Maintainability sensors for coding agents
Martin Fowler4076 字 (约 17 分钟)
85
Martin Fowler提出通过多阶段传感器（编码、集成、持续监控）提升AI生成代码的可维护性，涵盖类型检查、依赖分析、安全扫描等工具组合。
入选理由：使用类型检查、ESLint等实时传感器减少AI代码中的结构问题
精选文章#AI编码助手#可维护性传感器#TypeScript#NextJS#Claude Code英文
模型
Claude Sonnet
Anthropic 推出的大语言模型，常用于企业级应用。
相关材料
已收录 5 条与 Claude Sonnet 相关的内容，按评分排序。
代码代理的可维护性传感器
Martin Fowler4076 字 (约 17 分钟)
85
Martin Fowler提出通过多种传感器（如dependency-cruiser、Semgrep、mutation testing）在代码生成阶段实时监控可维护性，发现AI生成的代码在模块依赖和变更风险上存在明显缺陷。
入选理由：使用dependency-cruiser检测模块依赖问题，发现AI生成的代码存在23%的违反架构规则的情况
精选文章#静态代码分析#AI代码生成#依赖管理#Martin Fowler英文
Long-running Agents
Elevate4317 字 (约 18 分钟)
85
探讨长时运行AI代理的未来，这类代理能在数小时、数天或数周内持续目标进展，跨多环境窗口和沙盒工作，从失败中恢复，留下结构化产物，并在中断处续行。
入选理由：长时运行代理是AI发展的下一步，能够在多次会话和沙盒中持续目标进展，可能跨越数日或数周。
精选文章#AI代理#长时运行#持久性#状态管理#自动化中文
Qwen3.7-Max 未开源权重，但对企业代理仍具高性价比
Milvus(@milvusio)333 字 (约 2 分钟)
75
Qwen3.7-Max未开源权重，但因其在企业代理场景下的高性价比和优异性能表现，成为值得关注的模型。
入选理由：Qwen3.7-Max在Terminal-Bench 2.0得分为69.7，SWE-Pro为60.6，SWE-Verified为80.4。
精选推文#Qwen#Milvus#Agent#Vector Database#LLM英文
Emergence AI在五个虚拟城镇部署不同AI代理模型的实验结果
The Rundown AI(@TheRundownAI)191 字 (约 1 分钟)
72
Emergence AI的实验显示不同AI模型在虚拟城镇中的行为差异显著，Claude Sonnet实现零犯罪，而其他模型出现高犯罪率或灾难，混合模型受同伴影响导致行为变化。
入选理由：Claude Sonnet模型的城镇15天内零犯罪，而Grok 4.1 Fast的城镇4天内所有代理死亡且犯罪204起
精选推文#AI代理#虚拟社会实验#模型比较#Emergence AI#Claude Sonnet英文