搜索归档

AI顶级编程智能体在私有代码库基准测试中失败率超60%

Y Combinator投资的Specific Labs推出新基准Real-SWE，将编程智能体投入真实企业的私有代码库进行测试。Claude Fable 5.1以38.8%的成功率领先，但整体失败率仍超60%；单任务成功率更低，六项任务不足15%，有一项在64次尝试中无人解决。

{unscripted} 旧金山回顾：你信任你的 AI 智能体吗？

{unscripted} 2026 旧金山站围绕 AI 智能体在软件交付生命周期中的信任、安全与采用展开讨论。核心观点包括：信任是底线，护栏应针对可逆性设置；攻击者利用漏洞的时间已从 125 天缩短至约 1 天，而防守方平均仍需约 7 天修补；代码审查而非代码生成正成为新瓶颈。

演讲：Agent 架构中的决策模型——从生产到 Agent Skills

Alex Porcelli 探讨企业 AI 的关键缺口：高风险决策中的非确定性输出与责任缺失。他分享如何将 DMN 决策模型与 LLM、Agent Skills 及 NeMo Guardrails 集成，构建可审计、确定性的 Agent 架构，让业务负责人拥有决策逻辑，同时工程师维持稳健的架构治理。

播客：如果 AI 承担日常编码工作，我们该如何培养开发者？对话 Scott Hanselman

在这期播客中，Michael Stiefel 与 Scott Hanselman 探讨了当 AI 智能体承担了初级开发者过去赖以训练的多数工作时，软件行业应如何培养新一代软件工程师。Hanselman 建议借鉴护理行业的带教模式（preceptorship model）。

在 Postgres 上实现持久化工作流，无需外部编排器

Postgres 可作为工作流的持久化状态存储与协调层，无需外部编排器。SKIP LOCKED 支持并发处理，主键检查点保证幂等性，租约机制支持崩溃恢复。工作流休眠与人工审批也可持久化为数据库状态，并在重启后存活。作者 Raman Varma。

Agoda 用 DragonflyDB 替换 72 分片 SQL Server 价格缓存

Agoda 将 1.5 TB 的酒店价格缓存从 72 个 SQL Server 分片迁移至 DragonflyDB，以应对不断增长的读写量。迁移采用分阶段双读、一致性校验、逐步流量切换和去中心化故障转移检测。Agoda 报告 P99 读取延迟降低约八倍，两个 DragonflyDB 集群提供高可用性。作者：Leela Kumili。

Java 新闻综述：OpenJDK 新 JEP、CDI 5.0、Spring、Open Liberty、RefactorFirst、Kotlin ADK

2026 年 9 月 7 日 Java 周报：新增提前编译与结构化并发 JEP；Jakarta CDI 5.0 和 Kotlin ADK 1.0 正式发布；Open Liberty 2026 年 9 月版；TornadoVM 与 RefactorFirst 点版本更新；Micronaut 维护版本；Groovy 6.0 与 Gradle 9.8 首个候选版本。作者 Michael Redlich。

DevFest 回归

Google Developer Groups（GDG，谷歌开发者社区）宣布 DevFest 2026 回归，活动时间为 10 月 1 日至 12 月 31 日，预计全球近百万开发者参加。今年主题是“构建、安全、扩展：Agentic 时代的开发者与建设者”，重点让参会者亲手体验 Gemini、Google AI Studio、Google Antigravity、Google Cloud、Firebase、Android、Flutter、Angular 和 Web MCP 等谷歌技术栈，形式包括现场 codelabs、工作坊和 agent-athon。全球 115 个国家计划举办 800 多场活动，各地 GDG 自行策划议程，帮助本地开发者提升技能、测试新架构并连接社区。想参加可通过 DevFest 活动目录查找本地活动。

观看宇航员克里斯蒂娜·科赫与谷歌的詹姆斯·曼尼卡探讨太空、技术与探索

谷歌发布了一期对谈视频，请来NASA宇航员克里斯蒂娜·科赫和谷歌研究高级副总裁詹姆斯·曼尼卡聊太空与技术。科赫曾在天上待了328天，还完成过首次全女性太空行走，接下来要参加绕月飞行。她对谈里把从25万英里外看到的地球比作蓝色救生艇，并谈到宇航员、机器人和AI之间需要紧密配合。视频还聊到“我们是否孤独”这个问题，她给后来者的建议是做令你害怕的事、支持身边的人。对普通读者来说，这是一段面向大众的科普对话，目前已可观看。

Perplexity 信任 GPT-6 Astra 端到端系统

Perplexity 使用 Astra 编写通讯内容、修改软件并监控生产系统，相比早期模型，人工复核频率大幅降低。

Fyxer 如何打造人们信任的 AI 行政助理

Fyxer 利用 OpenAI 模型、微调、记忆机制和真实用户反馈，帮助用户整理收件箱，并以每位用户自己的语气起草邮件。

我们如何构建 LangChain 的 GTM Agent

了解我们如何构建一个 GTM agent，将潜在客户转化率提升 250%，同时每月为每位销售代表节省 40 小时。

Connections：Managed Deep Agents 的凭据管理与调用者身份支持

Managed Deep Agents 中的 Connections 功能可安全管理凭据，支持按用户 OAuth，并让智能体以每位调用者的身份执行操作。

Credit Genie 如何用 OpenWiki 保持代码库文档常新

介绍 Credit Genie 使用 OpenWiki 自动化仓库文档，减少部落知识，为工程师和编码智能体提供可搜索的代码库上下文。

欧洲与中东企业级 Agent 规模化实践：施耐德电气、Vodafone 与 monday.com 的经验

文章探讨欧洲与中东地区企业级 AI Agent 的落地路径，指出企业更倾向于先建平台再规模化，而非从单一聊天机器人起步。内容涵盖施耐德电气 350 人 AI Hub 支撑 60+ Agent 的 LLMOps 实践、monday.com 将 Sidekick 从单一大模型 Agent 重构为分层子 Agent 系统、Vodafone 基于 LangGraph 构建 Insight Engine 与 Enigma 两个生产级助手，并总结中央 Agent 平台、受监管文档与后台工作、风险合规安全运营、联邦式构建、可观测性与成本控制五大新兴模式。

我们如何构建 LangChain 的付费媒体 Agent

LangChain 的营销团队原本主要靠开源、内容、YouTube 和社区自然增长，今年开始投付费广告，半年内扩展到五个渠道，小团队很难同时跟踪各平台的广告数据、效果和实验。于是他们做了一个常驻 Slack 的付费媒体 Agent：每周一把广告平台数据与仓库里的线索、销售管道数据合并，输出各渠道的总结和 PDF 报告，还能在对话中回答追问，并基于团队经验提出关键词、定向、文案或新广告系列建议，经人工审批后才执行。他们用 Deep Agents 做 Agent 运行框架，用沙箱环境跑代码和做分析，原则是让模型负责判断、让代码负责计算，结果报告流程成本降低约 40 倍、速度快 13 倍。该项目已开源，可作为自建类似 Agent 的起点。

Project NOMAD：离线优先的知识与教育服务器

Crosstalk-Solutions/project-nomad · Project NOMAD is an offline-first knowledge and education server. Wikipedia, thousands of books, courses, maps, and optional local AI, all running on hardware you own with no internet required.

Project NOMAD 是一个自包含的离线优先知识与教育服务器，通过 Docker 编排一系列容器化工具。内置能力包括：基于 Ollama 或 OpenAI 兼容接口的本地 AI 对话并配合 Qdrant 实现文档上传与语义搜索（RAG）、通过 Kiwix 提供的离线 Wikipedia 与电子书、通过 Kolibri 提供的 Khan Academy 课程与进度跟踪、通过 ProtoMaps 提供的离线地图、通过 CyberChef 提供的数据工具、通过 FlatNotes 提供的本地笔记、硬件基准测试与社区排行榜、一键应用目录（Supply Depot）以及可配置的自动更新。项目提供“Command Center”管理界面与 API，统一处理安装、配置和更新，主要面向浏览器访问。

MiroFish：基于多智能体群体智能的通用预测仿真引擎

666ghj/MiroFish · A Simple and Universal Swarm Intelligence Engine, Predicting Anything. 简洁通用的群体智能引擎，预测万物

MiroFish 是一个多智能体技术驱动的预测引擎，可从新闻、政策草案、金融信号等真实世界素材中提取种子信息，自动构建高保真的平行数字世界。在这个数字空间中，成千上万个具有独立人格、长期记忆和行为逻辑的智能体自由交互并进行社会演化，用户可从"上帝视角"动态注入变量以推演未来走向，最终获得详细的预测报告和可深度交互的仿真世界。项目支持舆情分析、金融预测、小说结局推演等场景，采用 Python 实现，仿真引擎基于 OASIS 构建。

Sniffly：Claude Code 使用统计与错误分析仪表盘

chiphuyen/sniffly · Claude Code dashboard with usage stats, error analysis, and sharable feature

Sniffly 是一个本地运行的 Claude Code 日志分析仪表盘，用于查看使用统计、错误类型分布以及消息历史记录，并支持将项目统计和指令通过链接分享给同事。所有数据处理在本地完成，无遥测，分享功能为可选。

AlphaGenome Research：统一 DNA 序列模型的科研实现与变体效应预测

google-deepmind/alphagenome_research · Research code accompanying AlphaGenome

AlphaGenome 是 Google DeepMind 提出的统一 DNA 序列模型，可分析最长 100 万碱基对的 DNA 序列，在单碱基分辨率下预测基因表达、剪接模式、染色质特征和接触图等多种模态。本仓库提供该模型的研究代码：基于 JAX 的模型实现、AlphaGenome API 及变体打分器、从 TFRecords 读取训练数据的数据集加载器，以及用于运行模型和评估分析的 Colab notebook。预训练权重可从 Kaggle 或 Hugging Face 下载，需接受非商业模型条款。