Meta AI编程工具Muse Code输出每百万token仅0.2美元_服务软件

1. AI 做代码审查时每次都把整个仓库扫一遍，这个工具code-review-graph把 token 消耗减少了38到528倍。核心思路是：用 Tree-sitter 把你的代码库解析成结构图，建立函数、类、导入之间的调用关系，然后通过 MCP 接口告诉 AI assistant——这次改动涉及哪些文件，只读这些就够了，不要扫全库。1.问题是什么AI coding 工具做代码审查时，默认行为是把大量代码塞进上下文——因为它不知道哪些文件和这次改动有关，只好全读。项目越大，token 浪费越严重，延迟越高，成本越高。code-review-graph 在6个真实仓库上的测试数据：token 减少 38x 到 528x。不是平均值，是根据项目规模和改动范围浮动的范围。2.核心机制：Blast Radius 分析当一个文件发生变化，图会自动追踪：1）哪些函数调用了这个文件里的函数2）哪些类继承了这里的类3）哪些测试覆盖了这些代码路径这个影响范围叫「blast radius」——AI 只需要读 blast radius 内的文件，而不是整个项目。500文件的项目，初次构建约10秒；之后靠增量更新维护，2900文件的项目每次更新不到2秒。3.Monorepo 场景效果最明显大型 monorepo 是 token 浪费最严重的地方。README 里给了一个数字：27,700+ 个文件被排除在审查上下文之外，实际只读约15个文件。4.安装一条命令，自动识别你用的工具pip install code-review-graph code-review-graph install # 自动检测并配置所有支持的平台 code-review-graph build # 解析代码库 install 会自动检测你本地装了哪些 AI coding 工具，自动写入对应的 MCP 配置。支持平台：Claude Code、Codex、Cursor、Windsurf、Zed、Continue、Gemini CLI、GitHub Copilot、Kiro、CodeBuddy、OpenCode、Antigravity、Qwen、Qoder——14个平台一次搞定。底层存储用 SQLite，本地优先，不需要联网，不需要云服务。License MIT。5.接入 Agent 工作流通过 MCP 暴露工具接口，AI assistant 可以直接查询：1）这次 PR 的 blast radius 是什么2）哪些文件的风险评分最高3）哪些测试需要重新跑GitHub：github.com/tirth8205/code-review-graph#HOW I AI# #程序员#

2. 【别让“AI会让编程消失”成为你职业生涯的毒药】吴恩达在斯坦福的演讲里把这事儿挑明了：劝人别学编程是十年内最烂的职业建议。他举了个例子，懂艺术史的人用Midjourney能画出大作，因为他们懂光影和流派的专业词汇；不懂的人只会搜“画个漂亮的机器人”。编程也一样，AI没有取消对计算机科学的需求，而是把计算机科学基础变成了控制AI的“专业词汇”。现在的分水岭不在于你用不用AI，而在于你有没有那套“底层逻辑”。只会用Cursor写业务逻辑却不懂系统架构，写出来的代码就是一堆易碎的垃圾。吴恩达的招聘标准很毒辣：他宁愿要一个AI玩得溜的应届生，也不要一个拒绝新工具的十年老兵，但真正的“神级”选手是那些懂底层原理且能用AI加持的人。AI不是在替代你，它是在放大你的专业直觉。如果你把AI当成许愿的神灯，那你永远只能得到一块“巧克力饼干”级别的平庸产物。 x.com/techNmak/status/2083136678668173380

3. 【AI Agent的独立办公室：ego-lite如何解决浏览器自动化的登录与效率难题】ego-lite是一个专为AI Agent设计的浏览器，支持Claude Code、Codex等工具在独立空间内并行任务。它能直接继承Chrome的登录状态、Cookie和插件，Agent在后台处理数据抓取或自动化操作，用户在前台正常办公，互不干扰。通过将操作封装为JavaScript函数而非频繁的截图指令，其任务处理速度提升了2.5倍，并显著降低了Token消耗。现在的浏览器自动化工具大多在远程操控旧系统，导致Agent常卡在登录验证或因反复确认状态而烧掉大量Token。ego-lite的思路是把浏览器从工具变成环境，让Agent拥有原生权限。这种人机协作、状态共享的模式，避开了AI浏览器被单一模型绑定的局限，也解决了开源框架登录难的痛点。对于频繁使用终端Agent的开发者来说，这种低摩擦的衔接才是生产力落地的关键。 github.com/citrolabs/ego-lite

4. 你必须修炼自己的长板足够长，因为比全是不可能比得过AI的。过去的数年，我每年年初都会立一个当年好好学习编程的flag，以能独立维修好事发生App不期而遇的bug。年年告吹。直到去年年底，我不用专门再学代码了，因为我只要干中学就行了，我浅薄的编程知识已经足够我启动这一切，而启动之后我会另想办法，问题会自动消失。所以说，以我微小的经验，就是要一个长板足够长，懂传播可以，文笔好可以，哪怕是编程，特别懂编程架构也是可以的，你可以直接引领AI对吧。都不行的话，就锻炼身体，给自己一个无比强健的身板儿，身板也是长板。

5. 「Github一周热点125期」从零实现技术合集、离线蓝牙聊天、阿里代码审查Agent、AI Agent开源书和把书变成Skill

6. 【阶梯假说：为什么AI模型再强，你的下班时间也没提前】Jacob O'Bryant在回顾2026年AI编程时指出，生产力提升约2倍而非10倍。他提出阶梯假说：AI只要能跨过“自动反馈循环”这个台阶就够用了，模型再强也无法解决架构设计和文档逻辑等非客观问题。现状是AI写代码只需20%的时间，但剩下的80%都花在了人类的反复迭代和审查上。这件事的深层逻辑在于，对专业开发者来说，AI撞上了阿姆达尔定律的墙——编码只占工作的一小部分，沟通和对齐才是大头。但对于非专业人士，这却是从0到1的无限倍跨越。我们正进入小软件时代，那些以前不值得投入精力的个人工具、自动化脚本，现在通过Vibe coding瞬间成型。与其焦虑AI是否会取代职业程序员，不如看清它正把编程从一种生计变成一种随手可得的解决问题能力。 obryant.dev/p/2x-not-10x/

7. #微软Copilot收入暴增60%# 微软CEO纳德拉最新披露：Copilot系列产品收入环比增长超60%，GitHub Copilot用户突破5000万！AI编程助手正从技术亮点蜕变为真金白银的增长引擎。几个值得关注的点：· GitHub Copilot 5000万用户，成史上增长最快开发者工具之一· Microsoft 365 Copilot付费用户超3000万，90%财富500强在用· 单笔企业交易达74万席位，订阅模式日趋成熟· Azure全年营收首破1000亿美元，云+AI双轮驱动不过热闹背后也有隐忧——6月GitHub Copilot刚改按Token计费，部分开发者账单暴涨60倍，从“补贴尝鲜”转向“真实成本”的阵痛正在显现。Cursor、Claude Code等竞品也在紧追不舍。AI编程工具的“免费午餐”时代结束了，但商业化跑通的速度确实比预期快。你觉得Copilot能守住开发者心智吗？#AI编程##GitHubCopilot##微软财报##微博AI创作季##科技妈咪##微博新知##热搜AI创作激励大赛#

8. 【别把AI当架构师，它只是个不知疲倦的搬砖工】社区热议：本地大模型在编程中到底是效率神器还是负债制造机？资深开发者们指出，Qwen 3.6 27B等本地模型在处理特定函数、重构小块代码或编写单元测试时表现出色，但一旦进入超过50k Context的长对话或模糊的“代理模式”，就会开始胡言乱语、无视指令并堆砌技术债。核心真相是，AI编程的瓶颈不在模型参数，而在人类的“管理能力”。高手们把本地模型定位为“手速极快的初级程序员”：由人类或闭源强模型（如Claude）负责架构设计与拆解任务，本地模型只负责在严格约束下填充代码实现。成功的关键在于保持短会话、提供明确示例而非抽象规则，并坚持逐行审查。如果你指望它自动搞定复杂业务逻辑，它只会还你一堆能跑通但无法维护的垃圾代码。reddit.com/r/LocalLLaMA/comments/1vavh2h/software_engineers_do_you_honestly_get_anything

9. 吴恩达DeepLearning.AI 的 AI Code Review 教程，可以看看↓现在 AI 写代码的速度已经超过人工 review 的速度了，PR 看起来没问题，但可能悄悄漏掉了需求或者藏了安全隐患。这门课教你怎么让 AI reviewer 真正有效——核心不是模型本身，而是给 reviewer 的上下文够不够。课程内容：1）在开 PR 之前跑 AI review2）给 reviewer 注入任务上下文 + 仓库上下文，让它能发现需求遗漏和模式违规3）按风险分级处理 findings，把好的 feedback 变成可复用标准4）自己动手搭一个 context engine：chunking、embedding、向量搜索5）把安全专家 agent + 代码模式专家 agent 组合成一个联合 reviewer，效果超过单个通用模型链接：www.deeplearning.ai/courses/ai-code-review#how i ai##程序员#

10. 【600亿Token喂出来的“暴力”编程哲学：AGENTS.md】开发者 Marcos Hernanz 分享了他为 AI Agent 设定的核心指令集。这套规则的核心是“断舍离”：严禁保留向后兼容性、拒绝过度抽象、坚持最小可行化分层增长。作者坦言这套逻辑目前仅适用于个人项目，因为在 AI 辅助开发时，迭代成本变得极低，代码的保质期被极度压缩，个人的 Taste 变得比长效维护更重要。从解剖者视角看，这其实是传统工程思维在 AI 时代的激进演化。传统软件工程强调的鲁棒性和兼容性，在 Agent 视角下反而成了阻碍逻辑生成的累赘。最值得玩味的是第一条：放弃兼容。AI 往往会为了迁就几分钟前写的旧代码而反复打补丁，导致系统迅速腐烂。通过指令强制 AI 随时准备推倒重来，实际上是用 Token 消耗换取代码的纯净度。这提醒我们，当代码生成变得廉价，人类的职责正从勤奋的写作者转向冷酷的决策者。

11. 【代码差分界的高级乐高：pierre/diffs 正在定义 AI 时代的编辑器 UI】由 GitHub 与 Cloudflare 前资深团队打造的开源库 pierre/diffs 并非只是个美化版代码框，它基于 Shiki 构建，深度集成了编辑模式、合并冲突处理以及类似 Cursor 的变更采纳 UI。这套工具通过 CSS Grid 和 Shadow DOM 压低了渲染开销，支持 Token 级别的悬停交互，允许开发者在代码行内直接注入自定义的交互逻辑。在 AI 辅助编程狂飙的今天，代码呈现的逻辑正在从静态展示转向动态确认。国内开发者目前最缺的不是又一个高仿 GitHub 的样式，而是能快速构建 AI 协作闭环的底层工具。Pierre 的核心价值在于把复杂的变更交互抽象成了可插拔的组件，让“AI 提出建议、人类审查、一键接受”这一链路的开发成本降到最低。它不只是在解决代码对比怎么看的问题，而是在为下一代 AI 原生编辑器提供现成的基础设施。diffs.com Repo: pierrecomputer/pierre

12. 【AI编程的真相：是效率神器，还是制造面条式乱局的永动机？】一位开发者尝试用 Claude 花 81 天、提交 2600 次代码来用 Rust 复刻 Bash，虽然通过了 3000 个测试，但 AI 在处理几行小修补时会耗费数小时，面对大架构重构时却畏缩不前。Epoch AI 最新的 MirrorCode 基准测试也印证了这种长程任务的艰巨：即便顶级模型在重构中型项目时能达到 64% 的成功率，但单次尝试成本竟高达 2600 美元，且极度依赖现有的测试用例来纠偏。这件事揭示了 AI 编程的底层困境：RLHF 微调让模型倾向于给出局部正确的即时反馈，而非长远的架构设计，这导致初期 MVP 极快，但随后的功能堆叠会让代码迅速演变为充满补丁和重复的乱麻。AI 目前更像是一个需要严密监工的初级助手，而非独立架构师。如果没有人类主导的模块化设计和强行介入的重构，AI 只会不知疲倦地在错误的地基上盖摩天大楼，最终让维护成本呈指数级爆炸。

13. #DeepSeekV4Flash正式版上线#数码闲聊站对开发者来说最实用的几个升级点：Agent 能力大幅增强，做工具调用、复杂任务编排的稳定性和准确率明显提升；原生支持 Responses API 格式，迁移成本大幅降低；专门针对 Codex 做了适配，代码生成场景的体验更好；模型尺寸没变，推理成本和延迟和预览版持平，等于加量不加价。等于用同样的价格，拿到了能力更强的模型，对做 Agent 应用的团队来说是实打实的利好。

14. # 只写一个 Prompt，AI 就能独立做出完整游戏？这个网站收录了 40 个真实案例最近，一个名为 **Something Big Is Happening** 的网站上线了一个很有意思的 AI 游戏专区。这里展示的并不是传统游戏工作室开发的作品，而是一批主要由 AI 编程 Agent 自动完成的浏览器游戏。赛车、第一人称射击、多人联机、僵尸生存、动作 RPG、即时战略、太空探索、解谜冒险……目前网站已经收录了 **40 款可以直接在线运行的游戏**，而且还在持续增加。大部分作品不需要下载安装，打开浏览器就能体验。网站地址：网页链接## 它不只是一个 AI 小游戏合集从表面上看，这是一个 AI 生成游戏的在线试玩网站。但对 AI 技术用户来说，它更值得关注的地方，是这些游戏背后的开发方法——**Gauntlet Loop**。这一方法最初来自 Claude of Duty 项目。据项目作者 Matt Shumer 介绍，他只向 Claude Code 提交了一段 Prompt，然后让 Agent 自主工作。AI 在数小时内调用大量子 Agent，最终编写了大约 5.5 万行代码，并通过程序生成游戏中的纹理、模型、动画和声音。整个项目代码和原始 Prompt 随后都被公开。其他开发者拿到这段 Prompt 后，又将它改造成赛车、射击、冒险、生存和多人联机等不同类型的游戏。Something Big 的 Games 页面，就是这些实验成果的集中展示。## 什么是 Gauntlet Loop？Gauntlet Loop 可以理解为一种由多个 AI Agent 参与的自动迭代工作流。它的核心不是让 AI 一次性生成一个“差不多能用”的结果，而是给它设定一个足够高、能够实际比较的质量标准，然后持续执行：**拆分任务、生成结果、独立评审、发现差距、重新修改。**在这个过程中，主 Agent 会把大型目标拆解成多个可以独立优化的部分。例如开发一款游戏时，可以分别处理：* 场景与光照* 角色与武器* 移动和射击手感* 敌人行为* 音效与视觉特效* 菜单和交互界面* 性能与兼容性每个模块由 Builder Agent 负责开发，再由一个拥有独立上下文的 Critic Agent 负责检查。Critic 不听开发 Agent 解释“为什么这样设计”，而是直接查看真实运行结果，将它与参考作品或者质量指标进行比较。只要差距仍然明显，就继续将问题交回 Builder 修改。换句话说，它试图解决 AI 编程中的一个常见问题：**AI 很容易在作品刚刚能够运行时，就认为任务已经完成。**Gauntlet Loop 则通过外部标准和独立评审，让 Agent 不断寻找当前版本与优秀作品之间最大的差距。## 这里的游戏已经做到什么程度？网站中的作品并不只是传统意义上的 HTML 小游戏。例如：**Kart Royale** 是一款可以直接在浏览器运行的卡丁车竞速游戏，包含漂移、道具和完整赛道。**Der Koloss** 支持四人合作，拥有语音聊天、僵尸波次、武器升级和多人联机系统。**Pastel Nuketown** 是一款多人竞技场射击游戏，手机横屏也可以运行。**The Long Silence** 提供程序化星球探索，作者称其在一次约24小时的运行中完成，而且没有使用外部美术素材。**Starfall** 则尝试在浏览器中实现类似 Homeworld 的太空即时战略体验，包括多种舰船、星球和程序化视觉效果。这些游戏当然不能直接等同于成熟商业游戏，也存在性能、画面一致性、操作体验和 Bug 等问题。但真正值得注意的是：过去需要程序、美术、动画、音效和策划共同完成的原型，现在一个人借助 AI Agent，已经可能在较短时间内完成可运行、可分享甚至支持多人联机的版本。## 对 AI 开发者有什么启发？Something Big 展示的不只是“AI 会不会做游戏”，而是一种新的软件生产方式。### 第一，Prompt 正在从指令变成管理机制优秀的 Agent Prompt 不一定要把每个技术步骤写得非常详细。更重要的是明确最终目标、质量标准、评审机制和持续改进规则，让 Agent 自己决定技术路线和任务拆分方式。### 第二，Evaluator 可能比 Generator 更重要许多 AI 应用已经能够快速生成代码、页面和内容。真正困难的部分，是如何让 AI判断结果是否足够好。Gauntlet Loop 的关键设计，就是不让生成者评价自己的作品，而是引入独立 Critic，直接检查代码运行结果、页面像素、测试数据或最终成品。### 第三，Agent 可以从助手变成执行团队过去使用 AI 编程，通常是开发者提出一个问题，AI 返回一段代码。而在多 Agent 工作流中，一个主 Agent 可以负责规划，多个 Builder 并行开发，Critic 负责验收，最后再由新的 Agent 处理整体一致性。开发者的角色开始从“逐行写代码”，转向“设定目标、提供资源、制定标准和控制成本”。### 第四，这种方法不只适用于游戏Gauntlet Loop 的作者认为，这种工作流还可以用于网站开发、产品设计、营销方案、文章写作、研究分析和后端工程。例如：做网站时，可以把优秀同类网站作为视觉基准。做后端时，可以把测试通过率、延迟、安全审查和故障恢复能力作为标准。做内容时，可以分别评审标题、结构、论证、案例和语言表达。关键是不要只告诉 AI“继续优化”，而要为它提供一个能够被检查、被比较的明确质量标尺。## 值得每一位 AI 技术用户亲自体验如果你正在使用 Claude Code、Codex 或其他 AI 编程 Agent，这个网站很值得花时间浏览。你可以把它当作：* AI 游戏作品试玩平台* Agent 编程案例库* 多 Agent 协作实验室* 浏览器 3D 与 WebGPU 技术展示* AI 原生软件开发的灵感来源更重要的是，这些项目让我们看到，AI 编程的下一阶段可能不再只是“帮开发者补全代码”，而是让一个人能够调度一整支由 Agent 组成的虚拟开发团队。打开网站，随便选择一款游戏运行几分钟。你看到的不只是一个由 AI 制作的小游戏，也可能是未来软件生产方式的一次提前预演。**网站：Something Big Is Happening****体验地址：网页链接

15. Muse Spark 1.1发布 Meta编程AI Agent 扎克伯格

16. Meta不装了，代理编程价格直接砍到每百万输入1.25美元，扎克伯格这次把AI账单卷疯了

Meta AI编程工具Muse Code输出每百万token仅0.2美元

精选参考来源