建议开发者重点练三件事：一是学会“指挥”AI 智能体，把问题说清楚、给对上下文，而不是自己一行行写；二是不轻信 AI 的第一版答案，可以让另一个 AI 模型来挑毛病，再自己拍板；三是把省下的时间用来想更大的问题，比如判断用户需求、权衡架构方案、定义成功标准。对读者来说，这说明以后的核心竞争力可能不是你写代码有多快，而是你能不能判断 AI 写得好不好、该不该上线。文章只给了方向性建议，没有给出具体数据或发布日期。
文中可用工具
- GitHub CopilotAI 编程助手，文中提到它内置了 Rubber Duck agent。
- Rubber Duck agentGitHub Copilot 内置的评审智能体，用一个模型去审查另一个模型生成的计划、代码和测试。
展开详情收起详情：AI 正在改变开发者的工作方式，这里有三个需要加强的技能⌄
GitHub Blog
原文发布：2026-10-02 23:00收录：2026-10-03
GitHub 博客作者精选了 GitHub Universe 2026 大会的 10 场技术演讲。这些演讲围绕几个实际问题展开：怎么确认 AI 写的代码真的能用、AI 该记住什么该忘什么、依赖包背后藏着什么风险，还有如何在网络不稳定的地方开发软件。对普通开发者来说，可以借此了解 AI 编程代理的验证方法、权限管理、评测方式，以及 npm 供应链安全、离线开发等实用话题。文章只是演讲预告和议程推荐，具体内容要等大会现场分享。
文中可用工具
- npmJavaScript 包管理工具，用来安装和管理项目依赖
- CopilotGitHub 的 AI 编程助手，能帮写代码，也在研究它该记住什么上下文
- MCP让 AI 代理连接外部工具和数据的协议，文中讨论它的权限控制
- GitHub ActionsGitHub 的自动化工作流工具，用于构建、测试和发布软件
- Vite+开源的前端工具链命令行工具，尝试用一个 CLI 管理打包、测试、代码检查等
- CarbonSight为加纳网络条件差的社区开发的软件，文中会有离线演示
展开详情收起详情：GitHub Universe 2026 上我最期待的 10 场技术演讲⌄
GitHub Blog
原文发布：2026-10-01 23:07收录：2026-10-02
这篇文章用日常语言对比了四种应用安全扫描工具，用来回答三个不同问题：代码写得安全吗（SAST）、依赖库有已知漏洞吗（SCA）、运行中的应用能被攻击吗（DAST），而 IAST 则从程序内部观察数据流动。文章说大多数安全团队不会只跑一种扫描，而是在开发流程的不同阶段组合使用：SAST 和 SCA 可在代码提交、PR 等早期阶段运行，DAST 和 IAST 需要应用真正跑起来，通常放在 QA、预发布环境。它的原则是越早发现、修复越便宜。对开发团队来说，这提供了一张按阶段选工具的决策地图；但文章只是概念性对比，没有给出具体工具名称、价格或发布状态。
展开详情收起详情：SAST vs SCA vs DAST vs IAST：如何选择合适的安全扫描⌄
Harness Blog
原文发布：2026-09-30 08:00收录：2026-10-01
Patrick Debois 分享了一个观点：把 AI 编程助手用到的“上下文”（可以理解为喂给它的背景信息，比如代码库说明、规则、文档）当成代码来管理。原来上下文往往散落各处、没有测试和版本控制，输出的结果也不稳定、难控制。他借用软件工程里成熟的做法——测试、CI/CD、包管理、安全扫描——来管理上下文，让团队能可靠地扩展 AI 编程代理，并对不确定的输出保持掌控，逐步积累组织知识。对读者的用处是：如果你想让 AI 编程助手在团队里稳定工作，可以借鉴这套把上下文当代码来维护的思路。目前材料只是演讲介绍，没有给出具体实施步骤或工具细节。
展开详情收起详情：演讲：上下文即代码⌄
InfoQ Architecture & Design
原文发布：2026-09-30 19:00收录：2026-10-01