AI编程

AI Agent 编造 API 端点的问题，正在推动开发者寻找更可靠的验证方式。一种新做法是利用浏览器导出的 HAR 文件重建接口清单，让 Agent 基于真实流量证据调用、测试和生成代码。

一篇基于 Dev.to 素材改写的 AI 编程报道，梳理非开发者如何通过仓库规则、规格说明、小 PR、CI 测试和回滚机制，为 Claude Code 生成的代码建立审查护栏。

开源项目 REA 将 Ghidra、Hopper、IDA 等专业逆向工具接入 AI 编程助手，让模型沿证据链分析闭源软件，减少猜测式回答。

开源工具 legacy2mcp 可将传统 SOAP、REST API 或数据库转换为 MCP Server，并以默认只读、模式校验和审计日志等方式，降低 AI Agent 调用遗留系统的风险。

Bellows 在 1.19.0 版本中上线编码 Agent 会话交接功能，用户可以把 Claude Code 等 Agent 会话保存为文件并交给同事继续处理。该功能源于 10 月 2 日的一项公开需求，六天后落地，显示 AI 编程工具正从单人助手走向团队协作工作流。

AI 编程代理写出的代码往往语法干净、看似完整，但真正的问题常藏在边界条件、参数臆造和无效测试里。为什么评审 AI 代码需要一套固定的“五轴清单”？

一个运行多年的 Python 后端项目，靠 214 处函数级导入勉强绕过循环依赖问题。开发者借助 Claude Code，把整个代码库的导入关系图交给 AI 编程助手，逐条分析并拆分循环依赖，最终用 8 个工作日完成了 37 个循环导入链的治理。这次实践给出的关键经验是：面对复杂代码问题，不要只把报错交给 AI，而要把系统结构交给 AI。