#编码代理

共 23 篇相关资讯，按重要度与时间排序，每 3 小时更新。

★ 4

Claude Opus 5.5 发布：单日迁移 68 万行代码

Anthropic 发布 Claude Opus 5.5，主打大规模代码迁移能力，宣称可在一天内迁移 68 万行代码。官方称其单任务成本比 GPT-6 Astra 便宜约 80%，进一步压低企业级编码代理的使用门槛。此举加剧了前沿模型在编码与成本效率上的正面竞争。

InfoQ AI39 天前

★ 4

ττ-Bench：面向端到端真实智能体构建的基准环境

研究推出τ^τ-bench基准，测试编码代理在真实客户参与条件下构建完整客服代理的能力。最强配置Claude Opus 5在Claude Code下仅通过23.9%的模拟，而专家参考上限为82.2%，揭示当前代理在深度理解、沟通和实验方面的不足。

arXiv cs.AI56 天前

★ 3

谷歌开源 Harness，支持 OpenCode 与 Codex 接入

谷歌开源 Harness 框架，兼容 OpenCode 和 Codex 等编码代理工具。国内开发者实测接入 Jev 后反馈效果良好，降低了构建编码智能体的门槛。

InfoQ AI13 天前

★ 3

研究团队在开源AI模型中植入后门窃取编程代理凭证

ProjectDiscovery 研究显示，经过「去审查」处理的开源模型可被植入后门，从而在编码代理场景中窃取用户凭证。这揭示了 AI 编码代理供应链中的新型安全风险。

Hacker News – AI26 天前

★ 3

RigMark：按编码代理用法评测本地 AI

开发者发布 RigMark，一个面向 OpenAI 兼容本地推理设备的可复现服务基准，按编码代理真实使用方式测试散文、代码、结构化输出与预填充性能。它强调模型无关，可用于 Qwen、GLM、DeepSeek 及 vLLM、SGLang、DGX Spark 等栈，旨在用可追溯的「凭据」取代孤立的 t…

Hacker News – AI26 天前

★ 3

重访《信任的信任》：自修改AI编码的投毒风险

一篇arXiv论文重新审视经典的《Reflections on Trusting Trust》安全命题，探讨自修改AI编码代理被投毒的风险。研究指出，当AI系统能够修改自身代码时，信任链的脆弱性会被放大，对AI编码代理的安全性提出警示。

Hacker News – AI45 天前

★ 3

Ordewell：把一个目标拆解为有序的编码代理任务计划

Ordewell 是一款开源工具，可将单个目标转化为有序的编码代理任务计划，每个任务可配置独立的运行器、模型和模式，随后执行并验证。它支持 Claude Code、Codex、OpenCode 等订阅，也兼容 25 家 API 提供商，并提供 TUI、VS Code 扩展和 SSH 三种界面。

Hacker News47 天前

★ 3

Stroq：AI编码代理本地防火墙

Stroq是一款面向AI编码代理的本地动作防火墙，通过扫描代理读取的内容并对会话进行污点标记，在危险后续操作离开本机前予以拦截。它支持Claude Code、Cursor、Codex、Copilot CLI、Windsurf等，并内置对Sentry agentjacking等12起公开攻击事件的回…

Hacker News – AI52 天前

★ 3

新框架实现生产级编程智能体的Token忠实后训练

研究提出保真度感知的训练耦合框架和C-DPPO算法，解决编码代理后训练中的token和控制保真度错误。在Baize模型上，C-DPPO相比标准DPPO一致提升3.0点性能，并通过证书审计验证可靠性。

arXiv cs.AI56 天前

★ 3

openJiuwen：面向长程编码代理的动态编排框架

openJiuwen 是一个开源框架，支持结构可组合性和运行时自适应性，用于长程编码代理。在 SWE-bench Verified 和 Terminal-Bench 2.1 上分别达到 82.6% 和 87.19%，超过官方排行榜最强基线。

arXiv cs.AI63 天前

★ 2

AQVEN 开源框架：在消耗 token 前校验 LLM 工作流

AQVEN 是一个 Python 框架与本地 Studio，用于构建类型化的 LLM 多步工作流，支持模型、工具与人工审核。其 aqven check 命令可在消耗任何 token 前校验连接并模拟流程，并通过 MCP 服务器让 Claude Code、Codex 等编码代理参与实验。项目目前处于…

Hacker News – LLM3 天前

★ 2

Upbound 分享：每次改动用两小时 GPU 测试 LLM 编码代理服务

Upbound 博客介绍其自托管编码模型的测试方法：每项 LLM 服务变更都投入约两小时 GPU 做验证，以评估从试点走向团队规模部署时的性能与稳定性。文章属于工程实践分享。

Hacker News – LLM6 天前

★ 2

blencorp 开源 security-sweep 技能约束 AI 代理打补丁

blencorp 在 GitHub 发布 Agent Skill 工具 security-sweep，让 Claude Code、Codex、Cursor 等编码代理以最小改动逐个修复严重安全漏洞，并验证未引入其他变更。工具通过脚本强制约束范围，若无法安全小改则停止并说明原因。

Hacker News – AI10 天前

★ 2

Mercury 2.5 发布：廉价扩散 LLM 存在性能上限

Mercury 2.5 是一款基于扩散架构的廉价大语言模型，主打低成本推理。评测指出其在编码代理等任务上存在明显性能天花板，难以胜任复杂场景。该文章探讨了扩散 LLM 在成本与能力之间的权衡。

Hacker News – LLM19 天前

★ 2

Crafting Express：AI编码代理的本地隔离环境

Crafting推出Express版，可在单个Docker容器中运行与协调AI编码代理，支持多代理分工、模型切换与工作区共享。该版本仅供评估，生产部署需使用企业版。

Hacker News – AI31 天前

★ 2

Relay：可恢复与验证的编码代理框架

开发者发布开源工具 Relay，用于解决 AI 编码代理「只能撑 30 秒」的脆弱性问题。它通过循环执行任务、在隔离沙箱中运行校验、失败后读取错误重试并保留经验，最终以标准 git PR 形式交付可读 diff。项目本地免费运行，采用强模型规划、廉价模型写码的成本策略，并提供多仓库无人值守的付费档。

Hacker News – AI33 天前

★ 2

DiscoBox：一次性沙箱跑编码代理

开源项目 DiscoBox 让编码代理在一次性沙箱环境中运行，每个沙箱拥有独立源码副本、sudo 权限、嵌套 Docker 与浏览器。开发者可并行运行多个代理会话而不干扰本地工作区，通过 git 合并结果。支持 Claude Code、Codex 与 OpenCode，覆盖 macOS、Linux…

Hacker News – AI40 天前

★ 2

Foremerge：捕捉并行编码代理的意图冲突

Foremerge 是一个构建在 Git 之上的开源编码代理协调协议，让多个 AI 代理在各自独立工作树中共享意图、依赖与变更声明。它通过让代理在动手前声明操作意图，检测 Git 无法发现的语义冲突，例如一方替换支付服务、另一方却在其上扩展功能。项目目前为 0.5.0 本地优先 MVP，警告为建议…

Hacker News41 天前

★ 2