长周期编码代理的连续验收与跨平台协作机制

Multi-step SWE 用 69 条连续工程任务测量 Coding Agent 维护自身代码的长期可靠性:最强模型整条任务成功率只有 18.5%;Ryan X. Charles 则公开跨 Claude Code、Codex 和 Grok 的多 Harness 软件工厂实践,通过 Git Ref 抢占、共享 Skills、独立审查和精确提交验收协调工作。两篇文章共同追问:如何让 Agent 在多轮迭代与多运行时协作中,仍保有可追溯的任务状态与独立验证?

November 12, 2026 · 2 min · Cedric

编码代理跨越软件与硬件的工程交付验证

Anthropic 展示 Fable 5.2 驱动的长时编码代理:从 Python→Rust 生产服务迁移到千余子代理协作构建可启动操作系统;OpenAI 展示 GPT-6 Astra 将需求、PCB、CAD 和固件连接起来,做出实体设备并接受制造审查。共同问题是复杂工程成果如何从模型演示走向可验证的交付。

November 10, 2026 · 1 min · Cedric