引用 Addy Osmani、Morgan Westlee Lunt 和 Qing Wang 谈代码审查
Addy Osmani、Morgan Westlee Lunt 和 Qing Wang 表示，Claude Code 团队会持续审查变更，大多数变更在由人查看之前，至少会由 Claude 审查并修复一次。他们介绍说，团队会思考可能出现什么问题，以及应该采用哪种检查方式（自动化检查还是人工检查）来发现问题，而不是把是否有人读过代码当作判断标准。
全部动态 · 今日2条
#编码
信源抓到、进了内容池的全部内容，按时间排列；精选只是其中一部分。
观点
人物观点、评论、分析、访谈、现象与趋势讨论
Simon Willison47 Boris Cherny · X63 Claude Code Review 面向 Team 和 Enterprise 计划全面开放
ClaudeDevs 宣布，Code Review 现已面向 Claude Team 和 Enterprise 计划全面开放，带来更快的审查、更精准地发现影响重大的错误，以及由管理员按仓库选择的 Quick、Standard 或 Deep 审查级别。 Boris Cherny 表示，他的所有 PR 都会经过该功能审查，几乎所有错误都能在合并前被发现，帮助团队快速推进工作的同时提升质量。https://twitter.com/ClaudeDevs/status/2110866210573386065
TechCrunch · AI37 Replit 首席执行官称 AI 工作场所为“自动驾驶公司”
Replit 首席执行官兼联合创始人 Amjad Masad 表示，公司的工作越来越多地由 AI 智能体驱动。智能体负责处理大部分支持工单的初步分流，也可以部署来提交修复方案。他说，人们仍然提供判断力和品味，同时花更多时间决定要做什么、讨论想法和规划架构。
Ethan Mollick · X3 Ethan Mollick 表示，Codex Composer Text Predictions 的建议总是错的
过一种让 Codex Composer Text Predictions 的建议总是错的生活。
Ethan Mollick · X15 Ethan Mollick回应@emollick关于Codex Composer文本预测的帖子
@emollick发帖称：“过一种生活，让Codex Composer文本预测给出的建议总是错的。”Ethan Mollick：我没忍住。https://t.co/1D6DQqXvAC https://t.co/baQEzSDYII
Alexandr Wang · X49 Alexandr Wang 评测 Muse Wonder Full
@davis7 的评测称，Muse Wonder Full 文笔和“语气”出色，在非专业任务上的能力与 6.1 sol 不相上下，也具备编排能力。评测将命名方案、价格和使用限制列为缺点，并称完整模型可通过订阅在 Muse Code 中使用，但没有 API。 Alexandr Wang 称这是一篇经过深思熟虑的评测，说还有很多地方需要改进，并表示很高兴大家喜欢使用这个模型。https://twitter.com/davis7/status/2110533786895356118
Alexandr Wang · X18 Alexandr Wang 表示，Muse Wonder Full 仍有改进空间
@theo 表示，Gemini 4 Argon 在他的代码库中完全无法用于实际编码工作，因为它会对系统的工作方式进行大量幻觉。Alexandr Wang 表示，Muse Wonder Full 仍有改进空间，他们正在努力改进！ https://t.co/D804UwQQQi
Alexandr Wang · X35 Alexandr Wang称用户们低估了Muse
大家都没意识到Muse有多棒，真是太不可思议了 :) https://t.co/dOhyW9f2UA
Alexandr Wang · X29 Alexandr Wang 表示，Muse Wonder Full 在高难度编程任务上可能会让你惊喜
试试用 Muse Wonder Full 处理你最棘手的编程任务——它会让你惊喜！ “根据我的氛围测试，它比 Astra 好。还不如 Claude Code Fable 和 5.5 Opus。” https://t.co/8RTGZ434kG
François Chollet · X31 François Chollet 表示，Kylon 为 Claude Code 和 Codex 提供共享团队上下文
如果一个智能体帮工程师节省了 2 小时的功能实现时间，却让团队在协调和审查上总共耗费 3 小时，那么投资回报率就是负的。 在团队环境中，彼此孤立的聊天并非理想选择，因为它们不了解团队已经讨论并做出的决定。Kylon 应用通过在共享的多人协作环境中运行 Claude Code 和 Codex 来解决这一问题。智能体可以实时了解团队共识和架构决策。
Alexandr Wang · X27 Alexandr Wang 称赞 Muse 为世界奇迹
Muse，世界奇迹
宝玉 · X11 作者建议为 Codex 和 Claude Code 配备健身硬件
我认为应该为 Codex 和 Claude Code 配备配套的健身硬件。例如，可以将推理强度与握力挂钩：握力越强，推理强度越高。这样，你就可以通过更努力地锻炼来获得更高的推理强度。
Alexandr Wang · X29 Alexandr Wang称，Muse Wonder专注于为真实用户解决现实任务
通过 Muse Wonder，我们旨在打造一个能帮助真实用户完成现实任务的模型，其设计参考了我们的产品采用情况以及人们使用 Muse 的方式。我们专注于那些在 Twitter 上可能没那么光鲜的事情（例如，不做 3D 演示游戏）；回过头看，我们或许本可以在这方面做得更多。
Alexandr Wang · X40 Alexandr Wang 称团队没有用 3D 演示游戏训练 Muse Wonder
现在整个团队都觉得自己很傻，但事实确实如此：我们没有专门用 3D 演示游戏训练模型。 显然，回头来看，我们可能应该做一些这方面的训练……但我们并不后悔。请在实际的编程工作中试试 Muse Wonder！
Alexandr Wang · X19 MUSE WONDER 🍉 muse wonder 是全球最适用于个人智能体和专业智能体的模型。我们在智能体任务和编程任务中，将我们的模型与全球最优秀的模型进行了评估，我们认为大家都会喜欢它。
MUSE WONDER 🍉 muse wonder 是全球最适用于个人智能体和专业智能体的模型。 我们在智能体任务和编程任务中，将我们的模型与全球最优秀的模型进行了评估，我们认为大家都会喜欢它。
The Decoder59 安德烈·卡帕西谈人们体验 AI 能力的差距正在扩大
安德烈·卡帕西将人们接触大语言模型（LLM）的情况分为四个层级，并认为公众对其能力的认知落后于前沿系统用户所体验到的能力。他估计，约有 60 亿人几乎没接触过大语言模型，10 亿至 20 亿人使用休闲型聊天机器人产品，2000 万人在数学和代码工作中使用前沿模型，另有 5000 人可以访问内部前沿系统。他声称，这些内部系统能协调数千个智能体开展项目，而专家完成这些项目需要数年；人工审核则已跟不上进度。他将模型在代码和数学方面的进步归因于针对可验证奖励的强化学习，以及商业化的训练优先事项。
宝玉 · X20 代码审查只是保障质量的一种方式
代码审查只是保障质量的一种方式。如今，有些人仿佛觉得不审查 AI 生成的代码，世界就会毁灭，尽管在 AI 出现之前，很多人也没有认真审查代码。😄
Ethan Mollick · X57 Ethan Mollick认为，实验室对先进模型的使用仍集中在少数几个领域
Ethan Mollick认为，在实验室中有权使用先进模型的5,000人里，仍有许多人尚未充分利用这些模型；目前的使用主要集中在网络安全、数学和人工智能研发领域。 他补充说，还有许多其他领域可以推进，也有许多问题有待解决。他是在回应@karpathy关于人们对大型语言模型能力的共同理解差距正在扩大的观点。
Andrej Karpathy · X62 Andrej Karpathy 描述了人们对 LLM 能力认知日益扩大的漏斗式分化
Andrej Karpathy 认为，人们对 LLM 能力的理解正分化成一个陡峭的漏斗：粗略估计，60 亿人几乎没有接触过 LLM，10 亿至 20 亿人是休闲用户，2,000 万专业人士使用前沿 LLM 进行数学和编程，还有约 5,000 人能够使用内部前沿系统。他描述了越接近漏斗窄端、智能体工作流就越雄心勃勃的趋势，同时指出，人类的审查和理解能力开始跟不上。他将这种差距归因于问题的规模和持续时间、能力集中在具有经济价值且可通过数字方式验证的领域，以及免费、付费和内部访问权限之间的差异。
François Chollet · X23 一张图看懂 AI 如何从转导式范式（逐个 token 补全答案）转向归纳式范式（即时合成推理链）。这是 2025 年和 2026 年的大事。这正是编码代理得以运作的关键。
一张图看懂 AI 如何从转导式范式（逐个 token 补全答案）转向归纳式范式（即时合成推理链）。这是 2025 年和 2026 年的大事。这正是编码代理得以运作的关键。
Satya Nadella · X47 萨提亚·纳德拉将 Copilot 构想为“无限 SaaS 工厂”
萨提亚·纳德拉表示，微软旨在让 Copilot 成为面向工作的全新操作系统，将智能体与业务上下文、工作流和记录系统连接起来。微软宣布推出覆盖 Dynamics 365 Sales、Service 和 Customer Insights 的 30 多项全新 Copilot 技能，并推出 Copilot Managed Runtime，让代码托管在企业环境中并接受 IT 治理。纳德拉描绘了这样一个未来：人们可以使用 Copilot 的 Code 体验，定制或构建与现有业务系统相连的软件。
量子位22 这年头还有说人话的AI吗？Claude、GPT思维链被曝为省Token改说"穴居语"
量子位文章吐槽Claude、GPT等模型在Coding场景下表达严重黑话化，如"账本15/15全绿""单腿哑火"，网友分析主因是CoT为省Token被压缩成"穴居语"，Token消耗量比白话文少70%。文章称Opus 5.5语言能力回升，而Gemini被赞为少数仍说人话的模型，GitHub上教AI说黑话的CaveMan Skill已获104K星星。
量子位62 TypeSafe 创始人 Diogo Almeida 访谈：Jev 估值 100 亿美元，公开 benchmark 极易被操纵
TypeSafe AI 联合创始人兼 CEO Diogo Almeida 在 Latent Space 访谈中表示，Jev 上线不到一周日处理量已突破一万亿 token，夜间流量持续走高，说明大量调用来自机器自动化。
Latent Space62 Anthropic 的 Thariq Shihipar 谈 Claude Code 的下一阶段
Anthropic 的 Thariq Shihipar 在 Latent Space 播客中谈 Claude Code 的下一阶段，包括 Ask User Question、artifacts 作为持久生成式界面、Claude Tag 与 Projects 的多智能体协作，以及用于定制 harness 的 Claude Mods。
Simon Willison38 Simon Willison 回顾 2026 年 LLM 大事记：从 Claude Opus 4.5 到 OpenClaw
Simon Willison 在 WeAreDevelopers World Congress North America 闭幕演讲中，按时间线回顾了 2026 年至今的 LLM 关键进展。
Simon Willison18 Simon Willison：编程智能体让软件工程变得更难
Simon Willison 在 2026 年 9 月 24 日的笔记中表示，随着与编程智能体协作的时间增多，他越发确信这些工具让软件工程变得更难。他认为编程智能体虽能带来惊人成果，但要释放其全部潜力，需要极高的纪律性和知识储备。
Simon Willison40 工程师爆料：大公司里从 L1 到 L7 全靠 Claude Code 写代码
一位新入职大公司的工程师称，团队里的规格、代码、测试、PRD、工单及其处理、报告等全部由 Claude Code 生成，从 L1 到 L7 的工程师都在做同一件事：和 Claude 对话。没人阅读产出内容，团队无人喜欢这种方式，却被要求尽可能多地产出，高层多次表示推代码不是瓶颈、质疑为何还这么慢，员工每天工作 12 到 13 小时只为按回车。
GitHub Blog · AI & ML22 GitHub Podcast 拆解 AI 热门观点：该不该读代码、RAG 是否已死、Skills 是否杀死了 MCP
GitHub Podcast 最新一期拆解了五个 AI 热门观点：AI 生成代码仍需阅读和负责，只是审查力度应按风险分配；Skills 与 MCP 解决不同问题，前者是打包的团队经验，后者是连接工具与数据的标准；RAG 并未消亡，它与 Agent、Skills、MCP 可共存于同一工作流。节目还讨论了招聘中的 AI 使用判断力，以及微调需求往往暴露的是代码库可维护性问题。
OpenAI News38 OpenAI 内部研究加速：编码智能体如何重塑 AI 研究
OpenAI 披露内部数据，展示编码智能体正在重塑 AI 研究，涉及智能体使用情况、实验速度、任务复杂度与研究加速等方面。
Andrew Ng · X32 AI 编程智能体技能图谱
高效使用 AI 编程智能体最重要的技能。呈现用于编程智能体的 AI 工程技能图谱。https://x.com/i/article/2095882148670832640
Sébastien Bubeck · X29 Bubeck 暗示了“Astra”？！
@thsottiaux 表示，Codex 几乎 100% 可靠，偶尔会重置，是开源的，而且“将会推出 Astra”。Bubeck 回应：“Astra？！👀”
Andrej Karpathy · X50 Karpathy 用 Opus 5 把《魔戒》首段渲染成 3D 世界
Andrej Karpathy 给 Opus 5 输入《魔戒》第一段、1M token 预算（约 $10），让它用 Three.js 渲染故事，Opus 运行约 2 小时写出 5500 行代码，程序化生成了略显粗糙但可玩的 3D 场景。
Import AI52 Import AI 464：Fable 编写 GPU kernel、AI 自动化与模拟计算
Import AI 464 汇总多项研究进展。Fable 在 KernelBench-Mega 上写出 megakernel，在 RTX PRO 6000 Blackwell 上以 Cuda 实现 18.71X 加速，对比 Claude Opus 4.8 的 14.4X、GLM-5.2 的 11.14X 和 GPT 5.5 的 4.34X。