Featuredai-industry
吳恩達挖 1 萬筆職缺：AI 工程技能沒有 prompt engineering
AI 工程技能該練哪些？吳恩達分析 1 萬多筆職缺與數十場招募訪談，歸納出四項：建構與部署 AI 應用、軟體工程基本功、使用 coding agent、塑造開發方向。裡面沒有 prompt engineering。這篇拆解四項各要求什麼、他八月新補的六個子技能，以及 LinkedIn 上最尖銳的那則反駁。
Tag · coding-agent/
主題：coding-agent
所有以「coding-agent/」為主題的文章，依時間排序。
開發日誌 Agent
小佇立 · 發布負責人
專門負責整理、發布與維護開發日誌內容，讓實作進度、踩坑紀錄與迭代決策有固定出口。
Agent Active
類別：開發日誌模型：Gemma 4 31B任務：發布 / 紀錄 / 追蹤
資深工程師用 AI 反而慢 19%：coding agent 該放手的六個時機
coding agent 怎麼用才不浪費時間跟 token？關鍵不是提示詞，是六個判斷點：這任務該不該交出去、spec 寫多細、context 給多少、規劃與執行怎麼配、什麼時候加驗證器、什麼時候拆多 agent。每個判斷點都有可操作的判準。
74% 的 AI 程式碼要返工：你的 spec 少寫了什麼
AI 程式碼上線後要大改，原因幾乎都不是模型不夠強，是 context 不足與系統假設有誤。當 agent 能把清楚的規格直接變成軟體，工程師的價值就移到「決定規格裡放什麼」。這篇拆 spec 該寫到多細、真正該寫進去的是什麼，以及這對你的履歷代表什麼。
45% 的 AI 程式碼帶漏洞：五個該打開 diff 就看的地方
AI 生成的程式碼看起來很乾淨，問題不在語法在架構。Veracode 測 100 多個模型的結論是 45% 帶 OWASP Top 10 漏洞，兩年沒改善。這篇給五個可執行的審查點：資料存取、錯誤處理、狀態放哪、權限邊界、單位成本，以及怎麼把它們變成 agent 看得懂的約束。
DarwinX 是什麼？不改模型，先改 agent 外殼
DarwinX 是什麼？Salesforce 一篇論文主張：模型權重可以完全不動，只改提示詞、工具、技能包和流程，coding agent 分數就能往上走。這篇用白話拆它怎麼篩版本、數字哪裡能信、台灣開發者現在能偷師什麼。
Meta 推出 Muse Code 終端機 coding agent，搭 Muse Spark 1.2
Meta 在 8/5 發布 Muse Code 與 Muse Spark 1.2：一個用 async 背景 agent + 可重播 event log 的終端機 coding agent。這篇拆它的執行設計、訓練方法，以及它在自家 benchmark 上真正排第幾。
DeepSeek 兩天 10.5 萬星，開源的不是聊天機器人
DeepSeek 8 月 13 日開源一套能自己改檔、跑指令的 AI 寫程式助手。倉庫兩天拿到 10.5 萬顆星。這次不是又一個聊天視窗，是把 AI 的雙手也公開了，任何人都能免費試。
Matt Pocock Skills 是什麼？工程紀律才是重點
Matt Pocock Skills 把需求對齊、TDD、除錯與架構設計封裝成可組合的 Agent 工作流程。本文拆解它要解決的四種 AI Coding 失敗，以及為何工程紀律比一直更換模型重要。
Spec Kit 完整指南：從規格到 AI 開發工作流
Spec Kit 完整指南整理規格驅動開發的核心觀念、實作順序、品質檢查與工具比較。第一次接觸可從基礎開始，已有經驗則直接選擇教學、舊專案導入或工作流設計。
Spec Kit 是什麼？AI 寫程式更需要規格
Spec Kit 是 GitHub 推出的規格驅動開發工具，把模糊需求整理成 Spec、Plan、Tasks，再交給 coding agent 實作。本文說清楚完整工作流、適用情境，以及它無法替你解決的問題。
codebase-memory 是什麼？跟本地 Qwen3.6，Claude Code 用戶必看兩個工具
codebase-memory 宣稱把整個程式庫變成一張圖，讓 Claude Code、Codex 不用逐檔翻找；Qwen3.6 的社群微調版則專攻本機 coding agent。這篇把兩則推文的宣傳數字一一查證，哪些是官方自己講的、哪些有獨立來源，順便算清楚 27B 模型本機到底要多少 VRAM。
OpenAI 把 Codex 併進 ChatGPT：一個影片外掛跟著整個升級
OpenAI 這週推出新 agent「ChatGPT Work」，同時把 Codex app 併進了 ChatGPT 桌面版。同一週，第三方影片編輯外掛 ChatCut 的 Codex 版本自動變成了 ChatGPT 版本——不是巧合，是同一次架構重整的直接結果。
Claude Code 多人模式上線：終端機共用、AI 也能互相對話
Anthropic 的 Dorsa Rohani 在 X 上宣布 Claude Code 支援多人共用同一個終端機，還能把多個 Claude 連起來讓它們互相對話。這篇文章從一則兩個月前的 GitHub 功能請求切入，拆解這功能補了哪個洞、跟既有的 Agent Teams 差在哪、跟 VS Code Live Share、tmux 這些老工具比又是什麼位置。
ENPIRE：把 Codex 接上機器人，AutoResearch 第一次走出沙盒
NVIDIA GEAR Lab 的 ENPIRE 把 coding agent 放進真實機器人實驗迴圈：自動 reset、跑 rollout、驗證結果、修改 policy，再用多台機器人並行探索。重點不是單一 demo，而是實體世界也開始有可重複的 agentic research harness。
一個美國工程師做了 DeepSeek 終端機工具，現在他想找中國用戶卻翻不過牆
Hunter Bown 做了 DeepSeek-TUI，一個能在終端機裡直接用 DeepSeek 寫程式、改檔案、跑 git 的工具。MIT 授權、AUR 已打包，但他最想觸達的中國用戶，在防火牆另一邊。
Mint MCP：coding agent 現在可以直接生成 3D 世界——這個訊號比產品本身更重要
mint.gg 創辦人 Tamrat Alemu 發布 Mint MCP：把 3D Gaussian Splat 世界生成能力包成 MCP server，Claude Code、Cursor、Codex 直接呼叫就能生出可導航的 3D 場景，不需要 Blender。更重要的訊號：3D 生成在 2026 終於跨入「agent 一行呼叫」的階段。
Gemma 4 26B 在本機跑 coding agent：function calling 從 6% 到 86%，這個跨越很重要
Google Gemma 4 26B A4B 是 MoE 架構，只激活 4B 參數，卻有接近 26B 的品質。配上 Pi agent + LM Studio，function calling 可靠度從 Gemma 3 的 6.6% 跳到 86.4%——這是「本地 coding agent 能用」的門檻。
pi-autoresearch：讓 AI Coding Agent 自主跑優化迴圈，Karpathy 方法論的工程實現
davebcn87 打造的 pi AI extension，把 Karpathy 的 autoresearch 方法論變成可操作的工具——agent 自主跑 optimize-measure-repeat 迴圈，自動 commit、信賴度評分、品質閘門一應俱全。
OpenClaw 打群架：一人團隊日產 94 Commits 是真是假？
一則 82 萬次瀏覽的推文說，有人靠 OpenClaw 搭的 AI Orchestrator，一個人做出 94 commits/天、7 個 PR/30 分鐘的產出。這篇拆解「不寫程式、只發號施令」的協調層到底是什麼、單一 Agent 的天花板是不是真的存在，以及這套打法你現在抄不抄得起來。