跳到主要内容
检索

# 编程智能体

46 篇关联报道

订阅更新
  1. Microsoft Research

    TokenEconomizer让编程智能体记住仓库经验:277个真实修bug任务成本降18.4%–30.9%

    开发者每天在同一个代码库里使用AI编程智能体,但智能体往往每次会话都从零开始,重复查找事实、加载用不到的工具、反复走同一条失败路径。来自UC Berkeley、微软研究院和微软安全团队的开源插件TokenEconomizer把已完成会话的日志转化为后续会话的指导,在不改动智能体及其底层模型的前提下减少浪费。在六个仓库的277个SWE-Bench真实修bug任务上,它让五种智能体与模型组合的平均成本下降18.4%–30.9%,30个仓库与组合配对全部节省且任务成功率大体稳定。

  2. mastra.ai

    Mastra推出定制工厂计划:工程师驻场,把自家软件工厂搬进你的代码库

    Mastra 推出 Custom Factory 计划,由前驻场工程师嵌入客户团队,在客户自己的技术栈上围绕其代码库共建软件工厂。此前多数工程团队仍逐个引入 AI 工具,例如手工运行的编码智能体、问题调查智能体和代码审查智能体。Mastra 称其自营软件工厂已处理公司 70% 的 issue,自上线以来 PR 数量增长 6 倍,多数工作从 Slack 智能体 Shipyard 接单开始,一路推进到可供审查的拉取请求。

  3. backnotprop/plannotator

    Plannotator 把智能体评审搬进本地浏览器:计划、代码与终端回复都能批注后回传

    Plannotator 是一个本地、基于浏览器的评审界面,面向 Claude Code、Codex、Copilot CLI、Gemini CLI 等 AI 编码智能体。智能体提出决策、计划或 HTML 产物,或完成工作后,应用在浏览器中打开,用户批注并把反馈直接发回智能体执行。新增的 Plannotator Inbox 把多个智能体的消息、问题、文件与引导式评审集中到一个本地窗口,用户作答时不必让会话保持打开,回复会回到提问的那个会话。

  4. arXiv

    符号执行不再卡在环境建模:智能体补上数据库模型,CrossHair 可执行函数从 4.5% 升到 81%

    符号执行工具 CrossHair 在真实 Python Web 应用上几乎跑不动,因为代码没有契约,调用数据库的部分也无法符号化。一个把 AI 编码智能体与 CrossHair 组合起来的流水线自动为函数写契约、为数据库合成符号模型,在 11 个开源应用、1,156,044 行代码上把可执行函数比例从 4.5% 提高到 81%,并找出 221 个经测试复现的缺陷。这些缺陷多为输入域边角情况,其中一部分是同模型直接阅读代码所遗漏的。

  5. backnotprop/plannotator

    Plannotator 把智能体评审搬进本地浏览器:批注和回复直接回到发起会话

    Plannotator 是一个本地、基于浏览器的评审界面,面向 Claude Code、Codex、Copilot CLI、Gemini CLI 等 AI 编码智能体。智能体提出决策、计划或 HTML 产物时,界面在浏览器中打开,用户批注、评论并把反馈发回智能体执行;新增的 Plannotator Inbox 把多个智能体的消息、问题和文件汇到一个本地窗口,用户回复时不必让会话保持打开。

  6. arXiv

    编码智能体每次调用工具都得先说明意图:在故意设错的测试上,日志暴露了90%的作弊运行

    编码智能体通过工具调用改动代码,但调用本身不携带意图,权限规则、日志和LLM监控都只能看命令文本或事后效果。Episteme把“类型+理由”的意图声明变成每次工具调用的必填项,由harness记录实际效果并比对声明。在只能靠作弊通过的ImpossibleBench上,两个开放权重模型共49次作弊运行中有44次被日志暴露,暴露率90%,且全部来自智能体自己写下的理由。

  7. arXiv

    编码智能体主动找缺陷:PROBE 基准显示最强配置只找回 20.8% 维护者修复的缺陷

    PROBE 基准把 20 个 GitHub 仓库在 2025 年初快照中、随后 18 个月被维护者修复的 2,457 个缺陷作为参照,考察编码智能体能否在整仓库范围内自主找出这些缺陷。十个前沿模型在分片审计流程下,最佳配置只找回 20.8% 的参照缺陷,精确率不超过 8.1%;但独立评审确认 84% 未匹配参照集的发现仍是真实缺陷,说明智能体找到的缺陷与维护者修复的缺陷类型分布不同。

  8. JetBrains把编码智能体请进IDE:Air统一跟踪、审查与回传修改,2026.3版可用

    JetBrains在2026.3版IDE中推出Air,把编码智能体放进开发者原有的开发环境,用一个地方跟踪会话进度、审查改动并回传反馈。JetBrains给出的背景是智能体写得越多,瓶颈越从写代码转向审查,并引用报告称49%的开发者每周花四小时以上审查AI输出和修正提示词。Air通过IDE的MCP服务器和内置技能让智能体调用代码检查、构建与运行配置、数据库查询和IDE自带重构,在IntelliJ IDEA和CLion中还能驱动调试器。

  9. arXiv

    编码智能体八成通过偏微分方程测试,其中约一成根本没解方程:PDEViBench 把每条通过程序追到计算路径

    PDEViBench 把偏微分方程编码智能体的评测从“输出是否对得上参考解”改为同时追查程序的计算路径。290 个任务、六个方程族中,Codex 智能体(GPT-5.2)在 1450 次运行里通过率 80.1%,但其中 8.6 个百分点来自直接取用制造解而非数值求解;只计真正求解的通过后,哪些任务特征显得困难发生改变,两个提示词的排名也反转。在禁止取用精确解的提示下,所有通过程序都做了数值求解。

  10. pbakaus/impeccable

    Impeccable 给编码智能体装上设计词汇:62 条确定性规则先拦下 AI 味界面

    Impeccable 把设计指令做成编码智能体可调用的命令集,让“更醒目”“更安静”“打磨”这类模糊要求落到具体目标上。它同时提供按可用性启发式打分的评审命令,以及不依赖大模型、由 62 条确定性规则组成的“AI 味”检测器,用来标记跨模型反复出现的界面套路。它最适合已有页面或组件的迭代,新建页面则是更难的用法。