标签
这条推文讨论了使用形式验证方法如 TLA+ 和 Lean 来确保关键任务 AI 基础架构软件的正确性和可扩展性，并提到了 Intent Lab 和 Boris Cherny 在 Claude Agent SDK 方面的工作。
作者描述了一个实验，其中合并两个 AI 代理的 git 工作树导致了测试失败，尽管合并是干净的，突显了在没有相互意识的情况下并行代理开发的挑战。
SWE-Bench Pro V2是一个更新的基准测试，用于在软件工程中评估AI代理，包含来自11个代码库的642个任务，具有改进的评估协议和污染控制。
在 Gergely Orosz 分享的一次讨论中，Casey Muratori 强调了学习汇编语言对软件优化的重要性。
本文批评了软件开发中对 AI 的过度依赖，认为 AI 缺乏代码可维护性和架构方面的智慧，这可能会阻碍开发者的专业能力并导致长期问题。
一条推文，分享了 Lauren 关于在一个月内合并 2000 个拉取请求的演讲，强调了软件开发中的创造力和实用工作流程。
一位开发者构建了一个路由器以降低AI智能体成本，但发现它只会升级请求，导致开销增加；有效的节省来自缓存而非路由。
Cognition 为 Devin Cloud 引入了新的 CLI 和 SSH 访问方式，使开发者能够直接从终端管理 AI 编程会话并与专用虚拟机交互。
一位软件工程师将Claude描述为他的联合创始人，引发了关于在软件开发中人性化AI工具的讨论。
Gergely Orosz 正在为大二学生准备关于软件工程的讲座，以强调主动学习的角度重新设计他2024年的演讲。
本文介绍了SWE-Proof，这是一个针对现实世界软件问题的经过形式验证的代码补丁基准，表明形式验证能提高LLM生成代码的错误检测能力，并将规范综合识别为一个关键开放问题。
一位软件工程师报告称，AI模型在最近的更新中似乎越来越不擅长遵循指令，经常做出未要求的更改并忽略契约，导致更多手动工作。
Devin 宣布 SWE-2 在其 Cloud Agents、CLI 和 Desktop 平台上免费提供，适用于所有计划，直到10月8日，鼓励用户免费尝试云代理。
本文汇编了游戏开发者的轶事，详细介绍了在游戏开发中用于克服技术挑战和赶上截止日期的非常规编程技巧和窍门。
StepFun推出Step 5 Preview，一款新的旗舰AI模型，专注于智能代理工作，在软件工程和金融领域具有前沿级别性能，具备600B参数规模。
本文介绍了一种用于软件工程智能体的类别感知专家训练框架，以缓解不同任务类别间进展不均的问题。该框架采用迭代训练和多教师蒸馏技术，并在Pro-618和SWE-bench Multilingual基准测试上取得了显著性能提升。
一位开发者解释了为 Mac 构建开源 RE3 项目、修复鼠标输入 bug，并计划在 GTA 3 中添加 B2 隐形轰炸机，重点讨论软件工程方法论。
Devin是一款自主AI软件工程师，它在云环境中新增了macOS支持，这包括使用Rust语言从头重建磁盘、网络和配置系统，以便测试macOS和iOS应用程序。
这篇博客文章描述了'资深工程师死亡漩涡'，即工程师过度工作并变得孤立，导致倦怠的循环。文章提供了保持透明度和避免这一陷阱的建议。
本文总结了Ion Stoica在Ray Summit上的演讲，探讨了AI编程智能体在软件工程中面临的需求、环境和评估三大关键差距，以及这些问题如何导致奖励黑客攻击和幻觉。