以下文章来源于算法爱好者 ，作者小蒜 算法爱好者 . 算法是程序员的内功！「算法爱好者」专注分享算法相关文章、工具资源和算法题，帮程序员修炼内 功。 前段时间，Reddit Claude 频道的一个热帖，贴主是个程序员，分享了他对 AI 编程工具的看法。 开发类工作即将迎来大洗牌，但所有人都还没准备好 跟 Claude Code（Max 模式下的 Opus 4）深入接触后，我得说些大实话： △ 它已经能 100% 独立写代码了。不是辅助，不是帮忙，就是纯自己搞定。今年这才刚到年中。 △ "Python 开发""React 开发"这种说法早就过时了。往后我招人，不会看你会什么语言，只看能不能解决问 题：管它用什么技术栈。语言壁垒已经彻底没了。 △ 现在问"我该学哪种编程语言"基本是白问。真正重要的技能是系统设计、架构搭建、DevOps、云计算这些 能区分初级和资深工程师的东西。这些才是核心。 贴主还在末尾号召来其他同行来分享的想法。 网友留言 原贴留言也挺热闹的，摘译几条： brahlame： 作为一名架构师级别的工程师，我听过最精辟的观点是这样的： "我 90% 的技能如今分文不值，而剩下 10% 的价值却翻 ...

AI Agent开发痛点与Context Engineering需求 - AI Agent开发面临海量工具调用和长程推理(long horizon reasoning)产生的长上下文(long context)问题，严重制约Agent性能和成本，甚至导致模型能力下降[4] - 典型任务通常需要约50次工具调用，生产级Agent运行时可能需要多达数百次工具调用[11] - 单次运行可能消耗50万个token，成本达到1-2美元[11] Context Engineering核心概念 - Context Engineering定义为"在大语言模型的上下文窗口中放入正好适合它执行下一步所需的信息"[8] - 本质上是AI Engineering的子集，包含内循环(即时筛选所需context)和外循环(长期优化context window)[10][13] - 随着context长度增加，模型注意力会分散，推理能力下降，这种现象称为context衰减(context decay)[15] 五大Context Engineering策略 Offload(转移) - 将完整工具调用context转移到文件系统等外部存储，仅返回摘要或URL标识[21][26] - 使用文件系统记录笔记、跟踪进度、存储长期记忆[23] - 必须生成有效摘要描述文件信息，prompt engineering在其中起重要作用[28] Reduce(压缩) - 通过摘要(summarization)和剪裁(pruning)减少context内容[21][35] - Claude Code在95% context window占满时自动触发reduce机制[35] - 存在信息丢失风险，Manus选择先offload确保原始数据不丢失再进行reduce[37] Retrieve(检索) - 从外部资源检索与当前任务相关信息加入context window[21][46] - 包括经典向量检索、文件工具检索和context填充等方法[47] - 测试表明基于文本文件和简单文件加载工具的检索方法效果最佳[48] Isolate(隔离) - 在multi-agent架构中拆分context，避免不同类型信息相互干扰[21][59] - 不同角色agent各自压缩管理不同内容，避免单一agent承担全部context负担[59] - Cognition认为sub-agent获得足够context极其困难，需要大量精力在context摘要与压缩上[61] Cache(缓存) - 缓存已计算结果，降低延迟和成本[21][67] - 使用Claude Sonnet时缓存输入token成本为0.30美元/百万token，未缓存为3美元/百万token，相差10倍[69] - 只能优化延迟和成本问题，无法解决long context根本问题[70] The Bitter Lesson启示与实践经验 - 计算能力每五年增长十倍，scaling趋势是推动AI进步的关键因素[71] - 随着模型能力提升，早期添加的结构化假设可能成为发展瓶颈[74][81] - AI-native产品应在模型能力足够时从零构建，而非受限于现有流程[82] - Claude Code设计保持简单通用，为用户提供广泛模型访问权限[81] 记忆系统与检索关系 - Agent记忆分为情景记忆、语义记忆、程序记忆和背景记忆四类[50] - 大规模记忆读取本质上就是检索操作，复杂记忆系统就是复杂RAG系统[54] - Claude Code采用极简模式，启动时自动加载用户GitHub仓库，效果出奇地好[53][54] 框架选择与架构设计 - 应区分agent抽象(高级封装)和底层编排框架(精细控制)[77][78] - 开发者需要警惕agent抽象，但不排斥透明可自由组合的底层编排框架[79] - 大型组织推动标准化框架是为了解决实际协作问题，而非框架本身[80]

~ Nuvini Developers See Productivity Improvements of up to 8x Following Shift to Agentic Coding Platforms ~ NEW YORK, Sept. 26, 2025 (GLOBE NEWSWIRE) -- Nuvini Group Limited (Nasdaq: NVNI) (“Nuvini” or the “Company”), the leading serial acquirer and operator of B2B SaaS companies in Latin America, today announced early results from a new initiative within NuviniAI Lab, a dedicated internal program designed to accelerate artificial intelligence ("AI") adoption across its portfolio companies, unlock operation ...

我们是怎么做到的呢？ 很简单：只让 AI 来做 Review。 AI 不仅能提效，还有一个意想不到的好处，就是减少摩擦。人工 Review 很容易让人觉得是在「挑刺」，但如果是 AI 指出问题，工程师反而会感谢它帮自己排雷。 所以在我们团队里，大家都会相互推荐好用的 AI Review 工具。这种「好用」很难用量化指标衡量，更多取决于工程师的主观体验。 本期播客前半部分是任川的单人分享，后半部分是现场交流，原文约 14500 字，本文经过删减整理后约 5600 字。 任川单人分享 我们公司成立于去年 4 月，一开始就采用了 AI Native 的组织形式，两三个月后，就把 AI 深度嵌入了研发的各个环节，这一年多实践下来，效率和效果都很好。 今天我就会从工作流、人才、组织三个维度，分享我们打造 AI Native 工程团队的经验。 先说第一部分： 如何用 AI 重构研发工作流，把效率提升 10 倍。 所谓「10 倍提效」只是保守说法，实际体感远不止于此。拿 Code Review 举例，这件事即使在效率优化到极致的 Google，平均也要一两天，而我们只需 10 分钟。 在传统工作流里，我们通常会默认所有事都 ...

以下文章来源于腾讯云开发者 ，作者余志臻 腾讯云开发者 . 腾讯云官方社区公众号，汇聚技术开发者群体，分享技术干货，打造技术影响力交流社区。 目录 1 引言：一个看似倒退的选择 2 理解状态的本质 3 无状态思想的历史脉络 4 无状态设计的优势 5 现实的权衡 6 AI时代的新思考 当AI编程助手都在比拼谁的索引更智能时，Claude Code选择了每次都实时搜索、不保留任何状态。这个反直觉的设计背后，是对Unix哲学的现代传 承，也是对"什么才是好工具 " 的重新定义。 01 引言：一个看似倒退的选择 最近，Claude Code的技术选择引发了不少讨论。 有观点认为，Claude Code与Gemini放弃代码索引是"一步烂棋 " 。Milvus的技术博客更是直言不讳："Claude Code的grep-only方式会烧掉太多tokens " 。 在HackerNews的讨论中，有开发者质疑："Claude用grep，Cursor用向量搜索——我们是在技术倒退吗？ " 当主流AI编程助手纷纷采用向量索引实现语义搜索时，Claude Code却选择了grep——这个诞生于1973年的命令行工具。它不建立持久 ...

OpenAI 最新一轮融资让其估值达到了 3000 亿美金，而 Anthropic 同样达到了 1830 亿美金，可以说都挺疯狂的。 成为 Anthropic 不比追赶 OpenAI 容易 上周，OpenAI 和 Anthropic 分别发布了一份 人们如何使用其 AI 的报告 ，两个报告有一点给我印象非常深：使用 ChatGPT 的用户行为中非工作消息的 比例越来越大，已经占到了差不多 73%； 而使用 Claude 的用户行为中则几乎都与工作相关，AI 更多被当作工具／助手／协作者，特别是与编程以及增强人类能力这块。 两家走出了非常具有自己特色的路径：OpenAI 的发展一直延续了综合能力的提升，在推理和多模态各方面全面发展。而 Anthropic 则以代码和工具使用 能力为特色，逐步形成适合真实世界软件工程任务的口碑和标签。 Anthropic 的发力和快速突破点是 Coding 和 Agent 能力，目前它是 Agentic Coding 这个领域的主导，自己推出的 Claude Code 也成为 Agentic Coding 里增长最快的产品，6 个月时间 ARR 达到 4 亿美金，Claude 4 ...

近日，吴恩达（Andrew Ng）在首届Buildathon上发表主题演讲，内容围绕AI辅助编程、快速开发产品原型，以及AI工程师技能需求展开。 吴恩达是人工智能与机器学习领域的国际权威学者。他是谷歌大脑项目的创始人之一，也是在线教育平台Coursera的联合创始人。2014年，吴恩达加入百 度，担任首席科学家，2024年吴恩达进入亚马逊董事会。他近年来活跃于AI投资和创业领域，创立了AI Fund和DeepLearning.AI等项目。 吴恩达提出，原型开发对安全性、扩展性要求较低，AI进一步降低了试错门槛。他推崇"快速行动，承担责任"（Move fast and be responsible）原则，建议 在沙盒环境中大胆实验，再决定是否投入生产化改造。 2、代码正在贬值，开发者需要转型为系统设计者和AI指挥者。 编程工具已经历多代进化：从GitHub Copilot到IDE，再到高度代理化的编程助手。工具迭代速度创造实质性效率差距，落后半代即可能显著影响产出能 力。 代码价值本身正在降低。AI可自动生成代码、迁移数据库架构，使架构决策变得更可逆。开发者需要从代码编写者转型为系统设计者和AI指挥者，重点 把 ...

在 AI 辅助编程领域，Anthropic 推出的 Claude Code 命令行工具已成为开发者常用的助手。它允许从终端直 接调用 Claude Sonnet 等模型，处理脚本编写、代码调试和系统命令执行等任务。 然而，一项近期研究指出，该工具在连接 Model Context Protocol (MCP) 服务器时，可能存在 Tool Invocation Prompt (TIP) 被劫持的风险，导致远程代码执行 (RCE)，且无需用户额外交互。 论文标题： Exploit Tool Invocation Prompt for Tool Behavior Hijacking in LLM-Based Agentic System 这项研究由香港科技大学和复旦大学的研究团队完成。研究者通过 TEW 攻击框架对 Claude Code v1.0.81 进 行了测试，验证了该漏洞的存在。以下是对研究发现的概述，包括 Claude Code 的工作机制、攻击流程以及 潜在影响。 论文地址： https://arxiv.org/pdf/2509.05755 代码仓库：https://github.com/TIPEx ...

AI Coding 演化进行时。 作者 | 董超 责编 | Echo Tang 出品丨AI 科技大本营（ID：rgznai100） 过去三年里，AI 编码从"补一句代码"跃迁为"承包一次变更"。Coding 可能是第一个找到所谓 PMF 的方向…如今 AI Coding 已经进入下半场，Coding 到底是 AGI 的子集还是新路径，我们一起略窥一二。 三年演进：范式落地 → 开源上位 → 执行力为王 2023：范式落地，"可执行代理"苗头已现 如果要给 2023 下一个极简注解，那就是：范式被大型平台坐实，开源在边缘地带萌芽。前者不难理解——Copilot 与 ChatGPT 把"人写—AI 辅"的协 作方式带进了日常；后者更值得留心：初创公司和个人开发者开始探索"不仅会说，还要能做"。我们能在当年的两个方向上嗅到这种味道： 它们还不是"产业级代理"，却清晰地为次年的开源 Code Agent 热身：从"能聊代码"迈向"能动手"。 2024：Coding Agent 上位，社区百花齐放 来到 2024，Coding Agent 从舞台边侧走到中央，形成两股彼此强化的潮流。 第一股：可执行的 Coding A ...

"产品质量这么差。我之前不明白为什么，现在明白了。"开发者 Tim McGuire 在帖子下表示。 "我也是。同以前相比，之前用起来感觉就像有个可以分派任务的初级工程师，事情能完成，代码至少还算过得去。但最近的 体验，更像是在和一只猴子打交道。"开发者 Peermux 说道。 Anthropic 将 8 月至 9 月初期间的模型质量下降问题，归咎于三项基础设施漏洞的影响。8 月初，许多用户开始上报 Claude 响应降级问题。Anthropic 坦承当时未能发觉用户反馈与正常波动之间的差异。到 8 月底，同类报告的频率和持续性越来越 高，为此其展开调查，并发现三项互不关联的基础设施 bug。 "首先澄清一点：我们绝不会因需求、时间或者服务器负载情况的变化而降低模型质量。 用户上报的问题纯由基础设施 bug 所 导致 。"Anthropic 强调。 Anthropic 还表示，"我们深知用户希望 Claude 始终提供稳定的质量表现，为此我们设定了极高的执行标准，以确保基础设施 变更不会影响模型输出。但从近期事件来看， 我们未能真正落实这些标准 。以下剖析报告将解释发生了什么、为何检测和解 决问题的时间比我们预 ...