Codex CLI 在 Android 上以 bionic Termux 版本取代 proot
Shelly 改用 codex-termux 的 Android 原生 bionic 二進制檔取代上游 musl 版本,讓 Codex CLI 可在 Android arm64 裝置運行,並繞過失效的 proot 方案。
Shelly 改用 codex-termux 的 Android 原生 bionic 二進制檔取代上游 musl 版本,讓 Codex CLI 可在 Android arm64 裝置運行,並繞過失效的 proot 方案。
作者把 AI 輔助單元測試流程拆成三個技能,分別用於分析程式碼並生成測試、選擇範圍並執行測試,以及分析失敗原因並在確認後修復和重新驗證。流程可從單一方法、類別或小型模組開始,協助更早識別邊界場景和實現遺漏。
作者提出一套 AI 程式碼審查方法,主張以風險、證據和上下文分配人工注意力,判斷改動是否解決正確問題並適合投入正式環境。五項做法包括按影響範圍與失敗嚴重程度決定審查深度、預先考慮失敗及復原方式、核實測試和實際流程,並讓自動化工具處理可機械檢查的問題。審閲前亦應瞭解任務要求、周邊程式碼及相關歷史。
Plugin4Shell 漏洞影響 Claude Code、OpenAI Codex、GitHub Copilot 及 Gemini CLI,四者取得固定 Git commit 後均未核對工作樹是否與指定 SHA 相符。
推薦理由:這宗漏洞把風險指向智能體外掛分發層,説明可信市集審核及提交版本固定若未由智能體端驗證,仍不能阻止外掛被替換。
Linux 內核資深審查員 Lorenzo Stoakes 宣佈減少多項代碼審查職責,原因是低質素 AI 生成補丁增加,令審查工作難以應付。他將退出記憶體管理核心、頁面回收、Rust 相關記憶體管理及透明大頁(THP)等部分審查工作,但會繼續承擔部分維護和 KVM 職責。Stoakes 稱,他接觸到的問題提交中,低質素 AI 生成內容如今可能佔一半甚至更多。
sheephess9527 比較 Qwen2.5-Coder 32B 與 Qwen3-Coder 30B-A3B 在 24GB 顯示卡上的量化佔用,重點是兩者可容納的上下文長度。
報道指,攜程上週在全員大會宣佈推廣「產研融合」制度,按項目制整合產品、營運、前端、後端、演算法及測試等人員。試行團隊各工種有1-2人,負責人不限定職能;產品或營運構想如能由 AI 實現,也可獨立交付。
Zhishu Agent 團隊介紹生產級編碼智能體 Harness Loop 的建構方法,並公開 Java 與 Python 開源實作。流程涵蓋隔離 Git worktree、執行前 AST 驗證、測試驗證及結構化錯誤回饋,最多 4 次未收斂便建立升級檢查點。
作者提出在遊戲開發中使用本地 AI,避免 ChatGPT、Claude 和 opencode 等服務的點數及使用限制。文章説明如何透過 opencode 配置本地模型,並按 RAM 容量建議模型規模:8 GB 適合 3B 至 4B,128 GB 或以上適合 35B 以上。相比之下,作者稱本地 AI 沒有相關點數和限制。
作者跟隨 Claude Code 課程開發聯絡管理工具 CC Outreach,藉實作學習 Claude Code,並計劃讓它撰寫約 90% 的程式碼。作者移除 Better Auth 認證資料模型中自認不需要的欄位後,登入功能失效;他決定下次先查明欄位來源並核對文件。
攜程上週在全員大會宣佈開始推行「產研融合」,按項目合併產品、營運、前端、後端、演算法及測試等人員,提出人人全棧、人人是產品經理。試行團隊每個工種有 1-2 人,產品或營運的構想若能由 AI 實現,也可獨立交付。
AI 輔助反編譯正降低遊戲 MOD 與移植製作門檻,並引發遊戲業對作品品質、版權和開發者生計的爭議;文中引述《福布斯》稱,GTA 6 PC 版可能為應對這股衝擊而提前推出。decomp.dev 管理員因 AI 內容背離社羣宗旨而關閉社區,文中亦提及 AI 移植品質問題及勒索電郵案例。
作者以情感支持對話為任務,比較從零訓練的 253M、757M 模型與微調後的 Qwen2.5-0.5B-Instruct;在所測提示中,自建模型的輸出質素較弱。初期語料缺少説話者標記,曾令回覆離題;基準測試亦顯示,沒有 KV cache 的 757M 模型生成速度比 Qwen2.5-0.5B-Instruct 基礎模型慢 2.1 倍。
一項研究使用光學字符識別(OCR)分析油漆飛濺圖像,發現其中 93% 可解析為有效的 Perl 程式。研究分析了這些程式的特性,並列出 7 個無效範例;另提供 100 張用作主要數據集的油漆飛濺圖像。
阿里雲於 2026 年 11 月 11 日發布 Qwen4-Max 預覽版,並同步在千問 AI 平台推出 Token Plan 訂閲服務。模型支援 1M Token 上下文及文字、圖片、影片輸入,定位於複雜編碼、長週期智能體任務與專業辦公。
Dmitriy Fabrikant 表示,Vibe coding 令其應用程式服務可用率升至 99.96%,並以三項做法在用戶遇到問題前捕捉錯誤。他讓每次程式碼變更先寫涵蓋單元、API、整合及瀏覽器的測試,並讓 Agent 查閲每個請求、工作及部署的日誌。
JSLab 是 macOS 上的 JavaScript 和 TypeScript 程式碼草稿工具,重新啟動後會還原分頁、程式碼、版面、工作目錄及 AI Chat 對話。
建立新的 StackBlitz 範例,需先複製 examples repository,以 Angular 作為標準版本建立專案、撰寫範例程式碼並在本機測試。之後可使用 GitHub Copilot 或 Codex 協助撰寫文件,再移植至 React、Vue 和 Svelte,完成檢查後提交 pull request。
2026年阿里雲雙11 AI開發者攻略按個人、小團隊及長期項目需求,整理 Token Plan、Qwen4 與 Qoder 的優惠及選購組合。Token Plan套餐低至5折,Qoder專業版首月19.9元,夜間指定時段調用Qwen指定模型可享4折。部分特價套餐數量有限,贈送的Credits有效期為30天。
Codex 的 GitHub Releases 頁面標示版本 0.170.0-alpha.2;提供的內容未列出該版本的更新詳情。
Claude Code 2.1.321 於 11 月 9 日推出,Claude 編寫的模組在 auto 和 bypass 模式下會無須確認自動啟用。模組發出的工具呼叫亦會略過權限提示,即使自訂 ask 規則、dontAsk 模式或 -p 執行也一樣。明確拒絕規則及組織政策仍然有效,變更移除的只是確認步驟。
文章提出,改善 AI 編碼智能體工作可靠性的關鍵,不只是撰寫更好的提示詞,而是建立可引導、檢查及修正其工作的 Harness。教程示範約 15 分鐘內以 Node.js 22+ 建立流程,加入 AGENTS.md、測試、架構防線、npm run check 和 CI,並以檢查結果及人工審閲把關。
作者讓編碼智能體為 Node 服務的 POST 端點新增可選 source 欄位並持久化,智能體卻依據 2019 年 TODO 重寫重試輔助函式,令 PR 涉及 14 個檔案。
AI 編程工具正降低個人化軟件開發和整套重寫的成本,令 Emacs 社羣中以往不切實際的嘗試變得可行。文章以 excali-mode.el 重寫 Excalidraw 的應用堆疊,以及 cooked.el 用 Rust 自行實作終端模擬器為例。文章亦指出,這種軟件自由伴隨可理解性代價,使用者可能不知道程式如何運作。
百度發佈文心5.5 Flash Preview,重點升級程式編寫、遊戲開發、3D建模及內容創作能力。模型總參數量為2800億,每個Token啟用140億參數,支援最長100萬Token上下文,官方稱生成速度超過每秒200Token。模型已在百度智能雲千帆平台上線並可透過API調用,權重計劃於11月25日開放;API每百萬Token輸入繁忙時段2元、閒時1元,輸出繁忙時段8元、閒時4元。
Naytron 面向複雜商業應用,先把用戶零散的想法整理成互相關聯的知識,再據此建模、模擬及開發系統。用戶可查看文件中的內容對應哪些程式碼、數據結構或介面元件,亦可根據會議紀錄檢視建議修改及其影響,再讓 Naytron 開發下一個版本。用戶亦可一鍵建立網站、桌面應用程式、流動應用程式或聊天機械人。
多項研究探討人工智能在軟件工程中的活動與成果,包括不同世代 AI 編碼工具對生產力的影響,以及人工智能讓開發者解鎖哪些能力。研究亦涵蓋程式碼審查 Agent 的錯誤檢測、開發者對 AI 自主程度的界線,以及個人和團隊使用生成式 AI 工具的因素。
Vibe coding 盛行之際,現代網絡應用程式開發仍須依靠軟件工程,確保系統不只表面可用,亦具備安全、可靠及可維護性。未經審查的 AI 生成程式碼可能帶來安全漏洞、資料完整性問題及系統故障。工程流程涵蓋架構設計、測試、保安評估、部署和維護。
Sugar Glider 撰寫本地大語言模型智能體編碼實用指南,介紹如何以 llama.cpp 或 MTPLX 配置推理引擎、模型及 Agent。作者在 48 GB RAM 的 MacBook M4 Pro 上測試,並整理按可用記憶體選模型、設定服務端及連接 Pi 的方法。文中以 PDF 匯出功能示範本地智能體的開發與檢查流程,整項工作約耗時一小時。
文章示範如何在 Python 非同步 API 中使用由應用程式生命週期管理的有界 ProcessPoolExecutor,將 CPU 密集型工作交由獨立作業系統程序執行,以免阻塞事件循環。
作者在約一小時內與 AI 協作,從空資料夾打造出 macOS 本機優先 RSS 閲讀器 LumenAI,並負責產品規格及建置驗證。應用以 Swift、SwiftUI 和 SQLite 建置,支援離線閲讀、全文搜尋、OPML 匯入/匯出及 AI 摘要。作者把開發分為八個階段,列出 v1 非目標,並逐階段建置驗收;最終共有 38 個 Swift 檔案、27 項測試,作者未遇到執行時崩潰。
CodeGraphy v2.1 是本地上下文智能平台及 MCP Server,透過互動式依賴圖和混合上下文處理,減少 85% LLM token 用量。它內置 STDIO MCP Server,提供 11 個工具,並支援一鍵設定 Claude Desktop 和 Cursor。平台以本地優先方式運作,亦可顯示 1-hop 和 2-hop 影響範圍及 Git 架構差異。
作者在為 BeeLadybug 撰寫文件時,讓兩個 AI 檢查程式碼,並逐行核實它們提出的問題,找出自己程式庫中 11 個值得修正的錯誤。修正後,npm test 的 70 項測試全部通過,npm run lint 和 npm run typecheck 亦無問題。
同時在一個視窗運行多個命令列編碼 Agent,只有在能看清各 Agent 正在做甚麼時才有助節省時間。文章建議使用共享任務清單和每項任務一個明確審批關卡,並將任務記錄留在本機。可同時讓兩個 Agent 處理兩項小任務,測試能否不開第二個視窗便看出哪個需要處理。
2026 年的全棧工程師不必精通每一層,而要理解各層如何連接,並掌握合適工具跨越技術界面。AI 把工作重心由編寫程式碼轉向判斷應該編寫甚麼程式碼,以及評估方案是否安全、合理且易於維護。工程師亦須瞭解平台、安全、AI 整合及可觀測性,並懂得在需要時尋求專家協助。
OpenAI 工程師在工作坊介紹 Codex 的三種工作流:雲端交接、語音調度,以及個人智能體 dots。Codex Cloud 可在已配置的環境中,以獨立實例執行多個任務;語音可用於管理工作線程、查看進度和分派任務。工作坊亦指出,本地與雲端的上下文銜接仍需改進,dots 的交互方式和適用場景也有別於主 Codex。
這套後端設計從解耦的低程式碼工作流程逐步轉向 Python,結合 FastAPI、Clean Architecture、CQRS 和 Supabase(PostgreSQL),以支援系統擴展及維護。架構要求依賴指向內層,並以 Pydantic 嚴格驗證資料、分離 DTO,以及透過 domain ports 避免業務邏輯直接依賴資料庫用戶端。
作者提出以外置的 Roblox 專案知識庫,減少 AI 助手虛構 Luau API、忘記專案決策及重複建立系統的問題。知識庫分為規則、附來源與日期的知識、專案記憶三層;作者建議每次任務前查看相關筆記,完成後記錄錯誤修正,並在 Studio 查證或測試不確定的 API,任務完成也須經過 playtest。
Codex 的 GitHub Releases 頁面列出 rust-v0.167.0-alpha.4.3 標籤,但未提供該版本的更新説明。
Codex 的 GitHub Releases 項目標示版本 0.167.2;頁面未提供該版本的更新內容。