两个 Agent 一写一审，311 项测试才揪出一个符号错
LFL 原创科普 · 第十二期 · 2026-10-12（北京时间）。两段区间：[1, 3] 和 [3, 5]。让程序把重叠的区间合并，正确答案是 [1, 5]。如果把判断条件中的「小于等于」误写成「小于」，两个区间刚好碰在一起时就会被错当成不相交。只有一个符号的差别。
同一个 Agent，强模型和弱模型差在哪？如何适配才好用？
11 张图看懂：同样的工具、同样的任务，为什么只换模型，表现就不一样？想象你给同一个 Agent 发出同一个任务：“比较三种方案，查证来源，做成表格。”它的工具、记忆、权限、预算和任务要求全部保持不变，只更换背后的大模型。
代码审查 Agent 已能抓到不少缺陷，测试团队还该担心什么？
摘要Microsoft Research与卡内基梅隆大学研究者在2026年10月公开CRBugBench代码审查Agent基准，覆盖公开仓库与一家企业的专有仓库任务。
不知道用什么Skill，装上这个每天更新的全球Skills榜单
Skill 多到同质化泛滥，想知道该装哪个、哪个更好用，列表却只按下载量排，没人告诉你能力边界和坑。Best Skills 把全球榜单做成每天更新的入口，还能用大白话问它做对比、顺手给出安装建议。
一文读懂模型、Agent、IDE 和 Harness 到底有什么区别？
摘要： 随着 AI 编程工具快速发展，模型、Agent、IDE、Harness 等概念越来越频繁地出现在技术讨论中。它们究竟有什么区别？为什么同样的大模型，放在不同的工具中，表现却可能截然不同？
代码审查 Agent 已能抓到不少缺陷，测试团队还该担心什么？
Microsoft Research与卡内基梅隆大学研究者在2026年10月公开CRBugBench代码审查Agent基准，覆盖公开仓库与一家企业的专有仓库任务。
Agent真在干活了，但只在终端里及格
过去一周最值得从业者盯住的不是又发了哪个千亿模型，而是一条被数据钉死的线索：编码智能体的真实通过率刚跨过80%门槛，同时支撑它跑起来的硬件与协议栈全部就位。Reflection AI的Beam在SWE-bench Verified拿到80.9%、Terminal-Bench 2.
在工程实践中，为什么有时候选择「手搓」Agent
开场：一道专测"有没有想清框架边界"的题 你平时做 Agent 开发用什么框架？ 主要用 LangChain，功能很全、上手快，工具注册、ReAct loop、记忆管理都封装好了，开发效率高很多。 那如果线上出了 bug，你怎么排查？
讲讲 Agent 的反思机制？为什么要用反思？具体怎么实现？
开场：一道专戳"把反思当随机重试"的题 Agent 的反思机制你了解吗？怎么实现的？ 了解，就是让 LLM 对输出不满意的时候再重新生成一次，多试几次输出质量就会提升。 「再生成一次」和「反思后改进」是两回事。反思不是随机重试——本质区别在哪？