Runway 分享如何逐步建成以智能體運作的軟件工廠
Runway 逐步讓智能體承擔編碼、CI、審查、批准、QA、故障修復及流程協調,打造一條以智能體為主的軟件交付流程。10 月合併的拉取請求中,38% 由雲端智能體推動。核心 API 儲存庫首次批准的等候中位數,由 9 月逾兩小時降至 11 月中約 5 分鐘。
推薦理由:文章逐站交代智能體如何接手編碼、審查、批准、QA、故障修復與協調,並説明以風險分級及量化指標控制交接。
Runway 逐步讓智能體承擔編碼、CI、審查、批准、QA、故障修復及流程協調,打造一條以智能體為主的軟件交付流程。10 月合併的拉取請求中,38% 由雲端智能體推動。核心 API 儲存庫首次批准的等候中位數,由 9 月逾兩小時降至 11 月中約 5 分鐘。
推薦理由:文章逐站交代智能體如何接手編碼、審查、批准、QA、故障修復與協調,並説明以風險分級及量化指標控制交接。
Hugging Face 在 pi、Hermes Agent 和 OpenCode 三種 Agent harness 內,以 RL 為 Qwen3.8-27B 訓練 LoRA adapters,並公開可重現的訓練流程。
推薦理由:文章以三種 Agent harness 的實驗,呈現目標環境內 RL 微調如何提升 Qwen3.8-27B 的編碼基準表現並減少工具呼叫。
文章整理 OpenAI 為 GPT-6.2 提供的兩份官方使用指南,列出 8 段提示詞,並説明在 ChatGPT、Codex 或 API 中套用的方法。指南涵蓋回覆風格、持續完成任務、程式碼與設計要求,以及 Codex 的驗收標準、推理強度、子智能體和 AGENTS.md。
推薦理由:文章把官方指南中的提示詞、Codex 任務設定和 Responses API 遷移事項按使用情境整理,讀者可對照自己的工作流程選用相關做法。
Airbnb 分享以每項任務成本評測及 Amazon Bedrock 的 CloudWatch 生產訊號,為編碼智能體選擇預設模型和推理強度上限。評測按未快取輸入、快取讀取、快取寫入及輸出 token 計價,並與延遲、輸出 token 數和節流情況對照。
推薦理由:文章把評測中的每項任務成本與上線後的用戶支出、請求量及配額指標連結,展示編碼智能體選型和容量管理的可操作方法。
這篇教學示範如何在 Amazon Bedrock 上部署 LiteLLM 與 NVIDIA NeMo Switchyard,將編碼智能體的請求路由至合適模型。Switchyard 的 LiteLLM 整合支援 Stage 與 Random 兩種路由策略,並以路由模型組與單模型基線比較每個成功完成任務的成本。
推薦理由:文章把智能體路由的比較指標從每 token 價格轉為每個成功完成任務的成本,並示範以相同任務比較路由模型組與單模型基線,按測試是否通過判定任務完成。
AWS 作者示範以 Amazon Bedrock Application Inference Profiles、LiteLLM 和 AWS Fargate 建立自助式 LLM 閘道,透過兼容 OpenAI 的 API 提供模型存取。
推薦理由:文章把自助式 LLM 閘道拆解為推理設定、用戶成本管控與監察環節,並指出預算限制及跨區 IAM 權限的關鍵配置。
文章提出按錯誤合併的代價為 AI 生成的 PR 分級,並要求審查證據必須對應正在檢視的 commit。中、高風險變更須有獨立驗證;涉及公開 API、SDK 行為、身分驗證及帳單等高風險改動,建議由兩人批准,並指定發佈及回退負責人。文中以付款 SDK 的 POST 重試示例説明,若缺少 Idempotency-Key,超時後重試可能導致重複扣款。
推薦理由:文章把 AI 生成程式碼審查拆成風險分級、綁定提交的證據與獨立驗證,並以付款 SDK 重試示例説明這套方法如何識別測試盲點。
OpenAI 工程加速團隊一名工程師在 DevDay 分享,Codex 以約 200 字、沒有程式碼的提示詞,連續六週處理失敗的 CI 測試,累計運行逾 1,000 小時。
推薦理由:文章將長時間 CI 修復任務中的提示詞、權限邊界、自我驗證和資源限制整理成五項配置,呈現可複用的 Agent 工作方法。
為 AI Agent 放行 git 命令,也可能讓 diff.external、core.fsmonitor 等 Git 設定觸發外部程序,令看似唯讀的 git diff 或 git status 執行程式。
推薦理由:文章説明 Git 設定如何令白名單放行的命令執行外部程序,並提供跨 worktree 檢查設定來源的方法,方便排查 Agent 工作區的風險。
作者為個人理財應用程式 RupiVerse 配置四個 Claude Code Agent,分任產品經理、測試、開發和審查,兩天內完成註冊、登入及用戶個人檔案功能。
推薦理由:文章展示以規格、API 合約、測試先行和權限限制組織四個 Claude Code Agent 的實作方式,並以兩張功能票據記錄這套分工如何運作。
AWS 示範如何把 Claude Code 編碼任務交由 Amazon Bedrock AgentCore 的隔離工作階段執行,並以 GitHub pull request 交回人工審核。
推薦理由:文章將遠端編碼流程與安全控制放在同一套實作中,具體呈現隔離執行、短期憑證、網絡限制和人工審核如何共同構成部署方案。
作者提出按回合保存檔案前置內容的 checkpoint 方法,可還原 AI 編碼智能體操作前的專案狀態,這是 git checkout -- . 無法做到的。在 4,686 個檔案的 TypeScript 原始碼樹測試中,checkpoint 逐檔還原一致;四種 Git 復原方案都至少有檔案與回合前狀態不同。
推薦理由:文章以逐檔比較呈現 Git 復原方案的邊界,並示範按智能體回合保存檔案前置內容,保留用戶未提交修改並清除智能體新建檔案。
Git 的 `stash` 在同一儲存庫的所有 worktree 之間共用,因此兩個並行編碼智能體執行 `git stash pop` 時,可能互相套用對方的變更並清空共用清單。
推薦理由:文章從 Git 的 refs 規則説明 worktree 的隔離邊界,並比較提交 WIP、分離 worktree 驗證和私有 ref 等替代做法,便於設計並行智能體的安全流程。
Google Antigravity 團隊的 Agent 用 59 分鐘將 FVCOM 的 174,000 行 Fortran 核心遷移至 Rust,並報告執行速度達原版的 1.88x、記憶體用量減半。
推薦理由:文章將這次遷移拆解為建立基準、梳理依賴、移植和優化,具體展示如何先固定舊版輸出,再逐步核對程式改動造成的行為差異。
文章提供一套為 GitHub Copilot 程式碼審查制定團隊規則的指南,聚焦審批設定、風險分區及人類審核責任。GitHub 於 2026 年 10 月 28 日公佈,啟用後 Copilot 的審批可計入必需審批,但功能預設關閉,後續提交新變更會令原審批失效。指南建議按檔案風險劃分綠、黃、紅區,僅讓低風險檔案由 AI 自行批准,並列出七步制定團隊規則。
推薦理由:Copilot 的審批權限按檔案風險分層,並透過 glob、CODEOWNERS 和團隊覆盤建立規則,呈現一套可落實的團隊治理流程。
Renan Santos 整理了安全處理帶回家編碼測試的指南,建議先核實招聘者、檢查程式碼庫,並只在隔離環境中執行。Binance 在 11 月 3 日的報告稱,2026 年 9 月一名工程師在假招聘面試中下載的作業於設定時執行惡意程式;該公司將失竊金額估計為 $6.3 to $6.4 billion。文中另列出檢查安裝腳本與依賴套件、避免提供真實憑證,以及發現已執行惡意程式後的處置建議。
推薦理由:文章將假招聘者核實、程式碼庫檢查、隔離執行及事後處理整理為一套安全流程,涵蓋從下載測試到發現已執行惡意程式的應對。
AWS 示範以 Amazon Bedrock AgentCore runtime 的 Session endpoints,讓編碼智能體建立的 Vite 網站在瀏覽器中即時預覽,並在智能體儲存檔案時更新。
推薦理由:文章以 Vite 網站示範如何透過 Session endpoint 即時預覽編碼智能體的修改,並交代連接埠授權、本機憑證轉送與連線限制。
Forever Security 的測試中,惡意 AGENTS.md 劫持 Codex 的成功率超過 90%,惡意 CLAUDE.md 劫持 Claude Code 的成功率約一半。
推薦理由:文章並列 Codex 與 Claude Code 的攻擊測試和八項防護措施,呈現指令檔如何借用用戶已有權限,並可能把影響延伸至後續工作階段。
三位 Java Champion 分享在生產環境及開源項目中運用 GitHub Copilot 的做法,並提出提升開發效率與確保程式可靠性的實踐。其中一人以 Copilot 將 15 份簡報、約 900 張投影片由 Reveal.js 遷移至 Marp,約用 8 至 10 小時,並透過截圖、動畫及 PDF 比對驗證。
推薦理由:三位 Java Champion 的實例涵蓋功能開發、遷移和除錯,呈現需求釐清、驗證證據與人工審核如何支撐 AI 輔助開發。
GitHub Copilot app 的工作階段可直接在 VS Code 開啟,並保留原有對話、程式碼變更及工作脈絡,讓用戶在同一工作樹繼續工作。用戶可在 VS Code 逐行檢視差異、手動修改及本機測試,完成後把變更推送至該工作階段關聯的 pull request。
推薦理由:文章示範如何把 Copilot app 工作階段及其工作脈絡帶入 VS Code,讓智能體產生的修改可在原有工作樹中接續檢視、測試及推送。