Augment Code 官方最新动态与版本发布资讯

2026-10-08 生态合作 | 模型发布

官方原文

Augment Code 宣布并入 Harness：聚焦企业级 AI 代码工厂与自主 SDLC

AI 代码开发工具 Augment Code 正式宣布将其核心资产（包括 Cosmos、Auggie CLI 及 Code Context Engine）出售并迁移至 Harness 平台。此次战略合并旨在解决企业级开发中 AI 代码生成的编排与验证瓶颈，将 Augment 的“软件工厂”理念融入 Harness 的自主 SDLC 平台。此举标志着 AI 辅助编程从单点工具向规模化、可治理的企业级流水线演进，开发者将获得更强大的端到端交付能力。

编辑：Augment Code官方 / ADK编译 阅读资讯全文

2026-09-11 模型发布 | 技术解读

官方原文

Augment Code 发布“软件工厂”：AI 如何重塑从需求到上线的全链路交付

Augment Code 宣布构建“软件工厂”（Software Factory），通过部署专用 Agent 自动化软件开发生命周期（SDLC）中的机械性工作，而非按顺序自动化。该模式在 9 个月内使每位开发人员的产出提升 4.5 倍，合并时间缩短 72%，14 天回滚率降低 79%。文章详细解析了从需求到生产的全流程 Agent 协作机制，强调人类在架构决策与风险把控中的核心作用。

编辑：Augment Code官方 / ADK编译 阅读资讯全文

2026-09-05 产品动态 | 版本升级 | 模型发布 | 技术解读

官方原文

Augment Code 发布 Cosmos：打造企业级 AI 原生软件工厂，重塑 SDLC 自动化闭环

Augment Code 正式发布 Cosmos 平台，旨在为软件研发全流程（SDLC）构建自动化的“软件工厂”。Cosmos 通过预置的 Agent 专家（如 Deep Code Reviewer, CI Failure Investigator）与 Prism 模型路由系统，将传统的任务执行升级为持续运行的自动化闭环。该平台支持企业级集成，实现从代码审查、漏洞修复到事故响应的端到端自动化，大幅降低人工重复劳动，提升交付效率与代码质量。

编辑：Augment Code官方 / ADK编译 阅读资讯全文

2026-08-28 产品动态 | 版本升级 | 模型发布 | 技术解读

官方原文

Augment Code 发布 Cosmos Advisor：自部署智能体平台，将复杂工作流落地时间缩短至 10 分钟

Augment Code 正式推出 Cosmos Advisor，一款内嵌于 Cosmos 平台的自部署智能体专家。该工具整合了产品知识库、经过验证的智能体设计模式及自主执行能力，旨在解决传统 Agent 平台‘演示容易、落地难’的痛点。通过内置企业级访问控制和自动化部署机制，Cosmos Advisor 可将特定工作流（如故障排查）的集成时间从数天缩短至约 10 分钟，并已在内部 On-call 操作中显著降低人工调查工作量。

编辑：Augment Code官方 / ADK编译 阅读资讯全文

2026-08-27 产品动态 | Agent 应用 | 工程效能 | 反馈闭环

官方原文

Augment Code 发布 Cosmos 反馈分派专家：双工程师团队如何自动化处理 6 倍产品反馈

Augment Code 双工程师团队面临每周 30+ 条产品反馈的激增，传统人力模式导致研发进度停滞。为此，他们利用 Cosmos 构建了 Feedback Triager（反馈分派专家）Agent。该 Agent 能独立执行从根因分析 (RCA) 到工单路由的全流程，仅保留人类进行优先级判断。此举成功将团队响应速度提升 6 倍，同时确保长期路线图不受支持任务干扰。

编辑：Augment Code官方 / ADK编译 阅读资讯全文

2026-08-14 产品动态 | 版本升级 | 技术解读 | 生态合作

官方原文

Augment Code 重构 CLI 引擎：任务成本降低 53%，架构效率实现双重跃升

Augment Code 宣布彻底重构其 Auggie CLI 引擎，将任务执行成本较 Claude Code 降低 53%。此次升级基于开源项目 Pi 进行深度定制，通过精简工具调用、优化上下文引擎及重构终端渲染机制，在保持 SWE-bench Pro 通过率不变的前提下，显著提升了单位 Token 的产出效率。

编辑：Augment Code官方 / ADK编译 阅读资讯全文

2026-08-13 产品动态 | 版本升级 | 技术解读 | 生态合作

官方原文

Augment Code 发布 Cosmos 软件工厂：以 Agent 编排实现企业级业务洞察与试点健康度自动化评估

Augment Code 通过其核心产品 Cosmos 软件工厂，展示了如何利用 Agentic Orchestration（智能体编排）解决企业级业务数据孤岛问题。文章详细阐述了如何将分散在 Salesforce、GitHub、产品遥测及客户通话记录中的数据，通过动态 Agent 工作流自动关联、验证与可视化，实现了对企业试点项目（Pilot）的实时健康度评估。核心亮点包括基于证据的决策支持、跨系统数据自动对齐以及针对特定业务目标（如 CTO 设定的 PR 合并率）的自动化验证，彻底改变了传统依赖静态仪表板进行人工维护的运维模式。

编辑：Augment Code官方 / ADK编译 阅读资讯全文

2026-08-13 产品动态 | 版本升级 | 技术解读

官方原文

Augment Code 发布 Loop Engineering：重构从 PR 到 Merge 的全链路自动化闭环

Augment Code 宣布将 Cosmos 代码审查系统升级为完整的 PR-to-Merge 闭环工程（Loop Engineering）。通过引入 Verifier、PR Fixer 等专用 Agent 及 Review Dashboard，系统实现了从风险分类、深度审查到修复验证的全流程自动化。该方案旨在解决 AI 原生组织中审查、修复和决策成为瓶颈的问题，将代码输出效率提升 3 倍，显著降低合并延迟并维持代码质量。

编辑：Augment Code官方 / ADK编译 阅读资讯全文

2026-07-29 产品动态 | 版本升级 | 模型发布 | 技术解读

官方原文

Augment Code 默认模型升级：GPT-5.6 Sol 以极致 Token 效率成为 Cosmos 新标准

Augment Code 宣布将 GPT-5.6 Sol 设为 Cosmos 平台的默认模型，旨在实现每一 Token 的最大化价值。在短短八周内，面对 Claude Fable 5、GLM-5.2 及 GPT-5.6 等前沿模型的激烈竞争，Augment 团队通过内部基准测试验证，GPT-5.6 Sol 在保持高质量完成复杂软件工程任务的同时，展现出最低的 Token 消耗效率。此次更新标志着 AI 开发从单纯追求模型能力向关注任务级成本效益的转变。

编辑：Augment Code官方 / ADK编译 阅读资讯全文

2026-07-22 产品动态 | 版本升级 | 技术解读 | 生态合作

官方原文

Augment Code 发布 Loop Engineering：从单点提示到团队级自主 SDLC 闭环

Augment Code 正式提出 Loop Engineering（循环工程）概念，标志着 AI 工程从单点 Prompt 优化向系统级闭环演进。文章详细阐述了如何通过设计包含触发、执行、验证、结果与持续改进的五阶段自主 SDLC 循环，将人类判断力精准嵌入关键节点。核心突破在于利用 Agent 处理中间层重复性工作，实现团队级自动化，显著降低 Token 消耗并提升交付质量。

编辑：Augment Code官方 / ADK编译 阅读资讯全文

2026-07-01 产品动态 | 版本升级 | 技术解读 | 生态合作

官方原文

Augment Code 发布 Verifier：以 Agent 自动化取代传统 E2E 测试，重构代码验证范式

Augment Code 推出内部 Agent 'Verifier'，针对代码生成后的 E2E 验证瓶颈进行自动化重构。不同于维护庞大的传统 Playwright 测试套件，Verifier 基于 Cosmos 平台运行，能够自动部署变更、执行端到端测试并生成详细报告。该方案通过可复用的技能库（Skills）实现高度扩展性，有效解决了 CI/CD 中‘测试通过但生产环境失败’的痛点，显著降低了人工验证成本。

编辑：Augment Code官方 / ADK编译 阅读资讯全文

2026-06-29 产品动态 | 版本升级 | 技术解读 | 生态合作

官方原文

Augment Code 发布 Mimi：基于 Cosmos 的 AI 数据分析师，打通 Linear、Slack 与 dbt 模型

Augment Code 正式推出名为 Mimi 的内部 AI 数据分析师，依托其自研平台 Cosmos，实现了从 Linear、Slack 到 GitHub 的全渠道自然语言问答。Mimi 直接读取 dbt 模型生成的 Hex 认证报告，无需人工干预即可回答业务查询。该更新解决了传统自助式数据分析的瓶颈问题，通过内置路由、上下文保持与审计机制，让数据团队从‘守门员’转变为赋能者，显著提升了数据获取速度与准确性。

编辑：Augment Code官方 / ADK编译 阅读资讯全文