3.3 萬次觀看
※ 摘要僅根據標題與說明
Coding Agent
Coding Agents ・ 317 筆內容
讓 agent 在真實的程式庫裡讀、改、測程式的方法與心得。
也叫做：coding agent、coding agents、AI coding、agentic coding、agentic engineering、AI 寫程式、AI 編程、AI编程、AI 寫 code、Codex、Devin、Amp、OpenCode、Gemini CLI
排行前 50 名
依相關、人氣、新鮮度綜合排序；站長推薦的加成
I Turned Coding Agents Into a Strategy Game — Ido Salomon, AgentCraft（在新分頁開啟原站）
探討 AI 代理為何難以普及，提出 AgentCraft 策略遊戲式工具，透過視覺化介面讓使用者掌握多代理協作與自主性，並提供簡易模式降低使用門檻。
1.8 萬次觀看※ 摘要僅根據標題與說明
11 Tiny Coding Agent Fixes With A Stupid Amount Of Payoff（在新分頁開啟原站）
影片提供 11 個實用的技巧，幫助使用者讓 AI 程式設計代理更可靠。這些方法簡單易行，不要求修改現有工作流，適用於各種工具。
7.7 萬次觀看※ 摘要僅根據標題與說明
Self-Compact Pi Agent: ZERO HYPE Agentic Coding Devlog（在新分頁開啟原站）
介紹了自適應壓縮的 Pi Agent，該 Agent 能自主判斷何時壓縮上下文。作者將此策略應用於三門主流程式設計工具，測試其實際效能，並探討如何解決長程自主代理的上下文瓶頸問題。
4 萬次觀看※ 摘要僅根據標題與說明
How to Actually Run Your Coding Agent Safely (And Avoid the Horror Stories)（在新分頁開啟原站）
探討如何安全地執行程式碼代理，並避免常見風險。
1.5 萬次觀看※ 摘要僅根據標題與說明
mattpocock/skills: A complete AI Coding workflow, end-to-end（在新分頁開啟原站）
介紹了從程式碼撰寫到部署的完整 AI 開發工作流，涵蓋了從概念到實際運作的步驟。
56.8 萬次觀看※ 摘要僅根據標題與說明
Watch This If Your Coding Agent is Ignoring Your Rules (You Need Hooks)（在新分頁開啟原站）
指出程式碼代理若忽略指令，需加入「hook」來維持控制。
3.3 萬次觀看※ 摘要僅根據標題與說明
- 3.6 萬次觀看
※ 摘要僅根據標題與說明
Agent | AI Coding Dictionary（在新分頁開啟原站）
這篇文章解釋了「Agent」的定義：它不是機械零件，而是模型、工具與提示片語合後與使用者互動的單一實體。文章指出 Agent 是將 AI 具象化的概念，使用者與它對話時，實際上是在與模型加工具後的整體系統溝通，而非單獨的模型或程式碼。
我随时可以按下重置按钮 | Tibo Sottiaux | Codex | ChatGPT | AI代理 | 强化学习 | 递归自我提升 | 算力瓶颈 | UltraFast | AGI（在新分頁開啟原站）
探討 AI 代理如何透過自我強化與算力最佳化，在極短時間內實現快速進階，並分析其對 AGI 演進的潛在影響。
1.8 萬次觀看※ 摘要僅根據標題與說明
AI Coding Dictionary（在新分頁開啟原站）
這篇文章用平實英語解讀了 AI 程式碼領域的 71 個核心術語，幫助工程師理解「代理式編碼」的運作機制。內容涵蓋模型引數、上下文視窗、工具呼叫及手遞交等關鍵概念，讓讀者能直觀掌握 AI 如何輔助開發工作流。
The Pi Coding Agent: The ONLY REAL Claude Code COMPETITOR（在新分頁開啟原站）
介紹了一款名為 Pi Coding Agent 的 AI 工具，它被稱為目前唯一能與 Claude Code 抗衡的程式碼生成助手。
27.2 萬次觀看※ 摘要僅根據標題與說明
One Agent Is NOT ENOUGH: Agentic Coding BEYOND Claude Code（在新分頁開啟原站）
探討單一 AI 代理無法完成程式碼開發的瓶頸，並展示如何突破此限制。
3.7 萬次觀看※ 摘要僅根據標題與說明
The Biggest AI Coding Agent Upgrade Is Already on Your Machine?!（在新分頁開啟原站）
介紹如何利用 AI 程式設計代理的對話歷史資料，透過簡單提示或結構化表格方式最佳化規則與技能。
2.4 萬次觀看※ 摘要僅根據標題與說明
Components of A Coding Agent（在新分頁開啟原站）
這篇文章詳細介紹了編寫程式碼代理（Coding Agents）的六大核心元件，包括實時專案上下文、提示詞與快取最佳化、結構化工具、上下文壓縮、記憶管理以及子代理分發。
Your Agents Are in Solitary Confinement: Why MCP & A2A Aren't Enough — Vlad Luzin, Band（在新分頁開啟原站）
Vlad Luzin 指出當前 AI 工具無法讓多個 Agent 真正協作，因為它們處於孤獨監禁狀態。他解釋了為何 MCP 和 A2A 協議不夠用，並介紹了 Band 平台作為全球 Agent 協作層，提供即時傳輸、持久化與身份驗證，讓不…
Baz CEO Guy Eisenkot: Your Coding Agent Isn't Listening（在新分頁開啟原站）
影片由 Baz CEO Guy Eisenkot 主持，探討如何讓程式碼代理真正聽取指令，而非無聲無息地執行。
849次觀看※ 摘要僅根據標題與說明
Why Your Coding Agents Need a Harness, Not a Prompt（在新分頁開啟原站）
影片解釋程式碼代理（coding agents）為何需要專用的排程工具（Harness），而非僅依賴提示詞。
※ 摘要僅根據標題與說明
Filesystem | AI Coding Dictionary（在新分頁開啟原站）
介紹了 AI 程式設計代理（coding agent）的核心工作環境：一個包含檔案與目錄的樹狀結構。當代理啟動時，它會讀取並執行此檔案系統，透過工具呼叫存取檔案內容。
Your Coding Agent Deletes Its Memory After 30 Days（在新分頁開啟原站）
探討程式碼代理在 30 天後會遺失記憶的問題。專家指出，僅靠 AGENTS.md 等檔案無法解決此問題，並建議建立共享知識庫、記錄決策理由而非僅記錄執行者，才能讓代理具備持續學習能力。
947次觀看※ 摘要僅根據標題與說明
- 30.3 萬次觀看
※ 摘要僅根據標題與說明
Your Coding Agent Wastes SO MANY Tokens Just Finding Code - Here's the Fix（在新分頁開啟原站）
介紹 Sonar Vortex 如何透過分析整個程式碼庫來精確定位需要編輯的程式碼，從而大幅節省 Token 使用量。
3,270次觀看※ 摘要僅根據標題與說明
Tool | AI Coding Dictionary（在新分頁開啟原站）
本文解釋了 AI 程式碼工具（Tool）的概念，說明它們如何讓代理感知與操作環境。透過 Read、Write、Bash 等工具，代理能讀取檔案、編輯檔案或執行命令。
Stanford CS329A Self-Improving AI Agents | Part 4 | Learning from Feedback with Tools/Code（在新分頁開啟原站）
Stanford CS329A 第 4 集探討如何透過工具與程式碼從反饋中學習，並展示 AI 如何自我改進。
2.5 萬次觀看※ 摘要僅根據標題與說明
The future of agentic coding with Claude Code（在新分頁開啟原站）
介紹了使用 Claude Code 進行程式碼代理編寫的未來趨勢，並探討了如何透過 AI 工具提升開發效率。
15.3 萬次觀看※ 摘要僅根據標題與說明
What legal agents inherit from coding agents: Lessons from Legora（在新分頁開啟原站）
探討法律代理與程式碼代理之間的繼承關係，並分享相關經驗。
4,600次觀看※ 摘要僅根據標題與說明
AI Skills with Matt Pocock（在新分頁開啟原站）
探討 Matt Pocock 如何從聲教師轉型為全職工程師，並透過「戰略程式碼」與 AI 工具，提升教學品質。他分享了如何將經典軟體工程原則應用於 AI 代理，並強調建立可持續的程式碼基礎對新進開發者的重要性。
Pi to Pi: Two-Way Agent Orchestration with the Pi Coding Agent（在新分頁開啟原站）
介紹了 Pi Coding Agent 如何實現雙向代理協同，讓使用者能透過程式碼直接控制 AI 執行任務。
6.3 萬次觀看※ 摘要僅根據標題與說明
The Hidden Flaw of EVERY Coding Agent Now Has a Solution（在新分頁開啟原站）
當企業使用 AI 程式設計代理時，若結果不佳，往往不是模型本身的問題，而是其檢查機制只找錯誤程式碼，卻忽略了執行邏輯與業務規則。
5,168次觀看※ 摘要僅根據標題與說明
Meta, Stanford & Odevo on Agentic Coding at Scale（在新分頁開啟原站）
Meta、斯坦福與 Odevo 三位專家探討大型規模的代理程式設計，內容聚焦於技術挑戰與實作策略。
696次觀看※ 摘要僅根據標題與說明
My Super Simple Software Factory (For Agentic Engineers)（在新分頁開啟原站）
這門課程介紹了「軟體工廠」的概念，並展示了一個超簡單的工具，讓工程師能透過程式碼而非單純的指令來管理代理系統，提升效能與穩定性。
6.8 萬次觀看※ 摘要僅根據標題與說明
How Spotify runs agents across 20M+ lines of code, with Niklas Gustavsson（在新分頁開啟原站）
介紹 Spotify 如何運用 AI 在 200 萬行程式碼中執行代理，並探討其架構與實作。
16.3 萬次觀看※ 摘要僅根據標題與說明
Claude Code 2.0 Agentic Coding: No, other agents aren't even close.（在新分頁開啟原站）
介紹 Claude Code 2.0 的代理程式設計功能，強調其超越其他代理工具的強大能力。
4.6 萬次觀看※ 摘要僅根據標題與說明
Omnigent: The New Meta-Harness for EVERY Coding Agent - Claude Code, Codex, Pi, More（在新分頁開啟原站）
介紹 Omnigent 是一款能整合多款 AI 程式碼助手（如 Claude Code、Codex）的元Harness 工具，讓使用者能統一管理並呼叫這些 AI 能力。
4.1 萬次觀看※ 摘要僅根據標題與說明
RAW Agentic Coding: ZERO to Agent SKILL（在新分頁開啟原站）
介紹 RAW Agentic Coding 這門課程，教導使用者如何從零開始掌握 AI 自主編寫程式的能力。
4.7 萬次觀看※ 摘要僅根據標題與說明
How to Build the Most Powerful System for AI Coding (Full Breakdown)（在新分頁開啟原站）
介紹了如何建立強大的 AI 程式設計系統，內容聚焦於系統架構與效能最佳化，幫助讀者掌握 AI 開發的核心技術。
4.5 萬次觀看※ 摘要僅根據標題與說明
The One Agent to RULE them ALL - Advanced Agentic Coding（在新分頁開啟原站）
介紹了單一 AI 代理如何掌控所有程式碼開發流程，並展示了其強大的自動化能力。
2.5 萬次觀看※ 摘要僅根據標題與說明
Agentic Engineering Operating Level: WHERE to FOCUS your AGENTS?（在新分頁開啟原站）
探討 AGI 工程師應聚焦於哪一層級。透過五個層級框架，幫助工程師在「程式碼原語」與「軟體工廠」之間取得平衡，避免陷入單一層級的瓶頸。
4.7 萬次觀看※ 摘要僅根據標題與說明
The Hidden Security Risks of AI Coding Agents（在新分頁開啟原站）
本內容探討 AI 編寫代理（Coding Agents）引入的新安全風險。主要指出代理具備讀取私有資料、接觸不信任內容及執行外部命令的能力，這三個特性構成了「致命三重奏」，使組織面臨前所未有的威脅表面。
Brownfield Agentic Engineering（在新分頁開啟原站）
探討如何在舊有程式碼庫中運用 AI 代理進行工程化。作者強調必須先識別程式碼的「安全區」與「紅區」，並建立可持續的知識儲存機制，避免重複考古。文章提出將程式碼解耦為不同風險等級的區域，並透過自動化測試驗證行為後再進行修改。
Agentic Coding ENDGAME: Build your Claude Code SDK Custom Agents（在新分頁開啟原站）
介紹如何打造 Claude Code SDK 的自定義 Agent，讓使用者能透過程式碼自動執行任務。
2.6 萬次觀看※ 摘要僅根據標題與說明
Harness | AI Coding Dictionary（在新分頁開啟原站）
這篇文章解釋了 AI 程式碼字典中「Harness」的概念，即將模型轉化為代理所需的工具、系統提示詞與上下文管理。作者指出，模型本身僅負責讀寫文字，而 Harness 負責執行工具、管理許可權與記憶。
Agent mode | AI Coding Dictionary（在新分頁開啟原站）
介紹了「Agent mode」，一種將特定許可權模式與行為指令注入系統提示的預設集。它允許使用者根據任務階段調整 Agent 的行為，例如在規劃階段強制規劃、在編輯時自動審批，或僅在沙盒環境下啟用無限制模式。
Joy & Curiosity #85（在新分頁開啟原站）
介紹了 Amp Neo 的更新，這是一個可遠端控制、支援外掛且效能更佳的程式設計代理系統。文章探討了如何將程式設計代理拆分為工具、介面與迴路，並分享了作者近兩個月在處理系統規模化挑戰的經驗。
Why We Switched From Claude Code to Codex（在新分頁開啟原站）
本訪談探討了 Codex 如何從專為高階工程師設計的程式設計工具，轉變為知識工作者（如行銷、 recruiting）的「新作業系統」。
Joy & Curiosity #101（在新分頁開啟原站）
探討了 AI 如何重塑軟體開發，特別是 Agent 取代手寫程式碼的趨勢。作者指出，未來的重要性將從「語言喜好」轉向「Agent 的效能與可讀性」，並透過 Cloudflare Durable Objects 的失敗案例說明當前工具設計的…
The Age of Async Agents — Cognition's Walden Yan & OpenInspect's Cole Murray（在新分頁開啟原站）
Walden Yan 與 Cole Murray 探討 Async Agents 如何從 2024 年的試水盤演變為主流。
※ 摘要僅根據標題與說明
Jev: System One models for Prod, not God — with Diogo Almeida, CEO, TypeSafe AI（在新分頁開啟原站）
本訪談由 TypeSafe AI 執行長 Diogo Almeida 主持，探討 Jev 系統一模型（System One Models）的哲學與技術。
Building Codex with Tibo Sottiaux（在新分頁開啟原站）
本期節目探討 Codex 的開發歷程與演進。Tibo 分享了 Codex 採用 Rust 語言的原因，以及其如何支援多模型與多供應商。
- 2,200次觀看
※ 摘要僅根據標題與說明
最新
依發布時間
挣钱时都是超级个体，坐牢时把锅甩给 AI（在新分頁開啟原站）
徐文浩與任鑫探討 AI 背鍋問題，指出責任與權力不對等，建議將責任分配與工作執行分離，並提出 Dynamic Workflow 概念以平衡 AI 的靈活與執行效率。
Why Dwarkesh is Wrong about Computer Use + How OpenAI shipped its Jev competitor in 1 Week（在新分頁開啟原站）
本期節目探討 OpenAI 如何透過 Agent API 與 Decisions API 重塑開發者體驗。Ari 與 Nikunj 介紹了個人化 Linux 電腦、自動測試與編譯、以及即時工具呼叫等新功能，強調這些技術讓 AI 能像人類一…
The BEST Jev Use Cases for AI Coding (Absolute Game Changers)（在新分頁開啟原站）
介紹了四種利用 Jev 提升 AI 程式碼工作流效率的實用案例。首先，透過 JevGuard 的預工具使用鉤子，結合系統一模型，有效過濾敏感資料洩露與破壞性操作，比傳統規則更精準且成本低。
1.6 萬次觀看How Sam Altman Uses Dots to Take Back His Time（在新分頁開啟原站）
Sam Altman 在《Every Podcast》中分享他如何透過「Dots」AI 助手重拾早晨時間與創作力。Dots 自動篩選緊急事項並提供持續反饋，讓他在閒暇時也能快速構思與開發新功能。
The Most Important New AI Tools from OpenAI DevDay（在新分頁開啟原站）
OpenAI DevDay 發布超過 20 項新產品，包括 Dots 個人永恆代理、Decisions API 決策工具、GPT-6 One Soul 等。
Distributed databases with Peter Mattis（在新分頁開啟原站）
Peter Mattis 分享了他從開源開發者到 Google 工程師，再到創立 Cockroach Labs 的經歷。他探討了如何在大規模系統中保持快速、可靠且正確，並分析了 AI 如何幫助工程師重新專注於編寫程式碼，同時提升程式碼品質。
An Introduction To Plan Mode（在新分頁開啟原站）
介紹 Plan Mode，一種在撰寫程式碼前與 AI 協同迭代的需求定義方法。透過該模式，使用者可先驗證假設與構建上下文，確保程式碼品質與理解度。
Webinar: What AI Can and Cannot Do: Intelligence Augmentation in Practice with Michael Bernstein（在新分頁開啟原站）
本影片由斯坦福大學教授麥可·伯恩斯主持，探討 AI 在實際應用中能與不能做的事。他提出「精銳問題」與「粗糙問題」的框架，指出精銳問題（如自動程式設計）目前較難達成，而粗糙問題（如生成文案）則較易解決。
1 萬次觀看The Death of the Code Review: What the Data Actually Says — Laurie Voss, Arize AI（在新分頁開啟原站）
探討 AI 自動編寫程式導致人工程式碼審查面臨新瓶頸。研究顯示開發者使用 AI 寫出 741% 程式碼卻僅產出 30% 軟體，且人工審查效能在超過 400 行時急劇下降。
2.7 萬次觀看Your Agents Are in Solitary Confinement: Why MCP & A2A Aren't Enough — Vlad Luzin, Band（在新分頁開啟原站）
Vlad Luzin 指出當前 AI 工具無法讓多個 Agent 真正協作，因為它們處於孤獨監禁狀態。他解釋了為何 MCP 和 A2A 協議不夠用，並介紹了 Band 平台作為全球 Agent 協作層，提供即時傳輸、持久化與身份驗證，讓不…
OpenAI更新Codex Cloud，雲端開發環境可重複套用並供團隊共享（在新分頁開啟原站）
OpenAI 推出 Codex Cloud 新版，允許開發者預先配置雲端開發環境（如程式碼庫、工具），發布後供後續任務重複使用。新版支援將環境發布給團隊成員共享，並保留工作狀態以恢復進度。
Day 16 - System Prompt 該寫什麼（在新分頁開啟原站）
這篇文章詳細介紹了如何為 Coding Agent 撰寫 System Prompt。作者將 System Prompt 分為「行為守則」與「環境資訊」兩部分：守則包含查證再回答、驗證程式碼、不重複述工具呼叫、以及安全規範（如不讀取未開放…
