跳到正文

AI 程式開發

AI 寫程式碼的一切:編碼助手、Vibe Coding、程式碼模型評測與開發工作流變革。

562條精選相關主題Agent AI 助理Cursor教學與實務

最新精選

第 501–520 條 · 共 562 條
10月8日週四
  1. AWS Machine Learning Blog79

    Claude Haiku 5.5 於 AWS Bedrock 正式推出

    Claude Haiku 5.5 已於 Amazon Bedrock 與 Claude Platform on AWS 上提供,為 Anthropic 最新的子代理模型。

    推薦理由:Claude Haiku 5.5 在 AWS 上提供更快更低成本的子代理模型,適合高量化、成本敏感的工作,並可與 Opus 5.5 組合使用,分工協作提升推理效率與成本效益,支援多語言輸入與輸出。

  2. AWS Machine Learning Blog81

    使用 Lambda Durable Functions 與 Bedrock 自動化處理 DevOps Agent 事件,縮短 MTTR

    AWS DevOps Agent 事件調查完成後,系統利用 Lambda Durable Functions、EventBridge 與 Amazon Bedrock 建立自動化修復工作流,將調查摘要轉成可執行的修復方案,並在必要時透過人工批准完成變更。

    推薦理由:如何結合 Lambda Durable Functions 與 Bedrock,處理 DevOps Agent 事件,縮短 MTTR。

  3. AWS Machine Learning Blog81

    超越節省時數:打造代理式自動化的商業案例

    本文說明如何利用 AWS Quick Automate 建立代理式自動化的商業案例,並提供四維度價值模型與實際部署範例。\n- 四維度價值模型:時間節省、例外處理、決策品質、變更韌性與維護成本,並以實際數值說明如何計算。

    推薦理由:本文提供完整框架,協助企業量化代理式自動化價值,並示範實際部署案例,助其制定可衡量投資回報。

10月7日週三
  1. AWS Machine Learning Blog73

    在 AgentCore 與 OpenClaw 上構建具備上下文感知的 AI 助手

    AgentCore 與 OpenClaw 的結合,讓開發者能以單一 CloudFormation 模板在 AWS 上快速部署具備長期記憶的 AI 助手。

    推薦理由:本文示範如何利用 AgentCore 與 OpenClaw 建構可持續記憶的 AI 助手,並說明成本與部署方式,對想在 AWS 上快速落地個人化助手的開發者具有參考價值。

10月6日週二
  1. GitHub Blog · AI & ML72

    ReviewBench:AI 程式碼審查開放基準

    ReviewBench 是 GitHub 推出的 AI 程式碼審查離線基準,基於 1.039 億個真實 PR 建立。 - 資料量:219 個 PR,涵蓋 19 種語言,與 GitHub 整體分佈高度相符。

    推薦理由:ReviewBench 提供可量化 AI 程式碼審查基準,協助團隊客製化評估與最佳化審查流程,並可透過多層級指標快速定位改進點,以實驗資料驗證其準確性。

10月5日週一
  1. Together AI Official Blog77

    Together Link:將團隊已使用的工具連結至開放模型,僅需一指令即可上線

    Together Link 讓工程團隊在不改變工作流程的情況下,將現有工具連結到 Together AI 的開放模型,並可節省 50% 以上的成本。 - 成本效益:相較於使用閉源模型,開放模型可節省超過 50% 的每月支出。

    推薦理由:開放模型可使工程團隊成本下降超過五成,提供可直接套用於現有開發流程的成本效益方案,同時保持高效能與低延遲,讓團隊能即時切換至最佳模型。

10月3日週六
  1. Supabase Blog82

    Supabase Select 2026 會議回顧

    Supabase 在 Select 2026 會議上展示了全新的 code‑first 方式與 Agent 整合,讓開發者能以程式碼管理後端並即時檢測問題。

    推薦理由:Supabase 透過 code‑first 與 agent 整合,讓開發者可以程式碼管理後端,並即時檢測問題,提升開發與運維效率。

10月2日週五
  1. Python Official Blog85

    Python 3.15.0 候選版本 3 已發布

    Python 3.15.0 版本 以 156 個 Bug 修復、7-12% JIT 加速及多項新功能為特色,已於 2026-10-02 發布第三個候選版本。

    推薦理由:Python 3.15 版本包含多項效能與語法改進,開發者可利用新特性提升程式效能與可維護性,同時提供了 156 個 Bug 修復與 7-12% JIT 加速,適合想最佳化效能的專案。

9月29日週二
  1. OpenAI News86

    OpenAI 釋出 GPT-6.1 Sol

    OpenAI 釋出 GPT-6.1 Sol,具備接近 Astra 的編碼、電腦操作和專業工作智慧,且 API 輸入輸出 token 價格降至 Astra 標準價格的五分之一。

    推薦理由:原文給出了新模型的定位、核心能力與價格降幅,讀者可以據此判斷它會怎樣改變日常開發與專業工作流。

9月23日週三
  1. Cursor Official Blog63

    Cursor 調整 AI 助理的工作方式,降低長時間執行的 token 成本

    AI 助理跑得越久,反覆帶入的指令、工具說明和程式內容就越多,token 成本也跟著增加。Cursor 調整了幾個地方:縮短系統提示,只在需要時載入較少使用的工具,讓固定內容更容易沿用,讀檔時也改成每十行標一次行號;另外,它也減少鼓勵 AI 助理呼叫子助理的指令,並限制何時改用其他模型。Cursor 表示,這些改動讓使用者的 token 成本降低 7%,AI 助理品質沒有下降;讀檔行號調整則讓快取讀取的 token 減少 1.6%。

    推薦理由:Cursor 說明五項 harness 調整如何降低 token 成本,並交代各項做法與用量變化,呈現長時間執行 AI 助理時的效率取捨。

  2. Cursor Official Blog78

    Cursor 推出 Rollouts 和 Security Reviewer,協助監看部署並修補安全問題

    程式寫完送出 PR 後,團隊還得確認部署是否出問題、找出是哪次修改造成回歸,也要檢查程式裡的安全漏洞。Cursor 推出 Rollouts 和 Security Reviewer:Rollouts 會在 PR 到部署後持續檢視指標,發現回歸時指出可疑修改,並依設定通知作者、暫停分階段發布,或準備等候核准的回復 PR;Security Reviewer 則會在每個 PR 檢查整個程式庫,說明漏洞的攻擊路徑並提供一鍵修正。兩者目前開放給 Teams 和 Enterprise 方案使用。

    推薦理由:Cursor 把部署監看和程式安全檢查交給兩種機器人處理,說明它們如何追查回歸問題、提出修正,並可依設定暫停發布或等待核準。

9月16日週三
9月10日週四
  1. Cursor Official Blog78

    Cursor 推出 Projects,讓 AI 助理接手大型開發工作

    功能開發、程式碼遷移和日常維護常需要跨多個 PR 持續進行,單次對話很難接手整段工作。Cursor 推出 Projects,讓開發者透過協調 AI 助理安排工作,由其他 AI 助理分頭寫程式碼;每個 Project 會累積共用背景,也能在雲端執行、需要時切換到本地,並依 Slack 訊息、排程或 PR 狀態主動處理任務。Cursor 表示,主要使用 Projects 的內部使用者,合併 PR 的數量達原來六倍;這項功能目前進入 beta,正逐步開放給所有使用者。

    推薦理由:Projects 把多步驟開發工作交給協調 AI 助理分工,並累積共用背景,適合瞭解它如何支援功能開發、程式碼遷移與日常維護。

9月9日週三
  1. OpenAI News86

    OpenAI 釋出 GPT-6 Astra 模型

    OpenAI 推出 GPT-6 Astra,作為其迄今為止最具智慧與對齊能力的模型,現已在 ChatGPT Work、Codex 及 API 中可用。該模型在計算機使用、瀏覽、軟體工程及網路安全等專業任務上表現領先,API 定價為每百萬輸入 token 10 美元、每百萬輸出 token 50 美元。

    推薦理由:原文公佈了新模型的各項能力基準、定價及企業級安全控制,讀者可以據此評估其在複雜工作流中的成本效益。

  2. Cognition / Devin Blog69

    Cognition 與 Devin 打造全球最高效 GPU 格子過濾器,RSA-260 分解成本降 10 倍

    Cognition 的研究團隊與 AI 代理 Devin 合作,開發出世界上最快的 GPU 格子過濾器,成功分解 RSA-260,成本約 $400k,比以往節省 10 倍。

    推薦理由:本研究展示了利用自動化軟體工程代理在 GPU 上實作 GNFS,將 RSA-260 的分解成本降至 10 倍以往水平,為大規模數學運算提供可行性參考。

9月7日週一
  1. Dan Luu Blog70

    Dan Luu 實測 AI 助理怎麼用測試方法,發現光給指示常常不夠

    只告訴 AI 助理使用某種測試方法,寫出的程式就會更可靠嗎?Dan Luu 用 Rust 重做 Zstd,測試 26 種提示和 4 種技能,並比較每種做法在 80 次執行中的結果。多數 AI 助理只是把一般測試塞進指定工具,或只檢查簡單、不容易出錯的情況;直接使用預設設定的表現反而高於平均。作者也發現,要求 AI 助理找出高風險部分、再設計能區分正確與錯誤結果的測試,方向上較有幫助,但仍未穩定找出問題。這項實測提醒我們,測試工具的名稱本身不會讓測試變好,給出具體做法並檢視結果可能更重要。

    推薦理由:這項比較顯示,只告訴 AI 助理採用某種測試方法,往往不足以讓它找出容易出錯的程式;文中也分析了哪些做法較有幫助。

9月3日週四
  1. GitHub Engineering77

    GitHub Copilot:如何在不犧牲任務品質的前提下提升 AI 編碼成本效益

    GitHub Copilot 透過四項最佳化,降低 AI 編碼成本而不影響品質,讓開發者可直接應用於工作流程。 - 核心變更:保留關鍵上下文、移除無效格式、縮短指令、直接交付背景工作,避免額外工具呼叫。

    推薦理由:本文說明 Copilot 透過四項最佳化,降低 AI 編碼成本而不影響品質,對開發者可直接應用於工作流程,並可減少模型呼叫,提升開發效率。