OpenA 推出"最卷" 编码智能体 GPT-5-Codex GPT-5-Codex 的一大亮点是其增强的 代码审查功能 ，能够在产品发布前发现潜在的关键错误，帮助开发者提前规避风险。 具体是怎么做到的？ 整理｜冬梅 9 月 15 日，OpenAI 正式推出一款新模型 GPT-5-Codex ，这是一个经过微调的 GPT-5 变体，专门为其各种 AI 辅助编程工具 而设计。该公司表示，新模型 GPT-5-Codex 的"思考"时间比之前的模型更加动态，完成一项编码任务所需的时间从几秒到七 个小时不等。因此，它在代理编码基准测试中表现更佳。 与静态分析工具不同，Codex 将 PR 的声明意图与实际差异进行匹配，对整个代码库及其依赖项进行推理，并执行代码和测试 以验证行为。只有最细致的人工审查人员才能在审查的每个 PR 中投入如此多的努力，因此 Codex 填补了这一空白——帮助 团队更早地发现问题，减轻审查人员的负担，并更自信地交付。 一旦在 GitHub 代码库中启用 Codex，它就会自动审核 PR，直到 PR 从草稿状态变为就绪状态，并在 PR 上发布其分析。如 果它建议修改，用户可以留在同一个线程中， ...

模型升级 - 推出GPT-5-Codex特化版模型 支持独立连续编程7小时[1][5] - 新模型具备真动态思考能力 可在执行任务过程中实时调整算力分配[4] - 针对复杂工程任务训练 包括完整项目构建、功能测试、调试和大规模重构[8] 性能表现 - 在SWE-bench Verified上表现略优于原版GPT-5 代码重构任务成功率提升近20%[9] - 简单任务输出token数比GPT-5减少93.7% 响应速度提升10倍[11] - 复杂任务推理时间增加 输出token量提升102.2%[12] - 代码审查错误率从13.7%降至4.4% 高影响力评论比例从39.4%提升至52.4%[15] 产品生态 - 推出IDE插件版 支持VS Code和Cursor编辑器[2] - CLI支持图像输入 可处理截图和设计稿[18] - 集成网络搜索和MCP工具 用待办列表追踪复杂任务进度[19] - 终端界面升级 工具调用和diff展示更清晰[20] - 支持云端本地无缝切换 可在IDE创建云任务并跟踪进展[23] 基础设施 - 通过容器缓存技术 新任务中位完成时间缩短90%[24] - 自动扫描设置脚本并执行 运行时可通过pip install获取依赖[24] - 前端任务可启动自有浏览器查看构建结果 迭代改进并附加截图至PR[24] 市场时机 - 升级正值Claude Code因模型质量下降出现用户退订潮[25] - 公司借机抢占AI编程市场份额[26]

Guido Mieth/DigitalVision via Getty Images Listen below or on the go on Apple Podcasts and Spotify The next big investing theme of the 2020s is B.I.G. - BofA. (00:23) Tesla is said to boost output at German plant on stronger sales. (01:22) North Korean hackers used ChatGPT to fake military IDs - report. (02:11) This is an abridged transcript. According to BofA, Wall Street is embarking on a new investment theme encompassing bonds, international stocks and gold. Strategist Michael Hartnett notes that ...

Claude Code 近期表现下滑 - 开发者Ahmad列举Claude多项问题 包括Claude Code没有opus 4 周用量限制不透明 下架相关代码仓库 否认模型质量下降 保存所有对话和代码5年用于训练 并建议取消订阅[2] - 有开发者表示Claude Code正在走下坡路 模型质量从上个月开始变得糟糕透顶 与两年前GPT-3的痛苦体验几乎没区别[2] - 作为AI编程工具的黑马 Claude Code曾倍受开发者追捧 但最近表现让很多全球开发者失望[2] AI编程工具竞争格局 - AI编程工具竞争进入深水区 各家在产品补全速度 上下文感知 智能体协作上不断拉锯 模型层面博弈激烈 出现全球范围"准入门槛"和"封锁线"[3] - 工具之争已不是单纯产品对比 而是与模型生态 合规和市场战略深度绑定[3] - 国产代码模型加速发力 DeepSeek V3.1在国际开发者社区引发热议 在aider编程基准测试中取得71.6%成绩 成为新的非推理类SOTA 比Claude Opus 4高出1个百分点 还便宜68倍[3] CodeBuddy产品演进 - CodeBuddy IDE率先完成DeepSeek V3.1接入并开启公测 让开发者体验最新国产模型在真实场景中的能力 团队根据反馈在不到三周内完成优化[6] - CodeBuddy增加新的产品形态CLI"CodeBuddy Code" 是国内乃至全球少数同时支持IDE插件 独立IDE CLI三种形态的AI编程工具[7] - CodeBuddy Code是终端原生AI CLI 通过npm install即可安装 让习惯命令行的开发者在熟悉环境中获得AI辅助 内置文件编辑 命令运行和提交创建等功能[8] - CodeBuddy Code具备自然语言开发 智能代码库分析与集成 内置完整工具链 多场景任务自动化 灵活扩展AI团队能力等五大核心产品能力[9] - CodeBuddy IDE开启公测 国内版支持DeepSeek 国际版支持GPT与Gemini等主流模型 可同时在IDE和CLI消耗Pro模型额度[9] - IDE版本针对AI编程领域痛点进行整体优化 结合新的Agent设计提高生成质量与稳定性 与腾讯生态融合更深入 尤其是CloudBase EdgeOne Pages等能力[9] - 国产模型突破与国产工具 云平台 应用生态联动 形成贯通的"模型—工具—生态"链路[10] CodeBuddy发展历程 - 腾讯内部调研发现开发者多达30%时间被消耗在重复性和手动任务上[13] - 2018年前没有AI时开始探索 依赖于IDE自身通过规则判定交付[13] - 几年开始落地立项做工具 加速并提高软件开发质量 使用不同研发阶段 先在主流IDE中做快速安装插件[15] - 2022年AI云爆发后通过AI写代码提升编码速度 做了代码补全能力[15] - 2023年 2024年智能体Agent进入视野 在更多产品形态中应用 通过简单对话完成项目工程理解 知识库检索 自然语言生成完整代码[15] - 2024年 2025年在插件形态推出Craft软件开发智能体 以Agent形态完成智能体开发协同 开启和企业 个人的互联[16] - 2025年Q2季度发布CodeBuddy IDE国际版 在产设研和规约编码上基于海外模型做出成效 插件版本接入国内模型和混元模型[16] - 近期发布CLI在腾讯内部"吃过狗粮" 更灵活嵌入研发流水线 支持批量代码生成 自动化任务执行以及跨项目重构[17] - 产品演进经历关键转折 从代码补全插件开始 随着AI技术成熟 开发者需求从"代码补全"转向"全栈应用开发"与"流程自动化"[19] CodeBuddy产品定位与技术优势 - IDE插件 独立IDE和CLI面向不同用户和场景 交互性强 依赖上下文的任务放IDE 批量 自动化任务 异步完成工程任务的放CLI 依赖于本地主流IDE的开发者采用插件形态[20][23] - 在代码补全方面支持NES和补全缓存 快速提供更精准 可靠的补全建议[20] - 在复杂重构和大规模代码迁移场景下 CLI优势更明显 内置"全仓记忆"机制 让智能体快速记住之前的总结 工程描述等[20] - 相比传统研发 新时代AI辅助编码大大降低编码阶段时间 成为开发者很强粘性工具[21] - CodeBuddy是面向企业级复杂项目的工程智能体平台 结合全仓感知 任务级自定义Agents和本地化场景优化 提供在海外工具难以复制的价值[21] - 国内企业有严格数据安全 代码隐私和云端合规要求 CodeBuddy可以本地化部署 支持私有模型接入 兼顾国内主流IDE和国产代码托管平台生态[21] - 按照客户体量和安全要求差异 分为个人版和企业SaaS版 企业VPC专享版和私有化订阅版等多种版本 形成清晰商业模式[22] - 建设大模型新范式研效生态体系 企业客户依托伙伴生态利用CodeBuddy完成旧系统改造 流水线智能化升级和企业内部泛开发者大规模推广落地[22] - 从单一IDE插件到多平台兼容 从最初单一海外模型到接入国内模型和Hunyuan模型 从工具型到CLI提效的流程型能力[23] - 不只是"替代Copilot或Claude Code" 而是在工程级智能体 全局上下文感知 自然语言闭环执行以及本地化合规等层面形成技术壁垒和差异化价值[24] - 核心用户群是产设研群体 CodeBuddy不是追求"最快" 而是追求"工程质量" 在此基础上尽可能做到快[24] - 未来AI编程工具竞争不会只看生成速度 而是看谁能在百万行级真实项目里让开发者少踩坑 少返工 持续维护[24] 用户规模与商业模式 - 目前拥有百万级用户 有1/4左右是非技术用户 企业客户占了40%[25] - 不会走Cursor"单一大模型 + 涨价"的路 从设计之初就考虑商业可持续性 采用分层商业模式[27] - 个人用户用低成本模型保证体验 团队和付费用户在需要时调用高性能模型 企业用户可选择企业私有化的开源模型 做到成本和价值解耦[27] - 探索订阅制和企业套餐 提供固定额度和团队管理能力 内置实时消耗反馈和预算上限管控[28] - 尝试智能模式切换 根据任务复杂度选择合适模型 降低不必要token消耗 实现可预测 可管理的使用体验[28] 技术实现与创新 - 针对混元+DeepSeek双模型场景 在小程序上做优化 结合小程序知识库强化 在小程序上default+DeepSeek下做到比较好还原度[27] - 在上下文支持 稳定性 代码生成的稳健程度上 和Claude模型有一定差距[27] - 采用压缩 + 外部存储的混合策略 通过即时上下文压缩使对话或编辑历史在本地/临时内存中做轻量压缩 保证模型快速处理当前任务[31] - 类似"流式摘要" 保留核心任务意图和最新代码片段[32] - CodeBuddy CLI结合CDE很好异步执行 拉起环境 启动CLI 生成到执行程序 合并到主线 过程中有冲突则解决 有运行失败则反思修正[32] - 在Cloud Studio产品上落地类似能力 给教师端提供作业批改Background Agent 当学生提交作业时主动触发进行作业批改[32] - 单体代理和多代理协作要解决的问题场景不一样 都是要深度探索 不断迭代的领域[33] - 自动探索适合结构清晰 规则明确 风险可控的任务 人工介入涉及高风险 不可逆或者结果多样化的场景[34] - Rules本质是硬性约束或操作规范 确保安全与一致性 Plan Mode本质是多步策略执行 指导AI按步骤完成复杂任务 Spec-driven本质是以功能或产品规格为导向 生成符合需求的代码[35] - CodeBuddy通过规则引导 上下文感知和审查 将YOLO模式和SOLO模式融合 让开发者在自由与规范间自如切换[33] - MCP是"最小 可信 可组合"的工具集合 能够支撑CodeBuddy核心功能 同时降低复杂性和潜在风险[40] 生产力提升与企业管理 - CodeBuddy生产力提升体现在开发周期缩短 低级bug减少 新人快速上手[47] - 平均效率提升30–40% Bug数量下降约20–30% 新人上手速度提升约40%[47] - 从个体到团队 关注点从研发效能层面 代码审查层面 变更管理层面有所不同[49] - 研发效能层面从单个开发者效率到团队治理效率 更注重规则化 分级审查 自动化监控等[49] - 代码审查层面从"逐行检查"到同时关注"架构和策略一致性"[49] - 变更管理层面从"人工把控"到注重"自动化 + 风险可视化 + 分级合并"[49] 团队建设与未来发展 - 团队核心是一批兼具工程能力与产品思维的"多面手"[48] - 最看重驾驭AI的思维和能力 从业务视角定义问题 用架构思维拆解任务 并引导AI高效执行[48] - 不再单纯强调工程背景或AI理论 更关注业务洞察 提示词工程和人机协作素养[48] - 针对研发流程招聘垂直领域专业性人才 如质量领域 设计领域 结合背景知识和AI能力打造垂类产品和能力[50] - 目标是解决人机交互和自动化问题 基于插件和IDE产品形态增强人机交互体验 提供产设研统一协作平台 通过CLI产品形态集成到研发流程中提升自动化运作效率[51] - 作为AI应用 应用层技术上都拉不开差距 可以在用户体验上 生态链接上取得优势[52] - 未来两年最想打赢的"第一场硬仗"是让生产力走出CODING圈子 覆盖更多场景 用户和客户[53]

智能体工具开发新范式 - 智能体工具开发需要从传统确定性系统转向非确定性范式，因为智能体在相同输入下可能产生不同输出[8][9][10] - 工具效能是决定智能体完成任务效率的关键因素，需要专门为智能体设计而非简单封装API[1][10][41] 工具开发流程 - 构建原型阶段需向Claude提供相关文档和软件库信息，可封装在本地MCP服务器或桌面扩展程序中进行测试[16][17][18] - 评估阶段应生成真实使用场景的提示响应对，建议任务需要多达数十次工具调用进行压力测试[24][25][27] - 通过编程方式运行评估，Claude的交错思维功能可分析工具调用原因[28][29] 工具设计原则 - 工具数量并非越多越好，应优先构建少量高价值工具，避免功能重叠导致智能体分心[41][43][46] - 工具应具有整合能力，能一次性处理多个离散操作，减少中间结果消耗的上下文空间[44][45][54] - 命名空间划分可帮助智能体区分功能重叠的工具，按服务或资源加前缀分组效果显著[48][49][50] 工具响应优化 - 工具响应应返回高信号信息，优先使用自然语言标识符而非技术标识符，可将准确率提高显著[52][56] - 响应结构需匹配LLM训练数据格式，JSON/XML/Markdown等格式性能因任务而异[57] - 对大量上下文响应应结合分页、过滤和截断功能，默认限制25000个token[58] 性能评估指标 - 除准确率外还需收集单次调用运行时间、工具调用总次数、总token消耗和错误情况等指标[30][39] - 分析时应关注智能体卡顿点、工具调用指标和未明确表达的行为模式[33][34][35] 工具描述优化 - 工具描述应像向新团队成员解释般清晰，明确输入输出参数命名规范[64] - 对工具描述进行微小改进可大幅降低错误率并提高任务完成率，Claude Sonnet 3.5在SWE-bench评估中取得最佳性能[64] 未来发展方向 - 智能体交互机制将持续演变，包括MCP协议更新和底层LLM升级[66] - 通过系统化评估驱动的方法确保工具随智能体能力同步发展[66]

文章转载自「锦秋集」 Claude 最近的新功能可以直接创建和编辑包括 Excel、文档、PPT 乃至 PDF 在内的多种主流办公文件，进一步拓展了 AI 在实际任务中的应用场景。 Anthropic 很早就推出过很多小而美但切中用户需求的客户端工具例如artifact，其目标始终是将 AI 从"聊天机器人"转变为能解决实际问题的强大伙伴。 最近 Anthropic 撰写了一篇文章，分享了其在开发和优化智能体工具方面的经验与方法论。 转变思维：为 AI 智能体设计，而非为代码封装 核心是为不确定的、会推理的 AI 设计直观易用的工具，而不是像传统编程那样只考虑输入输出。 评估驱动：用真实且复杂的任务来衡量和迭代 工具好不好，要靠系统性的评估来验证。评估场景必须接近真实世界，足够复杂，才能发现真正的问题。 少即是多：构建整合工作流的工具，而非零散的功能点 与其提供一堆零散的 API 功能，不如创建一个能处理多步骤任务的强大工具，这能极大减轻 AI 的推理负担。 精心设计描述：工具的"说明书"和功能本身同样重要 工具的名称、描述和参数定义是 AI 理解其用途的唯一途径。清晰、准确的描述是提升工具调用成功率最有效的 ...

转变思维：为 AI 智能体设计，而非为代码封装 Claude 最近的新功能可以直接创建和编辑包括 Excel、文档、PPT 乃至 PDF 在内的多种主流办公文件，进一步拓展了 AI 在实际任务中的应用场景。Anthropic 很早 就推出过很多小而美但切中用户需求的客户端工具例如artifact，其目标始终是将 AI 从"聊天机器人"转变为能解决实际问题的强大伙伴。 最近 Anthropic 撰写了一篇文章，分享了其在开发和优化智能体工具方面的经验与方法论。 核心是为不确定的、会推理的 AI 设计直观易用的工具，而不是像传统编程那样只考虑输入输出。 评估驱动：用真实且复杂的任务来衡量和迭代 工具好不好，要靠系统性的评估来验证。评估场景必须接近真实世界，足够复杂，才能发现真正的问题。 少即是多：构建整合工作流的工具，而非零散的功能点 与其提供一堆零散的 API 功能，不如创建一个能处理多步骤任务的强大工具，这能极大减轻 AI 的推理负担。 精心设计描述：工具的"说明书"和功能本身同样重要 工具的名称、描述和参数定义是 AI 理解其用途的唯一途径。清晰、准确的描述是提升工具调用成功率最有效的方法之一。 智能体的效 ...

文章核心观点 - Anthropic联合创始人Tom Brown分享从创业到AI研究的职业历程 重点包括在OpenAI参与GPT-3开发 以及创立Anthropic后推动Claude成为开发者首选工具的过程[4] - 规模化定律(Scaling Laws)是AI领域突破的关键 通过增加算力投入可显著提升模型智能水平 这一发现直接推动GPT-3和Claude的开发[8][23][25] - Claude在编程领域取得显著成功 特别是3.5 Sonnet版本推出后市场份额快速增长 在YC创业公司中占比达20%-30% 成为编码任务默认选择[37][38] 职业发展历程 - 早期职业经历包括加入Linked Language项目并作为第一名员工 形成"自主狩猎"的创业思维而非"等待喂食"的大厂心态[5] - 参与多个YC创业公司包括Solid Stage和Grouper 其中Grouper通过人工匹配实现社交约会 最高频用户Greg Brockman后来帮助其加入OpenAI[9][11][12] - 从Grouper离职后花费六个月自学AI 通过Coursera课程和Kaggle项目转型 最终以工程师身份加入OpenAI负责搭建StarCraft环境[17][19][20] OpenAI与GPT-3开发 - OpenAI早期办公地点在旧金山Dandelion Chocolate工厂楼上 背后有Elon Musk承诺的十亿美元资金支持[21] - 参与GPT-3基础设施开发 关键突破是从TPU转向GPU架构 同时软件生态从TensorFlow迁移至PyTorch以实现更好迭代效率[23][59] - 2018-2019年期间基于Scaling Laws开展规模化训练 发现算力投入与智能水平存在线性增长关系 跨越12个数量级仍保持稳定趋势[23][25] Anthropic创立与发展 - 离开OpenAI创立Anthropic的动机是确保AI与人类目标一致 团队认为未来人类需将控制权交给更强大的AI系统[8][28] - 初始团队包括7名联合创始人 疫情期间远程工作 前100名员工均因使命认同加入 这种文化帮助公司保持方向一致性[29][31] - 第一个内部产品是Slack机器人版Claude 1 在ChatGPT发布后9个月推出 但正式上线因基础设施准备不足而延迟[33][34] 技术突破与产品演进 - Claude 3.5 Sonnet版本在编程领域产生突破性表现 能完成反编译等复杂任务 如将二进制文件转换为带合理变量名的C语言代码仅需10分钟[39] - 开发策略强调不优化基准测试分数 而是通过内部使用体验提升模型实际效用 特别关注编码场景中的"智能化编程"能力[37][41][42] - Claude Code最初作为内部工具开发 成功关键在于"以模型为用户"的设计理念 即让Claude自身也能高效使用工具完成任务[44][45] 基础设施与行业趋势 - AI算力投入以每年3倍速度增长 2026年规模已锁定 2027年仍在规划中 预计将超过阿波罗登月和曼哈顿计划的投资规模[53][54] - 当前最大瓶颈是电力供应 尤其在美国数据中心建设受限 需要政策支持加速审批流程 同时考虑可再生能源和核能解决方案[56][57] - Anthropic采用多芯片策略 同时使用GPU/TPU/Tranium三种硬件 优点是可灵活分配训练与推理任务 缺点是需要维护多个性能工程团队[58] 市场影响与机会 - Claude在开发者社区获得广泛认可 因更理解开发者需求而非单纯技术优势 其API开放策略帮助创业公司构建产品[49][50] - 企业级机会存在于让AI成为"业务助手"或"团队教练" 当前模型仅能完成初级工程师任务 仍需大量上下文指导[51] - 硬件加速器和数据中心技术存在重大机会 现有算力供给无法满足需求 连YC内部都出现Claude额度持续短缺现象[55] 人才培养建议 - 建议年轻工程师敢于挑战让朋友惊叹的项目 不必过度追求学历或名企光环 现在这些因素的重要性已显著降低[61][62] - 进入AI领域需要实际项目经验 2015年时的学习路径包括Coursera课程/Kaggle项目/线性代数教材研读 但当前方法可能已不同[19]

Anthropic对华断供事件 - AI独角兽Anthropic全面禁止由中国实体持股超50%企业使用其服务[1] - 旗下产品Claude Code年化收入约5亿美元 每周处理近两亿行代码[1] 国产AI编程工具发展现状 - 腾讯发布AI CLI工具CodeBuddy Code并开启公测 支持插件/IDE/CLI三种形态[1] - CodeBuddy实现自然语言驱动全流程开发运维 覆盖产品规划至运维自动化[1] - 腾讯内部超90%工程师使用该工具 整体编码时间平均缩短40%以上[2] - DeepSeek V3.1于8月在AI编程领域表现突出 引发国际开发者社区热议[1] 行业影响与趋势 - Claude Code断供事件加速国产AI编程工具技术进化进程[1] - 事件凸显过度依赖海外AI服务风险 推动国内自主可控生态建设[2] - 腾讯、DeepSeek、阿里等企业均在AI编程赛道布局[1]

AGI发展现状 - AGI并非3~5年后的未来概念 而是已经存在于当前技术环境中 其发展是一个递归过程 深度和范围将持续扩展[1] - AI已在特定角色（如编程）实现全功能覆盖 这本质上是AGI的一种表现 因为任何角色均需综合判断能力[1] - 当前AGI感知不明显的原因类似于坦克初发明时被误判为不如狗拉爬犁 属于应用场景认知滞后[1] 智能原生概念与特征 - 智能原生是技术与组织模式匹配的思维模式 其核心是改造产品和服务生产过程[5] - 智能原生企业被置于政策显著位置 国务院文件明确提及该概念[3] - 智能原生体系以AI为价值创造主体 遵循智能优先原则 AI-AI协作取代传统复杂组织流程[16][17] - 智能原生模式下生产流程高度简化 例如软件开发从多角色协作的"交响乐"变为AI辅助的"独奏"[13] 技术演进与产业影响 - AI进化速度呈现指数级提升 2024年AI与2022年AI已本质不同[9] - AI推动"一切皆可重建" 传统价值模式被快速解构与重构[11] - 技术更迭周期缩短至低于业务商业化周期 导致产品存续时间窗口大幅收缩[25][26] - 编程领域效率提升显著 案例显示AI可在1天内完成传统团队需数周的工作量[13] - 运维领域实现突破 借助AI编程可在1周内完成k8s/日志监控/数据库等全套服务部署[20] 组织形态变革 - 无人公司是智能原生发展的终极形态 对应AI Level5水平[8] - 组织内化为智能体间关系 业务职能按智能水平提升递归折叠[18] - 可折叠组织随智能水平提升而演进 从编程团队递归至运维职能直至整个公司[18] 价值创造范式转变 - 核心竞争力从技术驾驭转变为价值创造模式驾驭[27] - 关键成功因素是如何用AI封装业务 而非单纯使用AI技术[29] - AI发展导致执行能力贬值 范式发生本质迁移[29] - 需持续打破AI应用障碍 为其力量发挥铺平道路[31] 实施路径与挑战 - 双向理解困难成为落地关键障碍 技术理解与组织运作存在认知鸿沟[8] - 实施路径存在两种方式：从细碎工具逐步扩展 或直接从无人公司智能原生模式切入[32] - 核心挑战在于构建人类知识与局部AGI的无缝衔接体系[8] 思维模式变革 - AI思维表现为数字和智能空间优先的思维模式[36] - 智能优先对应虚拟先行 规模化试错 算力对冲不确定性等具体思维[34] - 角色边界重新定义 AI辅助人与人类辅助AI存在本质差异[35] 行业生态影响 - 反身性可能导致智能持平状态下计算回报跟不上成本 体系进入热寂状态[37] - 技术推动商业形式趋向既有形态终点并开启新文明状态[37] - 依赖倒置世界逐渐形成 虚拟世界开始牵引物理世界运行[36]