Motif 上线 MCP 设计规范服务，助力编码智能体
Motif 上线远程设计规范服务，编码智能体可通过 HTTP MCP server 接入，边写边查设计规范。该服务提供 738 条设计指导及设计规则等设计库内容，用于解决智能体产出的 UI 能运行却难以满足真实设计需求的问题。免费档每月提供 100 次调用。
#编码
#编码
今日 51 条AGI HuntAI 评分4747 AGI HuntAI 评分5454 Quarkslab 用 Agent 工作流在 FreeRDP 中挖出可链式 RCE 漏洞
安全公司 Quarkslab 发布长文，介绍其面向漏洞研究的 agentic 工作流，并以 FreeRDP 为案例演示，工作流找到的漏洞可链式组合成远程代码执行（RCE）。
AGI HuntAI 评分3434 ehartford 推出面向人类与智能体的 With 编程语言
开发者 ehartford（QuixiAI）向 aallan 的 agentlanguages 仓库提交 PR，收录其编程语言 With（withlang.org），定位为面向 LLM/智能体编写程序的语言。With 既追求对智能体高效，也强调对人类友好，`with init` 命令会在项目中生成 CLAUDE.md 和 AGENTS.md 等文件，以兼顾人与智能体的协作需求。
AGI HuntAI 评分4040 AI agent 训练新思路：不靠 RL 和验证器，用模型自身解释训练反而提升编码能力
CatAstro_Piyush 提出一种 AI agent 训练思路：让 agent 在自己的解释上训练，而非在代码上训练，训练后编码能力反而变强。整个流程没有教师模型、没有验证器、也没有 RL 更新，测试时同样不需要额外上下文。相关做法以长线程形式逐步给出并附实现链接。
AGI HuntAI 评分4545 grok-build 被曝安全 bug：用 cmd.exe 打开含 &calc 的链接会启动计算器
开发者 mohamedmansour 披露 grok-build 的安全 bug：渲染出的 markdown 链接只要包含 &calc，就会直接启动 Windows 计算器。
AGI HuntAI 评分5454 rsms 把 Figma 当编码 Agent 的 grounding truth，替代计划与设计文档
Playbit 作者 rsms 分享近几周的编码 Agent 工作流，把 Figma 当作软件的 grounding truth，效果胜过传统的计划与设计文档。
AGI HuntAI 评分3838 Codex 升级 $500 档前，先把手头 $200 月度用完
开发者 Elliot Glazer 提醒，Codex 20x 档（$200/月）订阅如果只剩最后一个月，应先把这一个月用完，再去点“升级到 $500 档”。他暗示升级操作可能不按剩余天数折算、也不保留已付费额度，用户因此可能多花一个月的 $200。对重度 Codex 用户是直接的省钱提醒。
AGI HuntAI 评分4444 AWS 发布 LEGO-Anything：让编码智能体写 Blender 代码重建可编辑 3D 场景
AWS 发布 LEGO-Anything：编码智能体迭代编写并执行 Blender 代码，输出可检视、可编辑、可查询的场景程序而非固定 3D 渲染。配套 LEGO-Bench 含 104 个室内外场景的 208 张图片，评分工件有效性、可见表面几何与渲染外观，GPT-6-astra 综合最强（室内 53.4%、室外 39.6%）。
AGI HuntAI 评分4343 HybridCUA：GUI 与 CLI 混合训练，OSWorld 成绩提升 14.8 个百分点
Tongbo Chen 等提出 HybridCUA，将 GUI 操作与 CLI 混合训练计算机使用智能体；HybridCUA-9B 在 OSWorld 达到 53.6%，较基座模型提升 14.8 个百分点。
AGI HuntAI 评分4343 ROSS 复用历史 rollout 做选择性监督，SWE-bench Verified 提升 4.2 个百分点
ROSS 以完整历史 rollout 为上下文、只对选定的模型生成片段施加 loss，把原本被丢弃的自生成轨迹经离线 SFT 复用为行为经验。
AGI HuntAI 评分3535 开发者让 LLM 记录执行顺序，破解 Minecraft 1.21.11 世界生成非确定性难题
开发者 gandamuml 让 LLM 在 tapes 中记录执行顺序，再在克隆环境按序回放，为 Minecraft 1.21.11 世界生成提供了可复现的确定性验证。Minecraft 1.21.11 的世界生成受 Java 运行时差异影响，同一版本自身每次运行结果都可能不同。该方案在完成确定性验证的同时，保留了正式发布运行的灵活性。
AGI HuntAI 评分3535 OpenAI DevDay 三个被忽视的信号：插件分发窗口、Codex 安全、Decisions API
开发者 @jonkragh 盘点 OpenAI DevDay 上被忽视的三个信号：ChatGPT 插件分发窗口、Codex 安全 agent 与 Decisions API。
AGI HuntAI 评分2626 开发者 gandamu_ml 用决策点验证法证明 Minecraft 世界生成克隆与原版等价
开发者 gandamu_ml 展示了 Minecraft 世界生成器克隆的决策点验证法：不必证明生成顺序分布与 Java 原版一致，只需证明在给定相同顺序时两者结果等价。实现上他借助 LLM 自动寻找合适的决策点，使克隆环境的验证回放流程能无缝切换到接下来需要执行的代码。他坦承不确定 LLM 具体做了什么，但认为该方案理论上可行。
AGI HuntAI 评分3232 CodeMidas 论文：从源码直接规模化生成编码 Agent RL 训练环境
「The Midas Touch for Code」（CodeMidas）论文提出直接从源码规模化生成编码 Agent 的强化学习训练环境。Andreas Maier 点评认为，该工作提供了一条扩展 AI 编码环境的新路径。该论文为 2026 年 arXiv 论文。
AGI HuntAI 评分2828 Midas Touch 代码数据集遭质询：可复现性与数据泄漏存疑
开发者 maierak 质疑论文《The Midas Touch for Code: Scaling AI Coding Environments Straight from Source》可复现性与统计置信度均不清楚：该工作未与基于 issue 的管线做正面对比，只用了单一模型和单一随机种子，生成用的 agent 未公开。
arXiv cs.AIAI 评分4343 微软迈向数据系统的 AI SW Factory：3x 工程效率、最高 22x token 效率
微软推进面向数据系统的 AI SW Factory，覆盖 Targeting、Coding、Reviewing、Ops 四个 SDLC 阶段。在微软数十个代码仓库的规模化部署中，它相比 agentic coding 达到 3 倍工程效率、最高 22 倍 token 效率。
arXiv cs.AIAI 评分3838 StateTape：面向长时程编程智能体的动作条件证据生命周期建模
研究者提出 StateTape，一种面向长时程编程智能体的上下文维护框架：它把仓库建模为符号级代码图，用 tape 标记每次写入改变的符号，并按仓库变化重写智能体上下文。它能在每次写入时清除被证伪记录、检索所需记录，并配套 TraceBench；在六个编程智能体和三个编辑密集基准上均取得更高解决率且计算开销较小。
AGI HuntAI 评分3030 iOS 开发者 Dimillian 盛赞 Codex 云端环境：配合 dots 体验极佳
iOS 开发者 Dimillian 转发并确认对 Codex 新发布的云端环境（cloud environments）给出好评，称迫不及待要详细介绍它的用法。被引用的开发者 mweinbach 表示这些环境「好得离谱」，尤其配合 dots 使用时体验出色。这是早期用户对 Open Codex 云端并行开发环境的高口碑反馈，具体细节待作者后续演示。
arXiv cs.AIAI 评分4242 更多程序还是更多次执行？LLM Harness 中覆盖率与专业化的分离
受控评估在 MATH-500 的 386 个任务上对比 8 个生成式 harness 与 1 个 baseline 及 9 份字节相同副本，每个执行 3 次：完全相同的程序仍带来 2.16 个百分点的重复平均 oracle 余量。
AGI HuntAI 评分3131 前 Google 工程师 Piotr：AI agent 还写不出生产级代码，60 分钟面试还能考什么？
前 Google 工程师 Piotr 澄清，他并非反对面试考编程能力，但在 Google 代码库贡献的经历让他确信 AI agent 还远达不到生产级代码所需的正确、干净与可扩展水平。他同时质疑 LeetCode 刷题式面试并非理想方案，抛出 60 分钟面试除算法题还能考什么的问题。这反映出 AI 编程助手普及后，工程招聘标准尚未找到新范式。
AGI HuntAI 评分3939 用 Groq + Hindsight 搭一个能从反馈中学习的代码审查 Agent
开发者用 Groq 做推理、Hindsight 做记忆，搭建了一个能从反馈中学习的代码审查 Agent，让它在多次审查之间保留有用的反馈并在后续审查中复用。该流程用 Expense Tracker 项目做了测试，作者还记录了 AI 代码审查器具备跨交互记忆后审查行为的变化及构建经验。
AGI HuntAI 评分4141 EasyPPO 固定 Critic 解决 PPO 训练崩溃
Xuanyi Zhou 发布 EasyPPO，通过固定 critic 让 PPO 在 LLM 后训练中稳定运行，实现零训练崩溃。该方法不引入新的 actor loss、也不更换策略算法，并针对 actor 与 critic 交互中的两种失效模式给出修复。在编码任务上，EasyPPO 相对标准 PPO 性能提升 14.89%。
AGI HuntAI 评分4343 max_paperclips 反驳 housecor：模型变强不等于可删 agent 封装层
max_paperclips 反驳 housecor：模型变强并不会让 agent 封装层变得多余。他认为模型不会自动学会记忆重复任务、感知可用 API 或积累可复用工具集，skills、MCP、自定义循环等封装层仍需保留。实际变化只是 prompt 和指令能写得更简略，嵌套循环、任务进度追踪等工程结构不会因 TerminalBench 提升 2% 就消失。
IT之家AI 评分3737 OpenAI 推出 Codex 专用插件 Game Studio，可用自然语言制作 Game Boy 风格游戏
OpenAI 在开发者日宣布与 ModRetro 合作，为复古掌机 Chromatic 推出 Codex 专用插件 Game Studio，用户可用自然语言描述游戏需求、由 Codex 辅助生成程序。
AGI HuntAI 评分1818 反讽梗走红：谁还记得 OpenAI 的 Codex VSCode 插件「干掉」了 Cursor？
开发者 willcb 发推反讽「OpenAI 为 VSCode 推出 Codex 插件后 Cursor 就彻底死掉、估值归零」的论调：现实恰恰相反，Cursor 不仅没死，反而成了最火的 AI 编程工具。这条正话反说的推文调侃了「大厂一出官方插件、创业公司必死」的说法，成为一则有传播力的 AI 圈梗。
AGI HuntAI 评分3737 Anthropic Opus 5.5 实测：速度快却常无视用户需求自行改写代码
开发者 ssh4net 实测 Anthropic 新模型 Opus 5.5，速度明显提升，也能较好遵循既定编码规范，但倾向于按自己的意图写代码，常无视技术规格自行改写。这导致用户需要额外一轮代码审查和返工，抵消了速度带来的收益，并引发社区对其实用性的讨论。
AGI HuntAI 评分3737 博主横评：GPT 6.1 SOL 强于推理与数据分析，Fable 与 Opus 专精编码
创业者 Bindu Reddy 横评多款前沿模型，GPT 6.1 SOL 与 Astra 在推理、数据分析和浏览器操作上表现出色，Fable 与 Opus 则擅长编码。但 Fable 与 Opus 在数据分析等任务上表现很差。其结论是没有万能模型，选哪个取决于具体使用场景。
AGI HuntAI 评分3636 程序员自述：AI 辅助开发中每轮重构都会让旧问题迁移到新代码
一位开发者观察到，AI 辅助开发中代码达到新里程碑后往往还需再做一轮 code review 和深度重构，耗时一两天。更关键的是，上一轮迭代中被掩盖的问题不会消失，而是悄悄迁移到新写的代码里，一天后才发现。这意味着每次重构在解决表面问题的同时可能把缺陷带入新结构，持续审查不可或缺。
AGI HuntAI 评分3333 实测 Sol 6.1 Max 写 Blender 游戏代码：十分钟仍救不回来
Reddit 用户实测用 Sol 6.1 Max 在 Blender 里写游戏代码失败，修了十分钟后仍救不回来。该用户原本指望 Sol 6.1 Max 顶替 Astra、从而接受用量缩水，但两张截图显示从起步就彻底失败、十分钟后效果依旧糟糕。作者的结论是「Sol 6.1 Max + Blender 做游戏」不可行，不足以弥补限制下调。
AGI Hunt精选AI 评分6767 OpenAI Dev Day 2026 全盘点：GPT-6.1 Sol、Ultrafast 与 Pro 500 档
Matthew Berman 逐项复盘 OpenAI Dev Day 2026 的发布内容，包括 GPT-6.1 Sol 新模型及跑分、Pro 500 订阅档、Dots 产品与 Ultrafast 快速档。
推荐理由：这篇复盘按发布顺序梳理了 OpenAI Dev Day 2026 的模型、订阅与 Codex 更新，便于快速对照各条产品线。
AGI HuntAI 评分5555 Ultracode 更新：Tab 一键开关，可编排 Claude 集群执行任务
Claude Coders 的 Ultracode 更新后可用 Tab 键一键开关，并解除 xhigh 档限制，在任意 effort 档位都能使用。作者实测 Low 到 Medium 是最佳平衡点。其工作方式是先生成编排脚本，再生成一组 Claude swarm 并行执行任务。
AGI HuntAI 评分5151 用 Opus 5.5 生成 4.5 万行代码，8 小时做出一支 three.js 音乐 MV
Reddit 用户用 Opus 5.5 Ultraplan 生成约 4.5 万行代码，约 8 小时做出一支完整音乐 MV。歌词由 Astra 写、音乐用 Suno v6，视频基于 three.js 的 frame-at-t 方式逐帧渲染并混合子帧做运动模糊，压缩前成品 1.2GB。
AGI HuntAI 评分3333 Claude Code 被吐槽：重命名一个变量动用 90 个 agent
推主 tetsuoai 吐槽 Anthropic 的 Claude Code 资源调度夸张：为一个简单的变量重命名任务竟 spin up 了 90 个 agent，并配图晒出完整的 agent 列表。该截图成为 AI 编码 agent 资源浪费与过度编排的最新名场面梗图。
AGI HuntAI 评分2929 GENIC0N 吐槽：AI 编程像念咒，计算机科学该改叫计算机魔法
GENIC0N 在 X 上吐槽 AI 让编程变得像念咒般不可解释，"computer science" 该改叫 "computer magic"。该帖被大量转发，戳中开发者对 AI 编程既依赖又看不懂的心态。「Fun」频道同期还收录 AI 生成 7 分钟 SQLite 代码库讲解视频、Claude 听 59.94 Hz 嗡声判断 GoPro 麦克风漏帧率电流声等条目。
AGI HuntAI 评分2727 未来主义者 Dr_Singularity：Opus 5.5 编程已过实用阈值，2027 年 AI 可造 GTA 6 级游戏
Dr_Singularity 认为 Opus 5.5 的编码质量已跨过「实用阈值」，AI vibecoding 出的游戏已达到可玩水准，未来数月 token 用量将爆炸式增长。
AGI HuntAI 评分4444 AI 生成 7 分钟 SQLite 代码库讲解视频，作者称开源项目都该有
作者 yawnxyz 展示了一条 AI 全程生成的 7 分钟 SQLite 讲解视频，内容覆盖项目用途、代码高层结构图、一条查询在代码库中的生命周期、核心抽象，以及一次真实执行的 trace（含 join-order 查询规划）。
SiliconANGLE：AI精选AI 评分7777 OpenAI 发布 GPT-6.1 Sol，性能接近 Astra 但价格大幅降低
OpenAI 在 DevDay 上发布 GPT-6.1 Sol，官方称其性能与 GPT-6 Astra 大致相当，但成本大幅降低，每百万 token 定价 10 美分，约为 GPT-6.0 Astra 的一半。
推荐理由：对比 DevDay 公布的基准与定价可以看出，Sol 以约一半价格提供 Astra 级能力，并面向长时编码负载。
AGI Hunt精选AI 评分6767 OpenRouter 发布首期数据简报，token 用量爆发、开源模型支出半年涨 10 倍
OpenRouter 研究负责人 Peter Walker 发布首期数据简报，指出平台推理量持续激增，2026 年 2 月 6 日可能是历史上最后一天人类消耗的 token 多于 agent。
推荐理由：OpenRouter 数据简报给出了 token 用量、开源模型支出与降价后用量弹性的具体倍数，可作为观察 agent 消耗趋势的参照。
AGI HuntAI 评分5656 CMU 开源 Gym-Anything，把任意软件变成 Agent 训练环境
CMU 团队的论文 Gym-Anything 被 NeurIPS 接收，该框架能把任意软件自动转换为 computer-use agent 的训练与测试环境，并全部开源。
AGI HuntAI 评分2727 网友用 Codex 替自己应付全家人的技术支持需求
推主 @TheMoonMidas 给 Codex 找到了最佳用途——替自己应付家里长辈的各种技术支持需求。他表示这件事以前是他的噩梦，现在直接交给 Codex 解决。