使用AI快速生成UML图表，从简单的文本描述中生成类图、ER图等。快速、直观、强大。
RapidChart是一个使用人工智能快速生成UML图表的工具，能够从简单的文本描述中生成类图、ER图等。其主要优点在于快速、智能生成图表，提高生产力，适用于软件设计和视觉建模领域。
Codeaid是一款革新编程测试体验的编程测试和评估平台。
Codeaid是一款针对开发人员进行全面和具有挑战性评估的开发人员测试工具，具有最精确和细分的评分算法。其主要优点是模拟开发人员日常工作流程和环境，提供准确的技能评估。
开源编码 LLM，专为软件工程任务设计。
Kimi-Dev 是一款强大的开源编码 LLM，旨在解决软件工程中的问题。它通过大规模强化学习优化，确保在真实开发环境中的正确性和稳健性。Kimi-Dev-72B 在 SWE-bench 验证中实现了 60.4% 的性能，超越其他开源模型，是目前最先进的编码 LLM 之一。该模型可在 Hugging Face 和 GitHub 上下载和部署，适合开发者和研究人员使用。
创建您的动态NF-ID。超越简历，使用AI身份适应每个工作，并自动回答招聘者问题。
NUROFILE是一个代表未来的AI身份产品，能够适应各种工作机会，并为用户自动匹配招聘要求。其主要优点是能够为用户量身定制、智能推荐和自动生成个性化简历，背景信息包括简历的过时性和招聘过程的变化。目前为免费使用。
windsurf_ai推出首个针对软件工程流程优化的模型家族 SWE-1。
SWE-1 是windsurf_ai首个为整个软件工程流程优化的模型家族，旨在加速软件开发 99%。与传统的仅能编写代码的模型相比，SWE-1 不仅能编写代码，还能处理终端操作、访问其他知识和互联网、测试产品和理解用户反馈。SWE-1 系列包括 SWE-1、SWE-1-lite 和 SWE-1-mini 三种模型，旨在满足不同用户的需求。
通过AI面试筛选和评定申请者。
Screenify是一款通过智能AI面试全自动筛选和评定申请者的工具。它可以帮助企业筛选申请者、进行深入评估候选人，并通过类似与真人对话的人工智能面试来简化招聘和雇佣流程。
AI驱动的测试代理工具，帮助开发人员更快地发布无bug软件。
Bugster是一款AI驱动的测试解决方案，能够将用户流程转化为自动化测试，帮助开发人员快速发布无bug的软件。其主要优点在于自动化测试流程、智能测试适应性和减少测试维护工作。Bugster定位于提高开发速度并保证软件质量。
AI驱动的技术面试平台，帮助公司找到最优秀的工程师。
Candora是一个AI领导的面试平台，涵盖编码、系统设计、行为和项目构建等面试环节。它通过评估技术深度、系统思维、解决问题能力、沟通技巧等方面，帮助公司找到最强大的工程师。
创建产品预售等候名单，构建炒作，收集电子邮件。
Waitlister是一个帮助您创建产品预售等候名单的工具，以验证想法并建立炒作。它提供可定制的着陆页和表单。Waitlister价格适中，定位于为创业者和企业家提供预售市场营销解决方案。
一套免费的合作工具套件，可帮助招聘团队提高10倍的生产力。
Hiring Studio是一款由Metaview开发的免费工具套件，旨在提高招聘团队的生产力。其主要优点包括生成职位描述、生成面试问题等功能，背景信息为Metaview公司，定位于提升招聘团队效率。
mrge 帮助现代软件团队以 4 倍的速度交付更高质量的代码。
mrge 是一个专为现代软件团队设计的代码审查平台，能够加速代码合并流程并提高代码质量。其采用 AI 技术实时评估代码，确保团队能够快速、有效地处理 PR，减少开发周期。产品每位活跃开发者月收费 30 美元，提供无限的 AI 审查和自定义规则，适合需要高效协作的开发团队。
GPT-4.1 是一款在编程、指令跟随和长文本理解方面有显著提升的模型。
GPT-4.1 是一系列新模型，提供了显著的性能提升，特别是在编码、指令跟随和处理长文本上下文方面。它的上下文窗口扩大到 100 万标记，并且在真实世界的应用中表现出色，适合开发者创建更高效的应用程序。此模型的价格相对较低，且具有快速响应能力，使其在开发和执行复杂任务时更加高效。
Exponent 是一个高效的 AI 编程助手，协作完成软件工程任务。
Exponent 是一款协作式 AI 编程代理，旨在提升软件开发的效率与体验。它能够在多种环境中工作，从代码的探索到部署，能够帮助开发者自动化复杂的编程任务，极大地减少重复性工作，提升团队生产力。Exponent 的优点包括跨平台操作、便捷的用户界面和强大的功能集，适合各种规模的开发团队使用。
Factory 是一个为软件开发带来自主性的平台，助力团队高效协作和开发未来软件。
Factory 是一个面向软件开发的自主性平台，旨在通过连接工程系统中的上下文和工具，提升团队协作效率和开发体验。它支持从代码生成、代码审查到文档生成的全流程开发任务，同时提供企业级安全性和标准化工作流，帮助团队更好地管理复杂项目。Factory 的目标是将开发团队转变为自主化的高效组织，适应现代软件开发的需求。
通过强化学习提升大型语言模型在开源软件演变中的推理能力
SWE-RL 是由 Facebook Research 提出的一种基于强化学习的大型语言模型推理技术，旨在利用开源软件演变数据提升模型在软件工程任务中的表现。该技术通过规则驱动的奖励机制，优化模型的推理能力，使其能够更好地理解和生成高质量的代码。SWE-RL 的主要优点在于其创新性的强化学习方法和对开源数据的有效利用，为软件工程领域带来了新的可能性。该技术目前处于研究阶段，尚未明确商业化定价，但其在提升开发效率和代码质量方面具有显著潜力。
SWE-Lancer 是一个包含 1400 多个自由软件工程任务的基准测试，总价值 100 万美元。
SWE-Lancer 是由 OpenAI 推出的一个基准测试，旨在评估前沿语言模型在真实世界中的自由软件工程任务中的表现。该基准测试涵盖了从 50 美元的漏洞修复到 32000 美元的功能实现等多种独立工程任务，以及模型在技术实现方案之间的选择等管理任务。通过模型将性能映射到货币价值，SWE-Lancer 为研究 AI 模型开发的经济影响提供了新的视角，并推动了相关研究的发展。
© 2025 AIbase 备案号：闽ICP备08105208号-14