我用 Vibe Coding 让 Agent 造出一个能编译 SQLite 的 C 编译器
Jesse Vincent 用 Evener 加 GLM 5.2 以自主 Agent 方式构建了一个 ARM64 C 编译器，约 21 小时后它成功编译 SQLite 并完成一次 INSERT 和 SELECT。
#编码Agent
Jesse VincentAI 评分6262
JetBrains AI BlogAI 评分4141 JetBrains Air 新增多项目视图、Markdown 编辑器与 Windows IME 支持
JetBrains Air 新增多项目视图，可在同一窗口打开多个项目并并行运行 Agent，侧边栏按项目分组任务，导航单位从窗口变为任务。Markdown 文件现以格式化文本渲染，语法在阅读时隐去、编辑时显现，无需分屏预览。Windows 上的中文、日文、韩文等 IME 问题已修复，该版本还新增首次启动的 Customize 界面和可选择 Agent 与模型的 Agent Review。
AI Coding DailyAI 评分2222 GLM-5.3、Grok 4.6、Gemini 3.7 Flash、DeepSeek-v4-Pro 等新模型集中发布
本周多款新模型集中发布：GLM-5.3 主打更少输出 token 与网络安全方向，Grok 4.6 已加入 LLM 排行榜并对比 Cursor 与 API 价格，Gemini 3.7 Flash 在 Antigravity 中实测，DeepSeek-v4-Pro 结束预览并公布涨价。
Cursor 更新日志精选AI 评分7878 Cursor 更新云 Agent 与 Harness：支持事件订阅、子 Agent 独立虚拟机与 /goal
Cursor 发布云 Agent 与 Harness 更新，云 Agent 可订阅 PR、Slack 线程或定时任务等事件源，被触发后自动唤醒并持续推进目标。新增 Custom Modes 可把技能固定在对话中，子 Agent 可运行在各自独立的虚拟机与干净上下文中，用于测试父 Agent 改动或并行修复。还加入 /goal 设定长期目标，以及不打断 Agent 的转向消息机制。
推荐理由：官方更新日志列出云 Agent 订阅事件、子 Agent 独立虚拟机与 /goal 等能力，可据此判断常驻 Agent 的编排方式。
IndyDevDanAI 评分6262 IndyDevDan 用系统提示词工程修复 Opus 5 的啰嗦输出
IndyDevDan 发布视频，演示用系统提示词工程把啰嗦的 Claude Opus 5 改造成精确的资深工程师，并称系统提示词比用户提示词和技能更具杠杆。
Addy OsmaniAI 评分7474 Addy Osmani 谈 Loop Engineering 的实用做法：goal 与 loop 如何分工
Addy Osmani 结合自己每天并行运行 5 到 10 个 Agent 的经验，梳理 Claude Code 中 goal 与 loop 两类原语的分工：goal 用可度量的完成条件驱动单个任务迭代，loop 按固定间隔重跑提示词，适合轮询 PR、CI 和日志等场景。
Cursor 更新日志精选AI 评分6767 Cursor Cloud Agents 引入 Builds，启动速度提升 3 倍
Cursor 为 Cloud Agents 推出 Builds 功能，在后台预先准备好已克隆仓库、已安装依赖并执行过安装脚本的开发环境，智能体启动时直接进入就绪环境，无需每次从零配置。
推荐理由：Cursor 官方给出 Cloud Agents 环境预构建的启动数据与迁移入口，可据此评估现有环境的接入成本。
Zed Blog精选AI 评分6060 Zed 团队推出多人协作编码环境 Delta 并开启私测
Zed 团队发布 Delta，一个面向与 Agent 协作编码和评审的多人环境，首批用户已进入私测。Delta 基于自研 DeltaDB，把对话与 worktree 一起实时复制，兼容现有 git 仓库，未使用 Delta 的同事看到的仍是普通 repo。Delta 还支持把线程分享为链接在浏览器打开，并已接入第三方 Agent 运行框架，首个是 Claude Code。
推荐理由：Zed 团队把 DeltaDB 的实时协作能力做成独立应用，读者可据此判断多人加 Agent 的代码评审会怎么变。
Ollama Blog精选AI 评分6262 NVIDIA Nemotron 3.5 Lightning 上线 Ollama，30B 总参数 3B 激活
NVIDIA Nemotron 3.5 Lightning 已在 Ollama 上线，可完全在本地设备运行。
推荐理由：NVIDIA 开源 30B 总参数、3B 激活的本地 Agent 模型，可对照其吞吐与上下文规格判断本地部署取舍。
Ollama Blog精选AI 评分6262 Meta Superintelligence Labs 的 Muse Glimmer 上线 Ollama
Meta Superintelligence Labs 的首个开源模型 Muse Glimmer 已在 Ollama 上线，这是一个 30B 多模态模型，面向本地运行的 Agent 工作负载，上下文长度 128K+，采用 Apache 2.0 许可。
推荐理由：Meta Superintelligence Labs 首个开源模型在 Ollama 上线，可了解其本地编码 Agent 接入方式与 Apple Silicon 加速表现。
Addy OsmaniAI 评分5050 Addy Osmani：Agentic Code Quality——用约束与质量门禁替代逐行代码审查
Addy Osmani 提出，Agent 每天产生数十万乃至上百万次代码变更，逐行代码审查已不可行，软件质量转而取决于围绕 Agent 设置的约束，即质量门禁。这些门禁包括单元测试、属性测试、验收测试、变异测试，以及圈复杂度和行长等代码质量指标，并贯穿 Agent 从解释器到控制器再到生产的全流程。人类注意力应只投向自动化护栏失效时的复杂问题，否则会拖慢机器速度的流程。
Zed Blog精选AI 评分7272 Zed 在 Agent 面板中默认启用沙箱
Zed 在 1.14 版本起为所有用户默认启用 Agent 面板沙箱，限制终端和 fetch 工具的行为，由操作系统强制执行而非依赖 Agent 遵守指令。默认规则禁止 Agent 写入项目目录之外、写入 .git 或发起网络请求，需要时 Agent 可申请临时提权并给出理由。
推荐理由：Zed 官方说明沙箱的默认规则、权限升级流程与实现方式，并给出绕过沙箱的若干路径。
宝玉的分享AI 评分2222 从 TL 到 EM：我终于不再盯着 AI 写代码了
一位开发者分享自己使用 Coding Agent 的角色转变：从紧盯代码层的 TL 转为只做方案与验收的 EM，转折点在 Fable 5 前后，他发现 AI 写的代码质量已相当可以，稍加验证就不会有太大偏离。
JetBrains AI BlogAI 评分3636 JetBrains 实测 Ponytail Skill：Claude Code 代码量真能减 54% 吗？
JetBrains 用 80 组配对任务实测 Claude Code 的 ponytail skill，实测代码量减少 15%、成本降 10.3%、耗时降 11%，约为宣传值（-54% 代码、-22% tokens、-20% 成本、-27% 时间）的四分之一到一半，但这是该系列首个成本节省信号统计上可靠的插件。
宝玉的分享AI 评分2222 关于 Agent 的几个判断：通用 Agent 通吃、插件生态与模型护城河
针对 @cellier_ 提出的通用 Agent 吃掉垂直 Agent、开放吃掉封闭、下沉吃掉傲慢三个判断，宝玉补充了自己的六点看法：通用 Agent 赛道本身也会是少数赢家通吃，小通用 Agent 同样没有生存空间；开放与封闭的差别不在开源或模型切换，而在插件生态，Skill 加 MCP 是关键。
JetBrains AI Blog精选AI 评分6262 JetBrains Air 更新：接入更多 Agent、本地模型与 Java/Kotlin 代码智能
JetBrains Air 发布新版本，通过 JetBrains 与 Zed 开发的 Agent Client Protocol（ACP）支持 GitHub Copilot、OpenCode、Pi、Cline 等兼容 ACP 的编码 Agent，不再局限于内置的 Claude、Codex、Gemini CLI 和 Junie。
推荐理由：Air 通过 ACP 接入外部编码 Agent 与本地模型，读者可据此判断多 Agent 工作流的接入方式。
JetBrains AI Blog精选AI 评分7171 JetBrains 发布 JetBrains Context，为编码 Agent 提供仓库智能
JetBrains 发布 JetBrains Context，一个面向编码 Agent 的仓库智能层，现已随 JetBrains AI 订阅开放早期访问且不额外收费、不消耗配额。
推荐理由：JetBrains 官方给出仓库智能层的接入方式与三项基准降幅，可据此判断编码 Agent 在大型代码库中的成本变化。
Addy OsmaniAI 评分3838 Addy Osmani：软件工厂的明与暗——从循环、Harness 到无人审查的暗工厂
Addy Osmani 提出软件工厂由循环、Harness、工厂三层构成：循环是单个 Agent 重复执行任务的最小单元，Harness 是沙箱、工具、记忆与完成判定，工厂则是多个 Harness 化循环共用一个审查门。明工厂保留人类判断，暗工厂让 Agent 自行定范围、构建并发布代码，无人阅读细节。他指出图中生成、测试、扫描几乎零成本，唯一难以扩展的是审查门这一"判断"环节。
Addy OsmaniAI 评分2222 Addy Osmani：工程师必须掌控 Agent 的"外循环"
Addy Osmani 在 AI Engineer World's Fair 2026 闭幕演讲中提出，工程师必须掌控智能体工程的"外循环"，即对系统负责。他将智能体定义为模型加 Harness，循环为调查、实现、验证、重复，工厂则是规模化运行的循环。
Ollama Blog精选AI 评分6262 Ollama 0.31 通过多 token 预测让 Gemma 4 在 MLX 上提速近 90%
Ollama 0.31 让 Gemma 4 在 Apple Silicon 上生成 token 平均提速近 90%，该加速默认开启且不改变模型输出。提速来自多 token 预测（MTP）：Gemma 4 附带一个小型草稿模型，先提出后续若干 token，主模型一次验证并保留一致的部分，代码场景因可预测性高而受益明显。
推荐理由：原文给出 MTP 加速的实测数据与实现细节，读者可据此判断本地编码 Agent 的响应速度变化。
Steve YeggeAI 评分2222 最后的技术面试：Steve Yegge 谈技术面试为何走向终结
Steve Yegge 认为技术面试已走到尽头，他基于近 35 年面试官经历指出，Google 的统计显示面试官之间几乎无法达成一致，同一候选人常被一人评为"强烈推荐"、被另一人直接拒绝，且面试分数与入职后表现几乎无关。他曾在 Amazon 担任 Bar Raiser、在 Google 任职 Hiring Committee，认为现有流程靠各种"创可贴"式修补维持，却仍大量误招与错拒。
Steve YeggeAI 评分3434 Steve Yegge 发布 Wasteland：把上千个 Gas Town 联邦成信任网络
Steve Yegge 推出 Wasteland，一个把上千个 Gas Town 连接成信任网络、以共享 Wanted Board 接活与盖章的联邦式协作系统，核心机制沿用 Git 的 fork/merge、push/pull 模型。
Steve YeggeAI 评分2828 Steve Yegge：AI 正在像吸血鬼一样榨干开发者
Steve Yegge 提出"AI 吸血鬼"概念，认为 AI 确实能带来 10 倍生产力，但价值捕获机制决定了开发者要么被公司榨干、要么公司被竞争对手淘汰。他以 Opus 4.5/4.6 配合 Claude Code 为例，称 AI 编程在 2025 年 11 月 24 日到达事件视界，并提到 Claude Code 已在微软工程团队中迅速占据主导。