Entelligence-AI/agentplay

GitHub Octoverse 2026

Simon Willison 在 GitHub Universe 现场的记录，介绍 GitHub 发布的年度 Octoverse 报告要点：2026 年每月合并的拉取请求不到一年增至三倍、达到 2.2 亿次，每月提交量增至 7.38 亿亿次级规模（超三倍，即 73.8 亿次），新仓库创建速率翻倍至每月 3030 万个。文中还提到报告新增按行业划分的数据、涉及“互操作性或逆向工程”的仓库统计，以及按国家、行业、互操作性的方法论说明。作者说明自己是通过 GitHub Stars 项目获得免费门票参会的。

如何写出你的第一个 AI 评估（Eval）——SallyAnn DeLucia，Arize AI

How to Write Your First AI Eval - SallyAnn DeLucia, Arize AI

这是 Arize AI 产品负责人 SallyAnn DeLucia 的实操工作坊录像，讲如何从依赖“感觉检查”转向正式的 AI 评估。内容涵盖 eval 的定义及其与单元测试的区别、主要评估类型（LLM 作为评审、决策模型、代码评估、人工标注、agent 作为评审）、如何阅读 trace、如何写出具体的通过/失败标准，以及在 Arize 的 prompt playground 中构建并迭代 LLM 评审。视频附有分章节时间轴。

Charonyuu/whatsmyagentdoing

一个 Claude Code / Codex 技能，输入 /myoffice 后可在浏览器中以小办公室画面的形式实时查看本机上各个 Claude Code、Codex 和 Gemini CLI 智能体正在做什么，提供 3D、2D 和列表视图。通过 git clone 到相应 skills 目录安装，需要 Node 18 以上，并带演示模式。

Louis-CFM/coucou

一个驻留在 Mac 刘海区域（Windows 和 Linux 为屏幕顶部）以及 iPhone 和 Android 手机上的小工具，用于监视 Claude Code、Codex、Cursor、Gemini CLI、Antigravity 等 AI 编码 Agent 的会话，可在刘海上或锁屏界面批准权限、查看工作进度、投放文件和与 Claude 聊天。

Cisco 与 OpenAI 用 Codex 重塑企业工程

Cisco and OpenAI redefine enterprise engineering with Codex

OpenAI 于 2026 年 5 月 27 日发布的案例文章，介绍 Cisco 大规模部署 Codex 的情况，包括推进 AI 原生开发、加速 AI Defense 相关工作以及自动化缺陷修复。文中列出 Cisco 企业规模、行业与所用产品（API、Codex）等信息，并提到超过 95% 的新增 AI 相关工作由 Codex 参与等结果数据。

如何判断你的 AI 智能体是否靠谱：用 Phoenix 与 Claude 做评估

How to Know If Your AI Agent Is Any Good: Evals With Phoenix & Claude — Laurie Voss, Arize AI

这是 Laurie Voss（Arize AI 开发者关系负责人、npm 联合创始人）的一场工作坊录像，以一个由 Claude 驱动的金融分析师智能体为例，搭建完整的评估闭环：用 Arize Phoenix 做追踪、阅读追踪记录、编写代码评估和 LLM-as-a-judge 评估、测试评判模型本身是否可信、用实验验证提示词修复效果、从 Claude Haiku 4.5 升级到 5.5，并在 CI 中用 npm test 做门禁。开场用例是智能体写出“116% 分析师同意”这类自信错误。适合构建生产级智能体、关心评估流程的工程师。