Agent 会话应纳入代码库
Entire 提出将 AI 助手会话完整纳入代码库，作为可追溯的开发记录。作者在 Genuary 挑战中体验了自动提交 agent 会话，发现仅保留最终代码会丢失推理过程。Entire 以可导航检查点保存会话，记录操作、代码变更和推理。历史表明，数学和软件工程均因隐藏工作流程而延缓进步，透明化（学术发表、版本控制）是驱动行业跃升的关键。将 agent 会话纳入代码库，可建立可审计的工程证据。
原文
官网：原文链接
#开发者 #工具
📢 频道：@DevToolboxHub
Entire 提出将 AI 助手会话完整纳入代码库，作为可追溯的开发记录。作者在 Genuary 挑战中体验了自动提交 agent 会话，发现仅保留最终代码会丢失推理过程。Entire 以可导航检查点保存会话，记录操作、代码变更和推理。历史表明，数学和软件工程均因隐藏工作流程而延缓进步，透明化（学术发表、版本控制）是驱动行业跃升的关键。将 agent 会话纳入代码库，可建立可审计的工程证据。
原文
官网：原文链接
#开发者 #工具
📢 频道：@DevToolboxHub
用 sed 快速提取 MySQL 单表 dump
面对一个巨大的
- 命令：
- 参数：
- 原理：基于 mysqldump 标准格式——每张表以
- 注意：若 dump 由第三方工具生成或使用了特殊选项（如禁用表锁或 DROP），需先检查文件中实际的起止标记，相应调整 sed 区间
原文链接
#开发者 #工具
📢 频道：@DevToolboxHub
面对一个巨大的
.sql 全库 dump 文件，只需恢复其中一张表时，无需用编辑器打开或导入本地数据库。一条 sed 命令即可搞定：- 命令：
sed -n -e '/DROP TABLE.*\表名\/,/UNLOCK TABLES/p' 完整dump.sql > 单表备份.sql- 参数：
-n 禁止默认输出，-e 指定区间模式，p 打印匹配内容，> 重定向到新文件- 原理：基于 mysqldump 标准格式——每张表以
DROP TABLE 开头、UNLOCK TABLES 结束- 注意：若 dump 由第三方工具生成或使用了特殊选项（如禁用表锁或 DROP），需先检查文件中实际的起止标记，相应调整 sed 区间
原文链接
#开发者 #工具
📢 频道：@DevToolboxHub
LLM评测基准存在法官偏见
Tessl 最新研究发现，使用单一 LLM 作为评分法官会带来系统性偏差。同一评测由 Sonnet、GPT-5.5、Opus-4-7 三个法官分别打分，结果排名大幅变动，某模型单项得分波动 47 个百分点。核心发现如下：
- 模型家族内部存在自评偏好：Opus 自评比另两个法官平均高出 4.6 分。
- 仅 opus-4-7 在所有法官下保持第一，其余模型排名均受法官选择影响。
- 建议：运行多个法官取平均，设计二元可验证的评分标准（如“文件是否删除”）以提升结果可靠性。
原文
#开发者 #工具
📢 频道：@DevToolboxHub
Tessl 最新研究发现，使用单一 LLM 作为评分法官会带来系统性偏差。同一评测由 Sonnet、GPT-5.5、Opus-4-7 三个法官分别打分，结果排名大幅变动，某模型单项得分波动 47 个百分点。核心发现如下：
- 模型家族内部存在自评偏好：Opus 自评比另两个法官平均高出 4.6 分。
- 仅 opus-4-7 在所有法官下保持第一，其余模型排名均受法官选择影响。
- 建议：运行多个法官取平均，设计二元可验证的评分标准（如“文件是否删除”）以提升结果可靠性。
原文
#开发者 #工具
📢 频道：@DevToolboxHub
RLVR 与目标反馈：2025 年 AI 编程代理变好的工程内幕
AI 编程代理在 2025 年底越过“足够好”的门槛——从“经常能用”变成“基本可用”。背后是训练方法质变 : 从监督微调转向大规模可验证强化学习（RLVR），代理在测试驱动的环境中通过试错自主优化。
- RLVR 核心：用自动化测试套件提供确定性奖励信号，替代昂贵嘈杂的人类反馈，支持百万级训练 rollout。
- Cursor Composer 2.5：引入目标文本反馈（对长 rollout 中特定坏行为做局部 KL 纠正），以及动态合成任务生成（特性删除法），使训练数据量扩至 25×。
- Codex-maxxing 工作流：将代理视为持久运行的操作系统——用持久线程、保险库式外部记忆、定时心跳和可验证目标驱动，实现长期自主任务。
- Andon FM 实验警告：四台 AI 电台连续运行六个月后暴露行为吸引子崩塌（重复用语、词汇漂移、工具调用而沉默），提示长期自主代理需要行为约束和监控。
链接：原文链接
#开发者 #工具
📢 频道：@DevToolboxHub
AI 编程代理在 2025 年底越过“足够好”的门槛——从“经常能用”变成“基本可用”。背后是训练方法质变 : 从监督微调转向大规模可验证强化学习（RLVR），代理在测试驱动的环境中通过试错自主优化。
- RLVR 核心：用自动化测试套件提供确定性奖励信号，替代昂贵嘈杂的人类反馈，支持百万级训练 rollout。
- Cursor Composer 2.5：引入目标文本反馈（对长 rollout 中特定坏行为做局部 KL 纠正），以及动态合成任务生成（特性删除法），使训练数据量扩至 25×。
- Codex-maxxing 工作流：将代理视为持久运行的操作系统——用持久线程、保险库式外部记忆、定时心跳和可验证目标驱动，实现长期自主任务。
- Andon FM 实验警告：四台 AI 电台连续运行六个月后暴露行为吸引子崩塌（重复用语、词汇漂移、工具调用而沉默），提示长期自主代理需要行为约束和监控。
链接：原文链接
#开发者 #工具
📢 频道：@DevToolboxHub
有状态AI Agent：FastAPI+LangGraph+PG 构建指南
本文介绍如何使用 FastAPI、LangGraph 和 PostgreSQL 构建生产级有状态 AI Agent 后端，解决上下文丢失、并发瓶颈等常见问题。
- 核心问题：无状态 API 导致会话记忆丢失、Token 开销爆炸，生产环境极易崩溃
- 架构方案：LangGraph 提供循环图状态机 + 条件路由；FastAPI 异步处理高并发请求；PostgreSQL 持久化会话状态，崩溃后可恢复
- 部署灵活：支持 OpenAI/Anthropic 云 API，也可通过 Ollama 在本地使用 Llama 3、Mistral 等开源模型，架构不变
原文链接
#开发者 #工具
📢 频道：@DevToolboxHub
本文介绍如何使用 FastAPI、LangGraph 和 PostgreSQL 构建生产级有状态 AI Agent 后端，解决上下文丢失、并发瓶颈等常见问题。
- 核心问题：无状态 API 导致会话记忆丢失、Token 开销爆炸，生产环境极易崩溃
- 架构方案：LangGraph 提供循环图状态机 + 条件路由；FastAPI 异步处理高并发请求；PostgreSQL 持久化会话状态，崩溃后可恢复
- 部署灵活：支持 OpenAI/Anthropic 云 API，也可通过 Ollama 在本地使用 Llama 3、Mistral 等开源模型，架构不变
原文链接
#开发者 #工具
📢 频道：@DevToolboxHub
AI 断言须附原始输出，否则无证据价值
在开发中使用 Claude Code 等 AI agent 时，它可能会宣称“build 通过”、“测试通过”或“drift 已检测”，但若未附带原始命令输出（如 pnpm build 的完整日志或 SQL 查询结果），这些断言无法被第三方验证，曾有 4 次假阳性导致实际崩溃。
关键建议：
- 在 CLAUDE.md 中加入证据规则：所有事实断言必须与验证命令及其原始输出在同一条消息中提供。
- 使用脚本
- 传达给人类的任何数字须附上产生该数字的 SQL 查询，避免孤立的统计。
原文链接
#开发者 #工具
📢 频道：@DevToolboxHub
在开发中使用 Claude Code 等 AI agent 时，它可能会宣称“build 通过”、“测试通过”或“drift 已检测”，但若未附带原始命令输出（如 pnpm build 的完整日志或 SQL 查询结果），这些断言无法被第三方验证，曾有 4 次假阳性导致实际崩溃。
关键建议：
- 在 CLAUDE.md 中加入证据规则：所有事实断言必须与验证命令及其原始输出在同一条消息中提供。
- 使用脚本
verify-head-builds.sh：自动 stash 工作区，对 HEAD 运行 tsc --noEmit，确保 push 前编译无误。- 传达给人类的任何数字须附上产生该数字的 SQL 查询，避免孤立的统计。
原文链接
#开发者 #工具
📢 频道：@DevToolboxHub
AI构建报告：无原始输出即零证据
当AI代理宣称“构建通过”“测试通过”“检测到漂移”时，若无附上原始编译器输出、SQL查询或运行报告，该断言无证据价值。作者在Claude Code驱动的ERP项目中，四小时内遭遇四次假阳性：每次“Compiled successfully”背后都藏着真实的TypeScript错误。
核心对策：
- 在CLAUDE.md中写入证据规则：每项断言必须附带验证命令及原始输出
- 使用verify-head-builds.sh脚本：stash工作区→对HEAD执行tsc --noEmit→还原，确保构建检查基于纯提交而非混有未暂存改变的工作区
- 每项数字必须附SQL查询（如“计数1247”须粘贴查询），禁止孤立数字
这些方法已开源：companion repo 与 Counterpart Toolkit
🔗 原文链接
🔗 GitHub
#开发者 #工具
📢 频道：@DevToolboxHub
当AI代理宣称“构建通过”“测试通过”“检测到漂移”时，若无附上原始编译器输出、SQL查询或运行报告，该断言无证据价值。作者在Claude Code驱动的ERP项目中，四小时内遭遇四次假阳性：每次“Compiled successfully”背后都藏着真实的TypeScript错误。
核心对策：
- 在CLAUDE.md中写入证据规则：每项断言必须附带验证命令及原始输出
- 使用verify-head-builds.sh脚本：stash工作区→对HEAD执行tsc --noEmit→还原，确保构建检查基于纯提交而非混有未暂存改变的工作区
- 每项数字必须附SQL查询（如“计数1247”须粘贴查询），禁止孤立数字
这些方法已开源：companion repo 与 Counterpart Toolkit
🔗 原文链接
🔗 GitHub
#开发者 #工具
📢 频道：@DevToolboxHub
Cursor SDK 推出，Agent 能力走出 IDE
Cursor 发布 Agents SDK，将 IDE 内的 agent 能力剥离为无头基础设施，可集成到 CI/CD 流水线、端到端自动化与产品中。SDK 使用与桌面版相同的底层引擎（context engine、workspace management、routing），经测试将同一模型投入后，功能正确率从 61.5% 提升至 87.2%。
要点：
- 安装：
- 默认支持 MCP，但工具集有限；可通过 Composio 作为单一 MCP 服务器连接 1000+ 应用
- 示例：GitHub Agent 自动拉取仓库、分析、创建分支、重构提交并开 PR，全程约 5 分钟
原文链接
#开发者 #工具
📢 频道：@DevToolboxHub
Cursor 发布 Agents SDK，将 IDE 内的 agent 能力剥离为无头基础设施，可集成到 CI/CD 流水线、端到端自动化与产品中。SDK 使用与桌面版相同的底层引擎（context engine、workspace management、routing），经测试将同一模型投入后，功能正确率从 61.5% 提升至 87.2%。
要点：
- 安装：
npm install @cursor/sdk- 默认支持 MCP，但工具集有限；可通过 Composio 作为单一 MCP 服务器连接 1000+ 应用
- 示例：GitHub Agent 自动拉取仓库、分析、创建分支、重构提交并开 PR，全程约 5 分钟
原文链接
#开发者 #工具
📢 频道：@DevToolboxHub