登录社区云,与社区用户共同成长
邀请您加入社区
上周在清理一个多 Agent 协作的代码仓库时,我打开根目录下的 rules 规则文件,赫然发现它已经悄悄膨胀到了整整 520 多行。这 500 多行规则是怎么来的?我本以为把规则堆得严丝合缝,Agent 就能像老架构师一样稳定输出。但现实却狠狠给了我一记耳光:在一次长达 15 轮的长会话中,AI 聊到第 8 轮,不仅把我写在 rules 第 45 行的“严禁直接 catch 异常重试”忘得一干二
今天值得看的 Anthropic 弃用 Git 自建版本控制,Claude 大规模写代码的速度让人类工具变成了瓶颈 GitHub Actions 日志开始自动扫描泄露的密钥,企业管理员可以直接开启 Ramp 用 4 人团队搭了内部 vibe
37 KB 的代码量,给的是骨架和思路,不是开箱即用的东西。学生可以把它当一份很新的学习材料,2026 年 10 月底刚出来的思路,还热乎。做过 Agent 的人都知道,难的从来不是调一次模型,是任务怎么拆、Agent 怎么自己往下走、做到哪一步算完成。这三件事没想清楚,Agent 跑着跑着就散了,要么原地打转,要么把简单事做复杂。重点看两处:任务是怎么拆的,Agent 是怎么判断“这一步该自己往
作为一名一线做业务、画原型、写 PRD,同时日常高强度调度多个 Coding Agent(Cursor、Claude Code、Codex、Antigravity 等)独立开发工具的 AI 产品经理,我和身边很多深度使用 AI 编程的朋友一样,每天都在经历一种让人极其头疼的“会话交接失忆症”:在日常真实项目的开发中,单一工具很难覆盖所有场景。我通常习惯在 Cursor 的可视化编辑器里梳理业务模块
1.1 C语言的起源C 语言是一种通用的高级语言,最初是由丹尼斯·里奇在贝尔实验室为开发 UNIX 操作系统而设计的。C 语言最开始是于 1972 年在 DEC PDP-
今天值得看的 Anthropic 弃用 Git 自建源码控制系统,因为 AI Agent 写代码的速度超出了人类工具的设计上限 GitHub 公开了新的 Git 存储架构,内部实测 5000 个并发 Agent、每秒 7200 次 push
从启动链路、profile 补丁层、cordis 服务树,到 agent-loop、工具契约、事件溯源与安全沙箱,逐层拆 DSH 的真实实现,并给两个可落地的实战:写最小工具插件、搭 CI 专用 profile。
DSH(DeepSeek Harness)是 profile 驱动的 agent 宿主:profile 决定装什么、AGENTS.md 决定脾气、沙箱决定边界、会话决定可复盘。本文从安装讲到插件、子代理、定时任务和 10 个实测坑,附 Windows 全流程命令与真实数据。
基于 codex-cli 0.146.0 的 Windows 实测教程:安装、登录、沙箱与审批、AGENTS.md 规矩、config.toml 配置、CI 非交互用法,附 Windows 6 个坑与 7 天练习计划。
当你在本地同时运行多个 LLM 编码智能体,手动管理 git worktree 是否已让你频频踩坑?这份速查手册直击路径冲突、分支名失效与僵尸工作树三大痛点,用 wt switch、wt merge 等命令让分支名成为唯一入口,实测创建耗时降 68%、误删率降 92% 🚀 附配置模板与上线检查...
想用 AI 写代码,绕不开三个现实问题:Cursor 好用但要付费、界面是英文;VS Code 插件东拼西凑,配一圈才能开工;在线大模型聊天框只能给代码片段,改一个小功能要来回复制粘贴。Cursor 就是后一种工具:它由 Anysphere 公司开发,基于 VS Code 构建,保留了 VS Code 的全部功能和插件生态,同时把 AI 对话和 Agent 深度集成进了编辑器。这篇把从下载安装、登
作为一名一线做业务、画原型、写 PRD,同时日常高强度调度多个 Coding Agent(Cursor、Claude Code、Codex、Antigravity 等)独立开发工具的 AI 产品经理,我和身边很多折腾复杂项目的独立创造者一样,经历过一种让人哭笑不得的“AI 极端二极管行为”:在实际复杂项目的长周期演进中,业务需求和迭代节奏是时刻在动态变化的。上周我在规划一个订单分润结算体系时,设计
今天值得看的 GitHub Copilot 代码审查 API 新增 attribution 字段,能识别评论由 AI 生成,metadata 里还能看到它引用了哪些 skills 和 MCP server GitHub Copilot 影响
以往方式:各个 Agent 自由发挥,每切换一次工具就要面对乱七八糟的新文件夹,平均每次要花20~30 分钟在 VS Code 里拖拽文件、手动修改几十处 import 相对路径,稍不留神就会引发构建失败;现在用 Context Continuity 规约:在AGENTS.md里维护 20 行轻量表格,跨工具派发任务时带上明确落盘路径只需10 秒;所有 Agent 严格在预设槽位读写,跨工具目录冲
作为一名一线做业务、画原型、写 PRD,同时日常高强度调度多个 Coding Agent(Cursor、Claude Code、Codex、Antigravity 等)独立开发工具的 AI 产品经理,我日常经手最多的改版需求,往往都落在大龄“老系统”上。上周我又碰到了一个特别头疼的典型场景:业务方希望给一套已经平稳跑了快四年的老运营后台增加一个“批量标签打标与权限分流”功能。这套系统经历过多轮人员
想用 AI 写代码,绕不开三个现实问题:Cursor 好用但要付费、界面是英文;VS Code 插件东拼西凑,配一圈才能开工;在线大模型聊天框只能给代码片段,改一个小功能要来回复制粘贴。Trae 是字节跳动推出的 AI 原生 IDE,国内版全中文、内置国产大模型、有免费额度,下载安装后就能直接开工。这篇把从下载到第一次用 SOLO 模式做出一个能跑的网页的完整流程走一遍,照着做就能复现。
云端 IDE + SaaS 数据源的人,清单会更偏托管全家桶。本地开发更在意三件事:哪些能在本机跑、哪些会把数据送出机器、以及工具 schema 吃掉多少上下文。最后一点常被低估。前沿大模型尚能在几十个工具里挑对;消费级 GPU 上的 7B/14B,工具一多就乱点。少而可作用域收紧,宁缺毋滥。
今天值得看的 Copilot 影响仪表板加入了 Chat 和 VS Code Agent 使用数据 Copilot 多项 Agent 功能更新:会话压缩、Agent Merge 等待状态、JetBrains Air 支持 Copilot 影
想让 AI 编程任务按天/周自动跑,可以用定时触发加 Agent 任务;中途必须人确认时,把流程拆成执行步和检查点。桌面工具关到托盘通常还能继续,完全退出后定时器不会触发。本文把通用搭法一次说清。
Claude Code 被曝用 curl 抓网页时把 claude.ai 登录邮箱写进 User-Agent 发给第三方网站(issue #107757)。本文在 2.1.299 上用本地接口复现:Opus、Sonnet 7 次都没带邮箱,Haiku 6 次里 2 次直接带上邮箱;给出扫描 ~/.claude/projects 会话记录的自查脚本、旧版本可用的 PreToolUse hook(实测
以往方式:让 AI 修个小 Bug,结果它改了十几个文件,每次都要花40~60 分钟在 Git diff 里痛苦地逐行排查、挑拣有毒改动,甚至常常因为搞乱了底层不得不推倒重来;现在推行最小边界:下发带禁区清单的指令耗时不到15 秒,Agent 30 秒内精准只改目标组件的 3 行代码并跑通定向单测,全流程收口不到3 分钟。AI 编程的效率,往往不取决于模型写代码的速度,而取决于我们控制其破坏半径的
今天值得看的 GitHub Copilot 用量 API 新增遥测缺失和版本差距字段,企业管理员可以按人查 Anthropic 放弃 Git 自建源码控制系统,原因写在工程博客里 GitHub 新存储架构内部测试数据:单仓库 5000 并发
Codex 让开发从“一个人改一个分支”变成大量 Agent 并行提交,传统 Git 服务的全局 ref 协调、动态 pack 生成与集中式仓库锁随之成为瓶颈。本文基于 OpenAI 公开的 Pando 架构,拆解因果一致性、ref version、可复用 packfile、packfile-uri、分层 Compaction 与边缘缓存,并给出团队可落地的容量指标、迁移路径和故障演练清单。
2023年6月,新安装的软件都是新的UI界面,但是前进/后退这对常用的导航键却找不到了,通过本文可以在新版的idea中添加前进后退在菜单栏上,有助于提升开发人员的开发效率。
一丶安装 sudo apt-get install proxychains4 二丶修改配置文件sudo vim /etc/proxychains.conf在文本最后加上你的代理服务器地址,如果有用户名和密码也加上。#各配置项用法如下:#dynamic_chain:#每个连接都将通过链接代理完成#所有代理按列表中显示的顺序链接#至...
1.idea安装报错重现哈希验证不同(怀疑文件损坏)2.解决方法2.1官网论坛的解释2.2下载官方压缩文件百度云:(2017.3.1版zip)链接:https://pan.baidu.com/s/1jIJ45uA 密码:7sg4百度云:(2017.1.5版exe[亲测没有问题!])链接:https://pan.baidu.com...
OpenCode v2.2.5 为上下文与工具链稳定性补上了关键能力:Compaction Buffer 可按模型上下文窗口设置百分比,LiteLLM 的上下文错误能触发压缩恢复,切换模型与续接响应时保留推理结构,MCP stdio 也能稳定处理超过 10 MiB 的报文。本文从容量预算、恢复状态机、MCP 大报文治理到监控与演练,给出一套长会话生产化方案。
OpenCode v2.2.4 新增实验性的 Artifacts 能力,Agent 可以创建、读取、更新、删除并预览 HTML 或静态制品。本文从启用配置、四类核心工具、本地 Provider、插件存储、版本化更新、预览验收到安全与发布治理,给出一套把“代码生成”升级为“可查看、可验收、可追溯交付”的团队实践。
Anthropic 10 月发文建议把 subagent 并回主循环。本文用 Claude Code 2.1.299 在同一个 30 个类的 Java 项目上跑了 11 次 claude -p:派 Explore 子代理比主对话自己搜贵 2~3 倍、墙钟耗时多一倍多,总结还会漏细节;附自定义 Haiku 子代理、覆盖内置 Explore、在 settings.json 里禁用 Agent 的配置,
今天值得看的 cjh:华为仓颉语言从零实现的终端 Coding Agent,自称不是 LLM 套壳 CodeQL 2.27.4:Java 日志注入查询识别更多消毒器,Rust 三项查询减少误报 GitHub Copilot 进入 Xcode
本地跑大模型,Ollama、llama.cpp、vLLM 三选一,关键不是谁更快,而是同时有几个人在用。一个人用,三者差距不大,看顺手程度;多人并发,vLLM 的优势会被放大。本文按个人电脑、单卡服务器、生产服务三种场景给出取舍,并顺带梳理 LocalAI、MLC LLM、oMLX。
今天值得看的 Dependabot 开始支持 Agent Package Manager,Agent 的 skills、prompts、instructions 通过版本更新 PR 保持最新 Dependabot 支持 Agent Pack
Ross 发布会上没说的是:它加速的是"已经知道该怎么做的部分"。嵌入式开发里真正的难题——那 10% 需要物理直觉和系统权衡的部分——依然在你手里。工具把下限抬得很高,上限还是握在懂硬件的人手里。这句话去年说对,今年依然说对。
WorkBuddy、Codex、Claude Code、Copilot 四款智能体全装一遍后的选型实战:两个问题定方向(文档还是代码、权限谁说了算),一张表对比形态擅长与付费档,三种身份对号入座,附价格底线与免费档策略。数据口径截至 2026-09-27。
我自己也踩过:浏览器里好好的,本地 Agent 一跑就断,或者额度对不上。后来按演示片四步,用本机桥把免费渠道额度喂进本地 Agent,Mac / Windows / Linux 都能用。最近又有朋友问:Trae / WorkBuddy 每天送的额度,为啥一接到本地 Hermes、OpenClaw、Pi 就各种失败?小白路径:打开官网 → 选自己系统下载 → 装好后按片里四步登录渠道 → 本地 A
了解对于 vibecoding 或者非专业运维或者后端开发者来说为什么相较于 nginx, caddy 等需要一定技术门槛的网关,orbitproxy API 网关更合适
我这边后来是用本机桥试通的:把渠道免费额度接到本地 Agent,走 OpenAI 兼容接口(本机 `127.0.0.1:7863/v1`),Mac / Windows / Linux 都能装。大致四步:下载 → 加账号 → 签到 → 接到本地 Agent。最近又刷到一堆「Trae / WorkBuddy 免费额度怎么接本地 Agent」的讨论。痛点其实很固定:额度在渠道账号里,Hermes / O
开发工具
——开发工具
联系我们(工作时间:8:30-22:00)
400-660-0108 kefu@csdn.net