开发者 xyTom 在 GitHub 开源了 coding-tools-mcp 项目，旨在通过 MCP（Model Context Protocol，模型上下文协议）将 ChatGPT 网页端与本地开发环境无缝连接。该工具作为一个运行在本地的 MCP 服务器，通过隧道接口与 chatgpt.com 建立安全连接。一旦连接成功，ChatGPT 网页端的大模型（如 GPT-4o、o1 等）即可直接读取、编辑和运行用户本地项目的代码。这一实现赋予了原生 ChatGPT 类似于 Codex 的“直接操作本地代码仓库”的能力。对于开发者而言，这意味着无需依赖特定的 IDE 插件，即可在 ChatGPT 官方网页端直接进行深度的本地代码调试、重构和分析，显著提升了 AI 辅助编程的灵活性与工作流效率。
智谱 AI 推出的 GLM Coding Plan 近期在开发者社区引发关注。有开发者在 Linux.do 论坛分享了其真实使用体验，表示该工具极大地提升了开发效率，使其能在数小时内完成过去需要数周才能搞定的开发工作。为了让更多人体验这一 AI 编程助手，该用户在社区分享了 7 天免费体验卡并被迅速抢空。这一现象反映出国内开发者对高效 AI 辅助编程工具的强烈需求。GLM Coding Plan 作为智谱在 AI Coding 领域的重要布局，旨在通过大模型代码生成与理解能力重塑开发工作流。对于中国开发者和 AI 创业者而言，这类本土化 AI 编程工具的迭代将进一步加速产品原型的构建与项目落地。
本文源自 Linux.do 社区的热门讨论，探讨了全栈开发者在利用 AI Agent（如 Claude Code、DeepSeek 等）执行复杂、长时间的模块级开发任务时，如何解决 Agent “跑偏”的问题。作者指出，尽管 CRUD 任务逻辑简单，但 AI 在自动执行大任务时常出现以下痛点：未完成明确任务、生成内容越界、因不理解功能而误删代码，以及无视 CLAUDE.md 规范重复造轮子。在工具实践上，作者评测了多款工具：Superpowers 效果最好但速度极慢；ECC 审批过于繁琐；Speckit 体验较好但规划能力不稳定且易跑偏；而基于 Karpathy 模板的 CLAUDE.md 也未能有效引导 AI 在遇到问题时主动提问。该讨论反映了当前 AI 编码工具在长上下文管理、任务规划及人机协同机制上的局限性，对 AI Coding 开发者具有重要参考价值。