Thariq Shihipar
PulseAugur coverage of Thariq Shihipar — every cluster mentioning Thariq Shihipar across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Discovered Materials 融资 900 万美元用于 AI 驱动的芯片材料发现
Discovered Materials 是一家从 Y Combinator 出来的初创公司，已获得 900 万美元的种子轮融资，用于开发能够发现新型材料以制造更高效半导体芯片的 AI 代理。该公司利用一个流程，该流程利用 Anthropic 模型和其自身的物理基础模型来模拟和验证潜在材料，旨在解决 AI 工作负载中的热挑战。虽然存在类似的努力，但 Discovered Materials 专注于半导体材料的热性能，并计划将其有前景的…
-
AI编码助手：实际限制和访问比基准更重要
在2026年中期选择AI编码助手，与其说是基于基准分数，不如说是基于支付方式、使用限制和供应商政策等实际因素。虽然GPT-5.5和Anthropic的Opus 4.6等模型在基准测试中表现出性能差异，但基于这些模型的第三方工具通常能获得更高的分数。突然的配额耗尽、API速率限制以及供应商施加的限制（例如Anthropic阻止第三方工具的OAuth令牌）等实际问题，严重影响了开发者的工作流程和截止日期。
-
Anthropic 将 Claude Code 默认设为自动模式，称可提高安全性
Anthropic 将于 2026 年 8 月 14 日起，在 Pro、Max 和 Team 计划中为其 Claude Code 产品默认启用自动模式。这意味着 Claude Code 将自主执行大多数操作，依赖独立的分类器模型来识别和阻止危险命令，而不是在每一步都提示用户批准。尽管测试表明该自动化系统在防止有害行为方面比人工审查有效得多，但仍有少量风险存在，用户仍需自行管理。
-
Anthropic将Claude Code指令减少80%，性能无损
Anthropic将其Claude Code模型的系统指令减少了约80%，从800个token减少到164个，在编码评估中没有可衡量的性能损失。技术人员Thariq Shihipar详细介绍了这一举措，表明更新、更强大的AI模型能够有效地理解上下文，而过于严苛的规则可能适得其反。该公司的理由强调了从僵化的约束转向更细致的判断，例如匹配周围代码的编码风格，而不是强制执行禁止注释的通用规则。
-
Anthropic 将 Claude Code 的提示词削减了 80%，性能未受影响
Anthropic 的工程师们显著减少了 Claude Code 的系统提示词，删除了其原始文本的 80% 以上，而未影响其在编码任务上的性能。这一改变源于认识到过于明确的指令有时会适得其反，它将方法从僵化的规则转向更灵活的判断和定义明确的工具接口。更新后的提示词允许 Claude 从上下文中推断编码风格，并更具创造性地探索解决方案，这反映了针对高级 AI 模型的提示词工程的更广泛趋势。
-
Anthropic 通过 AI 集成重塑软件工程
Anthropic 正在通过将 AI 工具更深入地集成到开发生命周期中，显著改变其软件工程实践。曾经需要数月才能完成的项目，例如一个复杂的代理系统，现在几天内就能完成，例如通过 AI 辅助将 Bun 重写为 Rust。虽然 AI 加速了原型设计以及代码审查和测试的自动化，但像两人团队和规划的重要性等核心原则仍然存在。
-
Anthropic 将 Claude 5 系统提示词缩减 80%，性能无损
Anthropic 已为其 Claude 5 模型（包括 Claude Opus 5）显著减小了系统提示词的长度。Claude Code 的 Thariq Shihipar 透露，此次更改移除了超过 80% 的提示词，而在编码评估性能方面没有任何可衡量的损失。这一举动挑战了长期以来最大化上下文和规则的 AI 工程原则，表明广泛的系统提示词现在可能阻碍而非促进模型性能。
-
Simon Willison 发布了在 AI Engineer World's Fair 上对 Claude Code 团队的采访
Simon Willison 发布了他对 Claude Code 团队的 Cat Wu 和 Thariq Shihipar 的采访的注释版文字记录。采访发生在 AI Engineer World's Fair。对话视频现已发布。
-
Anthropic 的 Claude Code 团队详解 AI 辅助开发收益
Anthropic 的 Claude Code 团队在一次炉边谈话中讨论了他们在 AI 辅助软件开发方面的进展。关键进展包括 Claude Tag，一个 Slack 集成，目前处理该团队 65% 的产品工程 PR；以及 Claude Code 本身，它已发展到需要更少的直接监督，使工程师能够专注于产品开发更具创造性的方面。该团队还强调了 Fable 5 和 Opus 4.8 等模型的改进，并指出像向系统提示添加示例或列出负面约束等传统…
-
Anthropic 将 Claude Fable 5 转向按量计费，以应对定价变化
Anthropic 正在将其最先进的模型 Claude Fable 5 从订阅计划转变为按令牌计费，按量使用将于 2026 年 7 月 20 日开始。该模型的定价为每百万输入令牌 10 美元，每百万输出令牌 50 美元，是 Claude Opus 4.8 的两倍。虽然 Anthropic 表示此举是由于容量限制和新的、更严格的安全分类器而暂时性的，但确切的未来定价仍不确定。
-
Anthropic 的 Fable 模型在揭示隐藏的任务假设方面表现出色
来自 Anthropic 的 AI 模型 Fable 因其揭示复杂任务中隐藏决策和假设的能力而受到关注。与擅长执行预定义计划的模型不同，Fable 特别擅长识别“未知数”——即提示与现实世界约束之间的差距。当任务的复杂性并非源于规模，而是源于未经审视的目标或标准时，这种能力就很有价值，它允许用户在执行之前或执行过程中完善他们的目标。
-
开发者根据Anthropic的“寻找未知”文章创建了Claude Code技能
一位开发者根据Anthropic的Thariq Shihipar撰写的“寻找未知”文章，创建了一套八个可安装的Claude Code技能。这些技能旨在帮助用户在处理代码库时，尤其是在使用Claude Fable 5时，识别提示和理解中的差距。这些技能包括“blindspot-pass”和“interview-me”等功能，可以通过命令安装或单独复制，GitHub仓库提供了更多示例和文档。
-
Anthropic开发者分享Fable 5提示技巧，以克服用户的盲点
一位Anthropic的开发者分享了Fable 5模型的新提示策略，强调用户盲点而非模型能力是当前的限制。这些技巧，如盲点检查和结构化访谈，旨在帮助用户在与AI互动前识别自身无意识的知识差距。目标是通过增强用户的自我意识和提示的精确性来提高AI工具的有效性。
-
Anthropic因Claude Code中的隐藏用户跟踪而受到抨击
Anthropic在其Claude Code开发工具中发现隐藏的跟踪机制后，正面临批评。该代码旨在阻止中国AI公司复制模型，但被发现收集用户数据，如时区和代理使用情况。Anthropic声称这是为打击蒸馏攻击和知识产权盗窃而进行的一项实验性功能，但其秘密实施方式引发了关于用户隐私和AI公司数据收集实践的重大辩论。该公司此后已移除跟踪器，阿里巴巴因安全问题禁止使用Claude Code。
-
鼓励Fable和Opus等AI模型运用自身判断力来执行任务
鼓励Fable和Opus等AI模型运用自身判断力来执行任务，而不是明确指示它们如何执行。这一方法由Claude Code团队提出，涉及让模型自行决定何时使用自动化测试，或将较小的编码任务委托给功能较弱、成本效益更高的模型，如Sonnet或Haiku。该策略旨在提高效率和管理资源消耗，特别是token使用量。
-
阿里巴巴因涉嫌中国检测后门而禁止使用Anthropic的Claude Code
阿里巴巴集团已禁止其员工于7月10日起因安全风险而在工作中使用Anthropic的Claude Code。该禁令源于指控称Claude Code包含旨在检测与中国AI实验室有关联用户的隐藏代码。阿里巴巴已将Claude Code归类为高风险软件，并指示员工使用其内部的Qoder平台作为替代。此举加剧了两家公司之间的争端，此前Anthropic曾指控阿里巴巴的Qwen实验室进行了大规模模型蒸馏攻击。
-
Anthropic 工程师推动 Claude Code 代理输出使用 HTML 而非 Markdown
Anthropic 的 Claude Code 团队主张将代理输出从 Markdown 转向 HTML，认为在拥有大型上下文窗口的情况下，Markdown 的令牌效率已不再是主要问题。Claude Code 工程师 Thariq Shihipar 展示了 HTML 如何提供比 Markdown 更丰富、更具交互性和上下文相关性的输出，而 Markdown 可能导致信息被忽略。此举旨在利用 HTML 的结构优势来提高开发者的理解能力和工…