让 LLM 可靠更新 README：先过滤再定位的分步法实测最优
KhuyenTran16 · x · 2026-10-27
用 LLM 更新 README 看似简单实则易错：每个变更都要判断「是否该进 README」和「该放在哪一节」。作者在 Python 项目上尝试多种方法，每次都遇到不同错误：漏掉新变更、放错章节、加入只有维护者关心的内部细节。作者对比了四种策略：一次性整体更新、逐节更新、先定位每条变更归属再更新对应章节、先判断变更是否该收录再定位。结论是「先过滤、再定位」的方式最可靠，作者还分享了配套的 skill 文件。
「编程与Agent」频道最新
- GPT-6.1 Terra 浏览器基准 78.5 分，以低 35% 成本逼近 Sol — sandersted · 2026-10-27
- 研究提出「记忆税」：多数 Agent 记忆系统跑不赢朴素 RAG — omarsar0 · 2026-10-27
- 异步 RL 训练配方趋同：score centering 加掩码重要性采样成默认 — _lewtun · 2026-10-27
- 开源 NanoCrew v0.1：Docker 沙箱里跑 AI agent 编队，MIT 协议自托管 — ComprehensiveKale373 · 2026-10-27
- GitHub 总部 session：探讨如何训练智能体适应真实世界 — t2govind · 2026-10-27
- HashiCorp 联创用 Codex 收尾一天：让 agent 做竞研与原型 — OpenAI · 2026-10-27