模拟职场实测:AI 编码智能体完票率不足一成
The Decoder · rss · 2026-11-22
The Decoder 报道了一项新型真实环境测试:把 AI 编码智能体放进一个模拟的开发者岗位,需要与同事协作、处理项目看板和残缺的任务交接,在杂乱的日常流程中自主开发软件并可靠地关闭工单。
结果即便是最强的 Opus 5.5 和 Astra,完整解决的任务也不到十分之一。模型能快速完成清晰、独立的任务,但在自主开发者角色中会逐渐失去对上下文的跟踪,暴露出当前编码基准测试成绩与真实工作场景之间的巨大落差。
「编程与Agent」频道最新
- Docker 2026 品牌重塑:从容器化应用转向「困住」AI Agent — hewarsaber · 2026-11-22
- Pi Bot 开源:把多 AI 协作做成微信拉群,本地跑还能安卓远程审批 — lxfater · 2026-11-22
- HF 推出 harness adapters:Qwen3.8-27B 编码成绩 39% 提至 55%,token 减半 — SergioPaniego · 2026-11-22
- 实锤:勒索软件团伙用 AI 编排攻击,多智能体猎杀 0day 花费仅 $4.5K — cyb3rops · 2026-11-22
- ArcKit v6.25.0 适配 Google Antigravity:190 条架构治理命令变身 Agent Skills — mcraddock · 2026-11-22
- 网友给出「知识工厂」六步落地法:Obsidian 建脑+云 agent 保鲜 — hwchase17 · 2026-11-22