Topic
Coding agents
Agents that write, review and change code, and what they change in engineering practice.
Follow this topic
On this site · ElsewhereTopic graph
16 nodes · 58 links- Entries in this topic
- Neighbours outside the topic
- Builds on · Successor · Extends
- Prerequisite · Uses
- Explains · Supports
Skills and knowledge entries are written in Chinese, as are signals from Chinese sources.
Published signals
19 signalsMiniMax M3.1 Flash：成本降七成，Agent 国模第一
MiniMax 于 10 月 19 日发布 M3.1 Flash，输入每百万 token 0.15 美元、输出 0.60 美元、缓存输入 0.015 美元，官方称 Agent 任务使用成本较上一代降低 70%。模型在 OSWorld V2 得 61.7、Agents' Last Exam 得 29.6，文章称后者位列中国模型第一。此前匿名模型 Space Bunny 被确认是该模型的早期版本。
Google 开源 Harness²：不改模型，递归改智能体的外壳
Google Research 开源智能体框架 Harness²，采用 Apache 2.0 许可，支持 OpenCode 与 Codex，默认使用 OpenCode。它把系统提示词、护栏、记忆、工具指导、子智能体、Skills、脚本和插件拆成 8 类可改组件，通过任务级与 Harnessing 级两层递归在不改模型权重的前提下优化表现。团队称仅一步优化后 WorkBuddy-Bench 最高涨 11.5 分。
DeepSeek V4.1 Flash 新版 1017：更强也更省
DeepSeek 推出 V4.1-Flash-1017 模型，在代码与智能体任务基准上提升的同时压缩了任务运行时间和输出长度，官方称为「性能—费用的帕累托改进」。配套 Harness 升级至 0.2.1 版本，并开放自研 Search 与 Fetch 两个搜索 API，每千次成功请求 5 元，11 月 1 日前免费。
Welcome Beam: a 501B open model you can own, customize, and scale
Welcome Beam: a 501B open model you can own, customize, and scale
Welcome Muse Spark Open: open-weight frontier multimodal mixture-of-experts model from Meta
Welcome Muse Spark Open: open-weight frontier multimodal mixture-of-experts model from Meta
Gemini 4 Argon: Built to solve your hardest problems
We’re giving developers, enterprises, scientists, and consumers access to Gemini 4 Argon, our latest frontier model.
智能体用三周重构老游戏代码，全程靠逐帧回放验收
CodeScene 发布案例研究：一个编码智能体在三周内重构了《街头霸王 III：三度冲击》开源反编译项目约 30 万行 C 代码，消耗 token 约 4000 美元，覆盖 726 个文件、2903 次提交、252055 行改动，Code Health 从 5.6 升至 10.0。保障机制包括 CodeHealth MCP Server 的确定性评分，以及逐帧比对回滚状态哈希的回放轨迹测试框架；智能体还自行整理出含 22 个方案、82 条辅助说明的重构手册。
Agent Lightning v1.0: A 3,500-Line Lightweight Agentic RL Framework for Training Agents with Real Harnesses
Training AI agents with reinforcement learning can be challenging because their tools, context, and decision-making are managed by complex frameworks. Agent Lightning connects existing agents to RL training, making it easier to improve them without rebuilding…
DoorDash 清理过期开关：50 个里 45 个可用，一次 4.79 美元
DoorDash 用一套多智能体系统清理代码库里过期的功能开关。在 50 个开关的评估中，系统为 45 个生成了可用的合并请求：31 个首次提交即被合并，14 个需要修改，另有 5 个要工程师介入。平均每次 13.8 分钟、4.79 美元，人工估计要 1 到 2 小时。动代码之前必须有工程师确认目标值，合并请求只有通过构建、测试、覆盖率和静态分析之后才会创建。
Open Code Review：少报错的代价是漏掉八成问题
阿里巴巴开源了内部用了两年的代码评审工具 Open Code Review：选哪些文件、怎样打包、匹配哪些规则都由确定的程序完成，只有代码分析交给智能体。官方基准里它的精确率和 F1 高于同模型的通用智能体，token 用量约为九分之一，并主动说明召回率更低。外部评论指出最优配置下召回率只有 20%，唯一一次独立测试的精确率约 12%，维护者称是已修复的异常，修复后尚无独立验证。
AI-powered fuzzing with the GitHub Security Lab Taskflow Agent
In this blog post, I explain how to use the new fuzzing taskflow based on the GitHub Security Lab Taskflow Agent AI framework.
ZCode 快照事件之后：开源能挽回多少信任
开发者 ferstar 逆向发现，智谱的编程工具 ZCode 会生成含完整 Git 历史的工作区快照，加密后直传阿里云 OSS，密钥封装用的私钥在云端。智谱回应称来自默认开启的代码库索引功能，道歉、删除数据、请第三方核查，三天后把整个产品以 Apache 2.0 开源并切断该链路。仍未回答的是：现在还有什么数据会离开本机，以及开源仓库为何没有保留事故之前的提交历史。
Migrating the GitHub Copilot runtime to Rust, using Copilot
GitHub rewrote the Copilot agent runtime from TypeScript into more than 800,000 lines of production Rust, mostly written by agents across 128 incremental pull requests.
Kiro Crew 开源：内部 3.9 万人在用，没人被要求
亚马逊开源 Kiro Crew（Apache 2.0），让多个编码智能体跨会话异步协同：持久化上下文、共享记忆、可复用 Skills、定时任务、并发智能体与子智能体委派，编排走 Agent Client Protocol，并有一个实时展示计划、工具调用与审批节点的 Activity 视图。最值钱的数字不是功能表——它源自内部的 MeshClaw，已被超过 3.9 万名内部开发者使用、六个月内 500 名贡献者，且不是靠强制推广。安全是从第一天设计进去的：操作系统级沙箱、默认拒绝的命令策略、敏感路径拦截、凭据脱敏、签名审计日志。反向的反馈也已出现：有用户报告它消耗 token 明显快于 Kiro CLI。
Conceptual integrity and counting lines of code
Simon Willison argues that lines of code can be a meaningful productivity indicator, that the new limiting factor is cognitive capacity, and that conceptual integrity is what coding agents make hardest to keep.
Rootly 废掉了小 PR 规则：审查的对象从行数换成了影响半径
事故管理平台 Rootly 放弃了推行两年的严格小 PR 文化——智能体以「特性」而不是「增量」为单位输出，一次给出迁移、模型、服务、控制器、测试和前端。他们试过让智能体产出堆叠 PR，结果技术上没错、业务上更糟。最终的替换不是换工具而是换判据：衡量代码行数改成衡量爆炸半径，安全边界从合并挪到渐进发布，内部审查器对每个 PR 只回答一个问题——如果这个变更有缺陷，会坏掉哪些面向用户的功能。
Vercel Zero：一门把编译器输出的第一读者当成智能体的语言
Vercel Labs 发布实验性系统语言 Zero，前提是编译器输出的主要阅读者不再是人：每个子命令都统一支持 JSON 输出、错误带稳定代码与带类型的修复元数据，副作用必须走编译器强制的能力参数，而 v0.3.0 起图存储才是编译器输入、源码文件降为给人看的投影。
Copilot vs. raw API access: What are you actually paying for?
GitHub argues the choice between Copilot and raw model API access comes down to which layer of the system you need to own: the model call, or the workflow, policy, and harness around it.
Better tools made Copilot code review worse. Here's how we actually improved it.
GitHub swapped Copilot code review's custom exploration tools for the better-maintained shared CLI tools (grep, glob, view) expecting a clean upgrade — and got higher cost and fewer caught issues. The tools weren't the problem; the instructions were. Rewriting them around how a reviewer actually reads a pull request flipped the regression into ~20% lower review cost at the same quality.