- 为代码审查写一个能失败的评测
- 用火焰图找到真正工作的线程
- 让一次抓包只回答一个问题：hw-harness 方法文档
- 把自己的失败与修正做成 Agent 评测
- 用 llm-echo 看清请求和工具回合究竟传了什么
- 给一次修复补齐前后版本证据
- 拆读一个设计 Agent：哪些选择给模型，哪些要求写进程序
- 沿一次内存写入，读懂 nesformer 的编译与验证边界
- 把代码分布适应与审美偏好拆开学习
- 沿一条审查意见追踪：发现、复现、修补、回归
- 用可访问性快照理解桌面 Agent 的失败
- Michael Lynch：编程助手为什么还让人费心
- 多 Agent 写代码，怎样把验证放进流程
- Thomas Hales：通过 Lean 检查之后，还需要相信什么？
- Simon Willison 试着用语音做了一个项目
- swyx：团队需要的是把活干完
- ttok 1.0 调整默认 tokenizer
- 游戏能运行，不代表反编译正确：一份三个月的 Agent 实践
- Karpathy：为什么不同人看到的 LLM 能力差这么多
- AI 接走基础工作以后，新人从哪里学会判断？
- 代码多了三成，交付为何没有同比增加？
- Vapi：让审查机器人证明问题，也把误报算进成本
- SWE-TaskFlow：同一个补丁，换成交互流程就可能更贵
- Muse Wonder：模型进步，要连同推理强度和执行器一起比较
- Huahai 回应 Rich Hickey：使用 AI 时，人是否还在作判断？
- AgentSWE：从演示样例到冻结交付，还隔着一组保留测试
- TerminalHorizon：重建训练环境，把被预先做掉的工作还给 Agent
- Huntley 用提交钩子约束诊断接口，也要求重测提示词包
- Scion 讨论：检出更快，与审查改动意图是两项工作
- 一份旧秋招面经：Agent Runtime 之外，MySQL 与 LRU 仍在考
- 两份本地模型应用都通过测试，却都没保住数据含义
- Niko Matsakis：类型系统能拦错，设计意图仍要说清
- Scion 的设计出处争议：Mononoke 原参与者要求更明确归属
- 删掉16.8万行注释后的两项试验：单次运行能得出相反故事
- 扫描仪驱动从停滞到可对照：Schaller 的硬件逆向实践
- Cortex：规则要被读到，收益也要经得起重复运行
- PreciseCoder 给必要修改计分，也检查正确代码会不会被改坏
- Muse Spark Open 开放权重：能装入桌面集群，仍要另测速度
- Simon 的 SPARQL 扩展尝试：验证循环也会大量消耗 token
- Mason Mosen：改 prompt 后，先回放同一批旧失败
- Claude 重设计量子电路：少存历史，也显式使用失败预算
- 审查机器人也要会停：Claude Code 团队把误报和循环轮数纳入评估
- Piotr Sarnacki 重测聊天应用改写：送达率上升，也可能只是排队更久
- DeepSeek 1017 的便宜，要放回同一组任务里看
- Sphinx 要你解释改动，也暴露了出题者会判错
- “花了多少 token”之后，还得问活做完没有
- OpenCode Console 披露安全事件，修订帖明确了影响范围
- Reason Network：会话能互通之后，交接问题才刚出现
- Agens Volundr v1：优先修循环和续接，低显存运行仍有代价
- Karri Saarinen：功能都能用，产品仍可能失去整体方向
- KillSwitch：故意为难模型的语言，究竟测到了什么
- TrenTorch 的练习提醒：会讲 Softmax，还要会处理溢出和维度
- Interlock：把“改了这里，还必须改哪里”写进训练任务
- Maxwell 的运行时优化：等价性承诺需要分清适用层次
- MiniMax M3.1 Flash 已提供服务，权重尚待发布
- StopLoss：小模型决定何时停下，账单必须算入误停
- SlopCodeBench：新功能通过，旧行为却未必保住
- Simon 做出了想玩的游戏，也碰到自动测试没听见的噪声
- PHP 修复复盘：发现漏洞之后，还要解决兼容性与决策
- Trail of Bits 把“修好了”拆成可重放的证据
- HarnessAdapt-RL：训练会改模型，也要重调工具
- 同一台 4B 模型的 50 次运行：失败常在编辑接口
- Dan McAteer：监督界面要帮人注意，也可能让人略过
- 子代理何时该合并：先看它们是否反复传递同一份上下文
- Anthropic 与 Theorem：把模糊测试入口变成可检查的证明
- OpenShell 把权限放进运行环境，证明器还要说明证明了什么
- LiteLLM 1.107.0 事故：签名发布物也要核对构建来源
- Chris Kiehl：让 AI 做软件，不必让自己放弃编程的乐趣
- 一桶 HTML 能替代 Looker，前提是数据平台已经在那里
- Flint 把图表交互拆成可复用的语义事件
- Cloudflare 把漏洞扫描拆成持续任务，保留每次检查的证据
- Dan Luu 想做更大的项目，Yossi Kreinin 追问谁能判断做对了
- Atlassian 调查：写得更快，可以与更多协作摩擦同时发生
- Skyvern：调用更多、总 token 更多，网页任务反而更快更便宜
- 上下文工程的难题：保留哪些信息，何时重新开始
- 一份大模型求职复盘：准备清单怎样碰到真实追问
- 工具参数写错，可能需要修推理服务：Ubicloud 的 vLLM 排查
- Epoch 把日常工作交给六个模型：会做步骤，仍可能误判研究结果
- 只看 AI 标红的代码，怎样知道它漏了什么
- 专家也会顺着 Agent 的倾向做判断：一项有意设置偏好的实验
- Agent 写代码以后，开发者还需要知道什么？
- 让模型评“有没有新意”，先检查它到底在回答哪个问题
- 编码便宜之后，他接下了更多工作，也更难停下来
- LangChain 的设计 Agent：删去固定模板，保留设计原则与制作流程
- Simon Willison 做了四个小游戏，评论者追问的却是“好玩吗”
- “AI 技巧会过期”，不等于不必练习使用工具
- Simantic：让固件 Agent 在虚拟开发板上运行测试
- Rachel Laycock：资深开发者的顾虑，藏在持续运行的问题里
- Gemini Carbon 引发试用兴趣，评测细节却要求重新拆开“更强”
- WONTFIX：把工单改编成恐怖游戏，生成内容装进固定场景
- nesformer 把 NES 的 CPU 与内存编译进神经网络
- dsh-superagent：把任务、会话和人工接手分开
- 50：经理也可能把正确答案改错
- Demoscener：先学会短代码，再学一个人的审美
- Huang：控制工作不该挤满执行者的上下文
- Mollick：知道何时能介入，也是助手的能力
- HackerTube：用社区推荐重做视频入口
- Jepsen 检查 ParticleDB：测试通过之前，先确认它会失败
- 把代码审查意见带进沙箱，仍要再检查补丁
- 生成一次小应用，框架成本差在哪里
- Pando：让不同分支并行写入，让读取复用同一批数据
- agent-desktop：先认清控件身份，再让 Agent 操作桌面
- PostgreSQL 的延期：更多真实缺陷，仍要有人接住
- Proton 的 AI 宣言：提速以后，谁保留工程决定权
- 六个 Agent 同时工作之后，人的精力花在了哪里