Epoch AI推出了名为MirrorCode的基准测试，专门用于评估人工智能在长周期编程任务中的自主重写能力。该基准要求AI模型在完全无法访问原始源代码的情况下，从零开始重新实现完整的软件程序，以此衡量AI在复杂、持续性...

财富科技公司Wealthfront近日披露了其在AI辅助代码审查领域长达数年的探索历程。团队最初对“AI编码只是高级自动补全”的说法充满怀疑，但随后的实验促使他们将AI深度融入代码生命周期。该工程团队构建了一套结构化方...

在持续集成和多人协作的开发流程中，代码合并队列是保障主干质量的关键环节，但传统的集中式合并方案往往面临云端成本高昂、推送竞争（push races）导致构建失败以及资源冲突等问题。近日，一个名为 Claude Code Mer...

对于许多开发者而言，`git rebase -i`（交互式变基）常常被视为一个复杂且容易出错的“高危”命令，但这种恐惧其实源自对工作机理的不了解。该命令的本质只是在编辑器中打开一份纯文本指令清单，开发者只需按照文件中...

Anthropic正式发布了新一代AI模型Claude Opus 5，作为Opus系列的重大迭代，该模型被定位为“面向长时间运行智能体的阶跃式改进”。相比前代Opus 4.8，Opus 5在性能与成本效益之间实现了更优平衡，尤其在软件工程和科学...

Cursor 团队近期在一项构建 SQLite 的智能体集群实验中取得突破性发现，展示了结构化的多智能体协作在复杂软件工程任务中的巨大潜力。新方案采用规划智能体负责任务分解，再由多个工作智能体并行执行，这种协调机制...

随着大语言模型（LLM）在编程领域的广泛应用，一种被称为“人在回路疲劳”的现象开始在开发者群体中蔓延。越来越多的工程师发现，虽然LLM大幅提升了代码生成效率，但也带来了持续性的认知负担。开发者不再仅仅专注于创...

近期发布的Basecamp Bench基准测试，对GPT-5.6 Sol、Fable 5和Grok 4.5三款前沿大模型在复杂软件工程任务中的表现进行了横向比较。测试聚焦于全栈开发场景，从代理能力、生成成本与输出质量三个维度进行评测。结果显...