JetBrains 分享语义代码搜索 RAG 流水线：解析、分块与向量化
JetBrains 撰文分享其为 Air Context 构建语义代码搜索 RAG 流水线的第一阶段经验，覆盖解析、分块与向量化。其结构感知分块支持 Kotlin、Java、Python、JavaScript、TypeScript、C#、PHP、Go 和 Rust 九种语言，其他语言回退到按行切分。
推荐理由：JetBrains 公开了语义代码搜索 RAG 流水线的解析、分块与向量化细节，含二进制量化的取舍经验。
#编码
JetBrains AI Blog精选AI 评分6666
Mistral AI精选AI 评分6666 Mistral 用 AI 智能体迁移 4 万行 Fortran 遗留代码
Mistral 帮助一家欧洲能源运营商把 4 万行 Fortran 77 迁移到 C++，对象是一个无测试套件、无集中文档的物理储层模拟器。团队先搭建数值一致性校验框架，再用 Vibe CLI 启动上百个智能体解析调用树并补文档，最终采用人工把关的 coder、tester、reviewer 结构化工作流逐模块迁移。
推荐理由：Mistral 用智能体迁移 4 万行 Fortran 的完整流程，可迁移到自家遗留代码改造。
宝玉精选AI 评分7878 Warp 如何让 Agent 自我进化：用人类反馈改进代码审查 Skill
宝玉解读 Claude 博文《How Warp builds self-improving agents on Claude》，介绍 Warp 用两个 Skill 解决代码审查 Agent 缺乏记忆的问题：一个基础 Skill 做代码审查，一个改进 Skill 定期收集工程师在 PR 上对 Agent 审查结果的评论，据此自动更新审查 Skill，人只需自然写评论。
推荐理由：Warp 用人类 PR 评论自动改进代码审查 Skill 的闭环，以及 6 条 Skill 编写原则，可直接迁移到团队的 Agent 工作流。
Anthropic Engineering精选AI 评分7070 Anthropic 分享长时应用开发的 harness 设计：从生成器加评估器到三智能体架构
Anthropic Labs 团队成员 Prithvi Rajasekaran 介绍了用于长时应用开发的 harness 设计，借鉴 GAN 思路把生成与评估拆成不同智能体，先在前端设计上用四条评分标准把主观质量变成可打分项，再扩展到全栈开发。
推荐理由：Anthropic 工程团队公开了生成器加评估器的多智能体 harness 设计细节，可迁移到自家长任务编码流程。
Anthropic Engineering精选AI 评分8888 Anthropic 用 16 个并行 Claude 智能体从零写出 10 万行 C 编译器
Anthropic Safeguards 团队研究员 Nicholas Carlini 用 16 个并行 Claude 智能体从零写出一个基于 Rust 的 C 编译器，可编译 Linux 6.9 的 x86、ARM 和 RISC-V 版本。
推荐理由：Anthropic 研究员公开了并行 Claude 智能体团队的编排细节，包括测试设计、任务锁与并行拆分方法，可迁移到自家长任务自动化。
已经到底了