1AI應用
Matt Pocock 提出 Home Repo 模式,用單一儲存庫統管多個 repo 的 AI agent
據 aihero.dev 文章,作者 Matt Pocock 介紹 Home Repo 模式:用一個 Git 儲存庫存放技能(skills)、AGENTS.md 與共用文件,使用者在其中啟動 AI agent,agent 依 AGENTS.md 的導覽指標,視需要開啟或 clone 其他儲存庫。
文章指出,專案跨多個 repo 時,從單一 repo 啟動的 agent 只能看到該 repo,技能與設定可能各自複製,跨 repo 規劃功能也缺少全貌。
文章附上可貼給 coding agent 的設定提示詞,流程為四步:盤點家目錄下的 Git repo;將技能與文件分成 shared、duplicate、repo-specific、installed 四類;列出計畫,核准前只讀不改且不讀 .env 等機密檔;最後建立 Home Repo 並提交。
規模上,文章稱約 20 個 repo 可運作,約 400 個時逐 repo 指標會讓 agent 決策過多,需採漸進式揭露。
2AI應用
Anthropic 刪除 Claude Code 超過八成 system prompt,並公開 Opus 5.5 使用建議
據 claude.dev 部落格文章,Anthropic 為 Claude Opus 5 與 Claude Fable 5 等模型,移除了 Claude Code 超過 80% 的 system prompt,並稱在 coding 評測中沒有可測量的損失。文章由 Thariq Shihipar 撰寫,頁面標示發布於 2026 年 7 月 24 日。
文章稱,system prompt、skills、CLAUDE.md 與使用者要求可能互相衝突,團隊因此刪除部分原有約束,讓模型依脈絡判斷。做法轉變包括:由明列規則改為讓模型判斷、由提供工具範例改為設計工具介面、由一次放入所有資訊改為按需載入。
另一篇由 Addy Osmani 撰寫、標示發布於 2026 年 9 月 22 日的文章談 Opus 5.5。文章稱 Opus 5.5 每次回覆前都會思考,在其聊天產品測試中,移除「think carefully」指示後回覆開始得更快,品質沒有明顯下降。
3AI模型
OpenAI 發表 GPT-6.2 Astra 與 GPT-6.2 Sol 兩款新模型
OpenAI 發表兩款新模型:定位為處理最困難專案的前沿模型 GPT-6.2 Astra,以及定位為日常工作的高效率多用途模型 GPT-6.2 Sol。
據 OpenAI 頁面,在 Agents' Last Exam 上,GPT-6.2 Astra 比 GPT-6 Astra 高 5.2 分、成本不到三分之一,比 Claude Fable 5.2 高 5.5 分,成本為其 5%;頁面註明 Fable 5.2 的結果排除了使用 fallback 模型的九項任務。
價格方面,GPT-6.2 Astra 的 API 每百萬 token 為輸入 8 美元、快取輸入 0.40 美元、輸出 40 美元,輸入與輸出價格比 GPT-6 Astra 低 20%。GPT-6.2 Sol 沿用 GPT-6.1 Sol 的 API 價格。
OpenAI 表示兩款模型自發布當日起提供給 ChatGPT Work 與 Codex 的 Plus、Pro、Enterprise、Edu 使用者,開發者可透過 API 使用。
4AI工具發表
Google 將 Spark AI agent 更名為 Tasks 並開放免費使用
據 The Verge 報導,Google 將 Spark AI agent 更名為「Tasks」並開放免費使用。報導稱 Tasks 由 Google 的 Gemini 4 Hydrogen 模型驅動,可建立餐點計畫、管理行事曆,並搜尋電子郵件以找出可能不再需要的定期支出。
報導稱,Google 於同年 5 月首次介紹 Spark,當時僅提供給 Google AI Pro 與 Ultra 訂閱者。現在 Tasks in Gemini 開放給美國、加拿大、日本、韓國、澳洲及印度的所有使用者,使用者可在 Gemini 首頁將「Chat」切換為「Tasks」。
報導稱,美國使用者還可讓 Tasks 致電商家比較商品價格與查詢庫存、使用 Google Pay 購買商品,也可透過寄電子郵件至 [email protected] 或傳簡訊指派任務。
報導轉述 Google 表示,Gemini 會在專屬於使用者帳戶、不與其他使用者共用的硬體隔離虛擬機器中執行任務。
5AI產業趨勢
哈佛研究:導入 AI 程式碼代理後,瓶頸移到程式碼審查
據 ComplexDiscovery 報導,哈佛大學的 Fiona Chen 與 James Stratton 在工作論文中研究 AI coding agents 的影響,樣本涵蓋 718 家公司、725,938 名員工,期間為 2021 年 1 月至 2026 年 3 月,資料來自 Jellyfish 工程活動資料與 Revelio Labs 的 LinkedIn 就業紀錄。
報導稱,導入 AI agents 後,每人每月新增程式碼增加 1,494 行(基準 5,017 行,約 30%),但以部署到正式環境的 Jira issues 衡量,每人每月僅增加 0.12 個(基準 3.67,標準誤 0.17),統計上與零無法區分。
審查端方面,pull request 從提交到合併的時間增加 3.45 天(基準 7.03 天,約 49%),收到正式修改要求的比例從 13% 增加約 12 個百分點,每個 pull request 的審查留言增加 35%。