跳到正文
11月20日週五
  1. DEV Community51

    Megabit Trajectories 公開 66 段經實際執行驗證的編碼智能體軌跡數據集

    Sumama-Jameel 公開 Megabit Trajectories,收錄 66 段經實際執行及驗證的編碼智能體軌跡,合計超過一百萬個模型 token。與四個較大型數據集比較時,SWE-Gym 在作者自訂的每萬 token 錯誤恢復配對數指標上以 10.72 比 6.48 領先,SWE-smith 的最長重試鏈則為 64 比 4;作者亦公開自己在規模等項目落後。

  2. DEV Community46

    GH-900 GitHub Foundations:考試範疇及 4 週備考計劃(2026)

    GH-900 GitHub Foundations 是涵蓋 Git、GitHub 及團隊協作的初級考試,指南列出七大考試範疇,並提供 4 週備考計劃。考試限時 100 分鐘,合格分數為 1,000 分中的 700 分;Git 和 GitHub 基礎佔 25 至 30%,比重最高。計劃由 Git 操作起步,逐週學習 GitHub 協作、開發工具、安全管理與社羣,最後完成模擬考試。

  3. DEV Community29

    探索並行 AI 編碼工作流程

    作者探索開發者如何同時使用多個 AI 編碼智能體處理不同任務,並保持工作井然有序。文中提到一個旨在簡化並行 AI 編碼工作流程的開源項目,採用 CLI 方式,適用於使用 Claude Code 和 Git worktrees 的開發者。

  4. Hacker News 熱門(buzzing.cc 中文翻譯)51

    Jujutsu(jj)版本控制系統入門指南

    Ethan Lowman 的 Jujutsu(jj)版本控制系統指南,介紹如何在 Git 儲存庫中並用 jj,並以提交圖管理工作。指南示範 jj 如何自動快照工作副本、自動 rebase 後代提交,並容許延後處理衝突及使用 jj undo 復原操作。文章亦介紹以 bookmarks 對應 Git branches,並透過堆疊式 PR 將大型變更拆分成較小的審查步驟。

  5. DEV Community32

    如何為 GitHub 編碼智能體設定權限範圍

    越來越多人讓編碼智能體建立 PR、推送分支及執行工作流程,而智能體持有的 token 權限決定了操作失誤可能造成的影響。文章提出以每個儲存庫專用的細粒度個人存取 token、權限受限的 GitHub App、分支保護或規則集,以及獨立 bot 帳戶管理權限,並詢問用戶現有設定仍有哪些隱憂。

11月19日週四
  1. DEV Community52

    GitHub CLI 可等待 PR 事件,但不會重播錯過的事件

    GitHub CLI 2.105.0 加入 Event Streams 支援,讓指令等待 PR 事件,但串流不會重播連線前或中斷期間錯過的事件。文件建議等到串流發出連線狀態訊息後,再讀取 PR 現況,並在事件到達或重新連線後再次核對。相關指令及服務仍屬預覽,Event Streams 須經 GitHub.com 候補名單取得;升級 CLI 本身不會自動開通。

  2. DEV Community48

    Agent 的 GitHub 工具為何只保留 7 個欄位,而不傳回全部 95 個欄位

    作者檢視自己的 MCP 伺服器工具 list_repos,發現 GitHub API 每次傳回 95 個欄位,而工具只保留 7 個,讓 Agent 無須為未使用的資料消耗 token 或判斷其相關性。這 7 個欄位支援辨認倉庫及判斷活躍度或重要性;作者認為 Agent 工具應按實際用途設計欄位,而非照搬 API 回應。

  3. DEV Community25

    Axleta Repository Packer 與 Gitingest 比較

    作者比較 Axleta Repository Packer 與 Gitingest 打包公開 GitHub 儲存庫的結果,Google Search AI 分析認為 Axleta 更適合以 AI 友善格式為大語言模型提供提示詞上下文。分析指出,Axleta 有提示詞注入防護、較精簡的格式及完整版本追蹤資訊;Gitingest 則較易供人閲讀。

  4. DEV Community53

    5 間公司如何在軟件交付中使用 AI,以及工程師在哪些環節介入

    文章以 GeekyAnts、Thoughtworks、EPAM、Globant 和 Accenture 為例,整理 AI 參與軟件交付的方式,以及工程師在需求審批、測試和合併環節的把關角色。文中建議在 AI 輔助的 pull request 中列出已批准的行為、相關測試證據及上線後負責的工程師;訂閲取消案例則要求測試確認用戶在已付費期間仍保留使用權,且不會觸發下一次續費。

  5. DEV Community51

    LLM 評測 2026:為何「vibe check」不足,以及哪些框架可提供協助

    這篇指南比較 2026 年 LLM 評測框架與選型方法,指出主觀「vibe check」不足以應付多個團隊、多個模型及多個版本的生產環境。完整的 Agent 評測應分別檢查工具選擇、參數提取、工具結果使用、錯誤處理、計劃連貫性和任務完成,並按團隊技術棧選擇 DeepEval、LangSmith、Promptfoo、RAGAS 等框架。

  6. 阿里雲開發者社區 AI52

    三個 AI 應用項目的工程復盤:編程智能體、新聞聚合與思想畫廊

    作者回顧自己開發的三個 AI 應用,分別是終端編程智能體、每日新聞聚合工具,以及可與 61 位思想家對話的知識畫廊,並剖析各自的關鍵設計與代價。編程智能體先展示 diff,待用戶確認後才寫入檔案;新聞工具優先使用 Agent,未配置密鑰時回退至 RSS/Atom,並加入去重與失敗告警。思想畫廊以結構化檔案編譯人格,並透過離線及線上評測檢查表現;作者將三個項目的共同取向概括為讓 AI 產出可驗證。

  7. 阿里雲開發者社區 AI55

    開源「吸星大法.skill」(Skill-Siphon),提煉 Agent 技能經驗並生成學習資料

    作者開源了「吸星大法.skill」(Skill-Siphon),這是一款面向 Agent 技能的學習提煉工具,可把其中的經驗整理成可學習、可練習和可應用的資料。工具可從高星或熱門技能、以及指定技能提煉內容,預設生成學習指南、上手實踐、來源與邊界三類資料。

  8. DEV Community48

    GitCheck 助開發者在提交前理解 AI 生成的程式碼

    GitCheck 是一款開源 CLI 工具,協助開發者在提交前理解並承擔 AI 輔助程式碼變更的責任。它分析已暫存的 Git 差異和 AST,生成有關架構、實作決策及邊界情況的問題,並評估回答、提供回饋。MVP 已可端到端運作,現正尋求經常使用 AI 編碼助手的開發者試用並提供意見。