AI Software Engineering Weekly:Claude Code 推出实验性 Code Mode;Cursor Projects 支持多人协作
本期覆盖 2026 年 11 月 9 日 00:00 至 11 月 15 日 23:59(UTC+8),上一期已收录的事件不再重复,本期整理 Claude Code、Codex、Cursor、JetBrains Air 与 Copilot 的功能与版本更新,三项 AWS 上的 agent 基础设施,以及三篇 coding agent 评测与上下文文件研究。
-
Claude Code 2.1.321–2.1.325:实验性 Code Mode、Fable 5.2 与若干安全修复 (opens in a new window)
Anthropic 在 11 月 10 日、13 日和 14 日发布 Claude Code 2.1.321、2.1.322、2.1.323 与 2.1.325。2.1.323 新增实验性、默认关闭的 Code Mode:Claude 编写 JavaScript 来调用 Bash、Read、Edit 等工具,可用环境变量
CLAUDE_CODE_EXPERIMENTAL_CODE_MODE=1开启,组织也可在托管设置中把它设为0以禁止使用;Code Mode 需要 2.1.323 或更高版本的原生终端交互会话,以及 Claude 订阅或 Console 账号,并支持 Opus 5.5、Sonnet 5.5、Haiku 5.5 与 Fable 5.2,不适用于claude -p、Agent SDK、VS Code 面板、Desktop、云端会话,以及 Bedrock、Vertex、Foundry、网关、零数据留存或 HIPAA 组织。脚本中的每次工具调用仍经过deny、ask规则和PreToolUsehook,但 auto mode 的分类器审查的是整段代码而非每一次调用,也看不到运行时才算出的值。2.1.321 把 Claude Fable 5.2(claude-fable-5-2)设为默认 Fable 模型,上下文窗口为 1M,标价为每百万 token $8 / $40、缓存读取 $0.20,并修复了 MCP OAuth 在服务器重定向时把 refresh token 等密钥发往另一主机的问题;2.1.322 在 Vertex 的 global、us 与 eu 区域加入 fast mode,若 Vertex 拒绝则回退到标准速度;2.1.325 修复了 zstd 压缩响应解码中的一个安全问题,并把沙箱内 Bash 命令改为默认走常规权限流程,若要恢复不提示直接运行,需设置sandbox.autoAllowBashIfSandboxed: true。 -
Codex CLI 0.167.2–0.169.0:多标签侧边对话、终端内配置模型提供方 (opens in a new window)
OpenAI 在 11 月 12 日和 13 日发布 Codex CLI 0.167.2、0.168.0 与 0.169.0。0.168.0 可在 Sessions → Model providers 中浏览模型提供方并为新对话选择默认项,启用
features.tui_workspace后可在主聊天旁打开侧边对话。0.169.0 让这一可选终端工作区支持多个侧边对话标签,可在重启后重新打开已保存的本地侧边对话,还可在 agent command center 中按名称、提示预览或工作目录搜索更早的任务,并在终端里添加或编辑自定义模型提供方;在启用自定义网关接入时,可在登录过程中创建提供方,并在 SSH 或没有本地浏览器的环境中使用 device code。0.167.2 起,Codex 默认在 Google Cloud Vertex AI 上增量发送工具更新,可在config.toml的[features]下设置incremental_tools_legacy_gcp = false以退出;0.169.0 还规定,即便加上--sandbox workspace-write,codex exec在未信任目录中仍禁用项目配置和 MCP 服务器,需与codex exec或codex review一起使用--trust才会明确保存项目信任。 -
Cursor Projects 支持多人协作 (opens in a new window)
Cursor 11 月 10 日宣布,Projects 现已支持多人协作,并以 beta 在 Cursor 中推出。加入同一 Project 的成员各自保留与 coordinator 和 worker agent 的一对一对话,同时共享任务看板,以及需求文档、规格和设计稿等上下文;每个成员的对话按本人计费。成员的 coordinator 可以直接互相传信,接收方会把内容标为来自队友 agent 的不可信输入,并在分享这位成员的个人文件或连接器数据前先询问。共享 Project 需要团队账号,且 Cursor 版本不低于 3.26.13;Projects 本身只在包含 Cloud Agents 的方案中提供,不适用于 Free、Plus、legacy Hobby,也不适用于 Privacy Mode (Legacy)。
-
JetBrains Air 随 2026.3 进入其 IDE (opens in a new window)
JetBrains 11 月 11 日宣布,Air 随 2026.3 进入 JetBrains IDE,用于在 IDE 内运行、跟踪和审查 coding agent,支持 Junie、Codex、Claude Agent 与 GitHub Copilot,并可通过 ACP 连接其他兼容 agent。Agent 可通过 IDE 的 MCP server 与内置 skills 运行检查、构建与运行配置、查询数据库并使用重构,在 IntelliJ IDEA 与 CLion 中还可驱动调试器;并行会话可使用各自的本地 Git worktree,不过 agent 自行创建的 worktree 目前尚未纳入 Air 的跟踪。本地 agent 工作流不需要付费的 JetBrains AI 订阅,可使用已有提供方订阅、API key,或用 JetBrains Account 免费使用 Junie Lite;AI Assistant 作为独立插件仍可用,并支持到 2027 年初。
-
GitHub Copilot app 对 GitHub Enterprise Server 的支持一般可用 (opens in a new window)
GitHub 11 月 13 日宣布,GitHub Copilot app 对 GitHub Enterprise Server(GHES)的支持一般可用,此前为 opt-in preview。用户需先用 GitHub.com 或 GHE.com 账号登录,再在 Settings > Accounts > Add account 中添加 GHES 账号,以处理远程仓库、issue 和 pull request。它需要 Copilot app 1.2.0 或更高版本,cloud sessions 不适用于 GHES。
-
GitHub Copilot 上线 Fable 5.2、Gemini 4 Carbon 与 Hydrogen,并计划于 12 月 14 日停用部分模型 (opens in a new window)
GitHub 在 11 月 9 日、10 日和 13 日先后宣布,Claude Fable 5.2、Gemini 4 Carbon 与 Gemini 4 Hydrogen 在 GitHub Copilot 中一般可用,并逐步推送到 VS Code、Copilot CLI、coding agent 等客户端。Fable 5.2 与 Carbon 面向 Pro+、Max、Business 和 Enterprise,Hydrogen 还面向 Pro;Business 与 Enterprise 管理员需单独打开 Fable 5.2 策略(默认关闭),Fable 5.2 默认要求 Anthropic 留存提示和输出以运行安全分类器,符合条件的企业可申请使用零数据留存端点至当年年底。GitHub 11 月 13 日还宣布,将于 12 月 14 日在所有 Copilot 体验中停用 Claude Fable 5、Claude Haiku 4.5、Gemini 3.8 Flash、Gemini 4 Argon、Grok 4.6 与 Kimi K3,年付个人订阅者可继续使用 Haiku 4.5,Kimi K3 的替代模型尚未公布。
-
AWS Emulator 一般可用,可在本地用现有 SDK 与 CLI 调用 AWS API (opens in a new window)
AWS 11 月 11 日宣布 AWS Emulator 一般可用,可在本机或 CI 中把现有 AWS SDK 与 CLI 调用指向本地 HTTPS 端点,无需部署或 AWS 账号,开发者和 coding agent 都可以在本地迭代。它对已支持的操作返回与 AWS 相同的成功结果和错误,尚未实现的操作返回 501 Not Implemented;资源状态保存在内存中,每个实例有独立的端口、密钥和状态。源代码以 CC0 1.0 发布,无额外服务费用;默认只监听本机,不按 AWS 的方式评估 IAM 策略,每个模拟器对应单一账号,也不提供跨账号或跨区域行为。Linux 可安装 RPM 或 Debian 包,macOS 与 Windows 需在 Docker 中运行。
-
AWS Nitro Sandboxes 为 EKS、ECS 与 EC2 提供硬件隔离 (opens in a new window)
AWS 11 月 9 日宣布 AWS Nitro Sandboxes 可用,由 Nitro Hypervisor 管理轻量虚拟机,可让 EKS pod、ECS task 或轻量 VM(包括其中运行的 AI agent)各自运行在硬件隔离的 Nitro 虚拟机中,用于执行不受信任、多租户或受监管的工作负载,以及在隔离环境中运行 LLM 生成的代码。它支持密码学证明,仅向已证明完整性的沙箱释放密钥;在大多数基于 Nitro 的 EC2 实例和所有商业区域提供,无额外费用。在 EKS 或 ECS 上启用后,Pod Identity、VPC CNI、EBS/EFS/S3 与 CloudWatch 等原有能力仍可使用。
-
Amazon Bedrock 发布新一代 AgentCore runtime (opens in a new window)
AWS 11 月 12 日宣布新一代 Amazon Bedrock AgentCore runtime。每个会话仍在独立的硬件隔离 Firecracker MicroVM 中运行;AWS 称会话启动最快可提升到原来的 15 倍,计算规模最大为原来的 4 倍。会话可扩展至最多 8 个 vCPU 与 32 GB 内存,容器镜像最大 10 GB,启动时间在 2 秒以内,且与镜像大小和并发无关;空闲 agent 会缩至零,多轮会话的内存消耗最多可降低 68%,会话还可把工作动态挂载到文件系统(例如支持 FUSE 的 Amazon S3)。按会话把存储文件夹与会话凭证绑定的能力,公告写明将在 re
前提供,目前尚未交付。
-
ExpertCrowd-SWE:用专家撰写的 100 个任务评测不熟悉代码库上的 coding agent (opens in a new window)
Josip Vrdoljak 等人 11 月 10 日在 arXiv 发布 ExpertCrowd-SWE(arXiv
.13246),包含 100 个由从业工程师撰写的多文件软件工程任务,覆盖 87 个开源项目与 11 种语言,用于在大型、不熟悉的代码库上评测自主 coding agent。每个任务针对真实仓库的固定提交,配有密封参考解答,以及按加权、多为可执行标准给分的 grader;发布前会校准到参考解答得分为 1.0、未改动的仓库与无效改动得分为 0。作者在统一平台 harness 中评估 7 个前沿模型,各跑 5 次(共 3,495 次计分运行),Claude Opus 5.5(67.3%)与 GPT-6 Astra(63.7%)领先且无统计显著差距,随后是 Claude Fable 5.1(46.5%)和 Gemini 3.8 Flash(40.0%)。没有任务被所有模型完整解决,80 个任务上没有任何模型在全部 5 次运行中都拿到满分;作者公开 24 个任务及其环境、grader 与结果,其余 76 个留作防污染。 -
论文考察 coding agent 对 AGENTS.md 等上下文文件指令的遵从情况 (opens in a new window)
Gianmario Voria 等人 11 月 10 日在 arXiv 发布论文(arXiv
.13709),研究真实的 agent context file(例如 AGENTS.md)快照及其关联的 agent 生成提交,把其中明确、可执行的指令落地为测量脚本,并按指令检查遵从情况。作者报告,多数可观察指令可以这样操作化,agent 对这类指引的遵循多于不遵循,但遵从情况在始终遵守与从未遵守的指令之间明显分化,并随指令类别和 coding agent 而异。 -
论文指出 agent 基准的饱和有相当部分来自通过/失败的记分方式 (opens in a new window)
Zihan Dong 等人 11 月 10 日在 arXiv 发布论文(arXiv
.13541),对包括 SWE-bench Verified 与 Terminal-Bench 在内的八个基准已发布运行重新打分,认为许多饱和来自测量方式而非任务本身。作者指出,多数 agent 基准把一次运行压成通过或失败的一个比特:在 SWE-bench Verified 上,相邻的前十名 agent 差距小于测试本身的误差,校正测试后的名次变动不超过随机删除每名 agent 六分之一通过项所带来的变动;在 ALE-Bench 上,按竞赛分数分开的前十名在对照中位人类评分时打成平手,尽管近一半运行超过这一水平。作者提出带日期锚点的截断对数比分数,并把成本作为单独轴;在 Terminal-Bench 的一次重跑中,通过/失败打成平手的模型在被测试丢弃的数值指标上相差超过十倍。