Microsoft 研究员 Jennifer Neville 谈 AI 评测与「意外失败」的启示
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规测试时出现的「意外失败」。她结合自身从数学、物理、认知科学到计算机科学的经历，分享与当前 AI 系统协作的实用建议，并强调当结果偏离预期时应仔细审视数据。
#大佬观点
Microsoft ResearchAI 评分2222
GitHub Blog · AI & MLAI 评分3838 GitHub Copilot 为什么说聊天框是错的 UI：用 canvas 替代 chat
GitHub Copilot 提出用 canvas 替代 chat 作为 AI 主要交互界面，canvas 是运行在 GitHub Copilot app 内的全栈应用，可与 agent 双向通信并调用第三方 API、在本地执行代码。
Sourcegraph BlogAI 评分2222 Sourcegraph：自主代码库才是 AI 编程的下一步
Sourcegraph 认为，AI 编程已把 prompt-to-PR 流程打磨到极致，但大型企业存量代码库的维护仍完全未解决。作者提出"自主代码库"构想：由触发器（定时任务、新 CVE、生产日志异常等）驱动可调用的智能体函数（全库 Deep Search、推送 PR、批量变更），组成确定性有向图工作流。未来企业将转向范围更窄、授权更小的智能体组合，而非继续泛化通用 harness。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解五大 AI 热梗：该不该读 AI 生成的代码、RAG 已死、Skills 杀死 MCP？
GitHub Podcast 最新一期拆解了五个 AI 热门论断：AI 生成的代码仍需阅读和负责，但审查力度应按风险分级；Skills 与 MCP 解决不同问题，前者是打包的 Markdown 专家经验，后者是连接工具与数据的标准协议，二者可组合使用；RAG 并未消亡，检索能为模型提供训练数据之外的相关信息，减少 token 浪费并降低答案不完整的概率。
Zed BlogAI 评分3636 Xanadu 为何在等待 AI 智能体：DeltaDB 与 Delta 的 xanalogical 设计
Zed 团队认为，Ted Nelson 的 Xanadu 超文本构想（永不复制只引用、永不覆盖只版本化）缺的最后一个依赖是 AI 智能体这类新用户。DeltaDB 用 Lamport 时间戳、Merkle 树、CRDT 等已有技术为每个状态命名，Delta 的 worktree 可被多地的人与智能体同时编辑，每个版本默认保留。
Sourcegraph BlogAI 评分2222 Sourcegraph 谈合规优先 AI：如何为受监管工程团队证明智能体溯源
Sourcegraph 提出以"限定范围检索"为智能体留下可审计的溯源记录，即明确列出智能体在改动代码前读过哪些文件及原因。其 Deep Search 会在每次回答中返回显式来源清单，MCP server 则把读文件、关键词搜索、跳转定义等操作拆成可单独观测的事件，并受仓库权限与 scoped token 约束，处理在用户自有实例内完成，仅模型调用对外。
Sourcegraph BlogAI 评分2222 企业安全在代码库规模下失效的三个环节（以及现有工具为何覆盖不到）
Veracode 测试超 100 个大语言模型发现 45% 的 AI 生成代码样本未通过安全测试，Apiiro 的 Fortune 50 研究显示 AI 辅助开发者的提交量增加 3 至 4 倍、团队安全问题数增加 10 倍。
Berkeley AI ResearchAI 评分3838 智能免费之后怎么办？面向智能体、由智能体运行、由智能体构建的数据系统
伯克利 EPIC Data Lab 提出，随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不到 $1、部分低于 $0.10，数据系统面临三大新挑战：为智能体设计（Data Systems For Agents）、运行智能体（Of Agents）、由智能体构建（By Agents）。
CrewAI BlogAI 评分3636 CrewAI 如何构建数据所在之处的智能体
CrewAI 提出"受治理编排"模式，让智能体跨系统协同工作，同时由平台从设计之初就承载治理能力。该模式结合 Snowflake 的权限模型与数据血缘，以及 CrewAI 的构建与运行时层，使智能体在不突破企业信任边界的前提下规模化运行。
CrewAI BlogAI 评分2222 CrewAI 谈 Agent Harness：框架与 Harness 正在被商品化，未来属于"纠缠式软件"
CrewAI 认为 Agent Harness 正像此前的框架一样被商品化，模型厂商每季度把更多基础能力收进 API，构建层持续变便宜。
Continue BlogAI 评分2828 检查你的意面软件工厂：AI 智能体写代码为何需要语义检查
随着 Claude Code 等 AI 智能体并行写代码，代码库正变成无人阅读的"只写代码"，Brown 教授 Shriram Krishnamurthi 发现其生成的 bookstore 应用存在用浮点数算钱、自造 CSV 解析器等问题。
Continue BlogAI 评分2222 AI Slop 是流程问题，不是人的问题
Continue 提出，AI 生成代码引发的低质问题应归因于流程缺失而非开发者个人。采用 AI 辅助编码的团队 PR 提交量提升 2-5 倍，但代码从 agent 到合并缺乏标准强制检查，无人拦截缺失的限流、输入校验等问题。Continue 将团队标准写成仓库中的 markdown 检查文件，每个 PR 上以完整 agent 运行，通过则静默、失败则给出具体问题和修复建议。
Continue BlogAI 评分2222 Continue：如何用“Chiseling”打磨 Vibe Code
Continue 提出在 vibe coding 之后增加“Chiseling（凿刻）”环节，即人工重构和打磨 AI 生成的代码，把重复功能、1000 行方法和无用单测清理成清晰的逻辑核心。团队规模扩大后，凿刻会成为瓶颈，因此需要在 CI/CD 中引入云端智能体自动检查命名、抽象、测试与安全规范，把资深工程师的打磨标准编码为对每个 PR 的系统化审查。
Continue BlogAI 评分2222 Continue：AI 是新的胶水，LLM 如何粘合开发工具链
Continue 提出 LLM 正在成为新的"胶水代码"，用于粘合 webhook、CLI、REST API、数据库等格式各异的接口。其与 Snyk 合作将 AI 安全嵌入开发流程：Snyk 发出漏洞告警后，LLM 提取严重程度和受影响文件路径，生成补丁，再通过 CLI 跑测试并用 gh pr create 创建 PR。