免费 Google AI Pro 用户用上 Gemini 4 Argon 的两套亲测方案
Google 在 Antigravity 桌面端、CLI 及 IDE 扩展中向非试用的付费 Pro、Ultra 和 Enterprise 用户放开 Gemini 4 Argon,免费、试用及优惠 Pro 只能在菜单看到名字而无法调用。
Google 在 Antigravity 桌面端、CLI 及 IDE 扩展中向非试用的付费 Pro、Ultra 和 Enterprise 用户放开 Gemini 4 Argon,免费、试用及优惠 Pro 只能在菜单看到名字而无法调用。
TermSim Engine 是基于 Spring Boot 3.3.5 + Thymeleaf 的终端风格模拟经营游戏引擎,引擎与 JSON 游戏文件分离,换一个 JSON 就换一个游戏,自带「街角小卖部」和「街角饭馆」两套完整游戏。
LangGraph4j 用条件边 addConditionalEdges 实现动态路由:源节点执行后由 action 读取运行时 state 返回键,再经 mapping 查表得到目标节点名。
作者用一个可本地重做的最小演示定位 HTTP 200 但页面仍显示草稿的问题,根源是确认接口返回 status 而前端读取 state,取值为 undefined 导致界面不更新。文章沿入口、请求、响应、消费、展示一条链给出六位置检查表,并说明应先依据前后端实际约定决定改哪一边,另附空白检查卡与 demo.py 复现步骤。
本篇把自建字符级 GPT 的注意力重组为融合 QKV 投影,改用 PyTorch 的 scaled_dot_product_attention,并加入 Token Embedding 与输出层权重共享、统一参数初始化和残差投影缩放。改造不改变 Transformer 的数学结构,但参数组织方式变化导致旧检查点无法直接加载,需在新目录重新训练,并用因果性测试验证模型仍不读取未来位置信息。
作者实测复盘指出,并发 Agent 数量不等于有效工程吞吐量,盲目把单 CLI 任务切成多 Agent 协同会踩进 Prompt 缓存击穿与 Token 账单暴增的陷阱。
作者公开了一套全流程由 AI 完成的 3D 游戏制作方法,PRD、场景图、3D 资产、代码与调试都交给 AI。
作者把一份已评审的小程序建设方案 PPT,借助 AI 做成可点击、可演示、可拿去评审的交互原型。核心方法是在 PPT 与原型之间增加产品说明 Markdown 层来明确边界,用多 HTML 页面加公共 JS/CSS 先跑通主路径,再通过 A/B 业务差异说明、小步迭代和问题清单逐步收敛,最终沉淀为一套可交付的产品材料。
作者认为 Agent 产出不确定,单次跑通可能只是运气,必须改用统计方式——跑多次、看通过率与分布;测试量因此上升一个数量级,必须自动化,而自动化先要用例集与金标准。由此提出“测试驱动升级版”:先把“什么算对”定义清楚,再让它驱动架构决策与代码优化,并给出可回环的五步流程与三条纪律,其中引用无伪证等硬线零违反、不能用平均分盖过。
大一新生在开发开源微内核项目 Vaelin(留白)时引入十几个 AI 工具,为此设计了一套“状态树(State Tree)”多 Agent 治理架构,把项目状态从 AI 对话历史中剥离,固化成由 python tools/state_tree.py 自动生成的 Markdown 状态树。
NVIDIA 开源 USD BRep 与 AI 辅助研发的兴起,正改变 3D CAD 内核的开发成本结构,为中国突破几何建模内核与约束求解器瓶颈提供新路径。作者认为 AI 是研发效率的放大器,能让小团队基于 Rust 从头构建内核,但不能替代对数学正确性与工程稳定性的把控。未来 3-5 年国产内核有望在特定行业与核心操作上实现突破,但仍面临历史数据迁移等挑战。
这篇教程带你在终端安装并启动 Claude Code,用 todo-cli 示例走完读代码、小改动、跑测试、Git 回退的最小闭环。文中还整理了 8 个常用命令、权限确认清单,以及 CLAUDE.md 的写法原则。
Claude Code 是 Anthropic 推出的终端型 AI 编程 agent,本文记录从零开始的安装、登录与常用命令,并对比它与 Cursor、GitHub Copilot 的区别。
LangGraph 中 ReAct 循环节点支持静态与动态两种实现方式。静态实现通过条件边判断状态 current,小于 5 时不断累加 1 并回到循环节点;动态实现利用 Command 的 update 与 goto 参数指向节点自身形成自循环,达到条件后跳转到 END。两种方式均基于 StateGraph 与 MessagesState 构建状态图。
作者分享 ai-engineering-agent,把软件工程全流程(需求、PRD、原型、契约、前后端实现、测试、变更日志、一致性核验)沉淀为文件资产,核心主张是上下文不该活在对话里,而应活在文件里。
作者使用 Qoder 智能体编程平台的 sonus 模型,在 20 分钟内复刻了特斯拉第二代 Roadster 的在线飞行演示。网页还原了夜间试验场与 28 米高弧壁,支持一键复刻飞行、冷气喷射及翻滚,并提供速度、高度等实时遥测。马斯克发布的第二代 Roadster 可 0.81 秒破百,量产计划排在 2028 年。
作者为 Pi 接入 Hindsight Coding Agents,让新 session 能检索之前讨论过的设计决定。首次检查时 bank 为空,原因是服务端调用的记忆抽取模型未通过授权,换成账号已授权的 provider 后 Git 历史、项目调查和会话写入才陆续完成。
有用户让 ChatGPT 读取 Adobe 订阅条款并生成谈判邮件,成功取消订阅并免掉违约金。文章认为这类工具的技术门槛不高,真正的护城河是长期积累的取消条款库与成功率数据,而非模型本身。相比直接"帮人退订",更稳的形态是"订阅体检":盘点订阅、标出即将续费项并给出取消路径,动作由用户自己完成以规避合规风险。
开发者用 AI 重构一个运行四年的内部系统,总结出 5 条实战避坑经验。关键做法包括给足上下文、每次只改一个模块、先补测试用例,并在提示词中写明空指针、超时等边界条件。最有效的用法是让 AI 先解释老代码的历史背景再决定是否重构,因为 AI 是放大器而非决策者。
Meta 于 10 月 15 日开放旗舰模型 Muse Spark Open 的权重下载,816B 总参数、42B 激活的 MoE 架构,上下文 1M token,原生多模态,主打编码与智能体工作流。
AJ MCP Next 是兼容 Java 8 的 MCP SDK 小工具库,面向 2026-07-28 协议,不向下兼容旧版 MCP。
作者用 Claude Code 重构订单服务后线上 P99 延迟翻四倍,据此总结出 AI 重构必须走完的 7 步 SOP:静态分析扫真问题、梳理运行时依赖、单函数粒度小步改、先写测试再让 AI 改、用新鲜上下文做对抗性 Review、feature flag 灰度发布、git checkpoint 回滚预案。
推荐理由:作者把踩坑经验沉淀成可复用的 7 步 SOP,并给出每一步的提示词和回滚方案,可直接迁移到自己的 AI 重构流程中。
作者基于 OpenAI SDK 与 DeepSeek 模型手写了一个支持 Sub-Agents 的多 Agent 编排框架,主 Agent 负责任务拆解与调度,子 Agent 在独立上下文中执行子任务。
作者用 Claude Code 重构订单服务后线上 P99 延迟翻了四倍,据此总结出七步 SOP:静态分析、依赖梳理、单函数小步重构、先写测试再让 AI 改、对抗性 Review、feature flag 灰度发布和 git 回滚预案。
同一新闻,精选展示《AI 重构代码 40% 会悄悄改坏,我用 7 步 SOP 防住》
作者围绕 Agentic RAG 的高级工具设计,讲解代码解释器、数据库查询、工作流触发三类实用工具的安全用法。代码解释器建议用 E2B 沙箱或本地白名单模块替代直接 exec(),数据库查询限制只允许 SELECT 并做 SQL 注入防护,工作流触发强调参数校验与异步执行。文末附代码注入、工具滥用、资源耗尽等风险的防护清单。
本文详解 Koog 1.3.0 的图式策略 AIAgentGraphStrategy,覆盖节点、边与条件、子图、parallel 并行执行和 AIAgentStorage 跨节点状态传递,并给出可编译的 Kotlin 天气查询综合示例。
珠海豆子机器人科技开发了编程语言 CatBase,语法模仿 Python 的简洁、性能对标 C,编译产物为零运行时依赖的本地二进制。与 Python 的两个关键改动是代码块改用大括号、变量必须显式声明类型,同时内置文件读写、HTTP 请求、多线程和 JSON 处理。目前版本号为 0.6,需 Linux 环境与 Zig 0.14.1+ 编译器,标准库生态仍在早期,许可协议为自定义 EULA。
open_scion 是 Scion 设计的开源实现,让数千个 AI 代理在同一代码库并发工作,客户端仅获取修改路径的文件,提交通过服务器端 rebase 和 CAS 原子更新直接落地主分支。
Simon Willison 构建 sparqlite,一个基于 Rust 的 SQLite 可加载扩展,把 RDF 四元组存在普通 SQLite 表中,并在 SQLite 进程内原生执行 SPARQL 1.1 查询与更新。
Anthropic 的随机对照实验显示,52 名有 Python 经验的开发者学习 Trio 库后在不允许用 AI 的测验中,AI 组平均分 50%、手写组 67%,调试类题目差距约 17 个百分点;METR 对 16 名资深开源开发者的 246 个真实任务实测显示,自评快约 20% 的人实际慢了 19%。
同一新闻,精选展示《AI 写代码越来越快,我们的代码能力却在悄悄退化》
CabloyJS 从 TypeScript 全栈框架演进为 AI 规范驱动开发(AI-SDD)框架,以 Claude Code Skills cabloy-spec-generation 与 cabloy-spec-execution 实现"先建规范、再有界执行"的双阶段工作流。
作者拆解了 Matt Pocock 开源的 skills(github.com/mattpocock/skills),认为 AI coding 本质上是软件工程和项目管理。
作者认为在慢思考推理模型时代,逐步指令式提示词会压制模型内部的自搜索与自纠错,正确做法是只定义目标、边界契约与验收断言。文中用金融阶梯返佣结算场景做了两种提示词的对抗实测,契约断言式写法首轮生成正确率达 89.6%、提示词消耗降至 650 Tokens,并附完整的 Python 不变量校验脚本。
这篇教程拆解了 DeepSeek Harness 基于 Cordis 框架的插件机制,并带读者从 0 到 1 实现一个 text_stats 工具插件。
Anthropic 与 METR 的两项实验显示,高强度使用 AI 辅助编程的开发者在禁用 AI 的测验中表现更差,且对自身效率的感知明显失准。
推荐理由:原文对照两项实验数据,指出 AI 辅助编程可能削弱调试与方案设计能力,并给出保留理解力的具体用法。
双越(wangEditor 作者)分享《程序员 1v1 访谈系列》第三期,与一位工作 9 年的杭州前端开发者对谈,建议其在当前行情下先稳住工作,不必执着于职场突破。受访者所在公司已全面使用 Cursor 和 OpenSpec 模式开发,前端开始承接简单的 Java 后端任务,正逐步转向全栈。作者认为工作只是谋生手段,鼓励程序员突破传统思维,在生活中寻找成就感。
Meta 发布开放权重 AI 模型 Muse Spark Open,官方称其为迄今能力最强的美国开放权重模型。该模型采用原生多模态架构,总参数量 816B(激活参数 42B),支持 1M token 上下文窗口,专为代码构建与智能体协作设计。
Localiza 正在围绕生成式 AI 重组工作方式。公司借助 ChatGPT Enterprise、OpenAI API、Codex 及 60 余个专用智能体,构建 AI 原生的出行体验。
Bluesky 的 Attie AI 工具今年早些时候上线时仅用于生成订阅源,现已扩展为可通过输入提示词制作游戏、投票和仪表板等小型社交应用,并作为独立网站分享给他人。
Simon Willison 用 Claude Opus 5.5 Extra 在 Claude Code 中构建了 Chirp Pong:两台手机各自运行静态 HTML,通过 web microphone API 收发 chirp 音频来同步游戏状态,实现双人 Pong 式对战。游戏在 Pong 基础上加入图形与玩法变化,让对抗更有趣。实测表明这一纯音频联网方案可行。