搜索归档

谷歌把安卓的钥匙交给了竞争对手

谷歌向第三方编程智能体（能自动写代码、查问题的 AI 工具）开放了安卓开发工具，不再只推自家的 Gemini。以前智能体只能靠翻代码猜项目情况，现在可以直接读取项目结构、模拟器、日志和线上崩溃报告。例如 Claude Code 借助泄漏检测库找到内存泄漏并修复验证，谷歌称这类排查快了近一倍、省了最多 25% 的 token。开发者可以在 Android Studio 里自由切换 40 多种智能体，还能用命令行工具在终端预览界面、测试真机。不过谷歌没说明 77% 提速等数据的测量方式，且仍有“能自动找 bug 却修不完”的教训，人工把关不能省。

GitHub Universe 2026：演进技术栈的每一层

GitHub 在年度大会 Universe 上宣布，要把 GitHub 打造成覆盖软件开发全流程的端到端平台。过去开发者主要写代码，现在则越来越多地让 AI 助手和 Agent 承担实现与验证工作，问题在于多模型、多工具、多仓库之间切换繁琐，代码变多后审查压力也增大。这次 GitHub 推出面向 Agent 的 Copilot 应用、能自动挑选和执行模型的 Copilot Fusion、可跨多个仓库并行运行的 Copilot projects，以及能在手机、VS Code、命令行和网页间接续的会话同步，还有能根据运行结果自我改进的自动化流程。此外，企业客户无需再单独购买 Copilot 订阅，按使用的 AI 额度付费即可。对普通开发者来说，这意味着可以把更多执行环节交给 Agent，自己专注于方向和决策。

model-ladder：为 Claude Code 与 Codex 插件按任务难度分级路由模型并验证结果

neilyonglu/model-ladder · Run each coding task on the cheapest model and effort likely to succeed, verify it with your tests, and escalate only when an attempt fails.

model-ladder 是 Claude Code 和 Codex 的插件，通过 Router、Worker、Verifier 三个环节工作：先由路由器为每个编码任务挑选成本与能力匹配的模型及 effort 等级，再由 Worker 在隔离的 Git worktree 中执行，失败时按阶梯升级到更强模型或更高 effort，最后由 Verifier 用项目测试命令校验，通过后才交付结果。它还提供用量守卫与交接文档、任务状态面板、并发运行冲突检测、可配置的 worker/verifier 技能指令等能力。安装需 Git 与 Node.js 20+，并在 Git 仓库中运行，具体模型与测试条件需自行配置。

Ralph Claude Code：融合 OpenAI 与 Claude 的命令行 AI 编程助手

victorfs1234/claude-ralph-agent-bridge · 🚀 ralph-claude-code: AI Code Assistant 2026 – Smart Repo Management & Automation Toolkit

Ralph Claude Code 是一个面向开发者的命令行 AI 代码助手，README 声称通过统一入口结合 OpenAI 的推理能力与 Claude 的上下文理解，用于代码生成、代码分析、漏洞扫描、测试生成、文档生成和语言转换等任务，并支持配置管理、插件化功能与多语言界面。材料中多处宣传性描述和性能、支持、安全认证等声明缺乏可核实依据，且实际仓库内容与介绍存在不一致，选型时需谨慎评估。

agent-prompt-rules-system：面向个人开发者的 Claude Code 配置、场景技能与工具接入管理

lamxy/agent-prompt-rules-system · 面向个人开发者的 Claude Code 配置与技能管理工具：精简的用户级配置，PRD / 前端 / 后端 / DevOps 四个场景的开箱即用场景包（settings、CLAUDE.md、MCP、agents），开源工具的幂等安装支持包，并可同步到 Codex。

该仓库是一套面向个人开发者的 Agent 配置与技能管理工具，以 Claude Code 为主并兼顾 Codex。它提供精简的用户级配置、PRD/前端/后端/DevOps 四个场景的 settings、CLAUDE.md、.mcp.json、agents 与 skills 场景包，开源库本地化支持包的幂等安装脚本，并能把个人差异规则同步到 Codex。项目定位已从早期分层提示词规则系统转型为配置同步与技能管理，原规则系统归档保留；配置中带有作者本机环境假设，直接使用前需阅读对应 README。

MemKernel：为 AI 编程助手提供代码感知的分层持久记忆

gosha70/memkernel · Code-aware, tiered memory for AI coding copilots: MCP server + Python library (ChromaDB, hybrid search, consolidation, LLM-wiki bridge)

MemKernel 是一个面向 AI 编程助手的代码感知记忆服务，以 MCP 服务器和 Python 库形式提供。它把项目决策、约定、事实、流程和代码快照存入本地 ChromaDB 向量库，让 Claude Code 等兼容 MCP 的助手在上下文压缩或会话结束后仍能按需检索。项目通过 tree-sitter AST 按函数和类边界切分代码，结合稠密向量与 BM25 混合检索，并用工作、短期、长期三层记忆及淘汰、提升、取代和代码快照重新校验机制管理知识的生命周期；长期知识还可经 wiki 桥导出为可纳入 Git 版本管理的人类可读文档。