IT资源栈互联网海量AI资源栈
  • 首页
  • AI
  • 前沿
  • 专题
  • 碎片
  • 架构
  • 实战
  • 安全
  • 生活
  • 工具
  • 管理
  • 标签云
  • 文章存档
Hi, 请登录     我要注册     找回密码
共 2 篇文章

标签:软件工厂

Tereza Tizkova 说软件工厂不是 coding agent-IT资源栈

Tereza Tizkova 说软件工厂不是 coding agent

Tereza Tizkova 的 "Rise of the ...

赞(0)loyloy2026-07-02未分类 AI代理AI编程开发效率软件工厂软件开发阅读()
AI Engineer 2026 第一天的软件工厂主线-IT资源栈

AI Engineer 2026 第一天的软件工厂主线

AI Engineer World's Fair 2026 ...

赞(0)loyloy2026-07-02未分类 AI代理AI开发AI编程软件工厂软件开发阅读()
易安
易安作者
长期关注 AI Agent、软件工程、自动化工作流与个人生产力系统。喜欢把复杂技术拆成普通人也能上手的实践教程,也记录自己在工具链、编程、内容创作和知识管理上的真实折腾。
  • 分享 AI 工具、Agent 工作流与提示词工程的实战经验
  • 记录从想法到产品、从代码到上线的完整实践过程
  • 关注普通人如何用 AI 放大能力,而不是被工具牵着走
阅读作者的全部文章 ›

置顶推荐

  • 2026最新Claude Code国内上手教程 从安装到第一次跑通完整流程一次讲清2026-05-31
  • OpenAI Codex CLI 新手指南:安装、审批模式和项目规则2026-05-25
  • Claude Code 国内使用完整教程 从 API Key 到三端安装这次一次配明白2026-05-14
  • codex国内编码远超claudecode,2026最新Codex国内保姆级入门教程2026-05-05
  • 2026最新Claude Code新手避坑指南 第一次使用最容易卡住的10个问题2026-04-17
  • 2026最新Claude Code订阅怎么选 免费版ProMaxTeamAPI一篇讲清2026-04-17
  • Codex 国内怎么用才省事:从官方账号到 Code80 CLI,一篇讲清楚稳定玩法2026-04-02
  • Claude 国内怎么用最省事:官网订阅、直连平台和第三方入口2026-04-02
Code80 · AI 编程巴士

前沿哨所

  • 解决 Claude Code 文档越写越乱:仓库级文档协议 project-docs 开源

    开发者 mq-yuan 在 Linux.do 社区开源了项目 project-docs,这是一套面向 Claude Code、Codex 等 AI 编程助手的仓库级文档协议与结构化检查器。作者是三维重建领域(Feed-forward 3DGS 方向)的研究人员,过去一年多使用 AI 编程工具提交实验、讨论模型架构并分析实验结果,过程中发现两类典型问题:一是“追加式腐烂”,智能体倾向于如实记录所有讨论过程,包括已被排除的错误尝试,导致新会话反复回到旧思路上,污染上下文;二是“漂移”,智能体缺乏跨会话的全局记忆,难以准确把握项目当前进展与临时搁置的方向。针对这些问题,project-docs 采用“原地重写”的收敛式文档管理方式:核心的 current status 文件控制在百行以内,仅承担索引导航作用;详细设计归档至 Records 文档,供智能体按需读取,以节约有限的上下文窗口。项目还附带一个零依赖的结构化 linter,对文档组织施加硬性约束。作者说明,该方案源自科研场景的实践提炼,主要适配实验型项目,尚未在其他领域广泛验证,论文写作等场景效果欠佳;相关设计在 GitHub README 中附有学术论文佐证。项目已发布于 GitHub(mq-yuan/project-docs),作者邀请社区用户体验反馈。

    事件分析

    该项目的核心思路是把仓库文档当作需要持续“收敛”的知识库,而非只增不改的日志,这与当前智能体上下文工程的演进方向一致:短索引加按需检索的模式,可视为 MEMORY、AGENTS.md 等机制的精细化版本。它折射出 AI 编程工具生态进入新阶段,用户痛点正从代码生成质量转向跨会话记忆与知识治理,社区开始自建协议层工具弥补平台能力缺口。后续走向上,此类方案能否通用化取决于不同任务类型的知识结构差异,科研、工程开发、写作等场景可能需要差异化协议;同时随着 Claude Code、Codex 等原生记忆功能的完善,独立文档协议工具或与平台功能融合,也可能凭借跨平台可移植性作为中间层长期存在。零依赖 linter 的轻量化设计降低了接入门槛,利于社区扩散。

    核心观点:AI 编程的竞争焦点正从代码生成转向上下文与记忆治理,文档协议将成为智能体工作流的新基建层。

    原文链接:Linux.do

    刚刚
  • 让Codex自己聊AI生成记录截图,账号竟遭封禁一周

    近日,Linux.do论坛一位用户发帖称,自己的Codex账号因自动化操作被平台封禁一周。据其描述,事情起因是帮同学撰写实验报告,作业要求提交与大模型沟通的聊天记录截图。为了省事,该用户让Codex自行与另一个大模型对话,以生成所需的沟通记录,结果账号随即遭到封禁一周的处罚。发帖人对封号原因表示困惑,猜测平台近期可能加强了检测机制,能够识别出AI与AI对话的使用模式。其表示,此前使用脚本自动化操作均未出现问题,而这次仅让模型简单问答就触发了封禁。帖子标题中的大肥鱼疑似为社区语境中对被平台重点盯上的滥用账号的戏称,发帖人对此颇为无奈。Codex是OpenAI推出的AI编程智能体,被大量开发者用于代码生成与自动化任务。主流AI服务商的服务条款普遍禁止自动化滥用、批量请求与账号共享等行为,并通过行为特征、请求频率、对话模式等手段进行风控识别。此次事件在社区引发讨论,部分用户认为平台的反自动化检测正在收紧,使用脚本模拟对话、批量生成内容的风险显著上升。该事件对依赖自动化脚本使用AI服务的用户具有直接警示意义:一旦被判定为滥用,可能面临限流乃至封号处理。

    事件分析

    从技术角度看,AI服务商识别自动化使用并不困难:AI生成的对话往往具有高度规律的请求节奏、模板化的提问结构和异常稳定的会话间隔,与真实人类行为特征差异明显。随着风控模型迭代,此类AI与AI对话的模式被批量识别只是时间问题。产业层面,订阅制AI服务的定价基于人类用户的使用假设,脚本化滥用会推高服务成本,倒逼平台强化风控。类似封禁事件在开发者社区并非孤例,反映平台对账号共享、自动化脚本的态度正从宽松转向严格。后续走向上,平台可能在服务条款中进一步明确自动化使用边界,同时为合规的自动化需求提供官方API通道。对普通用户而言,通过官方API而非消费级订阅产品实现自动化,将是规避封号风险的主要路径。

    核心观点:AI订阅服务风控收紧,脚本化薅羊毛时代走向终结,人机使用边界将重塑开发者与平台的博弈规则。

    原文链接:Linux.do

    刚刚
  • 200万条诱饵提示词追踪:AI供应链存在系统性数据泄露

    Dragos首席研究员HD Moore团队在2026年7月至11月的五个月里,向主流AI服务提交约200万条嵌入唯一URL和金丝雀令牌凭证的提示词,追踪推理数据离开客户环境后的真实流向。研究披露三大发现:一是至少三家AI托管供应商遭主动入侵,攻击者在供应商入口处整体复制请求,窃取数百个AWS密钥,随后验证密钥有效性、遍历S3存储桶、检索Secrets Manager、启用Bedrock并添加IAM用户维持持久访问,诱饵密钥累计触发数万次API调用,最早事件发生在7月中旬,三家供应商事前均不知情;二是推理市场转售商无需利用任何漏洞,仅靠低价上架模型并启用日志即可留存客户提示词,有攻击者从法国家用宽带逐条手动尝试SSH root登录;三是隐私设置与留存政策普遍失守,美国供应商的提示词被传输至中国AI机构,唯一URL在推理数月后仍被访问,一条诱饵链接最终现身中国某公司内部聊天。研究中攻击方还使用了LLM驱动的渗透测试框架ARTEX,其用户代理标识artex-agent和artex-judge-r121尚未出现在公开威胁指标库中,可纳入检测规则。

    事件分析

    该研究揭示了AI推理链路的结构性风险:请求从路由器到推理服务器常经过多跳转发,每一跳都能读取完整提示词与响应,而Zero Data Retention等隐私标识本质上是合同承诺,缺乏端到端的技术强制与验证手段。市场化的低价转售机制进一步放大风险,折扣往往来自消费者套餐池化、初创额度甚至被盗凭证,数据变现动机天然存在。对防御方而言,CloudTrail中Kali、Boto3与ARTEX的用户代理特征可作为检测信号,但这类自标识仅出现在小部分流量中。事件可能推动两个走向:企业将推理数据默认视为已暴露资产纳入数据治理体系,行业层面则需建立推理链路可审计机制与ZDR的技术级验证标准。

    核心观点:提示词发出即失控:AI供应链每一跳都可见全文,ZDR只是纸面承诺,数据安全不能寄望于供应商自律

    原文链接:Hacker News

    刚刚
  • Antigravity 不支持远程 Mac 开发环境,AI IDE 远程编程痛点浮现

    近日,V2EX 上一位开发者发帖求助,称 Google 推出的 AI 编程工具 Antigravity 无法将远程 Mac 设备作为开发宿主机,希望社区提供成熟的解决方案。该用户手头有一台 Mac mini,长期将其作为固定的远程代码开发服务器,此前的工作流以 Codex 作为主力代码生成工具,并搭配 Codebuddy 的 DeepSeek 4.1F 模型进行修补工作。虽然用户此前通过优惠渠道开通了 Gemini 账号,但由于 Antigravity IDE 不支持远程 Mac 环境,基本只将其当作聊天工具使用。随着近期大量用户开通 Gemini Pro 账号,与该用户有相同需求——即把远程 Mac 作为主力开发硬件,同时使用 Antigravity 进行开发——的开发者逐渐增多,帖子引发了关于 AI IDE 远程开发支持的讨论。Antigravity 是 Google 近期发布的智能体优先 IDE,集成了 Gemini 系列模型,可自主完成代码编写、测试与验证。但该产品目前主要面向本地开发场景,未提供类似 VS Code Remote SSH 或 JetBrains Gateway 的远程开发能力,这使得习惯将代码与算力部署在远程服务器上的用户难以将其纳入现有工作流。发帖者表示尚未找到兼顾两者的优雅方案,希望了解社区中的成熟做法。该帖反映出部分开发者对 AI 编程工具远程支持能力的真实需求正在增长。

    事件分析

    远程开发是企业与重度开发者中的常见形态:代码与算力集中在服务器,本地仅作终端接入。VS Code 的 Remote SSH、JetBrains Gateway 等方案已建立起成熟范式,而新一代 AI IDE 普遍沿用本地优先架构。Antigravity 基于 VS Code 分叉而来,但目前未开放远程连接能力,其 Agent 需要直接访问本地工作区与终端环境,导致远程开发场景短期难以兼容。类似问题在 Cursor 等工具的社区中也反复出现,属于 AI IDE 产品的共性短板。从产业角度看,AI 编程工具的竞争焦点正从模型能力转向工程适配度,远程支持、企业环境接入将成为下一阶段的产品分化点。可能的走向包括:官方后续版本补齐 Remote 能力、社区通过 SSHFS 或文件同步等方案曲线实现、或该类用户暂时留在传统 IDE 加插件的组合工作流中。

    核心观点:AI IDE 争相内卷模型与 Agent 能力,却忽视了远程开发这一存量刚需,工程适配度或成下一个竞争分水岭。

    原文链接:V2EX 分享发现

    刚刚
  • Vibe Coding让人人会写软件,部署发布却成新门槛

    随着Claude Code、Codex、Cursor等AI编程工具的普及,非专业开发者借助大模型编写代码的能力显著提升,普通人也能为自己’手搓’出可用的工具和应用。这种被称为Vibe Coding的开发方式大幅降低了软件创作门槛,使编程从专业技能逐渐变成人人可参与的创造性活动。然而,社区讨论指出,软件开发的难点并未消失,而是发生了转移:从’写出来’变成了’发出去’。一款完全不懂技术的开发者做出的应用,即使功能完善、体验良好,往往也只能在本地自用。若想将其发布到互联网供他人访问,需要面对一系列传统工程问题:购买和配置域名、部署服务器环境、申请HTTPS证书、处理备案流程、防范网络攻击与数据泄露等。这些环节涉及运维、安全、合规等多个领域的知识,恰恰是当前AI编程工具难以一键代劳的部分。这一现象折射出AI编程生态的结构性现状:代码生成环节的自动化程度快速提高,但软件交付链条上的部署、运维和安全环节仍高度依赖专业知识。对个人开发者而言,从’能用’到’可分享’之间的距离,正在成为Vibe Coding浪潮中的新门槛。这一缺口也可能催生面向小白用户的一键部署、托管发布类服务,成为下一阶段开发者工具的竞争方向。

    事件分析

    从技术演进角度看,AI编程工具解决了代码语法与逻辑生成的效率问题,但软件工程的完整链路还包括构建、测试、部署、监控、安全加固等环节。当前主流工具对CI/CD流水线、云服务配置、容器编排等DevOps知识仍要求使用者具备一定基础,形成了明显的能力断层。产业层面,这一缺口正在吸引平台方布局:Vercel、Cloudflare等持续压低部署门槛,各类PaaS服务也在向’对话即上线’方向探索。AI编程工具厂商若能与云平台深度整合,将部署能力内嵌到开发流程中,有望打通全链路闭环。后续可能的走向包括:一是AI Agent向运维领域延伸,自动完成域名配置、证书签发、安全扫描等任务;二是面向非技术用户的托管平台兴起,以订阅模式承接发布需求;三是低代码平台与AI编程融合,将部署抽象为平台默认能力。软件交付的’最后一公里’,或成AI开发工具下一阶段的竞争高地。

    核心观点:AI抹平了写代码的门槛,却把软件交付的运维与安全难题推向台前,部署能力将成为开发者工具下一轮竞争的胜负手。

    原文链接:Linux.do

    刚刚
  • ChatGPT与Gemini手机端体验遭吐槽:断连、丢会话,竟不及豆包

    近日,Linux.do论坛有网友发帖吐槽OpenAI的ChatGPT与谷歌Gemini两款手机应用的体验缺陷,引发社区讨论。发帖者列举了两款产品在移动端的多个具体问题。ChatGPT方面存在三类缺陷:其一,应用会随机出现’网络已断开’的连接中断提示,一旦触发,模型正在生成的回答将无法查看,用户只能清除后台后重新打开;其二,在工作模式下发送一条消息,有时会变成多条并发会话重复执行,例如让模型搜索某内容时可能同时发起三次搜索任务;其三,长任务模式下停止功能失效,当模型调用某项功能时按下停止按钮无响应,任务仍在后台继续思考或输出,多次点击后按钮虽显示’已停止’并允许发送下一条消息,但前端UI状态与后端实际执行状态不同步,任务并未真正终止。Gemini方面的问题同样突出:一是能力缺失,用户发送网页链接请模型查看时,应用直接回复无法访问链接,链接解析功能被大幅阉割;二是会话丢失,当一个新会话正在思考时,用户切换至后台,整个会话会完全消失且不再恢复。发帖者对比指出,字节跳动的豆包在去年即已支持发送消息后退出后台、模型完成思考输出后通过系统通知提醒用户,交互体验更为完善。该帖反映了用户对头部AI产品移动端完成度的真实不满,也暴露出大厂应用层打磨与模型能力之间的落差。

    事件分析

    从技术角度看,帖中反映的问题多属移动端基础工程范畴:长连接稳定性管理、消息去重与幂等性设计、前后端任务状态同步、后台进程与会话持久化等。这些并非模型能力短板,而是客户端与服务端架构的可靠性问题,说明头部AI厂商的研发资源仍向模型侧倾斜,应用层投入相对不足。从产业视角看,此现象折射出AI行业’重模型、轻产品’的阶段特征,当前竞争焦点集中于推理能力与上下文长度等模型指标,移动端体验尚未成为核心投入方向。值得注意的是,国内厂商豆包在后台任务、通知交互等产品化细节上反而领先,显示中国AI应用团队在工程化与用户运营层面的积累。后续来看,随着各家模型能力差距逐步收窄,应用层体验将成为差异化竞争的关键,连接稳定性、后台任务、链接解析等基础能力预计会被快速补齐,AI应用竞争的重心将从模型参数比拼转向产品完成度之争。

    核心观点:大模型军备竞赛掩盖了工程短板,当模型能力趋同,移动端完成度将决定AI应用的留存与胜负。

    原文链接:Linux.do

    刚刚

最新文章

  • 解决 Claude Code 文档越写越乱:仓库级文档协议 project-docs 开源2026-11-22
  • 让Codex自己聊AI生成记录截图,账号竟遭封禁一周2026-11-22
  • 200万条诱饵提示词追踪:AI供应链存在系统性数据泄露2026-11-22
  • Antigravity 不支持远程 Mac 开发环境,AI IDE 远程编程痛点浮现2026-11-22
  • Vibe Coding让人人会写软件,部署发布却成新门槛2026-11-22
  • ChatGPT与Gemini手机端体验遭吐槽:断连、丢会话,竟不及豆包2026-11-22

热门专题

  • AI 大模型
  • Claude 实战
  • 前沿观察
  • 安全攻防

热门标签

AI编程claude大模型AIAI Agent人工智能开源项目Gemini开发者工具开源Claude CodeGitHub开源工具AI工具开发工具谷歌openaideepseek提示词工程cursoranthropic网络安全AI应用ChatgptAI开发agentAI安全自动化智能体AI智能体

网站统计

  • 日志总数:30225
  • 评论总数:8
  • 标签总数:17961
  • 用户总数:3675
  • 最后更新:2026-11-22

© 2023-2026   IT资源栈   粤ICP备2021152721号-5