标签：developer-tool
-
Anthropic 团队分享：重新审视 Claude Code 最佳实践
AI Engineer
Anthropic 工程师 Lydia Hallie 探讨了随模型能力提升，Claude Code 开发模式从人工密集介入转向多会话并行与自动化编排的演变。她系统介绍了利用 Auto Mode、权限拒绝规则、沙箱与云端会话保障安全，结合 Hooks 与 CI 建立多阶段自动化验证，并通过编排会话管理复杂任务的实践路径。 -
Harvey的Agent平台实践：坏掉的不是Agent本身，而是它周围的工程基建
AI Engineer
Harvey工程师Joey分享了内部云端Agent平台Spectre支撑超过10,000个PR后的经验教训。演讲指出核心痛点不在于模型代码能力，而在于环境隔离、CI跟进循环、Git检出延迟、警报引发的并发风暴及并发合并队列等周围工程支撑与护栏体系。 -
Warp 创始人 Zach Lloyd：云端软件工厂的基础设施架构与工程化
Latent Space
Warp 创始人 Zach Lloyd 探讨了从零散使用编码 Agent 转向“软件工厂”基础设施的演进路径。他提出工厂应具备声明式代码定义、集中化追踪、评测打分与自优化闭环等六层架构，并分享了团队将单个 PR 成本从 80 美元降至 15-20 美元、吞吐量提升 40% 的实践。 -
将确定性代码验证引入智能体编程循环：Sonar Vortex 的引导与实时检查
AI Engineer
Sonar 介绍了将代码验证嵌入编程智能体工作流的插件 Sonar Vortex。它在编码前为智能体提供项目架构与规范上下文，并在生成时通过确定性静态分析实时拦截安全与质量漏洞，促使智能体自主迭代修复，减少上下文消耗与 PR 返工成本。 -
Google DeepMind 托管智能体与 Interactions API 技术解析
AI Engineer
Google DeepMind 工程师 Jack Wotherspoon 介绍了 Gemini API 中的托管/云端智能体（Managed Agents）。该服务通过单次 API 调用提供云端沙箱环境与 Antigravity Harness，结合 Interactions API 实现多步骤交互与多智能体协作，支持技能挂载、代理安全凭证注入与定时触发，并展示了基于 Gemini 4 Argon 的金融分析演示。 -
Amadou Wace 谈 Command Code 演进历程、Taste 机制与开源计划
Latent Space
Amadou Wace 在访谈中回顾了从早期 CLI 与 LangBase 转向编程智能体 Command Code 的历程，介绍了基于元神经符号记录用户偏好的 Taste 机制、大模型在设计与色彩空间中的应用，并表示计划近期开源 Command Code。 -
🚀丢掉playwright吧！Claude Code原生支持Chrome浏览器！全自动调用Chrome开发React组件、自动发现Bug、自动修复，自动化测试API接口！全自动化开发流程实测！#ai
AI超元域
本视频演示了最新版**Claude Code**如何原生支持调用**Chrome**浏览器，实现全自动开发**React**组件、调试、修复Bug及自动化测试**API**接口。此集成极大地增强了**Claude Code**的实用性和强大性，通过利用现有浏览器环境提升开发效率。 -
Google DeepMind 负责人：用 Gemini 在几分钟内构建 AI 应用
The MAD Podcast with Matt Turck
这篇文章介绍了 Google DeepMind 的最新 AI 模型和开发工具，包括 Gemini 系列、Veo、Gemma 和 Genie3。演讲者 Paige 详细展示了如何利用 AI Studio、Gemini Live、AI 应用构建器和 Colab 集成等平台，快速开发多模态 AI 应用、进行数据分析和视频生成。她强调了 AI 工具的民主化趋势，赋能个人和小型团队在短时间内创造出科幻般的应用，并鼓励开发者积极探索和利用这些工具。 -
Backlog.md：AI 智能体任务管理的终端看板工具
AI Engineer
您是否曾遇到人工智能智能体（AI Agent）在执行任务时偏离方向或耗尽上下文窗口的问题？Backlog.md 是一款开源的终端看板工具，旨在解决这一挑战。它通过将大型功能分解为更小的 Markdown 任务，并提供清晰的描述、验收标准和实施计划，帮助人类和 AI 智能体高效协作。Backlog.md 支持 AI 智能体通过多协议通信（MCP）或命令行界面（CLI）进行交互，确保任务范围明确、可回滚，并提供多阶段审查流程，从而实现高质量的代码生成，其中 99% 的代码由 AI 智能体完成。 -
AI 编程的进化：从 Copilot 1.0 到 Tree 的 3.0 智能体愿景
Tree 负责人师洋深入探讨了 AI 编程工具的演进历程，从 Copilot 的代码补全（1.0）到 Cursor 的 IDE 深度集成（2.0），再到 Tree (Solo) 提出的 3.0 愿景。他认为，未来的核心挑战已从“编写”转向“审核”，AI 需要一个统一的界面来调度 IDE、浏览器等多工具，以解决专业开发者在完整开发流程中的上下文丢失和高效迭代问题。 -
AI编程工具的演进与未来：Trae产品负责人石扬的深度洞察
课代表立正
Trae产品负责人石扬在访谈中分享了AI编程工具从Copilot到Cursor再到Claude Code的演进路径。他指出Trae已成为全球第二大AI编程工具，并在代码补全等细节上实现突破。石扬强调中国团队在“命题作文”上的独特优势，并深入剖析了AI编程从插件模式到原生集成IDE的转变。他认为AI编程已步入2.5时代，并展望了3.0时代的终极形态：将更多工具原生融入AI，而非让每个工具独立搭载AI，以期大幅提升专业开发者和普通用户的效率与体验。 -
Claude Code 和 Claude Haiku 4.5 的最新进展：网页版开发、Haiku 4.5 模型应用及智能工作流
Anthropic
本文详细介绍了Anthropic公司“Claude Code”的最新功能，包括其网页版和移动应用，支持GitHub集成与并行任务处理。重点阐述了新发布的“Claude Haiku 4.5”模型，其在编码性能上超越了Sonnet 4，并以更低的成本和更快的速度提供服务。文章还探讨了Haiku 4.5与Sonnet 4.5在多智能体开发中的协作模式，以及智能本地工作流的增强功能。 -
Claude Code与智能编程的未来：Anthropic专家洞察
Anthropic
Anthropic的Alex和Claude Code创建者Boris探讨了智能编程的演变、Claude Code的开发理念、内部反馈机制以及对未来软件工程的展望，并分享了使用Claude Code的最佳实践。 -
Claude Code：加速开发、高效协作的智能助手
Anthropic
本文深入探讨了Anthropic的Claude Code工具，从其快速迭代的开发流程、独特的“狗粮”文化，到多样化的用户场景（如“多重Claude”和“计划模式”），以及强大的Claude Code SDK如何赋能开发者构建定制化智能代理。 -
MCP 协议深度解析：超越工具调用的丰富交互
Anthropic
本文深入探讨了模型上下文协议（MCP）的各项功能，包括提示、资源、工具、采样和根等核心原语，旨在展示如何构建超越传统工具调用的更丰富、更智能的AI应用。同时，文章还展望了MCP在网络集成、授权、扩展性以及未来代理、多模态等方面的发展。 -
Claude Code：工作原理、应用场景与高效使用技巧
Anthropic
Anthropic 团队成员 Cal 深入讲解了 Claude Code 的工作原理、核心功能、广泛应用场景，并分享了提升效率的最佳实践，包括文件管理、权限控制和上下文管理等，旨在帮助用户充分利用这一工具。