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