全部文章

SWE-rebench是面向软件工程LLM的持续更新去污染基准与排行榜，按Resolved Rate、Pass@5、单题成本与token等指标评估模型，数据取自43个仓库48题并可调时间窗，提供污染标记；截至2026-01-02 Claude Code以52.9%解决率、70.8% Pass@5居首且单题$3.50，结论是模型差异显著且成功率与成本效率存在权衡。

团队用Codex在无人工写码约束下5个月从空仓库交付内测产品，生成约百万行代码与1500次PR，耗时约手写的1/10；人类转为设计脚手架、文档地图、UI与可观测反馈回路并用lint强制架构与品味，使代理可端到端修复发布，但需以“黄金原则”定期清理漂移，长期一致性仍待验证。

作者拆解长视频换脸根因：只上传参考图仅锁定外貌，需用六棱镜6D补全运镜、物理反馈、时间线、剪辑节奏与光影氛围，并先建角色资产库再写6D笔记转自然语言流生成，结论是可显著提升可用率、让角色跨镜头保持一致并减少积分浪费。

AI加速写码引发PR激增与审查吞吐不足，开源和“AI优先”团队出现无法分诊、过期难合并与贡献者失去动力的积压；要维持系统只能限流与更多机器自检，但由于责任不可由机器承担，人必须理解并签署交付，人仍是最终瓶颈。

该网站由Damar创建，以互动可视化方式讲解神经网络基础，面向初学者。内容从神经网络定义与工作原理入手，以手写数字识别为例说明输入像素如何转为数据、神经元依据权重与阈值决定激活，并在多层结构中逐级提取模式，最终输出识别结果。网站强调权重与阈值的重要性，并提及学习与优化仍较复杂、作者未来将继续完善。整体语言简明、操作直观，适合入门学习与激发进一步探索。

作者将Vibe Coding与色情、赌博并置，指出三者都靠不确定奖励与即时反馈制造“最后一次”的循环，用“我在进步/学习”的幻觉掩盖对孤独、焦虑、疲惫等痛苦的逃避，结果是时间与关系被吞噬、深度思考与真实成长退化；破局关键在识别HALT触发与“子人格”念头，暂停冲动、转向真实联结与长期目标，重建身份与生活系统而非仅靠意志力。

Uber在服务网格内推全局限流GRL，采用分层聚合由控制平面下发丢弃比例的概率限流取代Redis计数与令牌桶，并用RLC基于历史流量自动计算并更新配额，结果降低端到端延迟与运维成本、释放存储资源，在流量峰值与攻击下提升平台稳定性与公平性。

作者认为智能体框架不会消失但必须随模型能力同步演进，LangChain体系从链式调用到LangGraph运行时再到DeepAgents实现长任务规划与工具循环并按场景推荐使用；同时推出独立于各框架的LangSmith，通过追踪与评测提升调试监控与上线质量，结论是简单LLM请求可不必上框架但生产级必须具备可观测性。

OpenAI 发布智能体工程手册，提出用Skills按需加载流程、Shell提供执行环境、Compaction自动压缩上下文，并用清晰技能描述与负面示例提升多技能路由可靠性，实测可支撑百万级token与多次工具调用的长期运行且促成跨厂商技能标准化。

作者基于谷歌经历总结团队工程要诀：只做高价值问题，会议先明确决策诉求，用“周二某人做X”替代空泛意向，权责清晰以加速决策，可靠性与可观测性纳入完成标准，跨团队靠清晰接口与带方案升级，反英雄并警惕扩编带来的协作边，迁移要有人负责收尾与退役期限，AI时代品味与信任决定交付速度。