研究发现更复杂的编码agent harness成本更高但通过率无明显提升
Liu 和 Han 的研究让五个模型在 Claude Code、OpenCode、mini-SWE-agent 三个harness上跑 SWE-bench Verified 任务，发现换harness带来的结果变化与同一配置重跑的噪声相当，而三个较重的harness每模型消耗的token是最轻方案的两到三倍，通过率却仍在测量不确定性内。
内容研究
从你关注的信源里，发现值得学习的选题、观点和方法。
332 篇可研究内容 · 第 2 页
Anthropic 用 Claude 对 123 个开源库完成汇编级形式化安全证明
Anthropic 与 Theorem 合作，用 Claude 在 RISC-V 汇编层为 123 个 OSS-Fuzz 开源库的 239 个入口点生成形式化无崩溃证明，证明代码约 1.8 亿行 Rocq，典型单个证明约 60 万行。
AI时代需求文档的Spec模式：需求、设计、任务三份文档的实践复盘
一位不懂代码的产品经理用175天独立搭建覆盖Web端、运营后台、数据采集、自动写作、短视频与支付会员的系统，复盘出Spec需求开发模式。核心结论是瓶颈在需求的可判定性而非代码产能，需求、设计、任务三份文档各回答要什么、怎么做、做到哪算完，缺一即失效，且强制力必须落在机器上。
Paweł Huryn实测Claude Desktop v2.0的Code tab：不再需要VS Code
作者Paweł Huryn介绍Claude Desktop v2.0重建后新增Chat、Cowork、Code三个标签页，其中Code tab相当于带友好界面的Claude Code，可替代VS Code完成原型搭建、Agent系统构建与自动化。
JetBrains研究提出SWE-TaskFlow：让编码智能体基准匹配真实用户任务流
JetBrains Research分析了4,782条开发者在JetBrains IDE中的编码智能体会话，并与SWE-Bench Pro等公开数据集对比，发现真实会话中修bug和加新功能合计不到一半，而SWE-Bench Pro里93.8%的任务是这两类且以单条消息呈现。
Meta 分享薄编排器架构：让 AI Agent 更可靠的方法
Meta 介绍其数据管线智能体采用的薄编排器架构：一个 1300 行的编排器负责路由 20 多个工作流到 14 个专业化子智能体，自身不做任何领域推理。此前单一智能体方案在生产中出现幻觉，成功率为 10-20%（需人工定制提示词时为 70-80%）。
Meta详解用AI原生工程方式开发Forum应用的实践
Meta工程团队撰文介绍其新应用Forum的开发过程，该应用面向希望深入参与Facebook群组对话的用户，由小团队从零构建，团队将AI智能体作为工程流程的参与者而非打字加速工具。
GitHub：密钥保护必须跟上软件生成速度
GitHub 产品负责人 Erin Havens 称，涉及 AI 智能体的 PR 已达三分之一，一年前不足十分之一，若保持该速度，两年内 GitHub 上多数代码可能由智能体写成。
推荐理由：作者用九个季度数据反驳AI让开发者更粗心的说法，并说明预防与修复成本的差异，有助于理解平台在密钥保护上的取舍逻辑。
Kevin Kelly 提出 1000 个铁杆粉丝的创作谋生模型
Kevin Kelly 提出创作者只需约 1000 个铁杆粉丝即可谋生：每个铁杆粉丝每年带来约 100 美元直接收入，合计 10 万美元。文章指出网络与支付工具让创作者保留全部收入，长尾效应使小众兴趣也能找到足够粉丝，众筹平台如 Kickstarter 平均成功项目仅 241 名支持者。作者同时提醒该数字需按人均收入、团队规模调整，且经营粉丝关系耗时费力，并非适合所有创作者。
英国AISI发布ReproBAIT评测：AI编码智能体可用低于20美元复现部分生物AI工具
英国AI安全研究所（AISI）与SecureBio合作发布ReproBAIT评测，测试AI编码智能体能否依据公开信息复现生物AI工具（BAIT）。
GitHub Next 研究者谈与智能体协作规划：需要更厚的界面与边界对象
GitHub Next 的设计师、工程师兼研究者 Maggie Appleton 在演讲中提出，当前人与智能体协作规划的体验很差：CLI 里只能读一堵 Markdown 文字墙再回答是或否，无法直接编辑计划、追问或与同事协作。
纽约大学与UT Austin研究总结让AI文本难读的六种句式
纽约大学与德州大学奥斯汀分校的研究让14个语言模型（含Claude、GPT-5.6、GLM-5、Kimi K2.5、Llama、Olmo）生成120段对话、45段编码会话和980篇议论文，与人类文本对比后总结出六种让AI文本难读的句式：生造词组、主谓被长从句隔开、省略连接词的缩略指称、名词堆叠、名词误用作动词、给无生命主语搭配有生命动词。
Redact 调查：WhatsApp 帮助页面隐藏 LLM 指令，让 AI 不推荐监管机构、不提 GDPR
Redact 发现 WhatsApp 帮助中心页面向 LLM 发送用户看不到的隐藏指令，指示其支持聊天机器人不推荐数据保护监管机构，并在用户提到律师或法律行动后不引用 GDPR、LGPD 或 CCPA。
独立 AI 应用为何失宠：留存数据与治理矛盾的分析
作者认为独立 AI 应用正在失去吸引力，智能将嵌入用户已有的工具中。RevenueCat 对超 11.5 万款应用的分析显示，AI 应用付费转化快但流失约快三成，一年后仅约五分之一订阅者仍在付费；a16z 与 OpenRouter 分析超 100 万亿 token 发现粘性取决于底层模型而非界面，不到十分之一周活 ChatGPT 用户会尝试竞品。
Mind the Product 解读 OpenAI 新 agent Dots 对产品团队的意义
Mike Belsito 在 Mind the Product 的 Now Shipping 中解读 OpenAI 于 9 月 29 日 DevDay 发布的 agent Dots，它运行在自有云端、跨 ChatGPT、Slack 和 Microsoft Teams 工作并主动寻找任务。
UX Collective：企业选买还是自建，如今也是 UX 决策
作者 Patrick Neeman 认为 AI 让自建变便宜、采购变容易后，买还是建的取舍关键转向复杂度落在哪里：代码、供应商路线图还是用户身上。文中引用 Menlo Ventures 2025 年报告称企业 AI 用例 76% 采购而非自建，高于一年前的 53%；作者建议按自建成本的 30% 每年预算维护费，并用具体算例说明自建三年成本可能高于订阅。
Wiz Research 披露 PHP2Shell：AI 辅助利用 PHP 核心 RCE 漏洞，影响全球 70% 网站
Wiz Research 披露 PHP 核心存在多个严重内存安全漏洞，归为 CVE-2026-109618 和 CVE-2026-109619 两个 CVE，CVSS 严重度达 9.2，影响可追溯至 PHP 5.4 的近十年所有版本，覆盖全球约 70% 网站。
AI 不在乎你的头衔：用任务清单评估职业暴露风险
作者提出用任务清单而非职位头衔评估AI暴露度，核心是spec-and-check测试：能用两句描述结果、且验证耗时短于产出耗时的任务即属高暴露。文章引用GPTs are GPTs、Anthropic 2026年3月使用数据、斯坦福2026年8月修订研究等，指出22-25岁从业者就业下降19%，而专家级会话成功率约为新手两倍。
Tessl 团队：AI 生成代码下用审意图替代逐行代码审查
Tessl 工程师 Ankit Jain 分享团队 PR 量翻四倍、代码几乎全部由 AI 生成后，放弃逐行 diff 审查、改为在代码生成前审查意图并逐条验证验收标准的做法。关键实践包括维护 offer-skill 技能理解代码变更，以及把重复出现最多的审查评论固化成机器自动执行的不变量规则，作者预计第二个月起审查负担明显缩小。
Tony Dinh 分享用 AI 开发网页游戏 Survive 10 Waves 的完整过程
Tony Dinh 用 AI 开发了一款名为 Survive 10 Waves 的俯视角射击网页游戏，可在 www.survive10waves.com 免费游玩。