https://aiho.net AI 之家 全站内容聚合订阅:评测、资讯、工作流、百科一站式更新。 zh-CN Sun, 06 Sep 2026 00:00:00 GMT https://aiho.net/news/2026/ai-coding-early-september-2026.html https://aiho.net/news/2026/ai-coding-early-september-2026.html Sun, 06 Sep 2026 00:00:00 GMT 2026 年 9 月第一周，OpenAI、Anthropic、Google、Meta 四天里连发四个旗舰级模型：GPT-6 Astra（computer use 头牌，OSWorld 72.6%）、Claude Fable 5.1（长程 Agent 塔尖，缓存读降 75%）、Gemini 3.8 Flash / Flash Cyber（同价再升 + 安全特化）、Muse Spark 1.3（省 25% token）。Agent 工具侧则从「前台对话」走向「后台与基建」：Anthropic 后台 Computer Use、Cloudflare Agent 钱包、火山引擎 AgentSentry。叠加英伟达 129.3 亿美元收购 Hugging Face 与 1200 个 Agent 攻防演练事件，模型、工具、生态三条线在九月第一周同时换挡。 - 四天四旗舰（9-1 ~ 9-3）：Claude Fable 5.1（9-1，$10/$50，缓存读降至 $0.25）、Gemini 3.8 Flash（9-2，同价 $0.75/$3.75 再升级）、Meta Muse Spark 1.3（9-2，省 25% token）、GPT-6 Astra（9-3，GPT-5.6 Sol 继任者，1.05M 上下文，$10/$50）密集落地。 - GPT-6 Astra 把「操作电脑」做成头牌：OSWorld 2.0 达 72.6% 且单任务耗时缩短约 47%；网络安全能力首个触及 OpenAI「Critical」阈值，公开版刻意裁剪、走 Daybreak 分级放行。 AI 之家编辑部综合（OpenAI / Anthropic / Google / Meta / NVIDIA / 界面新闻 / Cloudflare 等） https://aiho.net/wiki/computer-use.html https://aiho.net/wiki/computer-use.html Sun, 06 Sep 2026 00:00:00 GMT Computer Use（计算机操控）是指 AI 模型直接操作图形界面：它接收屏幕截图，理解当前界面，然后输出「点击坐标 / 键入文本 / 滚动」等动作，由宿主模拟键鼠执行。本质上，模型在操作人用的那个「界面」，而不是调用软件的 API。 一句话区分： - API / MCP / Function Calling——软件把能力「喂」给模型（有结构化接口）。 - Computer Use——模型自己「看」界面、自己「动手」（没有接口也能用）。 https://aiho.net/wiki/prompt-caching.html https://aiho.net/wiki/prompt-caching.html Sun, 06 Sep 2026 00:00:00 GMT Prompt Caching（提示缓存）是主流大模型 API 提供的一项成本与延迟优化能力：你可以标记提示里的某一段为「缓存断点（cache breakpoint）」，API 会把「从开头直到该断点」的整个前缀算一次、缓存起来，后续请求只要前缀相同，就直接读取缓存结果，不再重复处理。 它缓存的是完整前缀——按 tools → system → messages 的顺序，直到你标记的 cachecontrol 块为止。 没有缓存时，下面这些场景每次请求都要把同样的长内容从头算一遍： - 一份几万字的系统提示（角色设定 + 规则） - 塞进上下文的整篇文档 / 知识库片段（RAG） - 一大堆 few-shot 示例 https://aiho.net/wiki/reasoning-model.html https://aiho.net/wiki/reasoning-model.html Sun, 06 Sep 2026 00:00:00 GMT Reasoning Model（推理模型）是一类在输出最终答案前，先做显式推理的模型。它不像传统模型「读完 prompt 直接吐答案」，而是先生成一段内部思考过程（chain-of-thought / 扩展思考），把问题拆步骤、尝试、校验，再给出结论。 你可以把它理解成：普通模型是「凭直觉秒答」，推理模型是「先在草稿纸上推一遍再答」。 很多任务不是「知道就能答」，而是「想清楚才能对」： - 多步数学 / 竞赛题 - 复杂代码生成与调试 - 逻辑谜题、约束满足 - 长链条规划、多跳推理 这些任务里，直接生成答案的错误率很高；让模型「多想一会儿」，正确率显著提升。推理模型用更高的延迟与算力换这类难题的准确率。 https://aiho.net/review/hermes-agent-deep-review.html https://aiho.net/review/hermes-agent-deep-review.html Sun, 30 Aug 2026 00:00:00 GMT Hermes Agent 深度评测：Nous Research 开源的自进化 AI Agent，GitHub 10 万 Star。本文拆解它真正的技术底牌——MoA 混合智能体（多 Agent 并行 + 聚合交叉验证）、四层记忆系统（工作/情景/语义/技能）、Profile 自进化闭环、14 渠道部署，附成本账本、与 Manus/OpenClaw/OpenHuman 对比和 4 类不推荐场景。 如果你想要的不是一个「帮你干完一次任务」的云端 Agent，而是一个你能完全掌控、会积累经验、常驻在你消息软件里的自进化 Agent——Hermes Agent 是 2026 年最成熟的开源选择：Nous Research 出品，2026 年 2 月开源即爆，5 月 GitHub Star 翻倍到 10 万量级。 但先泼冷水：它的门槛比 Manus 高一个数量级。没有开箱即用的漂亮界面，要自己装 Python 环境、配 LLM API、管记忆数据库。它面向「想拥有自己 Agent 基础设施」的极客，不面向「想要一个好用助手」的用户。 ::div{class="card p-5 my-4"} https://aiho.net/news/2026/ai-coding-august-2026.html https://aiho.net/news/2026/ai-coding-august-2026.html Sun, 30 Aug 2026 00:00:00 GMT 2026 年 8 月 AI 编程圈三条主线：一是国产开源「效率战」——阿里 Qwen3.8-Flash（125B 激活 6B）与智谱 GLM-5.3-Flash（320B 激活 18B，「牛来」）同日开源，推理价格击穿底价；二是平台侧全流程 Agent 化——华为云 CodeArts Agent（码道）亚太商用、DeepSeek 开源 Harness；三是质量与成本护栏——SonarQube CLI + MCP 把静态分析喂给 Agent，Claude Code 周限额 9 月起实际到手少 17%。 - 国产开源「效率战」开打（8-26）：阿里 Qwen3.8-Flash（125B 总参 / 激活 6B，训练成本 -90%，输入 ¥1/百万 token）与智谱 GLM-5.3-Flash（320B / 激活 18B，匿名模型「牛来」现身，GLM-5 首个原生多模态）同日开源。 - 旗舰与基础设施（8-14）：智谱 GLM-5.3（743B，逼近 Claude Fable 5）；DeepSeek 开源 Harness（一切皆插件的 Agent 基础设施）。 - 平台侧全流程 Agent 化：华为云 CodeArts Agent（码道） 8-26 国内 / 8-28 亚太商用，16 个专业 Agent 覆盖需求到运维，$20/席位起 AI 之家编辑部综合（36氪 / 智谱 / 华为云 / SonarSource / Anthropic / Daily AI World） https://aiho.net/news/2026/claude-code-limit-change.html https://aiho.net/news/2026/claude-code-limit-change.html Sun, 30 Aug 2026 00:00:00 GMT Anthropic 官方账号 2026-08-30 宣布：9 月 14 日起 Pro/Max/Team/按席位 Enterprise 的 Claude Code 标准周限额永久上调 25%；但 5 月 13 日开始的临时 +50% 促销（延期四次）将于 9 月 13 日结束，1.5 倍回落到 1.25 倍，实际比当前少约 17%。 - Anthropic 官方开发者账号 @ClaudeDevs 于 2026-08-30 在 X 平台宣布：自 2026 年 9 月 14 日起，Pro、Max、Team 及按席位计费 Enterprise 用户，Claude Code 标准周限额永久上调 25%。 - 关键前提：5 月 13 日引入的临时 +50% 促销（整个夏天延期了四次）将于 9 月 13 日结束。 - 算术真相：限额从当前的 1.5 倍回落到新基线 1.25 倍——相对当前实际可用量，到手反而少约 17%。 Anthropic @ClaudeDevs / IT之家 / Lapaas Voice https://aiho.net/playbook/onboarding/local-ai-workstation.html https://aiho.net/playbook/onboarding/local-ai-workstation.html Sun, 30 Aug 2026 00:00:00 GMT 一套 2026 年可落地的本地 AI 工作站搭建方案：按显存预算选推理层（Ollama / LM Studio / Msty / vLLM）、按硬件选本地模型（Qwen3 / Llama 4 / GLM-5.3-Flash）、选聊天工作台（Open WebUI / LobeChat / Cherry Studio），并把本地模型接进 Cline / OpenCode 等编程工具。数据不出机器的代价与避坑全记录。 这篇方案适合： - 代码 / 文档 / 对话内容不能出本机的开发者（公司红线、保密协议、单纯不放心） - 有一台带独显的机器（哪怕只有 8GB 显存），想让 AI 用起来「无月费」 - 已经被 API 账单刺激到，想算清楚「本地跑一个模型到底要什么硬件」 - 想把本地模型接进 Cline / OpenCode 这类编程工具，组成零外发编程栈 不适合：追求旗舰模型能力的重度 Agent 用户——本地模型与 Claude Sonnet 5 级别仍有差距，本地化的第一原则是接受能力换隐私。 按两个问题路由： | 你的情况 | 推荐组合 | 说明 | |---|---|---| https://aiho.net/playbook/onboarding/open-source-general-agent.html https://aiho.net/playbook/onboarding/open-source-general-agent.html Sun, 30 Aug 2026 00:00:00 GMT 一套 2026 年可落地的开源通用 Agent 上手方案：为什么从 Manus 迁到开源（数据自主、成本归零、国内可用），四个主力选手（OpenManus / OpenHuman / Hermes Agent / OpenClaw）怎么按需选型，BYOK 接国产模型压成本，部署路径分步走，安全边界与避坑清单。 这篇方案适合： - Manus 用得顺手，但被国内访问屏蔽 / credit 烧得快逼到找替代的人（Manus 深度实测记录了完整痛点） - 想要数据不出本地的通用 Agent：代码、文档、搜索轨迹全部留在自己机器上 - 想把 Agent 的成本压到接近零：开源本体 + BYOK 国产模型 - 有基本 Python 部署能力（会跑 pip install、能看报错），不想花钱买托管 不适合：想要开箱即用、有漂亮 Web UI、稳定 SLA 的用户——那是商业 Agent（Manus / Genspark）的领地，开源阵营的体验上限低一档。 四个主力选手，按你要的东西路由： | 你要什么 | 推荐 | 上手难度 | https://aiho.net/wiki/agent-memory.html https://aiho.net/wiki/agent-memory.html Sun, 30 Aug 2026 00:00:00 GMT Agent 的上下文窗口就是短期记忆——装不下、留不久、还会腐烂；长期记忆需要把关键信息写进外部存储（文件、向量库、数据库），再按需检索回来。CLAUDE.md / AGENTS.md 是最朴素也最有效的长期记忆，MiMo Code 内置记忆系统。本文讲清 Agent 记忆的分层、工程实现与记忆污染问题。 把 Agent 当实习生看就懂了：实习生入职第一天能干活，是因为记住了团队约定（用 pnpm 不用 npm、提交前跑 lint）。而一个没有记忆的 Agent，每次会话都像失忆重来——你反复教它同样的事，它反复犯同样的错。 更硬的约束来自上下文窗口本身： - 容量有限：Context Rot 证明输入一长质量就掉，窗口远未满就已退化 - 生命周期短：会话结束、compaction 压缩之后，早期内容就没了 - 按 token 计费：每次都重读全部历史，账单撑不住 记忆系统的本质：把「每次都要重学」的东西挪到窗口外面，按需取回。 | | 短期记忆 | 长期记忆 | |---|---|---| https://aiho.net/wiki/byok.html https://aiho.net/wiki/byok.html Sun, 30 Aug 2026 00:00:00 GMT BYOK = Bring Your Own Key：编程工具本身免费开源，模型 API 由你自己购买接入。OpenCode、Cline、Aider 这类终端 Agent 都靠 BYOK 把模型选择权还给开发者——月成本可以压到个位数，代价是稳定性完全取决于你接的那条 API。本文讲清 BYOK 的玩法、优势、坑与配置方法。 BYOK = Bring Your Own Key（自带密钥）。指一类 AI 编程工具的商业模式：工具本体免费（通常开源），不含任何模型费用，你用自己的 API key 接入任意模型，token 成本直接付给模型厂商。 与订阅制（如 Cursor Pro $20/月）的本质区别： | 维度 | 订阅制（Claude Code / Cursor） | BYOK（OpenCode / Cline / Aider） | |---|---|---| | 付费对象 | 工具厂商打包收费 | 直接付给模型 API 厂商 | | 模型选择 | 厂商决定套餐内模型 | 任意切换，一家 key 一个模型 | https://aiho.net/wiki/cn-coding-models.html https://aiho.net/wiki/cn-coding-models.html Sun, 30 Aug 2026 00:00:00 GMT 2026 年国产编程模型已能与 Claude/GPT 正面掰手腕：月之暗面 K2.7 Code（1.1T MoE、256K）、智谱 GLM-5.3（743B，排名最高开源模型）与 GLM-5.3-Flash（320B-A18B）、阿里 Qwen3.8-Flash（125B 只激活 6B）、DeepSeek-V4、小米 MiMo（SWE-bench Pro 62%）。本文按场景给选型路线：日常用 Flash、难题切旗舰、自托管走开源。 | 模型 | 厂商 | 规格 | 强项 | 获取方式 | |---|---|---|---|---| | K2.7 Code | 月之暗面 | 1.1T MoE · 256K | 编程对标 Claude Sonnet 4，中文编程体验一流 | 开源 + 官方 API（¥8/¥32，较上代降 30%） | | Kimi K3 | 月之暗面 | 1M 上下文 | 超长代码库任务 | 官方 API（约 $2.3/M 混合价） | | GLM-5.3 | 智谱 | 743B | 当前排名最高的开源模型，编程/Agent 逼近 Claude Fable 5 | 权重开源 + API 上线中 | https://aiho.net/wiki/long-context.html https://aiho.net/wiki/long-context.html Sun, 30 Aug 2026 00:00:00 GMT 长上下文指模型单次能处理的 token 总量，2026 年已从 128K 标配卷到 1M 甚至 1000 万。但窗口大不等于用得好：Context Rot 证明远未到上限质量就开始下滑。本文讲清上下文窗口、有效上下文、长上下文与 RAG 的取舍，以及缓存计费对成本的影响。 上下文窗口（context window）是模型单次输入+输出能容纳的最大 token 总量。2023 年主流还是 4K～32K；到 2026 年，格局已经变成： | 档位 | 代表 | 说明 | |---|---|---| | 128K | DeepSeek-V3、多数旗舰标配 | 2026 年的「及格线」 | | 256K | Kimi K2.7 Code、Qwen3-Coder | 编程模型主流档 | | 1M | Kimi K3、DeepSeek-V4 | 整个中型代码库一次喂入 | | 10M | qwen-long（阿里，1000 万 token）、Llama 4 Scout（实验性） | 超长文档 / 巨型仓库场景 | https://aiho.net/wiki/moe.html https://aiho.net/wiki/moe.html Sun, 30 Aug 2026 00:00:00 GMT MoE（Mixture of Experts，混合专家）让每个 token 只激活一小部分参数：总参数决定知识容量，激活参数决定推理成本。2026 年 8 月 Qwen3.8-Flash（125B 激活 6B）与 GLM-5.3-Flash（320B 激活 18B）同日开源，标志国产模型从参数军备转向效率军备。本文讲清 MoE 原理、优缺点、显存真相与选型影响。 MoE = Mixture of Experts（混合专家）。它把 Transformer 里原本单一的前馈网络（FFN）拆成多个并行的「专家」网络，再配一个路由器（router / gate），每个 token 只挑选少数几个专家参与计算，其余参数全程休眠。 对比稠密（Dense）模型，区别就一句话： | | Dense（稠密） | MoE（混合专家） | |---|---|---| | 每个 token 的计算 | 全部参数参与 | 只激活一小部分参数 | | 推理成本 | 与总参数成正比 | 与激活参数成正比 | | 显存占用 | 总参数 | 仍然要装下总参数 | https://aiho.net/wiki/swe-bench.html https://aiho.net/wiki/swe-bench.html Sun, 30 Aug 2026 00:00:00 GMT SWE-bench 用真实 GitHub issue 加单元测试验收来考 AI 编程 Agent：给定仓库和 issue，模型要自己定位、修改代码并跑通测试。它是 2026 年 AI 编程能力最被引用的基准，也是国产 Agent 的主战场——小米 MiMo 以 SWE-Bench Pro 62% 超越 Claude Code。本文讲清测试机制、变体、刷分争议与读榜方法。 SWE-bench 是目前衡量「AI 解决真实软件工程问题能力」最被引用的基准。它的考题不是刷题网站式的算法题，而是真实开源项目的真实 issue： 1. 给 Agent 一个仓库快照 + 一段 GitHub issue 描述（比如「这个函数在空输入时崩溃」） 2. Agent 自主完成：定位相关文件 → 理解上下文 → 修改代码 3. 用仓库自带的单元测试验收，补丁让失败测试变绿、且不弄坏其他测试，才算通过 一句话：考的是「给一个陌生代码库和一个 bug 报告，你能不能像人类工程师一样把它修好」。这比 HumanEval 这类「从零写函数」的题目难一个数量级——它考检索、考工程直觉、考对既有代码的敬畏，而不只是生成能力。 https://aiho.net/news/2026/codearts-agent-apac-ga.html https://aiho.net/news/2026/codearts-agent-apac-ga.html Fri, 28 Aug 2026 00:00:00 GMT 华为云 2026-08-28 宣布 CodeArts Agent（国内名「码道」）在亚太正式商用，Basic/Professional 版从公测转 GA。Agent Team 内置 16 个覆盖需求、架构、编码、测试、评审的专业 Agent，支持规范驱动开发与千万行级代码理解，$20/席位/月起。 - 华为云 2026-08-28 宣布 CodeArts Agent 在亚太市场正式商用，Basic / Professional 两版从公测转为 GA（一般可用），面向华为云国际站用户开放。国内站名为「码道」，已于 8 月 26 日发布商用公告。 - 核心卖点 Agent Team：16 个专业 Agent 覆盖需求分析、架构设计、编码、测试、问题解决、代码评审全软件研发生命周期，模拟专业工程团队协作，可自主规划并执行复杂、长周期开发任务。 - 内置规范驱动开发能力与 30+ 可复用的华为工程技能，把大厂工程实践转成 Agent 能力。 - 支持千万行级代码理解与检索，面向存量巨型代码库的增量开发。 PR Newswire / 华为云 https://aiho.net/news/2026/sonarqube-cli-mcp-release.html https://aiho.net/news/2026/sonarqube-cli-mcp-release.html Fri, 28 Aug 2026 00:00:00 GMT SonarSource 发布 SonarQube CLI 与官方 MCP Server（Docker 镜像 sonarsource/sonarqube-mcp），把静态分析、密钥扫描、质量门禁变成 Agent 可直接调用的工具：JSON/TOON 输出直进 LLM 工作流，git pre-commit 钩子拦截坏提交，Claude Code 深度集成。 - SonarSource 发布 SonarQube CLI（终端代码验证工具）与官方 MCP Server（Docker 镜像 sonarsource/sonarqube-mcp），2026-08-28 前后引发行业报道。 - Secrets 扫描 + Git 钩子：检测硬编码密钥/API Key/凭证，可注册为 pre-commit 钩子，在每次 git commit 前自动拦截。 - Issue Explorer：终端里查询/过滤 SonarQube issue，JSON 与 TOON 两种输出格式可直接管道进 LLM 工作流，无需后处理。 SonarSource 官方 / TheNextGen Tech Insider https://aiho.net/wiki/trae.html https://aiho.net/wiki/trae.html Thu, 27 Aug 2026 00:00:00 GMT Trae 是字节跳动出品的 AI IDE（AI 原生集成开发环境），2024 年底推出，定位是"国内稳定可用、长期免费的 Cursor 平替"。它基于 VS Code 架构改造，内置 AI 编程能力（Builder / SOLO 模式），支持豆包、DeepSeek、Kimi 等多模型。 在 Bing 等搜索引擎上，"trae" 常以多个变体被检索——trae 国内版、trae ide、trae cn、trae 国际版——本页一次性讲清它们的区别与怎么选。 Trae 有两条独立产品线，这是搜索"trae国内版 / trae国际版 / trae cn"时最该搞清楚的点： https://aiho.net/news/2026/glm-5-3-flash-release.html https://aiho.net/news/2026/glm-5-3-flash-release.html Wed, 26 Aug 2026 00:00:00 GMT 智谱 2026-08-26 晚宣布上线并开源 GLM-5.3-Flash（320B-A18B），并确认它就是过去一周在海外开发者社区刷屏的匿名模型 Ox-Alpha（中文社区称「牛来」）。GLM-5 系列首个原生多模态模型，45 层较上代近乎腰斩，专为极低成本设计。 - 智谱 2026-08-26 晚宣布上线并开源 GLM-5.3-Flash（320B-A18B）。 - 官方确认：它就是过去一周在海外开发者社区刷屏的匿名模型 Ox-Alpha，中文社区称「牛来」。 - GLM-5 系列首个原生多模态模型，训练语料为 30T token 多模态数据。 - 架构专为极低成本设计：总参数 320B、激活约 18B、45 层（上代 92 层，近乎腰斩）；总参数量与 GLM-4.5 相当，激活参数 32B → 18B。 - 据 Tencent Cloud 开发者社区报道，Cline 用户可继续免费用该模型。 智谱 AI / 36氪 / 腾讯云开发者社区 https://aiho.net/news/2026/qwen3-8-flash-release.html https://aiho.net/news/2026/qwen3-8-flash-release.html Wed, 26 Aug 2026 00:00:00 GMT 阿里通义千问 2026-08-26 发布并同步开源 Qwen3.8-Flash：多模态 MoE 总参数 125B、每 token 仅激活 6B，官方称激活 6B 即超越 Claude Opus 4.6 前沿性能，训练成本较 Qwen3.7-Plus 降近 90%，推理 ¥1/¥3 每百万 token。 - 阿里通义千问团队 2026-08-26 晚正式发布 Qwen3.8-Flash，并同步开源。 - 多模态 MoE 架构：总参数 125B，每 token 仅激活约 6B（另有约 51B 的 N-gram embedding 缓存参数，以官方技术报告口径为准）。 - 官方称激活 6B 即可获得超越 Claude Opus 4.6 的前沿性能，「创下模型效率的全球新基准」。 - 训练成本较 Qwen3.7-Plus 骤降近 90%，推理成本同步大降：每百万 token 输入 ¥1 / 输出 ¥3，官方称最低至 DeepSeek-V4-Flash 的约 1/3。 36氪 / IT之家 / 阿里云百炼 https://aiho.net/playbook/ai-agent/workbuddy.html https://aiho.net/playbook/ai-agent/workbuddy.html Tue, 18 Aug 2026 00:00:00 GMT WorkBuddy 2026 实战上手：为什么它的入口是「任务」不是「代码」、三种工作模式（Craft / Plan / Ask）怎么选、内置专家与技能/MCP 怎么用、自动化定时任务怎么配、微信/小程序怎么远程下指令，并附一个可直接照抄的「每日数据汇总 + 周报生成」自动化模板。 WorkBuddy 不是又一个「聊天框」，而是把任务理解 → 拆解 → 多 Agent 并行执行 → 交付文档 / 图表 / 应用整条链路包起来的桌面 AI Agent。它的入口是「任务」不是「代码」：你用自然语言说「帮我做 X」，它调度多个 Agent 分头干活，最后把成品交还给你。配合内置专家、技能 / MCP 连接器、自动化定时任务和微信 / 小程序远程操控，它面向的是「不想学提示词工程、但想说话就出活」的办公人群。 本站（aiho.net）自身就是用同类 Agent 能力维护的静态站。下面这套上手方法，是从「第一次装」到「跑起第一个自动化」的最小可行路径，可直接照抄。 https://aiho.net/news/2026/deepseek-harness-release.html https://aiho.net/news/2026/deepseek-harness-release.html Fri, 14 Aug 2026 00:00:00 GMT DeepSeek 于 2026-08 开源首款 Agent 产品 DeepSeek Harness（dsh），提出 AGENT = MODEL + HARNESS，以「Everything is a plugin」为核心，模型/工具/技能/会话/沙箱/UI 皆由插件组合，MIT 协议，本地 WebUI 一键启动。本文拆解其定位、能力与行业意义。 - DeepSeek Harness（dsh） 于 2026-08-13/14 以开发者预览形式开源，软件包已发布至 npm（npx @deepseek-ai/dsh web 启动本地 WebUI，端口 3080）。 - 核心公式：AGENT = MODEL + HARNESS——模型负责思考推理，Harness 承担工具调用、任务规划、执行调度等全部工程化工作。 - 设计理念 「Everything is a plugin（一切皆插件）」：模型、工具、技能、会话、沙箱、存储、循环、调度、UI 全部由插件组合，可自由替换重组。 DeepSeek（GitHub） https://aiho.net/news/2026/glm-5-3-release.html https://aiho.net/news/2026/glm-5-3-release.html Fri, 14 Aug 2026 00:00:00 GMT 智谱 AI 于 2026-08-14 发布 GLM-5.3，总参数 7430 亿，官方称编程与智能体能力逼近 Claude Fable 5，是当前排名最高的开源模型。完整权重将于约两周后开源，API 即将上线。 - GLM-5.3 于 2026-08-14 发布，总参数 7430 亿。 - 官方称编程与智能体（Agent）能力逼近 Claude Fable 5，并宣称是当前排名最高的开源模型。 - 完整权重将于约两周后开源，API 即将上线。 - 延续 GLM 系列中文指令理解、国内直连、可私有化部署的合规优势。 国产开源模型首次在「编程 + Agent」这一高价值维度逼近闭源前沿。对依赖 Agent 工作流的国内团队是实质利好；而可私有化部署的特性，对金融、政务、医疗等强监管、不能出海数据的行业尤其关键。 截至发布，以下信息官方尚未完整披露，建议等开源后实测： - 上下文长度与最大输出； 智谱 AI https://aiho.net/news/2026/gemini-3-7-flash-release.html https://aiho.net/news/2026/gemini-3-7-flash-release.html Wed, 12 Aug 2026 00:00:00 GMT Google 于 2026-08 发布 Gemini 3.7 Flash，发布价 $0.75/$3.75 每百万 token（约为 3.6 Flash 一半，锁至 2026-12-31）。agent-first 定位，编程与工作流基准大幅跳升：FrontierCode 1.1 43.6%、DeepSWE v1.1 65.3%、AutomationBench 30.4%。驱动 Gemini Spark 24/7 常驻 Agent。 - Gemini 3.7 Flash 于 2026-08-12 发布，距离 3.6 Flash（7-21）仅约三周。 - 发布价 $0.75 输入 / $3.75 输出（每百万 token），约为 3.6 Flash 首发价的一半，促销价锁定至 2026-12-31，之后回到 $1.50/$7.50。 - agent-first 定位：更 diligent 地思考、遇阻自适应、指令遵循更忠实。 - 基准全线跳升：FrontierCode 1.1 34.4%→43.6%、DeepSWE v1.1 49.0%→65.3%、AutomationBench（Zapier 真实工作流）17.0%→30.4%。 Google https://aiho.net/review/workbuddy-deep-review.html https://aiho.net/review/workbuddy-deep-review.html Tue, 11 Aug 2026 00:00:00 GMT WorkBuddy 深度评测：自然语言下达任务、多 Agent 并行执行、内置专家与技能市场、微信/小程序远程操控、代码补全与 EdgeOne 部署。拆解核心能力、价格体系、适用人群，并与 Cursor / Trae / Claude Code 对比。 WorkBuddy 不是一个「AI 编程插件」，而是把任务理解 → 拆解 → 多 Agent 并行执行 → 交付文档 / 图表 / 应用整条链路包起来的 Agent 办公平台。它同时具备代码补全与开发部署能力，但真正的差异化在「非程序员也能用」——内置专家、微信 / 小程序远程发指令、免下载即用。如果你是技术团队、要的是在 IDE 里丝滑改代码，它不如 Cursor / Trae / Claude Code 聚焦；如果你是运营 / 产品 / 行政，或想要一个「手机上发句话就能跑任务」的 AI 同事，它值得一试。 本文基于 WorkBuddy 官网公开信息与公开用户反馈整理，非厂商付费内容，也未做长期一手实测；定价以官网实时页面为准 https://aiho.net/news/2026/grok-4-6-release.html https://aiho.net/news/2026/grok-4-6-release.html Tue, 11 Aug 2026 00:00:00 GMT xAI 于 2026-08 发布 Grok 4.6，经 agentic RL 训练，Artificial Analysis 智能指数 61 追平 GPT-5.6 Sol，定价维持 $2/$6。同期推出 Grok Bot——拥有独立电脑、可端到端自主完成任务的 AI 队友，已对公众开放。 - Grok 4.6 于 2026-08 发布，最大变化是经 agentic RL（智能体强化学习）训练，专为多步 Agent 环路打磨。 - Artificial Analysis 智能指数 61，追平 OpenAI 的 GPT-5.6 Sol；定价维持 $2/$6，性价比延续 4.5。 - 首日登陆 Cursor 与 Grok Build 分发，延续与 Cursor 的深度绑定。 - 同期推出 Grok Bot：拥有独立运行环境（自己的电脑），能登录用户的工具与应用、跨收件箱端到端自主完成任务，已对公众开放。 xAI https://aiho.net/news/2026/meta-muse-code-release.html https://aiho.net/news/2026/meta-muse-code-release.html Wed, 05 Aug 2026 00:00:00 GMT Meta Superintelligence Labs 于 2026-08-05 推出终端编程 Agent Muse Code，由 Muse Spark 1.2 驱动，能在大仓库中规划、编写并验证改动。Meta 成为继 Anthropic、OpenAI、Google 之后第四家拥有端到端编程 Agent 的前沿实验室。 - Muse Code 于 2026-08-05 由 Meta Superintelligence Labs 推出，是终端编程 Agent。 - 由 Muse Spark 1.2 模型驱动，能在大仓库中规划、编写并验证改动。 - Meta 成为继 Anthropic（Claude Code）、OpenAI（Codex）、Google（Gemini/ADK） 之后，第四家拥有端到端编程 Agent 的前沿实验室。 TechCrunch https://aiho.net/review/ai-agent-platforms-2026-landscape.html https://aiho.net/review/ai-agent-platforms-2026-landscape.html Sun, 02 Aug 2026 00:00:00 GMT 2026 年 AI Agent 平台全景图：14 款平台按低代码 / 通用 Agent / 桌面 Agent / MCP 协议 / 框架分桶，6 大决策维度（开源 / 私有部署 / 模型 / 工作流 / 知识库 / 发布），选型决策树，Top 14 速查卡与 2026 趋势（MCP 标准化、Skills 市场、A2A 协议）。 2026 年的 AI Agent 平台已经从「能搭 Bot」进化到「能编排工作流、接知识库、私有部署、发布多渠道」。我们实测了 14 款，结论是按桶选型： - 要私有部署 / 复杂工作流 → Dify（开源 LLMOps 事实标准） - 要最快出 Bot / 发飞书微信 → Coze（零代码、字节生态） - 要深度定制 / 接 100+ SaaS → n8n / Langflow - 要通用多步骤任务 → Manus / OpenManus - 要从底层自搭框架 → CrewAI / AutoGen 没有通吃方案，先问自己 5 个问题（见决策树）。 | 桶 | 代表 | 形态 | 适合 | |---|---|---|---| https://aiho.net/review/ai-coding-tools-2026-landscape.html https://aiho.net/review/ai-coding-tools-2026-landscape.html Sun, 02 Aug 2026 00:00:00 GMT 2026 年 AI 编程工具全景图：18 款工具按 IDE / CLI / 插件 / Agent / Builder / 本地 6 桶分类，综合 Top 10 排行，按国内/海外/JetBrains/终端/学生党场景推荐，5 维评分方法论，以及 2026 趋势（Agent 化、MCP、本地化、私有部署）。 2026 年的 AI 编程工具已经不是「Copilot vs 其他人」的格局，而是按形态分桶、按场景选型的市场。我们实测了 18 款主流工具，结论是：没有任何一个工具通吃所有场景——国内日常用 Trae + 通义灵码，海外全栈用 Cursor，长任务终端用 Claude Code，零代码出应用用 Bolt.new / Lovable，数据敏感走本地 Ollama / vLLM。 本文给你一张图看懂 18 款、一个 Top 10 排行、一套 5 维评分方法论，以及按 5 类人群的直接推荐。 | 桶 | 代表工具 | 形态 | 适合谁 | |---|---|---|---| https://aiho.net/review/china-ai-ide-shootout.html https://aiho.net/review/china-ai-ide-shootout.html Sun, 02 Aug 2026 00:00:00 GMT 国内 AI IDE 三强横评 2026：Trae（字节）、Qoder（阿里）、通义灵码 IDE 的定位差异、实测对比、配套生态与选型建议。帮国内开发者判断该不该从 Cursor 切、切到哪个。 国内 AI IDE 已经形成「三强」：Trae（字节）、Qoder（阿里）、通义灵码 IDE（阿里）。三家都免费起步 + 国内直连 + 中文一流，核心差异在定位： - Trae：零成本 + 全中文 + 不需要代理，国内 Cursor 平替首选 - Qoder：Spec 驱动 + 跨项目并行 + 10 万文件上下文，企业级 Agentic 平台 - 通义灵码 IDE：阿里云生态 + Qwen3-Coder 开源底座，插件 / IDE 双形态 AI 之家 观点：这三家不会一家通吃，因为背后是字节 / 阿里的云基本盘。对用户是好事——全免费试一遍，按「主力语言 + 云厂商 + 任务类型」定型。 https://aiho.net/review/china-copilot-shootout.html https://aiho.net/review/china-copilot-shootout.html Sun, 02 Aug 2026 00:00:00 GMT 国产 AI 编程插件四强横评：通义灵码（Qwen3-Coder）、文心快码 Comate（文心）、CodeBuddy（混元+DeepSeek）、豆包 MarsCode/TRAE 的真实能力、价格、中文体感与选型建议。含定价明细、单测生成实测、Agent 改写对比、企业采购与迁移指南。 国产 AI 编程插件已经形成「四强格局」：通义灵码（阿里 Qwen3-Coder）、文心快码 Comate（百度文心）、CodeBuddy（腾讯混元+DeepSeek）、豆包 MarsCode/TRAE（字节豆包）。四家全都免费起步，核心差异不在「能不能用」，而在「模型底座、生态绑定、企业能力」。 - 想零成本上手、阿里云用户 → 通义灵码 - 企业合规 / 代码可审计 / C++ 后端 → Comate（SPEC 白盒流程） - 微信小程序 / 腾讯云 / 设计稿转代码 → CodeBuddy - 字节生态 / 想要 SOLO 全自主开发 → MarsCode / TRAE https://aiho.net/review/claude-code-deep-dive.html https://aiho.net/review/claude-code-deep-dive.html Sun, 02 Aug 2026 00:00:00 GMT Claude Code 2026 深度评测：我们用 60 个真实任务（前端 / 后端 / 运维 / 数据 / 文档）实测长任务能力，对比 Pro / Max / API 三种计费谁更划算，做 CLAUDE.md 写法的 A/B 测试，并整理踩坑合集与常见问题。 Claude Code 是我用过长任务体感最稳的编程 Agent——不是补全最快、不是 GUI 最好，而是「跑 1 小时不跑偏、不丢上下文、能自己回滚」这种综合能力第一档。代价是国内三大门槛（海外手机号 + 海外卡 + 稳定代理）和 BYOK 模式下烧 token 的速度。 本篇基于 60 个真实任务的实测，重点回答三个问题：长任务到底稳不稳、三种计费谁划算、CLAUDE.md 写法怎么影响成功率。 我们把任务按类型分成 5 桶，每桶 12 个，全部在真实项目（中型 Nuxt 3 前端 + Spring Boot 后端 + 一些 Python 脚本）里跑： | 桶 | 任务示例 | 平均时长 | 一次跑通率 | https://aiho.net/review/dify-self-host-1-month.html https://aiho.net/review/dify-self-host-1-month.html Sun, 02 Aug 2026 00:00:00 GMT Dify 私有部署 2026 实战记录：我们用 Docker Compose 部署、接 OpenAI / Ollama / vLLM 模型、调 RAG（chunk / embedding / rerank）、跑通 1 个月生产，整理部署架构、模型接入、成本账单和踩坑合集。 Dify 私有部署是「能跑，但需要真运维投入」的活。Docker Compose 半小时能起来，真正卡人的是三道坎：RAG 调优（chunk / embedding / rerank）、大版本升级破坏 schema、知识库变大后变慢。如果你能接受这些，月成本可以压到 ~$50 服务器 + 模型费，数据零外泄——这是金融 / 医疗 / 政企客户从 Coze 迁过来的核心原因。 本篇是我们 1 个月真实运营的记录，从架构到账单到坑全摊开。 https://aiho.net/review/manus-deep-dive.html https://aiho.net/review/manus-deep-dive.html Sun, 02 Aug 2026 00:00:00 GMT Manus 2026 深度评测：我们用 10 个真实多步骤任务（订机票 / 调研 / 写报告 / 数据分析）实测通用 Agent 的能力边界，归纳失败模式，对比 OpenManus 自托管，并给出适用边界与常见问题。 Manus 是通用 Agent 体感天花板的代表——多 sub-agent 并行 + 自动模型路由，让 research / 数据分析类任务的输出引用密度明显超过 ChatGPT Deep Research。但「开着任务下班、明早看结果」的浪漫背后，是 credit 烧得快、Web App Builder 仍有 bug、国内访问被屏蔽三道的现实约束。 本篇用 10 个真实多步骤任务实测，回答：它到底能跑通什么、跑不通什么、和自托管 OpenManus 差在哪。 我们按难度梯度选了 10 个任务（全部用 Free / Pro 档，不喂特殊 prompt 技巧）： | | 任务 | 结果 | 耗时 | 引用密度 | 交付物 | https://aiho.net/playbook/ai-agent/build-rag-bot-with-coze.html https://aiho.net/playbook/ai-agent/build-rag-bot-with-coze.html Sun, 02 Aug 2026 00:00:00 GMT 用 Coze（扣子）30 分钟搭产品文档问答 Bot 实战：准备工作（文档清洗 + 切片策略）、建 Bot（人设 + 知识库 + 工作流）、召回调优（top_k / 相似度阈值 / rerank）、发布到飞书 / 微信公众号，以及数据闭环。 用 Coze（扣子）搭产品文档问答 Bot 是国内最快的上线路径——可视化拖拽 + 知识库 + 一键发飞书 / 微信，30 分钟能跑通。但「能跑」和「答得准」之间差三步：文档先清洗、切片策略别太大、召回阈值调一调。这三步做对，答非所问率能从 30% 降到 10% 以下。 延伸对比：如果要私有部署 / 数据不出网，走 Dify 私有部署知识库；纯知识库 QA 精度要求极高看 FastGPT。 很多人直接把一坨 PDF 丢进知识库，结果召回稀烂。正确做法： - 去掉页眉页脚、目录、无关广告页 - 把扫描版 PDF 先 OCR 成可搜文本 - 按「一个主题一文档」拆分，别把所有文档堆成一个大文件 | 文档类型 | 建议切片 | 理由 | https://aiho.net/playbook/ai-agent/dify-self-host-knowledge-base.html https://aiho.net/playbook/ai-agent/dify-self-host-knowledge-base.html Sun, 02 Aug 2026 00:00:00 GMT Dify 私有部署企业知识库 2026 实战：架构选型（单机 / 集群 / 离线）、完整 Docker Compose 配置（含模型代理）、模型接入（OpenAI / Claude / Ollama / vLLM）、RAG 调优（embedding 选型 + chunk 策略）、权限模型（部门 / 角色 / 知识库隔离）。 Dify 私有部署企业知识库是「数据不出内网 + 工作流强」场景的最优解之一。一条 docker compose up -d 起完整栈（API / worker / web / PostgreSQL / Redis / Weaviate），模型可接国产 API 或本地 Ollama / vLLM，RAG 调优重点在 embedding 选型 + chunk 策略。社区版 RAG 精度不如 FastGPT，但工作流能力碾压——要「知识库 + Agent + 工作流」三件套，Dify 无可替代。 延伸阅读：Dify 私有部署 1 个月运营记（真实账单 + 踩坑）。 | 形态 | 适合 | 门槛 | |---|---|---| https://aiho.net/playbook/ai-agent/mcp-from-zero.html https://aiho.net/playbook/ai-agent/mcp-from-zero.html Sun, 02 Aug 2026 00:00:00 GMT MCP 协议 2026 实战指南：30 秒理解 MCP 是什么、3 步上手（选 server → 配 client → 验证）、现成 server 推荐（GitHub / Linear / Postgres / 文件系统）、Node + TypeScript 自建最小 server，以及排错清单。 MCP（Model Context Protocol）是 Anthropic 提出的开放标准，让 AI 工具能像调函数一样调你已有的工具——数据库、GitHub、Slack、文件系统。接入成本极低：先吃现成 server 解决 80% 需求，再按需用 TypeScript SDK 自建。别一上来就造轮子。 过去每个 AI 工具要接外部工具，都得各自写一套适配。MCP 把这套适配标准化成「客户端（Claude Code / Cursor）— 协议 — Server（暴露 tools 的程序）」： AI 客户端 ←— MCP 协议 —→ MCP Server ←—→ 你的数据库 / API / 文件系统 https://aiho.net/playbook/ai-coding/agents-md-protocol.html https://aiho.net/playbook/ai-coding/agents-md-protocol.html Sun, 02 Aug 2026 00:00:00 GMT AGENTS.md 协议 2026 指南：提出背景与社区现状、标准格式与字段约定、让 Cursor / Claude Code / Cline / Codex 都读它的桥接方案，以及 3 套现成模板。 AGENTS.md 是社区里「一份项目配置，所有 AI 编程工具都读」的共识尝试。它本质上是 CLAUDE.md 的开放超集——目前 Cursor / Claude Code / Cline / Codex CLI 都能识别根目录的 AGENTS.md 并自动加载。写一份放项目根，就能统一所有工具的上下文，避免「Cursor 一份规则、Claude Code 一份规则」的分裂。 2025 年起，团队同时用 2-3 个 AI 工具成常态：Cursor 写细节、Claude Code 跑长任务、Cline 接国产模型、Codex 在 CI 里跑。但每个工具读自己格式的配置文件： - Cursor → .cursor/rules/.mdc https://aiho.net/playbook/ai-coding/china-developer-stack.html https://aiho.net/playbook/ai-coding/china-developer-stack.html Sun, 02 Aug 2026 00:00:00 GMT 国内 AI 编程工具组合拳 2026：通义灵码（日常补全）+ Trae（IDE）+ 中转 Claude Code（长任务）的现实约束、主力组合、中转选型（稳定性 / 价格 / 风控）、工作流（日常 → 周末长任务 → 团队协作）与成本核算（每月 ¥0-200 解决方案）。 国内开发者的现实约束是网络 + 支付 + 合规三道坎。最优组合是： - 通义灵码：日常补全 / 单测生成，免费 + 国内直连 + 中文一流 - Trae 国内版：AI IDE 主力，免费 + 不代理 + 中文一流 - 中转 Claude Code：长任务 / 复杂重构，走第三方 API 中转（支持支付宝） 这套组合零代理、零海外账号门槛，月成本可压到 ¥0-200，数据敏感任务走国产模型。 | 约束 | 影响 | 对策 | |---|---|---| | 网络 | Cursor / Claude Code 直连不稳 | Trae 国内版直连 + Claude Code 走中转 | https://aiho.net/playbook/ai-coding/claude-md-best-practice.html https://aiho.net/playbook/ai-coding/claude-md-best-practice.html Sun, 02 Aug 2026 00:00:00 GMT CLAUDE.md 2026 最佳实践：它如何在 Claude Code 启动时读取、一份好模板的结构（项目结构 / 命令 / 约定 / 禁忌）、长度 vs 效果实测、/init 自动生成 vs 手写 vs 混合，以及与 .cursor/rules 的同步。 CLAUDE.md 是 Claude Code 的「项目记忆」——每次启动自动读取，决定它懂不懂你的项目。写好了，成功率从约 60% 拉到 85%+；但写得太多（2000 字）会污染上下文，反而抓不住重点。一份好的 CLAUDE.md 聚焦「项目结构 + 常用命令 + 编码约定 + 禁忌清单」四块，用 /init 生成初稿再手工精修最稳。 Claude Code 进入项目时，会按以下优先级加载记忆： 1. ~/.claude/CLAUDE.md — 用户级全局记忆（所有项目生效） 2. 项目根/CLAUDE.md — 项目级（最常用） 3. 子目录/CLAUDE.md — 局部覆盖（进入该目录时叠加） https://aiho.net/playbook/ai-coding/cursor-rules-best-practice.html https://aiho.net/playbook/ai-coding/cursor-rules-best-practice.html Sun, 02 Aug 2026 00:00:00 GMT Cursor Rules 2026 最佳实践：新版 .cursor/rules/*.mdc 对比旧版 .cursorrules，一份好 Rules 的 5 大块结构，5 套可直接复制的项目模板，Rules 长度对成功率的影响实测，团队 git 同步协作方式，以及常见错误排查。 Cursor Rules 是「给 AI 装项目记忆」最便宜的方式——写一次，每个对话自动注入。但 Rules 不是越长越好：超过 ~2000 字会污染上下文，模型反而抓不住重点，成功率不升反降。一份好的 Rules 只写五块（技术栈 / 约定 / 禁忌 / 风格 / 流程），拆成多个 .mdc 文件按需注入。 Cursor 现在推荐项目级多文件结构： | 维度 | 旧版 .cursorrules | 新版 .cursor/rules/.mdc | |---|---|---| | 形态 | 单文件 | 多文件目录 | | 注入方式 | 全量注入 | 可按 description 自动匹配 / always 常驻 | https://aiho.net/playbook/ai-coding/long-task-with-claude-code.html https://aiho.net/playbook/ai-coding/long-task-with-claude-code.html Sun, 02 Aug 2026 00:00:00 GMT Claude Code 跑长任务 2026 实战：/compact 节奏（什么时候压、压什么）、任务拆解（3 小时 = 6×30 分钟，每段独立 commit）、上下文管理（CLAUDE.md / @file / 临时 NOTES.md）、失败恢复（git reset + checkpoint 提示词），以及用 3 小时把 Nuxt 3 升级到 Nuxt 4 的真实案例。 Claude Code 是长任务编程体感最稳的工具，但「甩手让它跑 3 小时」目前还不现实。核心是节奏管理：每 30 分钟 /compact 一次压上下文、每完成一个子目标 commit、用 NOTES.md 当外部记忆、失败用 git reset + /rewind 恢复。这套节奏能把 3 小时长任务成功率从约 50% 拉到 85%+。 延伸阅读：Claude Code 深度评测 里的 30 分钟 / 1 小时 / 3 小时三档实测。 上下文接近上限时，模型开始「忘约定、跑偏」。社区共识： | 信号 | 动作 | |---|---|---| | 对话已超过 ~20 轮 | 主动 /compact，或 /clear 开新会话 | https://aiho.net/playbook/ai-coding/refactor-legacy-with-ai.html https://aiho.net/playbook/ai-coding/refactor-legacy-with-ai.html Sun, 02 Aug 2026 00:00:00 GMT 用 AI 重构遗留代码 2026 实战：重构前体检（圈复杂度 / 测试覆盖 / 依赖分析）、让 AI 先出重构计划再动手、分步骤提示词模板（拆分 / 提取 hook / 加测试 / 验证）、每步回滚策略，以及一个约 90 分钟的真实案例。 AI 重构遗留代码的成败，不取决于用 Cursor 还是 Claude Code，而取决于流程：先体检 → 让 AI 出重构计划 → 小步提交 → 每步可回滚。最大的坑是「让 AI 一口气大改 800 行」，结果 diff 没法 review、出错没法定位。把大任务拆成 5-10 个可验证的小步，成功率从约 50% 拉到 90%+。 动手前先用工具摸清代码债，别盲目相信 AI 的「我理解了」： | 检查项 | 工具 / 命令 | 目的 | |---|---|---| | 圈复杂度 | npm run lint（开 complexity 规则）/ sonarlint | 找出「该拆」的函数 | https://aiho.net/playbook/ai-coding/write-tests-with-ai.html https://aiho.net/playbook/ai-coding/write-tests-with-ai.html Sun, 02 Aug 2026 00:00:00 GMT 用 AI 写单元测试 2026 实战：三段式提示词（覆盖目标 → 边界条件 → mock 策略）、Vitest / Jest / Pytest / Go test 框架适配、让 AI 自查测试质量的 review 提示词，以及 CI 跑通的踩坑。 让 AI 写单元测试，已经从「能生成几行」进化到「能跑到 80% 覆盖」。但前提是给对提示词——无脑「帮我写测试」生成的东西往往只覆盖 happy path、边界缺失、mock 乱飞。用三段式提示词（覆盖目标 → 边界条件 → mock 策略），并让 AI 自查测试质量，效果立竿见影。 不要只说「给这个函数写测试」。把任务拆成三段喂给 AI： 给 src/utils/format.ts 里的 formatPrice / formatDate / slugify 写单元测试。 目标：行覆盖 ≥ 90%，每个导出函数至少一个用例。 明确覆盖率数字，AI 才会主动补分支。 重点覆盖以下边界： https://aiho.net/playbook/buyers-guide/ai-coding-tool-alternatives-guide.html https://aiho.net/playbook/buyers-guide/ai-coding-tool-alternatives-guide.html Sun, 02 Aug 2026 00:00:00 GMT 不想继续用 Cursor / Claude Code / Copilot 了？本指南用 AI 之家 统一五维评分法（能力/易用/性价比/中文支持/稳定性）教你系统评估替代品，附主流工具的「最佳替代品」直达入口与编辑部中立避坑建议。 搜「cursor alternatives」「claude code 替代品」时，排前面的往往是一批结构高度雷同的文章：同一套五维表格、同一个工具排第一、同样的话术。它们的排名常常和 affiliate（推广分成）挂钩，而不是和你的真实需求挂钩。 AI 之家 的做法相反：我们用统一五维标准、公开评分方法、标注利益关系、并给出反面结论。本指南不替你"选冠军"，而是教你自己用同一把尺子，从「为什么想换」出发，系统筛出最适合你约束的那一个替代品。 每个工具的「替代品」列表，都是按下面五个维度排好序的。理解这五个维度，你就能看懂任何一张工具卡的分： | 维度 | 含义 | 怎么看分（1–5） | |---|---|---| https://aiho.net/review/pageagent-deep-review.html https://aiho.net/review/pageagent-deep-review.html Tue, 28 Jul 2026 00:00:00 GMT PageAgent 深度评测：阿里巴巴开源的纯前端 JavaScript GUI Agent 框架，一行 script 标签嵌入任意网页，自然语言操控 UI——无需截图、无需多模态、无需后端。本文从架构原理、DOM 脱水技术、与 Playwright/browser-use 的对比、4 个真实场景和 5 类不推荐场景全面分析。 PageAgent 是 2026 年最值得关注的纯前端 GUI Agent 方案之一。 阿里巴巴开源、MIT 协议、一行代码嵌入、纯文本 DOM 分析——这些特性加在一起，让它成为为 Web 应用添加 AI 操作能力的最轻量选择。 但它的应用场景有明确的边界：适合嵌进你的 Web 应用里用，不适合从外部控制别人的网站。 理解这个边界，比评价它的功能更重要。 在评估 PageAgent 之前，先看一个更大的背景：浏览器自动化正在经历第三次范式转移。 https://aiho.net/news/2026/ai-coding-july-2026.html https://aiho.net/news/2026/ai-coding-july-2026.html Thu, 23 Jul 2026 00:00:00 GMT 2026 年 7 月 AI 编程圈主线不是'写得更好'，而是'管得更稳'：OpenAI 发布 GPT-5.6（Sol/Terra/Luna）并推 Ultra 多 agent 模式，Cursor 上 Grok 4.5 与 3.0 Agents Window，Claude Code 默认开启 auto mode，Codex/OpenHands/Zed 集体加审批与成本护栏。 - GPT-5.6 登场（7-09）：Sol / Terra / Luna 取代 GPT-5.5 时代，新增 Programmatic Tool Calling、多 agent beta、Ultra 模式（默认 4 并行、可配 16） - Cursor Grok 4.5（7-08）：跨桌面/Web/iOS/CLI/SDK，号称用 Cursor 代码库交互数据训练；Cursor 3.0 用 Agents Window 取代旧布局 - Claude Code：Sonnet 5 于 6-30 成默认模型，Fable 5 于 7-01 全球恢复；v2.1.206 默认开启云上 auto mode、新增 /commit-push-pr Dreaming.press / Neodrop / SDD 综合 https://aiho.net/news/2026/embodied-ai-h1-2026.html https://aiho.net/news/2026/embodied-ai-h1-2026.html Thu, 23 Jul 2026 00:00:00 GMT 2026 上半年具身智能跨过'实验室到规模量产'的拐点：宇树 IPO 过会、智元万台下线、Figure $39B 估值、NVIDIA 提出灵巧度 Scaling Law、波士顿动力 Atlas 量产。本文盘点十大标志性进展与仍存的现实温差。 - 宇树科技科创板上市委 73 天过会，成为 A 股"具身智能第一股"，并被 NVIDIA 选为 GR00T 开放参考机器人平台 - 智元机器人（AGIBOT） 2026-03-30 下线第 1 万台人形机器人，5000→10000 台仅用三个月 - Figure AI 以约 $39B 估值完成约 $1B C 轮，BMW 工厂部署 50+ 台 - NVIDIA 发布 GR00T N1.7/N2，首次提出"机器人灵巧度 Scaling Law"，并推出 Cosmos 3 与 Newton 1.0 - 波士顿动力 Atlas 进入量产，集成 Google Gemini；CES 2026 黄仁勋宣布"机器人 ChatGPT 时刻"已来 Embodied Global / 多家媒体综合 https://aiho.net/news/2026/unitree-ipo-2026.html https://aiho.net/news/2026/unitree-ipo-2026.html Thu, 23 Jul 2026 00:00:00 GMT 宇树科技科创板上市委 73 天过会，成为 A 股首家过会的'具身智能'企业；同一天 NVIDIA 宣布将其 H2 Plus 选为 Isaac GR00T 开放参考机器人。2025 年营收 16.99 亿、毛利率 60%，全球人形出货第一。本文拆解它的资本、技术与产业信号。 - 73 天过会：2026-03-20 受理，2026-06-01 上市委审议通过，创科创板最快纪录；2026-07-02 证监会注册获批，预计 2026 年 7 月下旬上市 - 募资约 42 亿元，估值约 $6.2B，投向具身 AI 大模型、新产品线与智能制造基地 - 同日被 NVIDIA 选中：H2 Plus 成为 Isaac GR00T 开放参考机器人本体，软硬协同获生态背书 - 财务硬核：2025 营收 16.99 亿（+335%），核心毛利率 60.13%，2025 人形出货全球第一（5,500+ 台，约 30% 份额） - 战略亏损：2026 Q1 净利同比 -47.7%，因研发与产能前置投入 TechTimes / 中国工业报 / China Daily 综合 https://aiho.net/wiki/agentic-coding.html https://aiho.net/wiki/agentic-coding.html Thu, 23 Jul 2026 00:00:00 GMT Agentic Coding（智能体编程）是 AI 编程的新范式：AI 不再只补全代码，而是自主规划、修改文件、运行测试并提交 commit，开发者退到提需求与审结果的角色。本文详解这一范式迁移。 Agentic Coding（智能体编程） 指的是：AI 编程助手不再只是"补全下一行"或"回答一个问题"，而是自主拥有一个编程任务——它自己读代码、做计划、改多个文件、跑测试、提交 commit，遇到错误自己修，全程不需要你在每一步点"同意"。 它和早期 AI 编程的根本区别： | 形态 | 开发者角色 | AI 行为 | |---|---|---| | 代码补全（Copilot 1.0 时代） | 写代码 | 猜下一行 / 下一个函数 | | 对话编程（ChatGPT 写片段） | 拷代码进项目 | 回答单轮提问 | | Agentic Coding | 提需求 + 审结果 | 规划→执行→验证→迭代，闭环自主跑 |