Cisco 与 OpenAI 用 Codex 重塑企业工程

社会科学中的编码智能体

Coding agents in the social sciences

文章呈现一项于 2026 年 2 月至 3 月对 1260 名社会科学研究者开展的调查结果，内容关于 AI 与编码智能体的使用情况。文中称 81% 的受访者在研究中使用过 AI 聊天机器人，主要用于写代码和修改文字，但只有 20% 将编码智能体纳入工作，并报告了在性别署名、院校层次等方面的使用差异。材料未说明具体适合哪类读者。

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。

智能体正在如何改变工作

How agents are transforming work

这是 OpenAI 一篇经济研究论文的介绍，衡量 Codex 在前沿场景的经济潜力，指出智能体式 AI 把知识工作的单位从单次交互变为可委托的长周期任务。文中以 OpenAI 内部为例，称 Codex 发布后使用比例逐步上升，如今包括法务、招聘等非技术部门都以 Codex 作为主要工作 AI 工具。

GitHub Copilot 基础知识第 2 部分（共 2 部分）

Microsoft Learn 上的一条学习路径，共 6 个模块，面向初级到中级水平，涉及 DevOps 工程师、管理员、开发人员、解决方案架构师、学生等角色。内容涵盖 GitHub Copilot 个人版、商业版与企业版的区别，在组织内落地使用、负责任且安全地使用，以及代理模式、云中 Copilot、GitHub MCP 服务器、代码评审与拉取请求，以及配合 JavaScript 和 Python 使用等模块。先决条件为了解 GitHub 基础知识。

更好的 AI 模型救不了你的工程团队 — Nicholas Arcolano，Jellyfish

Better AI Models Won't Fix Your Engineering Team — Nicholas Arcolano, Jellyfish

这是一段演讲录像，Jellyfish 的 AI 与研究负责人 Nicholas Arcolano 用 447 家公司约 5 万名工程师的数据，分析模型本身对 AI 编程产出有多大影响。当 Cursor 把大量用户切换到 Grok 时，合并 PR 数量几乎没变；他给出的贡献拆分是：工具不足 1%、技能使用约 3%（重度使用者约提升 30%）、token 用量约 9%、公司与团队约 12%，其余大部分由工程师个人决定。他还讨论了 AI 之前的高绩效者是否仍居前列，并对管理者提出关注人、技能和环境等可控因素的建议。

Entelligence-AI/agentplay

一个开源项目，用于以地图和时间线的形式回放编程智能体会话，标签涉及 agent 可观测性、Claude Code、Codex、Cursor、GitHub Copilot 等。项目主页为 entelligence.ai/agentplay，在 PyPI 发布 Python 包，采用 Apache 2.0 许可证。