关键信号

• 上下文腐化仍是智能体式 LLM 编程工作流的关键挑战。 研究表明，无论上下文窗口大小如何，较早的 token 都会比较晚的 token 获得更多注意力，导致 LLM 在冗长的编程会话中"遗忘"信息。社区开发的扩展程序（如 GSD）正作为实用的解决方案出现，通过实现结构化任务规划和子智能体分解来保持上下文完整性。 [1]

• Claude Code 持续进行增量性能改进，发布 v2.1.29 版本。 该版本解决了在恢复包含已保存钩子上下文的会话时的启动性能问题，表明 Anthropic 持续关注会话管理——这对于经常暂停和恢复智能体编程工作流的开发者来说是一个关键方面。 [2]

• OpenCode v1.1.48 为模型配置和提供商支持引入了显著的灵活性。 新增的 OPENCODE_MODELS_PATH 环境变量和用于处理推理 token 的 Copilot 专用提供商，展示了该工具向更好的多提供商支持方向演进。该版本还使技能可作为斜杠命令调用，改善了 TUI 中的开发者体验。 [3]

AI 编程新闻

• GSD 扩展在 Claude Code 之上添加上下文工程层，对抗长时间智能体编程会话中的注意力稀释问题。 The New Stack 上 David Eastman 的这篇深度文章探讨了 GSD（Get Shit Done），这是一个流行的 Claude Code 扩展，专门解决“上下文腐化”问题——即由于注意力稀释，LLM 在冗长对话中会失去对早期内容关注的现象。作者通过一个实际示例演示如何使用 GSD 从零开始规划和实现一个 JSON 查看器桌面应用程序，展示了其结构化规划框架如何对抗智能体 LLM 在非生产性循环中消耗 token 的倾向。GSD 的工作原理是在 Claude Code 之上添加一个“上下文工程层”，提供一个利用子任务的内部任务规划框架。该扩展首先通过以产品为中心的问题来询问用户，涉及受众、目的、需求和平台定位——智能地区分需求、阶段和整体规划。作者指出这个过程“让我更认真地思考我真正需要什么”，突出了这种结构化方法如何既能改善 LLM 的输出，又能提升开发者自身对项目的清晰度。GSD 最终为桌面应用选择了 SwiftUI，并创建了包括路线图、阶段和验证步骤在内的全面文档。 [1]

功能更新

• Claude Code v2.1.29 修复了恢复包含已保存钩子上下文会话时的启动性能问题。 这个小型错误修复版本解决了在恢复包含 saved_hook_context 的会话时的启动性能问题。该修复通过消除导致用户返回包含钩子上下文数据的 Claude Code 会话时启动缓慢的先前开销，确保了更快的会话恢复。虽然这是一个针对性修复，但对于经常暂停和恢复智能体编程会话的开发者来说意义重大，因为会话连续性是维持高效 AI 辅助工作流的关键方面。 [2]

• OpenCode v1.1.48 引入自定义模型路径、斜杠命令技能和 Copilot 专用提供商。 这个功能丰富的版本为 OpenCode 用户引入了多项显著改进。主要新增功能包括通过新的 OPENCODE_MODELS_PATH 环境变量指定自定义模型文件路径的能力，以及技能现在可以直接在 TUI 中作为斜杠命令调用——显著改善了工作流体验。该版本还添加了由 @SteffenDE 贡献的 Copilot 专用提供商，以正确处理推理 token，展示了 OpenCode 对多提供商兼容性的承诺。其他改进包括在构建过程中遵守 OPENCODE_MODELS_URL 环境变量、对 OpenAI 兼容 API 使用 snake_case 作为 thinking 参数（修复兼容性问题），以及默认情况下在 grep/ripgrep 操作中不跟踪符号链接。该版本还包括修复并行测试运行污染环境变量的问题，以及处理 bash 权限中重定向语句 treesitter 节点的问题。七位社区贡献者参与了本次发布，反映了该项目活跃的开源生态系统。 [3]