斯坦福 CS146S 课程如何教授 AI 原生工程：Mihail Eric 访谈
斯坦福 CS146S 课程引入开源维护者评审学生代码，Mihail Eric 在访谈中展示了课程大纲及 Monaco 团队的工程实践。Monaco 为每个 Agent 配置独立工作区，并赋予 on-call Agent 访问 Datadog 和 GitHub 的权限，其核心策略是“购买以学习，自建以保留”。
#编码
Latent SpaceAI 评分6262
TechCrunch · AIAI 评分4242 Y Combinator CEO Garry Tan 年花费最高 20 万美元使用 AI 智能体
Y Combinator CEO Garry Tan 透露其年 token 支出达 10 万至 20 万美元，用于运行个人及公司 AI 智能体。他开源了名为 gstack 的 23 个 Claude Code 技能，并指出当前高昂成本是个人智能体普及的主要障碍。
MIT Technology Review · AIAI 评分5252 HPE 建议企业停止统计 Token，转而关注合并代码成本
HPE 建议企业停止统计 Token，转而关注合并代码成本。文章指出，随着 AI 智能体在编码任务中消耗大量 Token，按量计费可能导致高价值工作流成本激增。HPE 提出通过混合部署模式，将常规任务路由至本地开源模型，仅将复杂推理任务交由前沿模型处理，从而在保障代码安全的同时降低整体成本。
Latent Space精选AI 评分8585 Anthropic 取消编码面试，Genie 4 发布，多项数学突破与模型更新汇总
Anthropic 招聘经理宣布取消传统编码面试，认为 AI 已能替代此类测试，并建议初级工程师关注业务影响。Google DeepMind 发布 Genie 4 实时世界模型，支持音频、物理交互及 Gemini 规划。此外，Axiom 完成 CFSG 的 Lean 形式化，OpenAI 与 Anthropic 均宣称在指数时间假设等数学问题上取得突破。
推荐理由：汇总了 Anthropic 取消编码面试、Genie 4 发布及多项数学突破，为观察行业技术演进提供了密集信息。
The Verge · AIAI 评分5757 AI 能否解决 COBOL 代码危机？OpenAI 与 Anthropic 的最新进展与专家质疑
OpenAI 宣称其最新模型在将 COBOL 等遗留代码迁移至现代语言方面取得显著进展，GPT-6.1 Sol 在高推理模式下行为保持准确率达 98%。Anthropic 也发布了代码现代化指南并推广 Claude Code，但专家警告称 AI 目前尚无法安全替换关键遗留系统，因为重写代码不等于替换系统，且现有评估未涵盖复杂系统的拆分与集成难题。
The Verge · AIAI 评分4242 Kevin Roose 出版《The AGI Chronicles》并创办新播客 Machine Gods
记者 Kevin Roose 出版新书《The AGI Chronicles》，深入报道前沿实验室在 AGI 竞赛中的文化转变。他与 Casey Newton 离开《纽约时报》，联合 NPR 推出视频优先的新播客 Machine Gods。
Latent SpaceAI 评分4242 Tenex 如何构建 AI 原生 SDLC：Alex Lieberman 与 CJ Hess 解析
Tenex 通过 MetaHarness 将计划、决策与代码一同存入 Git，使 AI 智能体能读取构建背景以执行任务。该公司已扩展至 75 人，客户涵盖财富 2000 强及中型企业，并采用基于交付成果而非工时的工程师薪酬模式。
Simon WillisonAI 评分4242 编程的讣告
编程智能体（coding agents）剥夺了职业程序员通过解决逻辑谜题获得职业满足感的核心体验。对于享受直接解决问题过程的开发者而言，这种职业乐趣的丧失是真实存在的。
Simon WillisonAI 评分4242 Simon Willison 使用 Claude Opus 5.5 Max 开发 Three.js 游戏 Tree Appreciator
Simon Willison 使用 Claude iPhone 应用中的 Claude Opus 5.5 Max 模型，耗时 3 小时 7 分钟生成了 Three.js 游戏 Tree Appreciator。该游戏通过算法生成两棵树供玩家寻找差异，包含音乐、动画和成就系统，被作者评价为既有趣又美观。
The DecoderAI 评分6565 Anthropic 的 Andrej Karpathy 称外部世界只看到了 AI 能力的预览
Andrej Karpathy 指出公众对 AI 能力的认知存在巨大断层，外部世界仅看到了 AI 实际能力的预览。他将 LLM 用户分为四层，其中约 5000 人能访问内部前沿系统，目睹数千个智能体协作完成软件项目、发现零日漏洞及推进数学前沿。Karpathy 认为当前 LLM 能力在数字、可验证且具经济价值的领域（如编码和数学）达到峰值，这源于基于可验证奖励的强化学习。
Simon WillisonAI 评分2020 Carson Gross 谈 AI 时代计算机编程的职业价值
Carson Gross 认为计算机编程核心在于利用计算机解决问题及控制复杂度。尽管 AI 工具兴起，掌握这些技能的价值不会降低，编程仍将是可行的职业。
GitHub Blog · AI & MLAI 评分3535 GitHub 建议开发者强化指导 AI、批判性评估及解决复杂问题三项技能
GitHub 指出 AI 正改变开发者工作模式，建议重点强化指导 AI 智能体、批判性评估输出及解决复杂问题三项技能。文中提到 GitHub Copilot 内置的 Rubber Duck agent 利用第二模型批判代码与测试，以弥补单一模型的盲区。
GitHub Blog · AI & MLAI 评分4242 GitHub 播客解析 AI 热点：RAG 未死，Skills 与 MCP 互补
GitHub 播客最新一期拆解了关于 AI 开发的五个流行观点。节目指出 RAG 并未过时，Skills 与 MCP 分别解决流程指导与工具连接问题，二者可协同工作。此外，开发者仍需审查 AI 生成的代码，且代码库的可维护性直接影响模型理解效果。