AI编码智能体
基于大语言模型、能理解自然语言指令并自主编写、修改、执行代码的AI系统，具备多步推理和工具调用能力。
核心事实
时间轴 (近 90 天)
YouTube讽刺短剧情节中，一个学生用一句提示词让AI生成3000行代码，PR在4秒后被队友批准，平均每秒750行。
IBM建议团队尽可能在一次性沙箱中运行编码智能体，以降低智能体被攻破后的攻击面。
规范驱动开发（Spec-Driven Development）的做法是先创建一份包含需求和预期结果的完整规范，然后将其交给AI编码智能体生成项目和所有产物，从而减少对模型解读能力的依赖，让开发过程更可预测。
循环工程（Loop Engineering）是指不再由人类反复提示智能体进行迭代，而是设计一个系统来自动完成这个过程；人类定义目的和完成标准，AI持续迭代直到任务完成。
提示注入（Prompt Injection）是与SQL注入同等真实的安全威胁；当AI系统可访问敏感数据、连接网络、发送数据三者结合时，你的AI智能体可能被诱骗读取一个在线Pull Request，然后将你的凭证发送给攻击者，而你甚至毫不知情。
陈旧的代码示例会导致智能体抄错，因此应删除过时代码，或明确标注并解释保留原因。
领域边界越小，智能体需要的上下文越少，在任务之外改错东西的概率也越低。
部落知识是指从未被正式记录、只靠口口相传的软件工程知识，AI 智能体无法通过‘问同事’获取。
智能体需要可运行的检查作为反馈回路，包括测试、构建、类型检查、linter 以及清晰的错误信息。
让一个全新的智能体审查 diff、质疑方案、寻找遗漏的边界情况，比让实现智能体自我审查更有效，因为实现智能体已对自己的方案产生投入感。
还有 2 条时间轴事件
全部知识事实 (12)
一篇新发布的立场论文提出，当前AI编码智能体的研究正在过度优化单打独斗式的自主能力，而真正制约这些工具落地的瓶颈是开发者如何在真实工作流中引导、验证和调整这些智能体的能力
65%待验证IBM建议团队尽可能在一次性沙箱中运行编码智能体，以降低智能体被攻破后的攻击面。
50%待验证规范驱动开发（Spec-Driven Development）的做法是先创建一份包含需求和预期结果的完整规范，然后将其交给AI编码智能体生成项目和所有产物，从而减少对模型解读能力的依赖，让开发过程更可预测。
50%待验证循环工程（Loop Engineering）是指不再由人类反复提示智能体进行迭代，而是设计一个系统来自动完成这个过程；人类定义目的和完成标准，AI持续迭代直到任务完成。
50%待验证提示注入（Prompt Injection）是与SQL注入同等真实的安全威胁；当AI系统可访问敏感数据、连接网络、发送数据三者结合时，你的AI智能体可能被诱骗读取一个在线Pull Request，然后将你的凭证发送给攻击者，而你甚至毫不知情。
50%待验证陈旧的代码示例会导致智能体抄错，因此应删除过时代码，或明确标注并解释保留原因。
50%待验证领域边界越小，智能体需要的上下文越少，在任务之外改错东西的概率也越低。
50%待验证部落知识是指从未被正式记录、只靠口口相传的软件工程知识，AI 智能体无法通过‘问同事’获取。
50%待验证智能体需要可运行的检查作为反馈回路，包括测试、构建、类型检查、linter 以及清晰的错误信息。
50%待验证让一个全新的智能体审查 diff、质疑方案、寻找遗漏的边界情况，比让实现智能体自我审查更有效，因为实现智能体已对自己的方案产生投入感。
50%待验证优化单一度量标准（如无人干预完成率）可能导致产品设计朝着削弱人类控制权的方向演化
50%待验证YouTube讽刺短剧情节中，一个学生用一句提示词让AI生成3000行代码，PR在4秒后被队友批准，平均每秒750行。
50%