Coding Agent 最常见的成本，不是把代码写崩，而是让人不断纠偏。 一项分析 20,574 个真实 Coding Agent 会话的研究发现：90.5% 的可见失配没有造成不可逆损坏，但 91.49% 的解决过程仍需要用户明确纠正。 所以评测 Coding Agent，除了成功率，还得看两个地方：人工打断次数、返工分钟数。 这两项更接近真正的使用成本。

Coding Agent 的发展真的是一个矛盾体啊。Coding Agent 的巨大市场潜力来自于 Coding 这个事情的价值。但是如果 Coding Agent 完全成功了，那么 Coding 这个事情也就失去价值了，Coding 失去价值了，那 Coding Agent 不也失去价值了吗。

Coding Agent 会让人产生大量的错觉，做出个东西觉得是个绝世好产品，发出来之后发现，除了自己基本没人用。这样的东西会大量产生。 然后，真正的好产品就会出现了

Coding Agent 的最佳组合是： - Codex 规划方案（算法、架构、逻辑、Debug） - Claude Code 执行 每次 Codex 给出的方案，Claude 都赞不绝口，疯狂点赞。 每次 Claude 给出的方案，Codex 都认为太 naive / 不优雅。

把 coding agent 的会话日志在代码库 3D 夜景地图上回放，让你直观看清智能体探索、读取、改动了哪些文件。 这是个单文件 Go 程序，读 Claude Code 和 Codex 的会话日志，在本地把整件事跑完，日志不会传出去。然后把仓库铺成一张夜景地图，文件被搜、读、改得越狠，亮得越明显；地形和树两种视角、回放拖拽、时间轴标记和点击查文件都齐了。

AI coding 真的要进入「按任务算账」时代了。 Databricks 最近做了一个很有意思的内部 benchmark：直接拿自家多百万行代码库里的真实 PR 来评测 coding agent，用真实测试判断任务是否完成，而不是只看公开榜单。 这件事最有价值的地方在于，它更接近真实开发现场。 公开 benchmark 里表现好的模型，放到复杂代码库里未必划算；token 单价便宜的模型，也可能因为读得更多、跑得更久，最后任务成本更高。 文章里还有一个很关键的发现：harness 影响很大。同一个模型，放进不同工具链里，成本可能差两倍以上。 所以未来公司选 coding agent，可能不能只问「哪个模型最强」，而要问： 在我的代码库里，它能不能用最低成本稳定完成真实任务？ 公开榜单只能告诉你模型有多强，真实代码库才能告诉你它值不值得进入工作流。

🔍 coding agent 的省 token 神器来了——cocoindex-code，一条命令给你的代码库做语义搜索 刚开源不久，靠“省 70% token”的卖点 star 涨得很快。 让 Claude Code、Codex 这类 agent 在大项目里改代码，它经常要把一堆文件读进上下文才找得到地方，token 哗哗烧，还慢。 cocoindex-code 用 AST 给你的代码库建语义索引，agent 要找哪段逻辑，它精准捞出相关代码片段喂过去，官方实测直接省 70% token，搜索还更快。 底层是 Rust 写的数据引擎，装上一分钟、零配置就能用。它能以 Skill 或 MCP 的形式接进 Claude、Codex、Cursor 任意一个 coding agent。 让 agent 在大仓库里改代码，既快又不烧钱。 GitHub：

去年 coding agent 颠覆了软件开发模式。最近看了几部 AI 短剧，质量很高了，特别是 AI 漫剧，简直和建模的没太大分别了。影视行业是不是也到了被颠覆的临界点了。

AI Coding Agent 真正让人崩溃的，从来不是写错代码，而是它根本不听话 这篇论文适合所有重度使用 Claude Code、Codex 或其他 AI Agent 的人。 它研究的不是 benchmark 上的失败，而是真实开发中最扎心的问题： AI coding agent 到底是怎么不断消耗开发者时间和信任的？ 研究分析了 20,574 个真实 coding agent sessions，把“失败”定义为：开发者开始打断、纠正或反驳 Agent 的那一刻。 结果非常现实： 最常见的失败原因，不是代码写错，而是 Agent 反复违反开发者明确说过的约束。 比如你明确说过： 1.“别改这个文件” 2.“先别动代码” 3.“只做最小修改” 它却还是忍不住多做一点。 你让它先解释清楚问题，它却顺手开始改代码； 你让它验证完再汇报结果，它没跑完就直接宣布“搞定了”。 论文还发现了一个有趣差异： CLI Agent 更容易违反约束，因为它常被委托执行更长、更开放的任务； IDE Agent 则更容易出现局部实现错误，因为它像贴身 copilot，交互过于频繁。 最累人的是，这些失败往往不会立刻造成灾难，而是持续消耗你的判断力。 你得一直问自己：它有没有听懂？有没有越界？有没有真的验证过？ 这和我自己的感受完全一致。 AI coding 真正让人感到疲惫的，从来不是“写得慢”，而是得反复为它擦屁股。 所以我真正期待的 coding agent 进步，不是“写得更快”，而是能不能持续对齐开发者意图、严格遵守边界、准确汇报进度。 AI coding 的核心难点，可能从来不是技术能力，而是别让我反复判断它到底有没有听话。 🔖 收藏这篇论文。 推荐所有在用 AI coding agent 的人看一看。

AI Coding 时代，好的编程习惯仍然重要 最近做一个 Agent benchmark，发现不能简单地用开发者视角来评估一个编程任务对 AI 的复杂度。 比如一个重构任务：把一个几千行的大文件，按功能拆成十多个小模块。 这个任务对开发者来说其实不算难，主要工作就是移动代码、整理 imports、编译验证，新手也能搞定。 所以想着用一个简单的任务来做一下 benchmark，结果却出乎意料。 Claude Code 判断这个任务比较大，尝试拆了一部分，提了个 PR 写了 Future work 打算分步来。 我自己的 Agent 是“硬上”，往完整拆分的方向推进了更多，但代价也很明显：Token 消耗是 Claude 的几十倍，后面大量时间都花在反复读文件、修编译错误、再读文件、再修错误上。 这让我意识到，人觉得简单的任务，对 Agent 不一定简单。 对人来说，这类重构很多时候就是“把这一段挪过去”。但对 Agent 来说，它要先分批读大文件，记住哪些函数和哪些测试有关，再生成一堆跨文件修改，最后通过编译错误一点点补洞。看起来像机械活，实际变成了一个高 Token、高状态管理成本的任务。 前一段时间看到有人说，AI Coding 时代，拆分模块这些编程原则没那么重要了，反正人也不看代码。现在看，我不太同意。模块边界清楚、文件粒度合适、依赖关系简单，不只是方便人读，也是在帮 Agent 降低任务复杂度。 从另一个角度看，现在 Agent 的读文件和改文件工具，对这种重构也不太顺手。 Coding Agent 改文件，主要还是文本替换。比如 Claude Code 常见的是 old_string / new_string 模式：先给出一段旧文本，再替换成新文本。Codex 常用的是 apply_patch：生成一个类似 git diff 的 patch，表达把旧的内容替换成新的。它们都适合小范围修改，但如果要删除一大段旧代码，或者把一批函数挪到别的文件，模型往往还是要先把原始内容读进上下文，再生成一大段替换或 diff。 所以我后来给 Agent 一个提示，让它先用脚本、sed、perl 这类工具把大文件粗拆开，直接把旧内容删掉，写到新文件中，然后再逐个慢慢修，它的完成度确实高了许多。Agent 默认不会这样做，主要是因为系统提示词里会强烈要求 Agent 用内置工具修改文件，而不是命令行工具。 再往前想一步，Coding Agent 可能还需要更高级的编辑工具。不是只给它一个“替换文本”的接口，而是先通过 parser、LSP 或 compiler 建立代码结构，让 Agent 可以像 IDE 一样做重构：移动函数，删除 impl block，整理 imports。不知道是否有朋友做这方面的尝试。 总的来说，即便是 AI Coding 时代，好的编程习惯还是有价值的。尽量在早期通过 harness engineering，把好的编程习惯变成 Agent 的默认工作方式，比后来再重构的成本要小很多。