在 AI 编程领域，大家似乎正处于一个认知错觉的顶点：随着 Coding Agents 独立完成任务的难度和范围逐渐增加，Coding 领域的 AGI 似乎就可以实现？
我有个观察：善用 Coding Agent 的人有个共同点——他们擅长定义问题、拆解问题、验收结果。这类人通常有技术管理经验。
这两天都在研究 ralph，一个你睡觉时，都能不眠不休替你干需求、榨干任何 Coding Agent 的工具。
今天是一期硬核的话题讨论： Coding Agent 评测。 AI 编程能力进步飞速，在国外御三家和国产中厂四杰的努力下，AI 编程基准 SWE-bench 的分数从年初的 30% 硬生生拉到了年底的
我们对 Coding Agent 的评测，可能搞错了方向。 一个反复出现，但常常被忽略的现象是：用户对 Agent 的不满，往往不是因为它「做不到」，而是因为它「做得不好」。 「做得不好」集中表现在：
AI Coding火到不用多说，但怎么用才最高效呢？这份连大神卡帕西和OpenAI总裁Greg Brockman都在转发推荐的Coding Agents指南，用3招教你快速交付。大神们在转，网友也在夸
企业级场景和Vibe Coding，很大程度是相悖的。 文｜邓咏仪 编辑｜苏建勋 仅用半年时间，杨萍就目睹了AI Coding赛道有多疯狂。 2024年，Vibe Coding赛道发展如火如荼。Cur
Gambo 称自己为 “世界上第一个 Game Vibe Coding Agent”。用户只需描述游戏类型、主题或风格，AI 就会自动生成场景、角色、交互与音效，并把这些内容编织成一个可玩的世界。
AI Coding 或者 Coding Agent，或许是当下最火热的 AI 赛道。这是模型能力的主线，更强的代码能力，意味着模型能够解锁更多应用场景。
这篇文章不只是关于 Coding Agent 的使用体验，也包括对相关关键技术，例如语言搜索、MCP 的探索和理解。Coding Agent 结合 MCP 是一种值得探索的新的自动化方式。
