AI 编程实时动态与要闻

随着 AI 代码智能体（Coding Agents）在解决软件 Bug 与单步算法题上日趋成熟，学术界开始将其推向更具挑战性的‘物理世界逆向工程与空间离散装配’领域。斯坦福大学（Stanford University）与法国国家信息与自动化研究所（Inria）联合研究团队在最新成果（arXiv:2610.12452）中推出了首个针对文本驱动 3D 积木装配设计的智能体基准套件 BrickBench 及交互沙箱 BrickAgent（项目主页：brickben.ch）。在 BrickBench 中，代码智能体接收一段高层语义文本 Prompt（如‘拼装一架带有双螺旋桨的倾转旋翼飞机’），必须从离散的标准零件库中挑选积木块，编写确定性代码进行三维空间坐标与咬合位姿规划。装配结果不仅要严格满足语义对齐，更必须经受物理引擎关于局部咬合互锁、力学重心与全局刚度约束的严苛验证。实测表明，尽管当前顶尖代码智能体能够编写出通过语法测试的拼装代码并大体满足基础几何约束，但其在结构力学自洽性与审美精妙度上依然显著落后于人类积木大师，为物理空间 Coding Agent 建立了全新的评测里程碑。

@DanKornas 介绍 antonbabenko/deliberation：面向编码决策的开源 MCP 服务与 Claude Code 插件。可把计划、审查与调试任务路由到 GPT、Gemini、Grok 及 OpenRouter 上的模型，由 Claude 合成答复而非直接贴出原文；支持七类领域专家、咨询/落地模式、仲裁共识环与运行分析。GitHub 抓取时约 155 星，采用 MIT 许可。

Sebastien Lorber 指出 Safari 27 内置 MCP 服务器已结束测试、可供编码智能体使用。WebKit 官方说明该 MCP 可把智能体接到真实 Safari 窗口，读取 DOM、网络请求与截图等调试信息，便于在 WebKit 环境做验收；内容在本地处理，不上传至 Apple。此前智能体测 Safari 常需改走 Chromium，现在可直接用 safaridriver --mcp 一类路径对齐用户侧渲染。

OpenAI 开发者账号宣布 Appshots 支持 Windows。用户可从正在使用的应用直接把界面、调试现场或跨应用数据作为上下文交给 ChatGPT，减少复制粘贴，覆盖调试、复刻 UI 与拉数等场景。

Agent Native 实测并发布：用 Software Mansion 的 Argent，可通过 Codex（含 GPT-6 Astra）远程操控一部 iPhone。安装命令为 npx @swmansion/argent init，让编码智能体拥有可操作的本机手机环境，适合移动端调试与端到端自动化。

New Relic（@newrelic）宣布 New Relic MCP Plugin 已上线 Claude Marketplace（claude.com/plugins/newrelic），可将可观测数据直接接入 Claude，用于更快调试与 AI 驱动排障。

Guillaume Laforge（@glaforge）发布 Antigravity Brain Visualizer v0.6.0：用于检查、理解与调试 Antigravity 智能体会话；本版重点包括单次 Gemini 3.8 Flash 会话分析、git checkpoint diffs、artifacts 浏览器，以及 token/成本估算。

OpenAI 员工 reach_vb 介绍：更新 Codex 并选用 Astra 后，可在 ~/.codex/config.toml 开启 [features.context_management] experimental_mode = true。实验特性支持跨上下文窗口保留笔记，并搜索更早消息与工具输出（含笔记未记下的细节），适合长调试与大型重构；需 ChatGPT Plus / Pro / Pro Lite 登录。

Google DeepMind 发布 Gemini 3.7 Flash。官方称其在调试与问题修复等关键编码任务上相对 3.6 Flash 有明显提升，能用更少提示设计更可用的 Web 布局与应用，并在真实业务工作流中提高推理与准确度。现可在 Antigravity 试用，API 接入 Google AI Studio 与 Android Studio；Google AI Pro / Ultra 订阅用户可在 Gemini App 的 Gemini Spark 中使用。

Anthropic 正式发布面向终端开发者的 Claude Code 2.0。新版本重构了底层上下文感知系统，引入离线 AST 语法拓扑与跨文件符号引用图，使大型工程上下文消耗降低 45%。同时全新支持本地 CI 失败日志自动捕获与闭环修复流，大幅提升多文件复杂 Bug 的一键排除效率。

阿里通义千问团队开源发布了针对长程软件工程强化的 Qwen2.5-Coder-32B-Instruct 增量权重。通过引入高质量代码执行反馈与多轮合成排错轨迹，该模型在 SWE-bench Verified 上取得了 48.9% 的解决率，刷新了 32B 参数量级开源模型的全球最高纪录，并在单张 RTX 4090 / A10G 上支持长达 128k 上下文推理。

Google DeepMind 扩充了 Project Astra 的开发者套件，支持同时绑定屏幕代码编辑器与外接显微镜/高帧率摄像头双视频流。在物联网与嵌入式开发中，Astra 能够实时比对固件代码与示波器/开发板指示灯物理状态，在硬件发生故障的瞬间定位具体寄存器或驱动代码缺陷。