EP5 · Composer 2/编码智能体实践/企业 Agent 治理 · 03.20 早报-ginobefun

EP5 · Composer 2/编码智能体实践/企业 Agent 治理 · 03.20 早报

歌手:ginobefun

专辑:BestBlogs

时间:2026-03-15

    使用手机浏览器「扫一扫」

    在手机上保存,获得更好体验

标签
歌词

本字幕由TME AI技术生成

嘿 大家好

我是基诺

今天是二零二六年三月二十号

星期五

这两天ai 编程圈的动作密度挺高的

科尔发布了新一代编程模型composer 二

基准测试得分直接翻倍

Jungle 联合创始人simon willison 分享了他和ai 编码智能体协作的实战方法论

蓝茜推出了企业级的智能体治理平台landsmh fleet

三件事放在一起看

你会发现一条清晰的脉络

Ai 编程工具的能力在快速提升升

工程践践在更

企业治理也在补位

今天我们就围绕这条线来聊

先说curser 的composer 二底

这个更新挺十点点分十直接看数据的

Compoer 二在conser 自家基准测试上拿了六十一点三分

每一代只有四十四点二分分一项将有四十分点四十

在终端操作能力测试上拿了六十一点七分

比上一代高了近四个点

在多语言软件工程基准测试上从六十五点九分提升到了七十三点三分

每一项都是大幅一升上不是修修小补

这些提升预训的的ser 团队在博客里说了两个关键点

第一个是持续预训练

简单说就是在已有的大模型基础上

再用大量代码数据做一轮深度训练

给模型打一个更强的底座

这个底座越扎实

后面做强化学习的天花板就越高

第二个是长程任务的强化学习

这里的长程是什么意思呢

就是模型需要连续执行几百个动作才能完成的复杂任务

不是帮你补全一行代码

而是帮你完成一个完整的功能开发

从理解需求到修改多个文件到运行测试一气呵成

Curser 之前写过一篇技术博客

讲这个方向提出了一个概念

叫自动驾驶代码库

Composer 二就是这个方向的最新成果

我觉得这里最值得关注的不是某个基准测试的分数

而是这个能力跃迁意味着什么

Ai 编程工具正在从辅助补全走向自主编程

以前你用ditaq pilot 或者curser

本质上是你在写代码

Ai 在旁边帮你补全

现在composer 二这种模型可以独立执行一个相对复杂的编程任务

需要几百个连续动作

这已经接近一个初级工程师独立完成一个小功能的能力了

还有一个点挺有意思的

就是定价

Composer 二标准版的价格大概是每百万输入token 零点五美元

输出两点五美元

非常便宜

同时他们还出了一个快速版本

速度更快

价格稍高

而且把快速版设为了默认选项

这个策略说明cursor 在压注高频使用场景

他们希望开发者把它当成日常工作流的一部分来使用

而不是偶尔用一下

价格够低

速度够快

你才会愿意一天用几十次

从更大的视角看

Ai 编程领域现在是多家竞速

Curser 在做自己的模型

Cloud code 背后是anthroroc

Ciaorl

Ilot 的背后是open ai

每一家都在往更长更复杂的任务方向推进

这周还有两条相关消息

Chrome 浏览器宣布通过mcp 协议原生支持ai 编程智能体

让智能体可以直接和浏览器交互做调试

Lonchin 也开源了他们的编码智能体框架

整个生态都在围绕ai 自主编程加速布局

说到ai 编程工具的能力提升

一个很自然的问题就是工程师到底该怎么用好这些工具

Sm willison 在pragmatic 工程大会上的分享正好回答了这个问题

简单介绍一下这个人

Simon wilson 是python 知名的框架粘构的联合创始人

也是一个非常高产的开源开发者

他对ai 编码工具的使用经验很丰富

关键是他的视角特别实操

他不是在理论上讨论ai 能不能写代码

而是在讲作为一个每天都在用这些工具的人

他总结出了哪些真正有效的工作方法

他提出的第一个核心方法是红绿测试驱动开发

也就是经典的测试先行

先写测试用例

确保测试跑不过

然后再写代码让测试通过

S 们说这个方法在和ai 智能体协作的场景下变得特别重要

它的原话大意是这样的

所有优秀的编码智能体都理解测试驱动开发

如果让他们先写测试

你获得可用代码的概率会大幅飙升

为什么测试驱动在ai 编程场景下反而变得更重要了

我的理解是这样的

当你自己写代码的时候

你对代码质量有直觉判断

但当ai 帮你写的时候

你很难逐行审查每一个细节

测试就成了你验证代码质量的核心手段

你不需要审查每一行

只需要确保测试覆盖了核心场景

测试通过了

代码大概率就是对的

这是一种很务实的质量保证策略

他提的第二个方法是手动测试

他说任何用过自动化测试的人都知道

所有测试通过并不意味着服务器真的能启动

智能体应该真的去启动服务

用实际的请求验证接口能不能正常工作

自动化测试覆盖不到所有场景

手动验证可以发现那些缝隙里的问题

第三个方法是安全沙盒

Simon 说了一个很形象的比喻

把大模型写的代码当成一个你不完全信任的实习生写的代码来对待

放在受限环境里运行

他还提出了一个致命三要素的概念

三样东西

第一

访问密钥和凭证的权限

第二

访问互联网的权限

第三

访触不可信输入的权限

任意两个组合在一起还算安全

但三个同时具备就是安全噩梦

这个安全框架我觉得非常值得记住

随着ai 智能体获得越来越多的权限

安全边界的设计就变得关键

不是说ai 会故意搞破坏

而是代码中可能存在你没预料到的行为

放在有完整权限的环境里运行就可能出问题

Simon 还提到了一个挺有意思的趋势

有些团队现在完全不自己写代码

也不读ai 生成的代码

完全依赖智能体

当智能体通过测试和验证来证明正确性

而不是靠人工代码审查的时候

这种模式是可行的

当然

这个比较激进

但方向很清晰

Ai 编程的终局可能不是人和ai 一起写代码

而是人负责定义问题和验证结果

Ai 负责中间的实现过程

回过头来把composer 二和simon 的方法论放在一起看

工具能力在提升

工程方法也在适配

这两个方向是相互促进的

更强的编程工具让测试驱动的工作流变得更可行

因为智能体可以自动跑测试

自动修bug

而测试体沙盒这样的工程约束又反过来让你能更放心的让智能体干更多事

再往企业层面看

当一个组织里有越来越多的人在用ai 智能体的时候

智理就变成了一个绕不开的问题

Launching 这周发布的lung smh fleet 就是在解决决个问题

Launching 团队在公告里工作流一得更可行的话

当智能体变得此容易创建起时

难点就转移到了管理上

用有有些能能体

它们怎么跨程能做身份验证

谁来审计他们的行为

半年前创建一个智能体还需要工程师

今天任何人都可以用自然语言描述一个任务

然后生成一个智能体来处理

门槛降低是好事

但也意味着企业里的智能体数量会快速膨胀

Lnsh sleet 的核心设计围绕几个关键能力

第一个是身份和凭证管理

他们把智能体的身份分成了两种

一种是共享服务账户

适如团队层面的通用工具

比如一个数据查询智能体

大家都可以用

用的是同一个服务账户的权限

另一种是个人授权账户

智能体代表特定用户形式

比如你的日程助手

它需要用你自己的账号来操作你的日历

而不是一个公用账号

这个区分非常关键

因为不同场景下智能体代表谁行式直接影响权限和审计

第二个是分级权限

每个智能体可以设置三个级别

可以克隆

用户可以复制一份自己定制

可以运行

用户可以直接使用

但不能修改

可以编辑

用户可以修改智能体的行为

这个权限模型其实和代码仓库的权限管理很像

第三个是集中式的智能体收件箱

你可以在一个地方看到所有智能体的活动审批或拒绝需要人工确认的操作

比如一个采购智能体要下单超过一定金额

需要管理者批准

以前你可能需要在不同的平台之间切换

现在有一个统一的入口

第四个是全链路可观测性

你可以看到每个智能体做了什么决策

访问了哪些数据

形成完整的审计追踪

对企业来说

这就是合规的基础

我观察到一个趋势

从个人ai 助手到企业级ai 劳动力

中间缺的不是技术能力

而是治理基础设施

就像云计算早期大家先解决了能不能用的问题

然后才开始解决权限管理

审计合规

成本控制这些治理身份

Ai 智能体现在也走到了这一步

Fleet 这类产品的出现

说明行业正在认真对待智能体治理

有意思的是

今天早报里另一条内容也在讨论类似的话题

四十二章

金播客里对话了qci 的联合创始人宇豪

他们做的产品叫junior

也在强调ai 应该有独立身份

他们给ai 员工配了邮箱和手机号

让他像真人员员工一样在互联网上执行任务

宇豪团队在没有融资的情况下

通过按量付费的模式做到了千万美金的年收入

他还提到一个很直白的观点

应该把钱花在算力上

而不是花在工资上

这个观点虽然激进

但指向一个实际趋势

当ai 智能体越来越能干的时候

企业需要的不是更多的人

而是更好的智能体管理体系

这正是long smith

Fleet 在做的事情

好

聊完三个重点话题

我们来快速过一下今天剩下的几条内容

先说gtc 二零二六上的一场重磅对话

英伟达首席科学家bill daddy 和谷歌deep mine 的首席科学家jeffdin 坐在一起聊了ai 的未来五年

几个核心判断值得关注

杰ff dean 认为推理计算已经成为当前ai 系统的核心瓶颈

而且这个瓶颈不在算力本身

而在通信延迟

数据在芯片之间搬运的速度跟不上计算速度

B ill daily 有一句很简洁的总结

推理就是现在的主要工作

他们还预判了一个方向

预训练和后训练的边界在未来可能会消失

Ai 将从被动观察数据转向在环境中主动行动和学习

这和智能体的发展方向是一致的

同时

Ai 正在重塑芯片设计本身

谷歌的阿尔法

Chiap

英伟达的nvcl 都在用ai 做做芯片布布布

未产目标标是现端到到端aii 驱芯片片设计还是ttc 内内容

一人形形器器人桌桌论坛集集了斯斯agtt robotics s sskill 的ai 的核心负责人

讨论的焦点已经从能不能造转向了怎么量产

真实世界数据结合仿真预训练是主流路线

但通用大脑和模块化架构之间的技术路线之争还在继续

一个很实际的试听史是

机器人能不能从短期演示走向全天候稳定运行

这才是从实验室到工厂的真正门槛

Cherry studio 的博客挺有意思

这个开源项目现在在github 上有超过四万两千颗星

创始人王新明分享了一个让我印象深刻的细节

项目代码贡献排展第一的不是人类开发者

而是cloud

他们提出了一个ai 原生组织的新范式

产品经理写需求文档是给ai 看的

设计师直接出代码

两个人的团队靠ai 做到了这个规模

这种工作方式本身就是一个很大的信号

阿里云开发者发了一篇深度技术文章

系统剖析了open 的架构实现

Clouopen 是最近很火的个人cloua i 助手

这篇文章讲了它的几个核心模块

统一的长连接网关作为控制平面

事件驱动的推理循环

支持多种策度模式的定时任务系统

还有多层策略流水线确保工具调用的安全合规

对于想了解现代ai 助手是怎么设计的开发者来说

这是一篇很有价值的技术参考

Next js 十六点二

这次更新的定位很明确

框架在走向智能体就绪

几个关键功能

第一个是在项目里捆绑一份markdown 格式的框架文档

让大模型能直接获取版本匹配的准确信息

减少生成错误代码的概率

第二个是把浏览器里的日志转发到终端

Ai 智能体不需要打开浏览器就能看到客户端报错

第三个是实验性的命令行工具

让智能体可以用程序化的方式检查组件数和网络请求

这些功能的方向很一致

把浏览器里的信息搬到终端里

离合智能体工作流和浏览器调试之间的鸿沟

最后一条

谷歌实验室对stitch 做了重大升级

从代码生成工具转型成了ai 设计画布

支持文字

图片

代码多种输入方式

引入了上下文感知的设计智能体

还新增了一种专门文文件式式管管理工具的设计规则

则个思路和nex gs 的做法类似

都是用结构化的文件把规则传递给ai

我个i 在正确的上下文理工作

好

今天就聊到这里

回顾一下今天的三个重点

Crsr popoer er 二展示了ai 编程工具的能力正在快速跃迁

从辅助补全到自主编程

Sm mer vilelson 用测试驱动加安全沙盒的方法论给出了人和ai 智能体高效协作的实操框架

Man smith

Fleet 则在企业层面建立智能体治理的基础设施

三件事放在一起看

Ai 编程这个领域正在从能力建设走向生态成熟

工具在变强

方法论在跟进

治理在补位

这是一个健康的演进路径

链接都在简介里

感兴趣的可以看看原文

我个人最推荐simmwhelelson 那个分享

特别实操

每个在用ai 编程工具的开发者都值得看一下

明天

展开显示全部歌词