Introducing the Microsoft Copilot harness: Unlocking the potential of truly multi-model agentic work

Four Months of Zig

A developer reflects on four months of using Zig after returning to it from Rust. She praises Zig's explicit allocator and IO parameters, its build system (adopted by Uber for software written in other languages), comptime, and its lean dependency culture, where her projects have one or two direct dependencies and zero indirect ones versus dozens of indirect dependencies in Rust. Incremental compilation via 'zig build --watch -fincremental' currently only works on x86_64 Linux and macOS. She criticizes poor documentation, missing lifetime checks for stack-allocated buffers, lack of compile-time allocators for JSON parsing, and Zig's bootstrapping process that blocks Debian packaging. She still plans to keep using Zig as her go-to language for most projects.

GitHub Copilot Fusion now supports selection of local models

GitHub Copilot Fusion now supports routing between local and cloud models in experimental preview. It works in Copilot CLI, the Copilot app, and VS Code. On Windows, you can download and configure MAI Code 1.1 Flash through the Windows ML provider with a managed setup. On Windows, macOS, and Linux, you can manually configure MAI Code 1.1 Flash or Qwen3.8 Flash Next through a local OpenAI-compatible server. Selecting 'Standard' in Copilot Fusion lets Copilot choose between eligible local and cloud models. Local inference doesn't make sessions offline, since routing decisions still happen in the cloud, and local models may have different safety protections than cloud models.

10 Best AI GitHub Repositories to Supercharge Your Agent

GitHub là kho lớn nhất chứa công cụ AI miễn phí nhưng phần lớn lập trình viên chưa khai …

Explore the Headless Toolkit with the Pronto Sample App

Discover how the Pronto sample app demonstrates the power of the Headless Toolkit with Agentforce, Hosted MCP servers, and rich experiences across surfaces.

EP230: RAG vs Agentic RAG

RAG (Retrieval-Augmented Generation) và Agentic RAG là hai phương pháp xử lý thông tin …

AI promised less work. I've never worked more

Các AI agents đã làm triển khai rẻ hơn đáng kể, dẫn đến việc tôi phải xử lý nhiều dự song song hơn. Kể từ 2019, lịch sử GitHub cho thấy khối lượng công việc của tôi đã tăng vọt khi giữ vai trò VP of Technology. Tôi quay lại nhịp độ của một full-stack engineer với những đợt làm việc cường độ cao và kiệt sức. Ngay cả mùa thấp điểm giờ cũng không còn "thấp" như trước. Bài viết cho thấy dù công nghệ AI giúp giảm chi phí thực hiện, nhưng nó vô tình tạo áp lực công việc lớn hơn lên người quản lý kỹ thuật.

Bài viết này giúp bạn hiểu tác động thực tế của AI đến khối lượng công việc của lập trình viên và cách quản lý nó để tránh kiệt sức.

Pardon my dust – re-homing 21 years of blog content of christianheilmann.com

Christian Heilmann is migrating his 21-year-old WordPress blog off WordPress and GoDaddy toward a static Jekyll site. The move was triggered by SSL certificate costs and hassles after MediaTemple was bought by GoDaddy. He has converted 1850 blog posts to markdown so far, keeping the original folder structure to avoid breaking links. He used Simply Static to snapshot the site and plans to build his own search and feed generation, plus AI-generated summaries for old posts. He no longer uses WordPress features such as comments or the high fidelity editor.

TLA-Verus: LLM agents prove temporal properties of TLA+ specs

TLA-Verus sử dụng LLM agents để chứng minh tính chất safety và liveness cho spec TLA+ bằng cách chuyển chúng sang Verus Rust verifier. Trong nghiên cứu với 16,459 cặp (spec, property) từ 2,734 module, TranSpec đã dịch được 6,070 spec, trong đó 5,160 được định nghĩa rõ ràng và 3,094 được chứng minh thành công với chi phí khoảng 2 USD/bằng chứng. Tỷ lệ thành công cho liveness proofs khá thấp chỉ đạt 38% (304/809). Các benchmark cho thấy Opus-5 và GPT-5.6-sol-pro giải được tất cả 40 task trong khi gpt-oss-120b không giải được cái nào, và DeepSeek-R1 giảm từ 74.7% xuống còn 17.5% so với verusbench. Điểm hạn chế là không có code nào biên dịch được và không có refinement proof nối kết spec Verus về lại nghĩa gốc TLA+.

Những thử nghiệm này chứng minh cách AI hiện đại có thể tự động hóa chứng minh tính toàn vẹn cho các mô tả logic phức tạp, giúp lập trình viên hiểu rõ giới hạn và tiềm năng của các công cụ tự động hóa trong việc bảo đảm an toàn hệ thống mà không cần viết code thực thi.