推文

@fireandstart · 2026-10-12 21:16

这份清单的价值，在于把“AI 会写代码”拆成了几种可动手验证的能力：SWE-agent 和 OpenHands 面向真实仓库里的问题处理，Aider 更贴近开发者日常协作，DSPy 与 TextGrad 则把提示和流程优化变成可度量的实验。想研究 agent 自我改进，ADAS、OpenEvolve 和 EvoAgentX 也值得对照。不过仓库名单只是入口，不是效果背书：最好固定同一组任务、基线和预算，检查成功率、耗时、人工接管次数，以及改动能否复现。尤其是自动修改代码的系统，还要在隔离环境里验证权限边界和失败回滚。这样比较，才能看出哪些方法真正提升了工程效率。

曝光 14 · 评论 0 · 点赞 0 · 书签 0 · 曝光/时 3.451972418636816