作者分享了2026年9月其AI辅助编程工具配置快照。他主要用Swift/TypeScript开发，现主力通过TUI（如herdr）指挥AI写代码，仅iOS调试用Xcode，编辑器用Zed和Vim。模型选择包括Fable、Codex、Kimi等，并提及硬件、网络及GitHub工具，反映AI时代工具快速迭代。

Hermes Agent连续工作15小时，调度1320个Subagent，删除37.5万行代码，展示Coding Agent从工具向团队调度者转变。主Agent自主拆解任务、分配工作，人仅设目标。未来AI或成小型软件公司，但需解决权限、冲突等管理问题，且代码清理可降Token消耗。

Qoder桌面端推出“桌宠”形态，用户可通过语音对话下达需求，无需编写代码即可生成应用或修改现有项目。它具备理解、规划、编码、运行、验证、修正的完整闭环，支持真实环境自检。其核心是让Coding成为AI的数字执行力，服务全球600万用户，使非程序员也能利用AI完成数字任务。

Slack推出“Slack Code”功能，为团队提供专属协作频道，用户可直接在频道中标记AI编码代理（如Claude、Devin）处理任务，实现代码审查、实时预览和审批。频道完成后自动归档并保留审计日志，支持与GitHub Copilot等代理无缝集成，即日起对所有Slack套餐开放。

MiniMax核心工程负责人阿岛（缪宇航）离职，其职责覆盖M3、Agent、Audio及海螺AI等关键研发线。他曾在百度、贝壳、字节任职，2023年加入MiniMax，推动Agent工程与模型应用。离职时正值公司重押Coding和Agent，其去向未定，引发行业关注。

智谱发布GLM-5.3开源模型，在编程和安全能力上显著提升，编程接近Claude Fable 5，安全测试获84.5%成最强开源安全模型。实测中能自主完成复杂编程任务、修复漏洞并通过回归测试，强调生产级AI需兼顾代码交付与安全验证。

Agentic Coding将AI编程从被动补全转向主动规划-执行-验证循环，SWE-bench成绩三年内从不足6%跃升至50%-70%+。核心包括规划器、执行引擎和验证器，实现多文件修改与自我修正。主流框架有Claude Code、Cursor、OpenHands和Aider，各有适用场景。但存在幻觉、回归错误和安全风险，需谨慎使用。

本文介绍豆包推出的Doubao-Seed-Evolving模型，专为Coding和Agent场景设计，支持每周更新、1M上下文和长程任务能力。作者用其开发Windows小工具《桌面下班后》，让桌面图标自动活动（如散步、聊天、打架、踢球），通过透明窗口技术不干扰真实桌面。开发中多次反馈问题，模型持续改进，最终实现稳定运行，强调模型适合边做边改的项目。

随着AI技术的发展，代码托管平台的角色正在转变。Coding将构建基于AI的研发生态，帮助开发者更好地理解和利用代码。通过开放接口、图数据库和代码检索等能力，AI将提升研发效率，并提供统一的AI能力底座，支持智能应用的快速构建，实现代码知识的自动沉淀和复用，推动研发流程的智能化升级。

智谱发布并开源GLM-5.2，专注于长程任务能力，支持1M上下文，优化了Coding能力，并在国产算力平台上运行。该模型在Hugging Face和ModelScope可下载，遵循MIT开源协议。

原力灵机与Atomix合并，专注于具身智能中的“Picking”任务，通过真实场景生成大量数据，推动模型迭代。此合并将数据与模型整合，形成闭环，助力具身智能行业发展，成为行业转型的关键支点。

谷歌CEO皮查伊在采访中表示，谷歌在AI领域，尤其是编程方面仍有不足。他指出，尽管谷歌在AI技术上不断进步，但行业变化迅速，竞争激烈。皮查伊对AI的未来持乐观态度，认为其将带来更多新能力和效率。谷歌将继续推进AI产品，并关注用户反馈，以确保技术的实际价值。

本文讨论了如何通过Docker命名卷持久化开发环境中的状态，以解决dev container重建时数据丢失的问题。作者记录了搭建嵌套devcontainer配置的过程，并利用中央仓库统一管理多个项目的devcontainer配置，通过dotfiles处理个性化设置，从而提高开发效率和管理便利性。

OpenAI的竞争对手Anthropic与马斯克达成合作，专注于编程AI模型的开发。Cursor通过实时强化学习收集用户数据，以提升模型性能。缺乏自有编码产品的厂商面临竞争压力，必须建立自己的产品以获取高质量训练数据。各大AI公司纷纷布局编码产品，以确保在未来的竞争中保持优势。

Qoder 1.0版本升级为智能体自主开发工作台，强调全链路管理，从需求到交付。新功能包括独立的Quest窗口、跨项目多任务并行、专家团协作及自定义专家设置，提升开发效率和知识共享。Qoder通过统一知识引擎优化团队协作，降低用户不满意度，提升代码保留率，推动AI编程向更高效的开发环境转型。