关于 vane 梳理了一部分“good first issue”，结果来了个印度老哥用 AI 直接全部刷完了。。。没想到一个新项目都会有这种刷 PR 的行为存在。 现在这个时代使用 AI 编程已经属于默认的行为了，之前也和朋友聊过这个话题，作为一个开源项目本身就有社区的属性，参与到项目开发本质来说也是相互信任的过程。 比较好奇，在当前 Vibe Coding 的背景下，对于这种 First-time contributor 一次性提交多个 PR，或者一个特别大的功能，该如何处理比较合适 🤔

#SK海力士# 首个交易日（周五）盘中以预发行（When-issued）临时代码 $SKHYV 进行交易，下周一开始才正式切换为常规代码 $SKHY 开展正常交易 首日上涨13.08%，市值1.22万亿美元

最近参与了 @Greptime greptimedb 的 good first issue，能够感觉到作为一家商业化的数据库公司，对于开源社群运营还是比较积极的，从认领 issue 到 pr 被 merge，团队成员都能及时响应，这个体验就很棒 👍。 AI 时代的可观测性，应该会有很多好玩的场景出现，有时间的话折腾起来看看🤔 #greptimedb#

VeloNews:Strategy Buys Back $1.38B Of Debt Notes It Had Previously Issued Source: Court Filing VeloNews:Strategy公司回购了此前发行的13.8亿美元债券 ———————————— 2026-05-15 20:05:09

现在有非常多的新的 Agent 协作产品使用 Linear 这种 Issue + 看板的方式。但是 Linear 自己都已经放弃这种产品形态了，下一阶段的 “Agent 看板” 会是什么形态？这个问题想了很久，还没想到完美的答案。

最近使用multica感觉有一些混乱 混乱的缘由来自于大量不同主题的issue被混杂在一起，任务和结果不甚清晰 同时我每天会给系统下发大量的研究性任务，这些issue做完就是做完了，所以我优化了一下早报的机制，让openclaw精选10条值得继续推举下去的issue 这样会形成一个数据飞轮，有想法>>继续推进>>产生更多想法>>更多的想法被精选推进 其实很多时候，你不是缺少想法，而是缺乏将行动落地的执行力，有了这个推进机制，想法和创意也可以更快的落地 我称之为 issue的复利！ 所有闪耀的伟大起源于平凡。

我靠，GitHub 现在已经开始把 AI Agent 当“仓库员工”用了。 不是你打开 Codex。 不是你复制一段 Prompt。 而是你的仓库自己按时间、按 Issue、按 PR 触发 AI 去干活。 这个项目叫：GitHub Agentic Workflows。 GitHub： 它最炸裂的地方是： 你不用手搓一大堆 GitHub Actions YAML。 你只要在仓库里写一个 Markdown 文件，告诉 AI： 什么时候开始干活； 它可以访问什么； 它要完成什么任务； 最后允许它提交什么结果。 然后它会把这些自然语言指令，编译成真正能在 GitHub Actions 里跑的自动化流程。 官方文档： 比如你可以让它： 每天扫描仓库 Issue，找重复问题； 每周整理项目进度，生成一份状态报告； 发现依赖更新后，先分析风险再创建 PR； 新 PR 出现时，先做一轮代码审查和测试建议； 定时检查文档是不是已经和代码脱节。 这才是 AI 自动化真正开始恐怖的地方。 以前自动化是： “如果 A 发生，就执行 B。” 现在自动化变成： “如果 A 发生，让 AI 先理解上下文，再决定 B 应该怎么做。” 这中间差的不是一个工作流。 差的是“脚本”开始变成“会思考的执行者”。 而且它并不是让 AI 直接拿到所有权限乱改。 GitHub Agentic Workflows 默认会把执行放在隔离环境里，并尽量采用只读权限；涉及写回仓库的动作，需要明确配置。 这点非常重要。 AI 能自动修代码，很酷。 AI 能自动删掉你的生产配置，也很酷。 只是后者会让你当场去世。 如果你有 GitHub 仓库，可以先用这条命令安装： ```bash gh extension install github/gh-aw ``` 未来真正厉害的开发者，可能不是写代码最快的人。 而是最早让自己的仓库开始“自己运转”的人。