OpenAI团队采用“Harness Engineering”方法，从零开始，在五个月内利用Codex智能体生成百万行代码，全程无需人类手写。该方法通过设计环境、明确规则，利用AGENTS.md作为地图、docs目录存储知识、linter强制约束，使AI能够自主开发、测试和修复代码。相比微调，此方法更高效，更换模型不影响规则，成本低且易于复制。

Cargo 1.90开发周期总结了六周的进展，强调插件的重要性，介绍了新的linter cargo-deny，讨论了cargo fix的性能问题及其替代设计cargo-fixit，提出了构建脚本委托和新命令原型，并探讨了Cargo与Rustup的路径管理、lint命名空间及doctests的改进。

文章介绍了在 Rust 中实现 JavaScript 新日期/时间 API Temporal 的过程，开发了独立库 temporal_rs，支持多种日期/时间场景，并探讨了 API 的实现细节。目前该库仍在开发中。

我开发了一个工具来检测Dockerfile中的安全漏洞，并总结了常见的错误配置及其避免方法，包括：避免使用默认或最新镜像、不要以root用户运行容器、不要在ENV中存储秘密、避免在RUN命令中使用ARG变量、不要直接将curl或wget输出传递给shell、不要暴露不安全的端口（如22），以及在仅需复制文件时使用COPY而非ADD。这些规则已集成到我的Dockerfile linter插件中。

本周实验要求添加静态分析工具，包括代码格式化工具、linter、IDE集成、预提交钩子和CONTRIBUTING.md。我选择了Prettier作为格式化工具，并设置了ESLint作为linter，使用Husky作为预提交钩子，以确保代码一致性。建议在项目初期进行这些设置，以减少未来问题。

Qodana 2024.2版本推出新功能，提升代码安全性和兼容性。新增硬编码密码检测，支持多种语言。qodana-android linter提供Android项目的高级功能。qodana-dotnet linter支持快速修复。qodana-php linter默认包含JavaScript检查，qodana-clang linter支持多版本选择。更新后可提升代码分析和安全性。

Astral Software 专注于为 Python 生态系统创建高性能开发工具。Ruff 是一个用 Rust 编写的快速 Python linter，因每周数百万次下载而广受欢迎。Ruff 的成功促使了 Python 格式化工具的开发和强大的贡献者基础的建立。Astral Software 计划继续为 Python 构建高性能工具。他们还发布了 uv，一个快速的 Python 包安装器和解析器。Ruff 的卖点是其性能、简单性和适应性。Ruff 的未来计划包括可定制规则以及对跨文件类型推断和分析的支持。随着 AI 生成代码的增加，linting 工具变得越来越重要。

本文介绍了解决 Python 项目中模块间依赖关系的问题的方法，包括简化函数参数类型、延迟提供函数实现、插件机制、配置文件驱动和事件驱动等。使用 import-linter 工具可以检查依赖关系是否符合规范。修复已有的不合理的依赖关系是引入 import-linter 的关键。