Clauday.

max-sixty/worktrunk 是个管理 git worktree 的命令行工具，专门为并行跑 AI agent 的工作流设计。7,198 个 star，又一次上了 GitHub 趋势榜，一天涨 137 星，9 月 8 日发了 v0.77.0，最近的提交就在昨天。仓库在 https://github.com/max-sixty/worktrunk 。…

一个叫 Real-SWE 的评测上线了，地址 https://withspecific.com/real-swe ，头条数字会让不少人不痛快：榜首模型的任务解决率是 38.8%，是 Fable 5.1。第二是 GPT-6 Astra，33.8%。第三 Gemini 3.8 Flash，31.2%。截至 2026 年 9 月一共测了八个前沿模型，没有一个上 4…

所有人都有那种感觉：agent 写的代码烂得更快。Earendil 的 Sebastian 把它量化了，差距干净得有点滑稽：人类仓库的冗余度 0.15、侵蚀度 0.31，AI 生成的代码是 0.33 和 0.68。两个维度都正好两倍，误差棒还窄到有意义。原文在 https://earendil.com/posts/measuring-code-sloppin…

RTK 一直被当成编程 agent 的免费午餐传：把终端输出过一遍，省 60% 到 90% 的 token。Quesma 跑了 1740 次基准测试去验，答案是不成立。Fable 5.0 的成本降了 1% 到 5%，看你怎么算。DeepSeek V4 Pro 的成本涨了 5% 到 17%。完整报告在 https://quesma.com/blog/does-…

PI-Desktop 一天涨了 636 颗星到 2250。一个 Electron 加 Rust 内核的应用能这样，说明有不少人默默同意它的前提。前提是：你的编程 agent 应该跑在你自己的机器上，用你自己的密钥，中间不该有强制的云端中继。 它是一个桌面工作台，Electron 前端加 Rust host core，包着 pi agent harness。…

9 月 10 日 Cognition 发布 SWE-2，所有人会引用的数字是 Terminal-Bench 2.1 拿到 92.8，SWE-1.7 是 81.5。但真正的信息藏在下一段：底座模型是 Kimi K3，2.8 万亿参数，中国做的，开源权重。 一家估值 480 亿美元的美国编程 agent 公司，拿中国开源底座做后训练，然后在价格上把 GPT-5…

openai/plugins 昨天涨了 505 颗星，总数到 6161。对一个内容基本都是 JSON 的仓库来说，这个轨迹挺怪。它装的是 Codex 插件的分发格式，外加一份精选市场清单，而这份清单一直在稳定地攒名字：Qodo 周一进来，CrowdStrike 的 Foundry 和 Fusion 上月底进来，旁边还有 Figma、Notion、Netlif…

teamai-cli 一天涨了 563 颗星，它瞄准的问题正是多数团队用 agent 到第三个月会撞上的那个：全组每人用的 agent 都不一样，Claude Code、Codex、Cursor、CodeBuddy、OpenCode 各来一套，每一套都带着自己的规则、自己的 skill、自己对你代码库的理解，谁的上下文都传不到别人那里。腾讯的答案是把团队共享…

Mastra 这个从 Gatsby 出来、又走过 Y Combinator 的团队，昨天以 405 票拿下 Product Hunt 第一，产品叫 Mastra Factory。官方定位是开源的、由 agent 驱动的软件交付环境，说人话就是一个简单主张：工作的单位是一个 issue，而接手它的不是你。 它实际打包了什么：常驻的编码 agent、仓库工作区…

昨天 Hacker News 上票数最高的自然流量帖，不是发布也不是论文，是一个叫 Milos 的开发者做的网页小游戏，前提只有一句话：把 Add to Cart 按钮改成蓝色，别的什么都别动。你点选项，看助手怎么就是不肯老老实实干这一件事。整站变蓝了。关于蓝色在哲学上意味着什么的讨论开始了。到结尾它已经开出了 23 个 agent。906 分，371 条评…