AI 编码 最新动态

可借鉴其 HOVER 循环（假设、观察、验证、评估、修正）与只读规划加 turn diff 审查的做法，用于软件工厂的编码 agent 流程；代价是需 Rust 1.98.1+ 自行构建，Windows 产物滞后。

可把工作流写成每步一个 YAML 由 mario 按图执行，独立步骤并行、检查通过才算完成、失败从断点续跑；代价是要自己接 provider key，免费模型会拿数据训练。

可复用五步删代码流程：静态分析定范围、LLM 标红蓝、四类分级配测试、子 agent 加人工复核、只清理动过的代码；前提是已有 compile_commands.json 和回归测试，动态注册的 pass 需人工兜底。

把 Claude Code、Codex 等 CLI 会话收进一个私有 Docker Space，挂 /data 桶保住登录和文件，代价是 Space 休眠即断进程、应用本身无登录鉴权。

能拿走一套自查脚本和 project_doc_max_bytes 调参法，用来排查 Codex 读 AGENTS.md 时子目录规则被截的问题，代价是调高上限只对本地生效，团队还得靠给根文件减肥。

可借鉴其长会话防退化设计，压缩时安全切点不拆工具调用与结果，重复调用按 3/5/8 次逐级提醒、12 次硬停，超长输出落文件留指针；代价是需自建摘要与规范化逻辑。

可把仓库转成每 agent 独立 worktree、端口和数据库的隔离槽位，用统一 verify 步骤留下日志与树哈希证据，替代手写脚本和 CLAUDE.md 散落约定，代价是要先 har onboard 生成 .har/ 契约并维护模板漂移。

可参考它按推理档位（high/xhigh/max）分档跑编程任务的成本曲线，用来决定哪段任务交给便宜模型；代价是重构类任务仍明显落后旗舰，且权重10月23日才放出。

能直接 ollama run beam:cloud 或 ollama launch claude/codex/opencode 接入，把编码与多步工具调用交给 501B MoE 模型，代价是限时免费且走云端、本地无法自托管。

能拿走混合注意力与残差缩放的具体配比、vLLM/SGLang 启动参数和 LoRA SFT 配方，落到本地模型部署线；代价是 BF16 权重约 1TB，需 4 张 B200 或 8 张 H200 起步。

能直接照抄 Together API 的调用示例和 meta-models/Muse-Spark-Open-816B-A42B 模型名接入，落到软件工厂的长任务编码线；代价是 1M 上下文按 $1.25/1M 输入、$4.25/1M 输出计费，缓存输入才降到 $0.15。

能拿走 BF16/NVFP4 两种 checkpoint 的部署配方、llama.cpp 2-bit 量化在 512GB Mac 上跑 18 tokens/s 的实测，以及只训注意力层 LoRA、冻结专家的 TRL 微调脚本；落到本地模型部署和软件工厂两条线，代价是 816B 全量专家常驻内存，BF16 约 1.5TB。

可借鉴的是其 RL 训练栈设计：共享可组合接口把单轮对话、科学解题、安全对齐、长程工具调用放进同一次训练，验证侧混用奖励模型、单测、LLM 判官；代价是 3k GPU 规模与每天约 330 亿 token 的吞吐，本地复现门槛高。

可借鉴其多源金标集构建法：人工评审、后续提交推断、静态分析、多个前沿 LLM 汇总去重，再用统一 rubric 判分；代价是 219 条 PR 的标注与专家复核成本高，且依赖 Claude Sonnet 5 作 judge。

可借鉴的是用 Argon agent 做 C/C++ 到 Rust 迁移的流程，靠多轮 profile 引导实验和读编译器输出生成安全 Rust，代价是仍需自动化加人工审计与仿真测试才能上生产。

可拿走的是先建数值对齐测试台再迁移、按调用树切小于1万行模块、planner/coder/tester/reviewer 加人工卡点的流程，能落到软件工厂的遗留系统改造线，代价是要先补测试与文档。