开源开发平台构建商Coder Technologies Inc.今日发布了一套治理和执行能力解决方案,旨在帮助企业将人工智能编码智能体集成到软件开发生命周期中,同时不会影响安全性、合规性或平台控制。
此次发布将该公司的自托管开发者环境平台扩展为"受治理AI开发的全栈基础设施",针对那些在安全规模化采用AI工具方面存在困难的组织。
三项新功能——AI Bridge、Agent Boundaries以及Coder Tasks的增强功能——解决了企业在采用AI辅助开发时面临的挑战,因为它们缺乏管理相关风险所需的基础设施。Coder引用了思科系统公司最近的一项研究,该研究发现只有13%的全球企业拥有明确的AI策略,这意味着许多团队依赖临时搭建的设置,无法规模化。
"将AI工具硬塞到旧模式中,即代码存储在本地笔记本电脑上,会带来风险、成本和混乱,"Coder首席执行官Rob Whiteley在声明中表示。"当你添加AI智能体时,这种情况会更糟,因为智能体根本无法在笔记本电脑上并发运行。"
Coder"某种程度上是在利用大多数人可能没有理想AI策略这一事实获利",Coder产品副总裁Ben Potter说。"开发人员开始表达并看到什么有效,这让平台工程师能够更加战略性而非反应性地行事。"
智能体平等原则
该公司认为,组织需要一个受治理的基础设施,能够将人类开发人员和AI智能体都视为开发工作流程中的一等参与者。虽然承认有几家供应商提供广泛的组织级控制,但Potter表示这些工具集缺乏对最敏感层面之一的可见性:开发者工作空间。
他说,结果是许多企业甚至无法回答关于AI开发的基本问题,比如成本是多少、开发人员使用什么工具以及如何大规模引入编码助手。
"Coder首先且最重要的是在开发者环境中,"Potter说。"我们创建了很多这些治理和控制功能,因为其他供应商根本没有,至少在AI编码工具方面没有。"
AI Bridge整合了开发中使用的所有AI模型提供商的身份验证、访问和使用数据,取代了缺乏集中化可观察性的临时代理。它为平台工程团队提供了提示日志、Token消耗和模型活动的单一视图。
Agent Boundaries执行策略驱动的控制,限制AI智能体可以访问的内容。Potter说,该功能充当智能体专用防火墙。组织可以为允许的网络目标、工具和内部系统定义明确的列表。"如果工具无法访问特定源,风险就会显著降低,"他说。
Coder Tasks扩展了平台的自动化层,支持人类发起和智能体发起的作业,实现长期运行、低交互的工作流程,如文档编写、测试编写和代码审查。
超越笔记本电脑
该公司推介的一个关键部分是,AI增强的开发不应该依赖笔记本电脑作为主要执行环境。Coder的主要工作空间平台允许企业在自托管基础设施上标准化开发者运行时环境。新功能将这一能力扩展到AI智能体,Potter说这是客户要求的转变。
"我们试图让开发摆脱笔记本电脑,"他说,声称本地机器无法安全或一致地支持人类和智能体工作流程的并发执行,也无法支持企业所需的控制。
Coder依赖OpenID Connect并支持已建立的单点登录系统来与企业访问控制集成。开发者工作空间使用Terraform模板定义,这些模板嵌入了组织政策和必需的工具。
Coder的平台目前支持大约3000个并发工作空间,相当于典型企业的约10000名开发人员,Potter说公司期望这个规模会增加。
新功能的定价尚未最终确定,尽管Potter说评估大规模智能体部署的企业客户最终可能会看到按智能体定价,而其他客户将继续按开发人员席位付费。
Coder计划将其平台定位为开发人员和AI智能体可以并肩工作的基础。"我们不声称为所有事情提供统一的解决方案,"Potter说。"我们正在添加企业需要的层,这样他们就可以自信地推出AI工具。"
成立于2017年的该公司已在四轮融资中筹集了超过8500万美元,据Tracxn称。
Q&A
Q1:AI Bridge功能有什么作用?
A:AI Bridge整合了开发中使用的所有AI模型提供商的身份验证、访问和使用数据,取代了缺乏集中化可观察性的临时代理。它为平台工程团队提供了提示日志、Token消耗和模型活动的单一视图。
Q2:Agent Boundaries如何保护企业安全?
A:Agent Boundaries执行策略驱动的控制,限制AI智能体可以访问的内容,充当智能体专用防火墙。组织可以为允许的网络目标、工具和内部系统定义明确的列表,如果工具无法访问特定源,风险就会显著降低。
Q3:为什么Coder认为开发不应该依赖笔记本电脑?
A:Coder认为本地机器无法安全或一致地支持人类和智能体工作流程的并发执行,也无法支持企业所需的控制。将AI工具硬塞到代码存储在本地笔记本电脑的旧模式中,会带来风险、成本和混乱。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。