Jeremy Scheff 撰文：编程智能体让程序员的解谜乐趣消失
Jeremy Scheff 撰文称，编程智能体让热爱解谜的程序员失去了核心乐趣：过去写代码像拿高薪做逻辑谜题，难题越难报酬越高，普通人做不了只能依赖程序员。如今 LLM 让只关心系统能跑通的人受益，但把直接解题当作乐趣来源的人，这种损失非常真实。
#编码
#编码
今日 1 条Simon WillisonAI 评分2020
Simon WillisonAI 评分4040 Addy Osmani 等谈 Claude Code 团队如何做代码审查
Addy Osmani、Morgan Westlee Lunt 和 Qing Wang 提出，"人是否读过代码"并非判断变更风险的准确标准，更该问"这次改动可能出什么问题、该由哪种检查来发现"。在 Claude Code 团队，审查已从 PR 末尾的关卡变成持续进行，多数改动在人工查看前已被 Claude 至少审查并修复过一次。
TechCrunch · AIAI 评分2424 Replit CEO：未来工作是「自动驾驶公司」，AI 智能体承担大部分杂活
Replit CEO Amjad Masad 在 TechCrunch Disrupt 上提出「自动驾驶公司」愿景：AI 智能体承担公司大部分基础工作，人类则凭借判断力和品味发挥关键作用。
Simon WillisonAI 评分3636 Geoffrey Huntley：用 pre-commit hook 强制 AI 智能体使用诊断库
Geoffrey Huntley 提出用 pre-commit hook 检查 git diff，发现绕过诊断模块直接调用可观测性模块的代码就拒绝提交，并向 AI 智能体注入提示词要求其改用诊断库，效果"十全十美"。他认为与其靠更新 AGENTS.md 让智能体使用诊断库，不如用提交钩子强制约束，因为文档说明总会与实际行为产生偏差并逐渐漂移。
The DecoderAI 评分5252 Anthropic 的 Andrej Karpathy 称外界只看到 AI 能力的预览
Anthropic 的 Andrej Karpathy 把大语言模型用户分成四个层级：约 60 亿人几乎没接触过 LLM，10 至 20 亿人把免费版聊天产品当作更好的 Google 搜索，约 2000 万数学和编码领域的专业用户已看到智能体完成过去需要数周乃至数月的复杂项目，而约 5000 人能接触内部前沿系统，看到数千个智能体协作数周推进软件、攻防、科学和数学前沿。
Latent SpaceAI 评分6262 Anthropic 的 Thariq 谈 Claude Code 下一阶段：Claude Mods、可变软件与智能体安全
Anthropic 的 Thariq Shihipar 在 Latent Space 播客中谈 Claude Code 的下一阶段，包括可自定义 harness 的 Claude Mods、Claude Tag 与 Projects 的多智能体协作，以及 artifacts 作为持久生成式界面。
Simon WillisonAI 评分2222 Simon Willison 回顾 2026 年 LLM 大事记：从 Claude Opus 4.5 到 OpenClaw
Simon Willison 在 WeAreDevelopers World Congress North America 闭幕演讲中按时间线回顾了 2026 年 LLM 领域的关键进展。
Simon WillisonAI 评分1818 Simon Willison：编程智能体让软件工程变得更难
Simon Willison 在 2026 年 9 月 24 日的笔记中表示，与编程智能体打交道越多，越确信它们让软件工程变得更难。他认为这些智能体能做出惊人的事情，但要释放其全部潜力，需要非凡的纪律和知识。
Simon WillisonAI 评分3838 工程师爆料：大公司全员用 Claude Code 生成代码，无人阅读
一名新入职大公司的工程师称，团队所有规格、代码、测试、PRD、工单及其解决方案和报告全部由 Claude Code 生成，从 L1 到 L7 的工程师都在做同样的事——和 Claude 对话。团队无人喜欢这种状态，却被高层要求尽可能多地产出，因为高层认为提交代码不是瓶颈。员工每天工作 12 到 13 小时，只为按回车，没有人阅读任何内容。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解 AI 热门观点：该不该读 AI 生成的代码、RAG 是否已死、Skills 是否杀死了 MCP
GitHub Podcast 最新一期拆解了五个 AI 热门观点：AI 生成的代码仍需阅读和负责，但审查力度应按风险分级；Skills 与 MCP 解决不同问题，前者是打包的 Markdown 专业知识，后者是连接工具与数据的标准协议，二者可组合使用。RAG 并未消亡，它通过检索外部信息减少 token 消耗并让回答更有依据，可与 Agent、Skills、MCP 共存于同一工作流。
OpenAI NewsAI 评分3838 OpenAI 内部研究加速：编码智能体如何重塑 AI 研究
OpenAI 披露内部数据，展示编码智能体正在重塑其 AI 研究流程，涉及智能体使用情况、实验速度、任务复杂度与研究加速等方面。
Import AIAI 评分5858 Import AI 464：Fable 编写 GPU kernel，AI 自动化与模拟计算
Import AI 464 汇总多项进展：Fable 在 KernelBench-Mega 上写出首个 megakernel，以 CUDA 代码在 RTX PRO 6000 Blackwell 上实现 18.71X 加速，对比 Claude Opus 4.8 的 14.4X、GLM-5.2 的 11.14X 和 GPT 5.5 的 4.34X。
Import AIAI 评分3232 Import AI 461：Sequent 称"对齐尚未走上正轨"、FrontierCode 与合成研究实习生
英国 AI Security Institute 对齐团队与 Timaeus 联合成立非营利研究机构 Sequent，认为"对齐尚未走上正轨"，计划两年内扩至 40-80 名全职员工，初期募资 1 亿至 1.5 亿美元，研究方向涵盖可扩展监督、学习理论、博弈论与 personas。
OpenAI NewsAI 评分4242 OpenAI 为何不再评估 SWE-bench Verified
OpenAI 宣布不再评估 SWE-bench Verified，原因是该基准日益受到污染，且无法准确衡量前沿编码能力。其分析指出该基准存在测试缺陷与训练数据泄漏问题，并推荐改用 SWE-bench Pro。