Warp 开源并推出 Oz AI 代码审查平台
Warp 终端于 2026 年 4 月 28 日正式开源(AGPL/MIT),并引入 AI 助手 Oz 作为第一线代码审查者。该项目构建了一个独特的 Agent 协作循环,由人类编写规格,AI 负责实现和审查。Oz 能自动分类 Issue、审查 PR,甚至可以免费为开源贡献者实现代码。该架构结合了 Rust、CRDT 及 GPU 加速技术,标志着 AI 辅助开发的新模式。
Warp 终端于 2026 年 4 月 28 日正式开源(AGPL/MIT),并引入 AI 助手 Oz 作为第一线代码审查者。该项目构建了一个独特的 Agent 协作循环,由人类编写规格,AI 负责实现和审查。Oz 能自动分类 Issue、审查 PR,甚至可以免费为开源贡献者实现代码。该架构结合了 Rust、CRDT 及 GPU 加速技术,标志着 AI 辅助开发的新模式。
文章信息密度高,包含具体数据、架构细节和操作路径,深度分析开源与AI审查的机制,实用性较强,观点新颖,时效性良好,结构清晰。
Warp 创始人 Zach Lloyd 宣布 Warp 客户端正式开源,采用 AGPL 许可证。此次变革核心在于由 Oz 云代理编排平台管理的“Agent 优先”工作流,社区可参与构建。OpenAI 作为创始赞助商,相关工作流由 GPT 模型驱动。Warp 认为,由人类管理规模化 Agent 来构建生产级软件是未来的开发模型。此举旨在打破内部开发瓶颈,让社区参与监督 Agent 并贡献高杠杆工作。新版本还增加了对 Kimi 等开源模型的支持及设置文件可编程控制。
作者对比斯坦福CS146S课程2025与2026两版课纲,指出新版砍掉了85%旧内容,反映编程领域AI化进展迅猛。课程转向Agent Skills、CLAUDE.md、MCP、模型路由、后台并行agent和软件工厂等内容,期末项目占比降至50%,新增30%分数来自向真实开源项目提PR。Claude Code之父Boris Cherny等业界嘉宾分享,其同时运行数千个Claude agent。课程材料公开,非斯坦福学生也可跟学,作者认为编程教育应紧跟AI Agent时代变革。
作者从插件市场6254个插件中筛选整理出50+实用插件,覆盖DeepSeek Harness(DSH)生态。文章按功能分为三大类:上下文与记忆(如billion-context压缩、hindsight长期记忆)、界面与主题(Codex风格UI、桌宠、皮肤主题)、任务与开发(子代理、任务看板、Git图、代码审查、多智能体协作等),每个插件附下载量、一句话简介和GitHub仓库链接,方便读者按需查找安装。
作者在 AI 编程时代工作流已从手写代码转向与 Claude Code、Qoder CLI 等 agent 协作,日常以看 diff、stage/commit 为主,因此基于 Go 的 MyGo 框架自研了轻量编辑器 Mayoi。它支持 project tabs 多项目管理、Ghostty 终端集成、按段 stage/discard 的 diff 审查、⌘V 粘贴截图给 agent、Remote SSH 远程开发等功能。相比 VS Code(905 MB)和 Cursor(970 MB),Mayoi 仅 24 MB、内存约 180 MB。当前版本无 LSP、扩展和调试器,内置 Claude、Qoder、Matrix 主题,开源且支持 macOS、Windows、Linux。
文章介绍 GitHub 现象级项目 REA(Reverse Engineer Anything),它将专业逆向工程工具接入 Claude Code、Codex 等 AI 编程助手,一周狂揽 17 万星。作者用大白话讲解逆向工程原理及 REA 如何把数百兆的反编译数据浓缩成小目录供 AI 精准取证分析,并通过两个实战展示威力:20 多分钟逆向 1988 年《魂斗罗》并复刻出完成度 80% 的网页版,还挖出 30 条命作弊码;3 小时拆解 Notion 桌面端,摸清其剪贴板与流畅编辑机制,将自己的 Mac 编辑器核心功能升级 70%。最后探讨开发者如何用 REA 破局变现,以及闭源不再是护城河后的真壁垒与合规边界。
程序员鱼皮分享了让 Claude Opus 5.5 通过写代码自动制作产品宣传视频的方法:AI 基于 Remotion 框架把每个画面做成动效网页,再逐帧截图拼合成视频,文字和产品界面精确可控。作者开源了《AI 产品宣传视频制作器》,包含写给 AI 的工作规范、Remotion 模板和辅助脚本。使用时只需一句话描述需求,AI 会自动调研产品、确认需求、生成多种风格小样,完成写脚本、截图、配乐、配音到剪辑的全流程,几十块钱即可产出 4K 宣传片,附带 80 多条踩坑记录。
作者结合测试 TRAE 新版本的体验,总结了 AI 编程的四个趋势:人不再手写代码、IDE 淡出后台、工作入口向聊天窗口集中、从单个 Agent 写代码转向指挥多个 Agent 并行交付,代码审查也因此逐渐走向抽查模式。作者分享了个人的五个实践做法:搭建 Agent 易于验证的环境(文档地图、自动化测试、原型、AGENTS.md 规则)、把自己当管理者进行多 Agent 并行调度、按任务难度分配不同模型、善用模板和开源项目、把重复工作交给 Skill 和自动化任务。文章指出写代码成本快速下降,而想清楚需求和验证结果的能力越来越值钱。
作者分享了其开源AI画布项目BeefTV在一周内获得800 stars的经验。项目源于对闭源无限画布产品体验的不满,定位为轻量化、用户体验优先的开源AI画布工作台。落地过程中,作者借助CodeX等AI工具完成100%代码编写,通过借鉴成熟开源方案、用Playwright拆解优秀产品交互、配置专门Agent自动化测试等方式提效,并沉淀出skill。推广方面,作者利用'开源版LibTV'的概念作为社交货币引发传播,通过开源积累用户反馈,构建社群连接,并探索算力商业闭环,目标是打造开源AIGC平台。
作者宣布将其月活百万的AI热点资讯网站AIHOT正式开源。AIHOT最初是公司内部监控热点找选题的飞书机器人,经过七八个月迭代发展成百万月活产品。作者一直想开源但因旧架构质量差而不敢。利用中秋假期,作者借助Claude Opus 5.5、GPT-6 Astra等AI工具,采用'将旧代码蒸馏为功能文档再重写'的第一性原理方法,用3天完成项目重构,上线AIHOT 2.0并开源,包括采集流程、评分流程及所有Prompt,希望各行各业都能基于此框架打造自己的行业热点监控产品。
文章包含两条内容:一是 DeepSeek kernel 工程师 Shengyu Liu 的长文,讲述 AI 已能自主分析 CUDA/PTX/SASS 并优化 kernel,他预判半年到一年内 AI 写的 kernel 可能超过自己,工作将从亲手写代码变为驾驶 Agent,并担忧未来社会走向共产主义或赛博朋克两极,因此选择留在 DeepSeek 推动开源 AI。二是微信团队开源的 WeKnora 框架,已从 RAG 系统进化为企业 Agent 基础设施,提供知识处理、ReAct Agent、Sandbox 执行环境、长期记忆和 Auto-Wiki 能力,代表 RAG 向企业 Agent Context + Runtime 的迁移趋势。