Linus Torvalds अब Linux कर्नेल कोड विकसित करने के लिए AI का उपयोग कर रहा है
Linus Torvalds ने एक पेज-कैश बाधा को ठीक करने के लिए Linux पैच सेट पर AI का उपयोग किया; लाभ बड़े हैं, लेकिन वसूली और विलय अनसुलझे रहते हैं।
AI coding सहायक और एजेंट, परीक्षण और एआई के साथ डिबगिंग, और डेवलपर्स के लिए व्यावहारिक सेटअप।
Linus Torvalds ने एक पेज-कैश बाधा को ठीक करने के लिए Linux पैच सेट पर AI का उपयोग किया; लाभ बड़े हैं, लेकिन वसूली और विलय अनसुलझे रहते हैं।
AI कोडिंग एजेंट कम उपकरण संचालन कौशल लेकिन आउटपुट औचित्य नहीं शिक्षा विनिर्देशों, सत्यापन और वसूली सिखाना चाहिए।
एक 50,000-रन अध्ययन से पता चलता है कि पास दरें व्यर्थ किए गए संपादन, पुनरावृत्तियों और असंबंधित परिवर्तनों को छिपाती हैं; हार्नेस प्रक्रिया-लागत मैट्रिक्स की आवश्यकता होती है।
वास्तविक कोडिंग एजेंट सत्र योजना, निष्पादन और समीक्षा का मिश्रण करते हैं। एसडब्ल्यूई-टास्कफ्लो इन वर्कफ़्लोज़ के लिए बेंचमार्क संरेखित करता है; बहु-चरण बातचीत लागत बढ़ाता है।
SWE-Duel में कोडिंग एजेंट्स छिपे हुए बग कार्यों का निर्माण और समाधान करते हैं, जिससे बेंचमार्क स्वयं स्केलिंग होते हैं; GPT-5.5 सबसे अच्छा हल करता है, Claude Opus 4.8 सबसे अच्छा लिखता है।
Agent Lightning Version 1.0 reinforcement learning के लिए एक हल्के Kubernetes नियंत्रण विमान के साथ वास्तविक harnesses के माध्यम से सीधे एजेंटों गाड़ियों .
मेटा ने कथित तौर पर AI मॉडल से परे कोडिंग सहायकों की ओर लक्ष्य रखा है, संभावित प्रतिस्पर्धा, डेटा लूप और डेवलपर टूल में वर्कफ़्लो परिवर्तन का संकेत दिया।
एक Python प्रश्नोत्तरी जिसमें OpenAI GPT Image API सेटअप, संकेत, आकार, गुणवत्ता, Base64 PNG फ़ाइलें और छवि संपादन शामिल हैं।
सेटअप, कुंजी, बिलिंग, आकार, गुणवत्ता, token लागत और Base64 आउटपुट को कवर करते हुए छवियों को बनाने, संपादित करने और सहेजने के लिए Use Python और OpenAI GPT Image API।
ओपेरा एक मौखिक आलोचक है जो मुद्दों को ठीक करने तक कोडिंग-एजेंट सुधारों पर नज़र रखता है, बेंचमार्क रिज़ॉल्यूशन दरों में सुधार के लिए ऑडिट और अनुवर्ती का उपयोग करता है।
टोरवाल्ड्स अब शुरुआती लोगों के लिए AI कोडिंग का आनंद लेते हैं, लेकिन Linux कर्नेल की समीक्षा में रखरखाव करने वालों पर दबाव डालते हुए बग ठीक करने में मदद मिलती है।
लेख की जांच करता है कि कैसे लंबे समय तक चलने वाले कोडिंग एजेंटों के लिए लागत मॉडल कॉल, उपकरण, ऑर्केस्ट्रेशन, लॉग और मानव नियंत्रण में वितरित किए जाते हैं।
Codemoo दिखाता है कि कैसे कोडिंग एजेंट Python डेवलपर्स के लिए विश्वसनीय रूप से योजना बनाने, परीक्षण करने और कोड में सुधार करने के लिए उपकरणों, वार्तालाप और आत्मनिरीक्षण का उपयोग करते हैं।
Ttok 0.4 tiktoken CLI को अद्यतन करता है, एक क्लिक चेतावनी को ठीक कर देता है, CI को ताज़ा करता है और uvx token गिनती का समर्थन करता है।
डेवलपर्स जीपीटी -6 एस्ट्रा और ओमनीवर्स लाइब्रेरी का उपयोग robot , एवी, डिजिटल ट्विन और सेंसर सिमुलेशन को प्राकृतिक-भाषा विचारों से बनाने के लिए करते हैं।
जूनियर डेवलपर्स के पास AI से अधिक टूल का अनुभव हो सकता है, जबकि वरिष्ठ डेवलपरों को समय की कमी होती है। समीक्षा कौशल और उत्पादन निर्णय अभी भी महत्वपूर्ण हैं, इसलिए टीमों को दोनों की आवश्यकता है।
एक 32 जीबी Ryzen 9 नोड क्लाईन के लिए Qwen 3 कोडर 30B चलाता है, जो bandwidth सीमाओं के बावजूद GPUs या क्लाउड शुल्क के बिना स्थानीय एजेंटिक कोडिंग सक्षम करता है।
AI एजेंट CUDA कर्नेल के साथ PyTorch को हरा सकते हैं, लेकिन वास्तविक स्पीडअप्स को मजबूत बेसलाइनों के खिलाफ सही, व्यापक, ओवरहेड-जागरूक बेंचमार्क की आवश्यकता होती है।
Local LLM टूल कॉल रनटाइम पार्सर्स पर निर्भर करते हैं। Ollama , llama.cpp, vLLM और SGLang के ऑडिट असमान कवरेज दिखाते हैंः केवल 8/41 परिवार सार्वभौमिक हैं।
यह पूर्वावलोकन पुष्टि करता है एक TypeSafe AI Jev समीक्षा की कोशिश की गई थी, लेकिन paywall परीक्षणों को छुपाता है, परिणाम, लागत और फैसले.