张理壮

技术管理｜AI 爱好者｜分享实战与观察

[张理壮 @nextaurame]

Sonar 用 Java 题测了 Gemini 4 Argon，有测试的题通过率 85.66%。
但漏洞只占全部问题的 1.9%，却占了 blocker 级问题的 28%。
推理 token 1190 万，输出才 636 万，想的比写的多近一倍。

[张理壮 @nextaurame]

Claude Code 2.1.305 新增 sandbox.allowNestedUserNamespaces，Linux 沙箱里终于能跑 Chromium 和 rootless podman 了。
更新日志自己把代价写明了：开了之后，这些进程可以绕过沙箱的文件保护。

[张理壮 @nextaurame]

GitHub Copilot 10月19日一天下线了6个模型：Gemini 3.7 Flash、GPT-5.5、GPT-5.4、GPT-5.4 mini、GPT-5 mini、Grok 4.5。
官方推荐的替代是 Gemini 3.8 Flash、GPT-6.1 Sol、GPT-6 Luna 和 Grok 4.7。
同一天还上了模型策略 API，企业能用接口管哪些模型可用，不用再点界面。

[张理壮 @nextaurame]

Codex CLI 0.163 的 /config 能搜索了，改完设置立刻生效，还会标出哪些需要重启。

另一个小改动：Codex 还在回答的时候，你可以直接发一条追加消息把它拉回正轨，不用等这一轮结束。

[张理壮 @nextaurame]

Claude Code 2.1.304 的 Code Review 现在分三档：Quick、Standard、Deep。

[张理壮 @nextaurame]

Claude Code 2.1.299 加了空闲压缩。200K 以上 token 的终端对话放着不动约 54 分钟，会在一小时的提示缓存过期前先压缩一次。

[张理壮 @nextaurame]

Haiku 5.5 在 Cursor 里，CursorBench 拉满思考是 48.4%，关掉思考只剩 22.1% 到 26.2%。
输入 100k 以内 $0.10 / $0.50，超过 100k 直接乘 5。
长会话跑 Haiku，价格不一定便宜。

[张理壮 @nextaurame]

Devin Fusion 在 Artificial Analysis 编程 Agent 榜拿了第一，68.1 分。
Muse Code 68.0，基本打平，Antigravity CLI 63.8，Codex 62.9。
Cognition 自己说，同样跑任务，成本比 Claude Code 搭 Opus 5.5 低 31%。

[张理壮 @nextaurame]

Claude Code 2.1.304 修了个会丢代码的坑。用 claude --worktree 开的会话，退出时如果 HEAD 是游离状态或在别的分支上，会直接删掉 worktree 和分支，不会先问你，没推送的 commit 就没了。现在改成会先问。

[张理壮 @nextaurame]

Opus 5.5 价格比 Opus 5 降了 20%。输入 $4、输出 $20 每百万 token，之前是 $5 和 $25。缓存读取 $0.2。上到 1M 上下文也按同一价格算，没有长上下文加价。

[张理壮 @nextaurame]

有人让 Claude Code 先给文件夹生成 README 当地图，再让它找文件。找同一个文件，有地图 9 秒，没地图 4 分 20 秒。

八次测试加起来，总时间从 382 秒降到 79 秒。单次最多省了 96%，合计省了约 79%。

[张理壮 @nextaurame]

有篇论文测了约 7500 次编程 agent 运行。Claude Code、Codex CLI、Gemini CLI 的越界操作率在 5.4% 到 27.7% 之间，OpenHands 只有 0.2% 到 4.5%。

另一组对照里，Claude Code 的提示词删掉一句要求用户同意的话，越界率从 0% 涨到 17.1%。

[张理壮 @nextaurame]

Claude Code 之前有个小坑：用 credits 计费的模型回复完，它自动生成的提示建议也会扣 credits。2.1.302 修了，这种回复后现在直接跳过建议。

不过 npm 上 stable 标签 10 月 18 日还停在 2.1.292，没带这个修复。

[张理壮 @nextaurame]

有人做了个 Git 钩子叫 Sphinx。push 到受保护分支时，审查模型会问你：这次改动出问题会怎样。答对放行，答错它给你讲，再出一道新场景题。

它看不到写代码那段对话，只读提交的 diff。README 自己写了，一次 push 最长会卡 25 分钟，agent 的 shell 可能先超时。

[张理壮 @nextaurame]

Claude Code 2.1.303 修了几个会卡死的问题。WebFetch 现在有默认超时，可以用 CLAUDE_CODE_WEBFETCH_DEADLINE_MS 调。
claude -p 和 Agent SDK 遇到内部错误会退出码 1，不再挂着。跑 CI 的会有感。

[张理壮 @nextaurame]

Codex CLI 0.162.0 加了个 create_worktree 工具，模型干活中途能自己开一份干净的项目副本，比如去 main 上复现 bug。
你没提交的改动不会被复制，原目录原样不动。要先开 worktrees 功能才能用。

[张理壮 @nextaurame]

Claude Code 的 hook 以前有个坑：脚本崩了或者超时，操作照样放行。
2.1.295 加了 onFailure: "block"，hook 一挂直接拦下。
拿来做密钥扫描、禁止改生产配置的，建议都加上。桌面通知这种就别加了，它抽风会把你卡住。

[张理壮 @nextaurame]

有人做了个 Claude Code Log，本地读你的会话日志，跨项目搜对话记录，还能看估算的 token 花费和 subagent 活动。
说明里写的是纯本地运行，文件系统只读。

[张理壮 @nextaurame]

OpenHands 加了 Agent Canvas 和 SDK，基于 Agent Client Protocol。一个界面可以驱动 OpenCode、Pi、Claude Code，底下的模型随时换。MIT 协议，现在就能用。

[张理壮 @nextaurame]

Archon 这个编程 agent 有个 9.8 分的漏洞，CVE-2026-111322，影响 0.2.13 到 0.11.1。控制 API 默认没认证，还监听 0.0.0.0，agent 又是跳过权限运行，谁能连上端口谁就能以你的身份执行代码。目前没有补丁，先绑到 127.0.0.1 并用防火墙挡掉端口。