搜索归档

Skill Forge (SKF)：将代码仓库与文档编译为可溯源、版本锁定的 AI Agent 技能

armelhbobdad/bmad-module-skill-forge · A standalone BMAD module that transforms code repositories, documentation websites, and developer discourse into agentskills.io-compliant, version-pinned, provenance-backed agent skills.

Skill Forge（SKF）是一个独立的 BMAD 模块，用 Python 实现，可将代码仓库、文档网站与开发者讨论内容转化为符合 agentskills.io 规范、按版本固定且带来源溯源的 agent 技能。每条指令都可回溯到固定 commit 的具体 file:line，或对应的文档 URL，并提供 provenance-map.json、测试与证据报告，便于在 60 秒内人工核验。技能按版本目录存储、可跨 Claude、Cursor、Copilot 等 agent 使用，并提供重命名、弃用、删除、导出等生命周期工具，还支持从文档单独生成技能（无公开代码的场景）。安装需 Node.js ≥ 22、Python ≥ 3.11 与 uv，通过 npx 安装后与 Ferris 智能体交互。

AIWG：为 Claude Code、Codex、Copilot、Cursor 等 AI 工具提供可复用的项目上下文与专家工作流

jmagly/aiwg · Reusable project context and specialist workflows for the AI tools you already use. Agents, skills, rules and MCP tools for Claude Code, Codex, Copilot, Cursor and more, plus SDLC workflows, session memory, and Jev decision support that offloads bounded LLM decisions to save tokens.

AIWG 是一套围绕现有 AI 编程工具（Claude Code、Codex、Copilot、Cursor 等 18 个具名 provider 及通用适配器）部署可复用项目上下文的框架。它把 agents、skills、commands、rules、behaviors、templates 等 Markdown/YAML 资产通过 `aiwg use` 部署到各 provider 读取的路径，实现一份来源多处复用；并提供持久化产物记忆（.aiwg/）、后台编排、自主循环、产物索引、成本遥测与健康诊断等可选工具，覆盖 SDLC 工作流、会话记忆以及把有界 LLM 决策卸载给 Jev 的决策支持。项目还提供可选的 AIWG Cockpit 与自托管 Agentic Sandbox 隔离执行器安装路径。

OpenCode：开源 AI 编程智能体

anomalyco/opencode · The open source coding agent.

OpenCode 是一个开源的 AI 编程智能体（coding agent），以 TypeScript 编写并采用 MIT 许可证。提供终端界面与桌面应用（Beta），内置 build（默认全权限开发）与 plan（只读分析与代码探索）两种可切换 Agent，以及用于复杂搜索和多步任务的 general 子智能体。支持多种包管理器与安装方式，官方文档覆盖配置与 Agent 使用说明。

Dynatrace 达到 FedRAMP Class D（High）初始实施状态

Dynatrace 宣布其面向美国联邦机构的平台已进入 FedRAMP Class D（High）认证流程的“初始实施”阶段，并出现在 FedRAMP Marketplace 上。此前 Dynatrace 只有 FedRAMP Class C（Moderate）认证，满足不了对高敏感级别有要求的机构。这次进展意味着认证还在进行中，但联邦机构可以据此提前规划未来的可观测性、日志管理和自动化需求。注意，这只是规划依据，不代表已获认证，也不能用于 Class D（High）环境部署；现有 Class C（Moderate）服务仍照常可用。

Dynatrace 正式发布端到端 Snowflake 可观测性功能

Dynatrace 宣布其 Snowflake 可观测性功能正式可用。此前，企业用 Snowflake 做数据分析、数据管线和 AI 工作负载时，成本、性能、安全、运维和数据质量的信息分散在不同工具里，出问题常要人工在 Snowflake、监控工具和表格之间来回切换拼凑原因。现在，团队通过 Dynatrace 的 Data Observability 应用就能统一查看这五方面情况：它带引导式接入、自动采集遥测，并预置 14 个仪表盘，接上就能用，不用从空白画布搭起。对读者的用处是：更容易在用户抱怨前发现性能瓶颈、在账单飙升前发现仓库消耗异常、在数据变旧或结构被改时及早察觉，从而减少依赖这些数据的 AI 应用出错。该功能由开源项目 Dynatrace Snowflake Observability Agent 支撑，偏好自行部署的团队仍可用开源版本。

Andrej Karpathy 称仅 5000 人见识过 AI 的真正能力

Andrej Karpathy（OpenAI 创始成员，今年 5 月加入 Anthropic）在 X 上发帖估算：约 60 亿人几乎没用过大语言模型，10 至 20 亿人只是随便用用聊天机器人，约 2000 万人在数学和编程工作中专业使用前沿模型，而真正在实验室内部接触前沿系统的只有约 5000 人。他认为 AI 的普及才刚开始，大多数人只把 AI 当作聊天机器人，而少数开发者看到的能力提升速度惊人。Box CEO Aaron Levie 也认同这一差距，并指出企业落地还面临成本、多智能体管理工具不成熟、数据打通和安全合规等障碍。对读者来说，这意味着现在熟悉 AI 的进阶用法（如让智能体长时间跑任务、自我测试改进）仍有明显先发优势。

编码智能体让构建变容易了：从零自建的平台团队，缺少明确策略的可能性高出 3.5 倍

Octopus 调查了 379 名平台工程从业者，想看看团队在“自己造还是买现成”上的选择能不能反映出他们的策略水平。结果是：主要靠自己从零开发的团队，报告平台缺乏清晰策略的比例约为 57.9%，而主要用模板或现成工具的团队只有约 15.6% 和 16.7%，差了约 3.5 倍。原因在于 AI 编码智能体虽然让写代码变快，一个内部工具可能一天就能搭出来，但后续的维护、升级和治理并不会消失。对读者的意义是：当开发成本下降时，先想清楚哪些该自建、哪些该买，比以往更重要。

谷歌为这个漏洞支付了9万美元，却等了两个月才修复

一位安全研究员在谷歌开发者文档平台 DevSite 中发现了一个严重漏洞。DevSite 把 OAuth 客户端密钥同时当作登录签名的钥匙，还把这段数据放进用户能看到的 Cookie 里；由于服务器反序列化数据的方式不安全，任何人拿到密钥就能伪造登录凭证，并在谷歌服务器上运行自己的代码，无需账号也无需受害者操作。谷歌将漏洞评为最高级别 S0，向研究员支付了 9 万美元奖金，但从 8 月 6 日报告到 10 月 7 日才部署修复，中间空窗两个月。报道未说明谷歌是否做了临时缓解、密钥是否全部轮换、旧会话是否失效，也未证实漏洞是否曾被真实利用。对使用谷歌开发者文档的普通用户来说，风险在于若被利用，文档中的安装命令或下载链接可能被替换成恶意版本，但目前尚无证据表明发生过这种情况。

Kubernetes 上的 GPU 是自带一切，先从账单开始

这篇文章讲的是在 Kubernetes 上跑 GPU 工作负载时，资源计量和分摊几乎全得自己搭。CPU 和内存由内核自动按容器统计，看 Grafana 面板就够；但 GPU 默认没有按 Pod 的用量数据，NVIDIA 的 DCGM exporter 按物理卡汇报，一旦多个 Pod 共用一张卡，每个 Pod 都会显示占满全卡，加起来能变成 300%，数字好看却是错的。文章还指出 GPU 只能按整数张申请、没有超卖和右调空间，共享时算力分配在现有工具下也无法准确归属，因此建议按显存计费、把算力利用率只当参考信号。文章没有给出具体解决方案或发布时间，具体细节原文未完全说明。

“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

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。

GitHub Copilot 入门指南：如何让 Copilot 了解你的代码库

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。

Java 新闻周报：Grails 8、Open Liberty、GlassFish、Infinispan、LangChain4j、Spock

这是 2026 年 10 月 5 日那一周的 Java 生态更新汇总。OpenJDK 方面，有 JEP 被提议纳入 JDK 28，Lazy Constants 特性升到 Candidate 状态。正式版方面，Apache Grails 8.0 和 Open Liberty 20.0.0.10 发布；TornadoVM、Infinispan、LangChain4j 和 Spock 各自推出小版本更新；GlassFish 发布维护版本。对 Java 开发者来说，可以据此了解各框架和工具的版本变化，是否需要跟进升级。信息来自摘要，具体更新内容和改进点原文未说明。

演讲：你无法信任你的 AI 账单，我也一样

Erik Peterson 在一场演讲中指出，AI 开销正在超过云账单，给软件工程带来一场成本危机。他谈到“tokenmaxxing”（无节制地消耗 token）、单位经济学，以及开发者被迫升职等现象。他还预测，到 2028 年，完全自主的 AI 将能编写、部署并治理代码。原文只是一个演讲预告，没有说明具体是哪场活动、何时发布，也没有给出这些判断的详细依据。

播客：用 AI 编程到底意味着什么——与 Joy Ebertz 的对话

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。

何时该用 Liquid Clustering？Lakehouse 布局策略基准测试

有人对比了 Delta Lake 上三种数据布局方式：Liquid Clustering、ZOrdering 和分区。所谓数据布局，就是数据在存储里怎么摆放，摆得好查询就快。作者在四类典型工作负载上做了测试，发现两个此前没被记录过的失效模式，可能已经影响到现在的生产系统。文章最后给出了一套选择布局策略的决策框架，帮助工程师按自己的场景挑合适方案。

Spotify：AI 加速开发，月度代码变更量翻倍有余

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。

miu-cr：CLI、CI 与 MCP 环境下的 AI 代码评审工具

vanducng/miu-cr · Agent-powered AI code review - review staged changes, commits, and GitHub PRs from the CLI, CI, or any MCP host.

miu-cr 是一个由 Agent 驱动的 AI 代码评审工具，可用于评审暂存改动、提交区间以及 GitHub PR，既能在本地 CLI 运行，也能在 CI 中作为门禁，还可通过 MCP 服务器被 Claude Code、Codex 等支持 MCP 的 Agent 调用。它结合确定性引擎与 LLM，在 stdout 输出稳定的 JSON 结构，并支持项目规则注入、评审结果评估以及 GitHub PR 行内评论。

Vouch（SEC 文件财务问答 Agent）：面向美国上市公司财报的可审计工具调用 Agent

Zhonghui-li/sec-filing-agent · Finance-grade tool-calling agent over SEC filings for any US public company: exact XBRL numbers (never LLM arithmetic), every claim cited, abstains instead of fabricating. Validated on FinanceBench (44%→87% coverage, near-zero hallucination) with a 3-layer eval and a domain judge calibrated to human labels (κ=0.76). LangGraph + pgvector.

Vouch 是一个面向美国上市公司 SEC 财报的金融级工具调用 Agent：数值一律来自 XBRL 结构化数据（不让 LLM 做财务算术），叙述性内容通过 pgvector 稠密检索并附 EDGAR 引用，输出护栏会拦截无法追溯到来源的数字，无法回答时以结构化方式弃答而非编造。项目还提供三层评测（确定性 CI 门禁、经人工标注校准的领域评审、FinanceBench 外部基准）、红队测试与可复现的审计回放，并支持上传自有文档以表格单元格级引用作答，同时通过 MCP 暴露同一套工具。

HumanStudy-Bench：面向 AI 智能体评估的人类被试实验标准化回放基准

HumanStudy-Hub/HumanStudy-Bench · HumanStudy-Bench: Community Edition — Standardized human study replays for AI agent evaluation

HumanStudy-Bench 是一个标准化测试平台，用于让 AI 智能体回放人类被试实验。它由三部分构成：按已发表实验协议进行重建的执行引擎、一个持续扩充的可运行社会科学研究集合，以及从行为、效应和科学结论层面进行的评估。初始收录 12 项研究，覆盖认知、策略互动和社会心理学。项目提供直接提交 PR 的贡献路径（复制现有 study 目录结构、本地验证脚本、提交 PR），另有处于升级中的 HumanStudy-Hub 平台自动建研究路径。仓库结构包含 studies、src、playground、agent_pipeline、generation_pipeline、scripts、docs 和 tests。

SurfSense：本地运行的 NotebookLM 式文档 AI 研究助手

MODSetter/SurfSense · Air-gapped, privacy-focused, open-source NotebookLM alternative. AI agent that researches, transforms, and edits your documents. Join our Discord: https://discord.gg/ejRNvftDp9

SurfSense 是一款开源、隐私优先的桌面应用，定位为 NotebookLM 的离线替代方案。它像 AI 助手一样在你本机索引、检索、转换和编辑文档，索引保存在本地磁盘，可选择本地或远程模型，无需账户。支持 PDF、Word、Excel、PowerPoint、CSV、图片、Markdown、HTML 等格式的带引用研究问答、内容生成与编辑、格式转换，并可生成播客、思维导图、闪卡和测验。所有编辑、转换和 PDF 操作都会生成新文件，不改动原文件。