Hacker News 展示：我開發的開源 AI 代理在 Gemini-1.5-Flash 測試中登頂 TerminalBench 榜單

背景

Dirac 是一款專注於提升效率與上下文管理的開源 AI 編碼代理工具，近期在 Terminal-Bench-2 基準測試中，搭配 Gemini-3-flash-preview 模型取得了 65.2% 的高分，超越了 Google 官方基準與部分閉源競爭對手。作為熱門專案 Cline 的深度分叉版本，Dirac 核心訴求在於透過雜湊錨定編輯、AST 語法樹操作與大規模並行化處理，在提升程式碼品質的同時，大幅降低 50% 至 80% 的 API 成本。

社群觀點

在 Hacker News 的討論中，開發者們對 Dirac 如何在不犧牲準確度的前提下達成極致的成本控制展現了濃厚興趣。作者 GodelNumbering 親自回應了關於基準測試透明度的質疑，強調該成績是在完全開源且無任何針對性優化（如插入特定技能文件）的情況下取得的，這在近期基準測試造假爭議頻傳的背景下顯得尤為重要。社群成員對於 Dirac 捨棄傳統全文讀取，轉而利用 tree-sitter WASM 進行 AST 分析並將符號存入 SQLite 資料庫的做法表示肯定，認為這種精確的上下文篩選能有效避免 LLM 在處理大型專案時被無關資訊淹沒。

然而，部分資深開發者也對靜態分析在動態開發過程中的穩定性提出挑戰。有留言指出，即使是成熟的 IDE 如 Visual Studio，在程式碼編輯的中間狀態也常因語法不完整而導致靜態分析失效或產生錯誤提示，擔憂這是否會誤導 AI 代理的判斷。作者對此解釋，Dirac 透過增量更新與特定的符號查詢機制來緩解此問題，並強調這種「工具鏈」的迭代改進，其潛力甚至超過了模型本身的升級。

此外，關於 Dirac 與其他工具（如 pi.dev）的對比也引發討論。社群觀察到，雖然某些工具在基礎任務上成本相近，但在涉及跨檔案符號關聯的複雜重構時，Dirac 憑藉 AST 導向的搜尋能力展現出更高的完成度。討論中亦有使用者關心 CLI 支援與模型相容性，作者確認 Dirac 繼承了 Cline 的靈活性，支援包括 Qwen 在內的各種開源與閉源模型，並透過並行化操作解決了部分模型推理速度較慢的問題。整體而言，社群共識傾向於認為，在模型能力趨於平緩的現狀下，像 Dirac 這樣優化執行環境與上下文管理的「腳手架」將是提升 AI 編碼實用性的關鍵。

延伸閱讀

• Hash-Anchored Edits 技術原理：詳細介紹如何透過雜湊錨定與 Myers Diff 演算法實現單 Token 級別的精確編輯。
• Terminal-Bench 2.0 基準測試：用於評估 AI 代理在終端環境下解決實際問題能力的測試框架。
• Cline：Dirac 所分叉的原始專案，提供基礎的 Plan 與 Act 模式架構。
• 關於 AI 代理在基準測試中作弊的調查報告：探討當前 AI 業界如何透過預置技能文件等手段在測試中取得虛高分數的現象。