更多讲座

YouTube3 天前

讲座进阶

Anthropic 如何每天合并 3 万次代码变更——Manish Kapur（Sonar）与 Addy Osmani（Anthropic）

How Anthropic Merges 30,000 Code Changes a Day - Manish Kapur, Sonar & Addy Osmani, Anthropic

AI 导读

对话讨论编码代理提交 PR 速度快于人工评审的现状，区分“明”“暗”两类软件工厂，并介绍 Anthropic 如何从每天约 2,500 次合并扩展到约 30,000 次，由 Claude 做首轮审查并附上真实验证证据。还涉及 Sonar《State of Code》调查数据，以及为何流水线每个环节都需要独立、多层的验证，结尾谈及是否给代理写的 PR 打标签及何时可安全合并。适合负责代码评审流程与 CI 体系的工程团队阅读。

打开原文
分级
值得看
收录时间
2026-11-02
教程发布 10-18
YouTube

教会你的智能体证明自己完成了任务

Teach Your Agent to Prove It's Done — Nick Nisi & Zack Proser, WorkOS

WorkOS 的 Nick Nisi 和 Zack Proser 讲解如何为编码智能体构建验证闭环，让智能体检查自己的工作，内容包括设定可检查的目标、CLI 健康检查、浏览器快照、LLM 评判与评估，使失败能驱动下一轮修复而不是落到人手上。演示使用“Midnight Snack Club”示例应用并附有可跟随的代码仓库。适合开发编码智能体或使用智能体写代码的工程师。

进阶代码审查与验证编程智能体
查看详情 →
博客发布 10-15
Claude Code 团队博客

Claude Code 团队如何进行代码评审

How the Claude Code team does code review

这是 claude.dev 博客的一篇工程文章（2026 年 10 月 15 日发布，阅读约 14 分钟），作者为 Addy Osmani、Morgan Westlee Lunt 和 Qing Wang。文章讨论在智能体大量产出代码的情况下如何评审，介绍 Claude Code 团队在实现高覆盖和深度评审后，转而优化“不增加回滚或事故前提下所需的最少人工评审时间”，并列出重新思考评审目的、人的时间与注意力是稀缺资源、分层评审、“你提交你负责”以及团队如何采纳该流程等章节。

进阶代码审查与验证编程智能体
查看详情 →
博客发布 06-04
Hugging Face

将 hf CLI 设计为面向智能体优化的 Hub 使用方式

Designing the hf CLI as an agent-optimized way to work with the Hub

这篇文章介绍 Hugging Face 官方命令行工具 hf 的重新设计，使其同时服务人类用户和编码智能体（如 Claude Code、Codex、Cursor）。文中说明 hf 可完成模型、数据集、Spaces 的下载上传以及仓库、分支、Jobs、Buckets、Collections 等管理，并通过智能体设置的环境变量识别其调用；作者称在复杂的多步任务中，手工用 curl 或 Python SDK 的智能体消耗的 token 最多可达使用 hf CLI 的 6 倍。

进阶工具调用与协议编程智能体
查看详情 →
讲座发布 10-09
YouTube

别再重复提示了 — Greg Pstrucha，Sentry

Stop Prompting — Greg Pstrucha, Sentry

这是 Sentry 调试智能体 Seer 背后基础设施的开发者 Greg Pstrucha 的演讲，主张不要把反复纠正的内容一遍遍写进提示，而应固化为确定性规则。他说明智能体没有记忆，压缩上下文后同样的错误会再次出现（防御过度的代码、无用的测试、没人需要的接口），而测试、严格类型尤其是 linter 可以把这些纠正变成可自动检查的规则，并给出 Sentry 的实际例子：让接口与 OpenAPI schema 保持同步的 lint 规则，以及维护智能体技能准确性的反复修补。对于无法量化的判断，他使用书面策略和“暴躁工程师”评审循环，并提醒智能体会针对测试覆盖率之类的指标做投机取巧。适合使用 Claude Code 等编码智能体并想减少重复纠错的开发者观看。

进阶代码审查与验证技能与规则管理
查看详情 →
博客发布 06-18
Hugging Face

智能体性够强吗？用你自己的工具链评测开放模型

Is it agentic enough? Benchmarking open models on your own tooling

文章讨论编码智能体使用软件库的方式，提出库除了正确和快速，还应便于智能体驱动。作者以 transformers 为案例，构建了一个关注“答案如何得出”而不只是最终答案的工具专用评测框架，测量不同模型、库版本和任务下找到答案所需的工作量，并给出完全基于开放模型和 pi 编码智能体的简单实现。

进阶模型基准与比较智能体评测
查看详情 →
博客发布 10-26
YouTube

如何构建 AI 代码审查智能体——Daksh Gupta，Greptile

How to Build an AI Code Review Agent - Daksh Gupta, Greptile

这是 Greptile 联合创始人 Daksh Gupta 的演讲，介绍该公司对想要自建代码审查智能体的公司的建议。他从沙箱加 webhook 的简单方案讲起，说明该方案会漏掉缺陷、每个 PR 花费 3 至 25 美元并产生大量细枝末节的挑刺，随后逐项介绍改进方法：更聚焦的提示词、历史事故 PR 数据集、模型反转（用 GPT 审查 Claude 写的代码反之亦然，可多发现约 10% 的缺陷）、代码库上下文与持续更新的 wiki、在沙箱中借助 computer use 自主测试，以及把多数子任务交给更便宜的模型。视频带有章节时间戳。

进阶代码审查与验证费用与资源优化
查看详情 →