标签
OpenAI 正在推出 Codex 安全审查的研究预览版，该功能可自动审查 GitHub 拉取请求中的安全问题，并内联显示发现，这是利用 AI 模型提高代码安全性的计划的一部分。
Gergely Orosz 分享了 Pragmatic Engineer 关于堆叠差异的深度解析，解释了这一由 Meta 和 Google 推广的概念，以及 GitHub 新的公开预览如何使其更容易使用。
GitHub 现已推出堆叠式拉取请求的公开预览，允许开发者将大型变更拆分为更小、更易审查的 PR，这些 PR 可独立审查并一键合并。
对后台编码代理的详细探讨——这些AI代理在云端沙箱中自主工作并开启拉取请求——将它们与自动补全和基于IDE的工具进行对比，基于FactoryKit在两周内交付超过180个功能的真实经验。
本文探讨了AI软件工厂的兴起——这类系统中编码智能体自主将工单转化为拉取请求——并指出供应商大肆宣传与缺乏公开验证其主张的基准之间的差距。
Codex 现在支持定义于 AGENTS.md 中的自定义审查规则，从而能够自动将专家审查上下文应用于每个 PR。
Honeycomb工程团队借助Claude Code等AI工具，将每日合并峰值从约30个提升至约74个，AI生成的代码占比到2026年6月升至82.6%，同时按比例管理事故。他们分享了与AI协同放大的实践，如持续交付、快速CI和可观测性。
Osman Solmaz 介绍了 hf-auth-helper，这个工具允许用户为自己的 OpenClaw 智能体提供细粒度的 Hugging Face 令牌，仅包含读取和 discussion.write 权限，从而防止不可逆的删除，同时支持创建 PR。该帖子还强调了在 AI 智能体中结合私有数据访问、不受信任内容和外部通信所带来的更广泛安全风险。
对OpenClaw仓库中拉取请求的统计分析显示，AI生成的PR垃圾邮件激增，合并率从48%下降到9.3%，贡献者每天提交数百个自动PR。文章将这一现象与早期的电子邮件垃圾邮件进行比较，并讨论了基于信誉的过滤器和信任管理系统（如Vouch）等新兴解决方案。
Cross Repo Review 是一个工具，用于映射仓库间的依赖关系，并在 PR 上展示下游影响、破坏性变更和影响范围，同时追踪代码、服务、数据和管道依赖。
一份关于AI编程代理循环工程的深入指南，解释了如何构建自动循环来重复提示代理、验证结果并避免失控成本，并通过一位工程师一个月内提交259个拉取请求的案例研究加以说明。
GitHub 引入拉取请求限制，允许维护者限制无写入权限的贡献者可打开的 PR 数量，并为信任的贡献者设置豁免列表。
解释如何在父提交被压缩或替换时，使用 `git rebase --onto` 更新堆叠的拉取请求。
GitHub COO Kyle Daigle 讨论了 AI 智能体创建的拉取请求激增（3 月份达到 1700 万），以及预计今年将有 140 亿次提交。他强调开源维护者的控制权、基于使用量的定价模式取代按席位许可，以及随着 AI 工具使非开发者也能构建应用，开发者与非开发者之间的界限正在模糊。
SQLite 的创造者 Richard Hipp 用“免费 puppy”比喻拉请求：表面免费，实则承诺长期维护。文章还回顾了 SQLite 的起源、早期合同和联盟成立的故事，探讨开源维护的隐性成本。
文章介绍了'切斯特顿的鸿沟'这一概念，作为现代软件工程中的一种现象，即开发者在不了解为何省略某些功能的情况下添加不必要的功能，这与传统的'切斯特顿的栅栏'原则（先理解再移除）形成对比。