DeepSeek-V4.1-Flash 新版本登陆火山方舟，效果无损“经济版”八折上线
火山方舟上线 DeepSeek-V4.1-Flash-1017，相较 9 月 10 日首发版本，Agent 与代码能力提升，在 Terminal-Bench 4.0、DeepSWE v1.1、ProgramBench 等基准上较上版显著提升，任务运行时间与输出长度明显缩短。
推荐理由：火山方舟上线 DeepSeek-V4.1-Flash-1017，并给出标准版与经济版同权重、8 折计费的差异，便于对比选型。
#编码
火山引擎Agent社区精选AI 评分5858
腾讯技术工程精选AI 评分8888 3 个月用Harness重构90万行旧项目：实战经验与踩坑总结
腾讯技术工程团队用Harness工作流在3个月内将约90万行的视频剪辑旧项目重写为约12万行代码、15万行文档和6000+测试用例，测试覆盖率86%，7、8两个月迭代了30+新功能需求。
推荐理由：团队用3个月把90万行旧项目重写为12万行，文中给出Harness工作流各阶段的具体做法与踩坑。
阿里技术精选AI 评分7878 AI Native 回忆录：稳定性前端 S1 实践复盘
阿里稳定性团队复盘 S1 的 AI Native 研发转型，通过结构化技能、Anchor 插件和质量门禁，将跨角色生成的代码纳入团队交付流程。设计原型库与正式库分离但共享规范，AIOps 原型代码复用率从不足 30% 提升至 80%，还原、走查和修改从两三天压缩到半天。跨端开发仍需专业 owner 评审与结对支持，返工、缺陷、长期维护成本及应急助手的诊断效果尚未形成完整衡量结果。
推荐理由：把技术栈识别、规范加载和提交检查嵌入代码生产流程，为跨角色使用 AI 后如何减少交接返工提供了可迁移的工程方法。
大淘宝技术精选AI 评分7575 Loop engineering：把 agent 放进工程循环
大淘宝技术团队撰文讨论 loop engineering，主张工程师不再逐轮提示 agent，而是设计包含读取状态、判断任务、执行、验证、记录状态和停止条件的自动化循环。
推荐理由：文章把 loop engineering 拆成六个组件并给出可落地的 CI triage 示例，读者可据此判断哪些任务适合交给 agent 循环。
阿里云云原生精选AI 评分6060 云效智能评审：让团队规则持续生效
阿里云云效智能评审新增「评审记忆」能力，团队可在 MR 评论中把已澄清的规则保存为当前代码库的评审记忆，后续评审自动将其纳入判断依据。云效团队在内部测试集上对比测试，使用评审记忆后错误评审意见减少 96.9%，该数字仅反映本次测试集上的降幅。
推荐理由：原文给出评审记忆的沉淀方式、治理开关和内部测试集上错误意见降幅，可据此判断团队规则如何进入代码评审。
大淘宝技术精选AI 评分8080 天猫技术大型 AI 项目的研发协同实践
天猫新品 MDI 项目复盘了大型 AI 项目研发协同从超级个体到全员赋能的四个阶段。单兵期用 AGENTS.md 入口地图加六个 collar Skill 管理知识库，加人期用站点地图式 spec 目录和 patch 双向指针分工，迭代期用零依赖哨兵机还原预发合并态并由云端 Agent 检测隐形冲突，有效发现率稳定超过 70%、每周发现 40+ 个潜在问题。
推荐理由：天猫新品 MDI 项目把 AI 研发协同拆成四个阶段，给出知识库、站点地图、哨兵机与云端沙箱的具体做法和踩坑记录。
得物技术精选AI 评分7878 得物小摊 AI Native 演进实录：用 Harness 构建可控 AI 交付
得物技术复盘小摊业务从 0 到 1 孵化中让 AI 并行参与 H5、运营后台、Node 网关和 Go 服务开发的过程，提出 Delivery Harness 以 Version Contract、Execution Boundary、Evidence Gate、Repair Loop 四个组件接管交付状态。
推荐理由：得物技术复盘单人全栈交付中 AI 多模块协作的失控风险，并给出四个可复用组件的落地方式。
京东云开发者精选AI 评分6262 Claude Code vs Codex 记忆体系深度对比
文章从分层记忆模型、持久化策略、上下文压缩和跨会话传递等维度对比 Claude Code 与 Codex 的记忆体系。Claude Code 采用 CLAUDE.md、Auto Memory、Session Memory 与 AutoDream 四层架构，系统可自动捕获并离线整理记忆；Codex 只有 AGENTS.md 静态声明层与会话上下文层，全部依赖人工维护。
推荐理由：从分层结构、持久化、压缩与跨会话传递逐项拆解两套记忆设计，可帮助判断选型取舍。