Ändringslogg

Vercel skyddar produktionen utan tillägg – prova att fel besökare faktiskt stoppas visar ett besökarprov med utloggad besökare, konto utan åtkomst, delbar länk och automationsbypass, redovisar att Vercels changelog och dokumentation inte var samstämmiga om planomfattningen och listar beroenden som VERCEL_URL-anrop, OG-bilder och webhooks.

GitHub blockerar PR:er med exponerade hemligheter – prova regeln och bypass-vägen visar ett syntetiskt fyrdelat prov av scan-pending, öppen matchande varning, korrekt alertlösning och en namngiven bypass som går att följa i efterhand.

Två sidor uppgav att Claude Sonnet 5:s pris höjs till 3/15 USD per MTok den 1 september 2026. Anthropic ställde in höjningen den 10 augusti 2026 och gjorde introduktionspriset 2/10 USD till ordinarie pris. Rättat i Budgetera till listpris, inte kampanjpriset och Claude Opus 5 är släppt — och tre ändringar som ger fel i din kod. Räkneexemplet står kvar men knyts nu till den höjning som var aviserad, inte till ett pris som gäller.

Dependabot läser privata GitHub Packages utan PAT – kontrollera behörigheten visar hur ett testrepository får Read-åtkomst, hur paket och registerväg verifieras och varför den gamla PAT-posten tas bort först efter ett lyckat före/efter-prov.

En krona saknas: avrundningsfel i AI-genererad kod följer belopp från decimalindata till databas och API, med körbart beloppskontrakt och tester för restfördelning.

GitHub Actions börjar stoppa gamla self-hosted runners – bygg en versionsgrind skiljer registreringsstopp från runtimestopp och kopplar varje runner-version till ett dokumenterat uppgradera-eller-godkänn-beslut.

GitHub får stjärnhistorik via API – rätta diagrammet i din AI-byggda dashboard visar adapterprov för ordning, nollveckor och sidgränser samt skiljer skapade stjärnor från aktuellt antal.

GitHub CLI byter signeringsnyckel – kontrollera Linuxmiljön som AI-agenten bygger i visar hur du hittar rätt nyckelreferens, uppdaterar installationsreceptet och provar ett rent bygge.

Vercel Basic build machines – mät kostnad och byggtid före bytet låser projekt, commit och cacheläge, mäter kötid, byggtid, faktisk maskintilldelning och omkörningar samt avslutar med en uttrycklig återställningsgräns.

Cloudflare Images får direktuppladdning i Workers – testa länken innan du släpper in användare bygger ett avgränsat kontrakt för kortlivad engångsuppladdning, nekad återanvändning och utgång, ägarkontroll samt signerad leverans av rätt privat variant.

Vercel får användarbudgetar för AI Gateway – prova vilken gräns som stoppar agenten kartlägger medlems- och teamattribuerade API-nycklar, OIDC och BYOK, visar hur staplade gränser skiljs åt och kräver ett sparat HTTP 402-svar som namnger rätt scope.

Vercels Security Dashboard är GA – gör fynd, fix och omkontroll verifierbara visar hur teamet sparar ett JSON-föreläge med körningskontext och checksumma, avgränsar en agentändring för mänskligt godkännande, kör egna tester och skiljer en verifierad fix från tystad eller olöst risk efter omkontrollen.

Cursor kan publicera direkt till Vercel – lägg en teknisk grind före live-URL:en ger ett publicera-eller-stoppa-protokoll för repo och synlighet, reproducerbart bygge, hemligheter, åtkomst, Cursor- och Vercel-preview, produktionsmål samt provad rollback.

GitHub ändrar Copilot-policy och fakturering – kontrollera säten, retention och reviewnivå ger administratören ett före/efter-protokoll för tilldelade platser, extra AI-krediter, den enhetliga Copilot-policyn, kontolång chattlagring och övergången från Default till Balanced.

Hela serien om åtta guider är språk-, innehålls- och aktualitetsgranskad. Rättat: kataloglistningar låg publikt öppna på flera sökvägar och är nu stängda, tillsammans med de driftskript som låg direkt hämtbara. Kontextfilens innehållslista fanns dubblerad i Kom igång och Verktyg och redigerare och hade börjat glida isär; listan ägs nu av del ett och av artikeln om kontextfilen. Rubriken på Testning av AI-genererad kod stämmer nu med sidans titel, och ett genusfel i del ett är rättat. Nytt: föregående-länkar genom hela serien, så kedjan går att följa åt båda hållen.

Copilot kodgranskar nu stora och botskapade pull requests – kontrollera kostnad och täckning visar hur ett team provar policy och betalningsägare i en avgränsad bot-PR, verifierar effort- och Actions-läge, inventerar undantagna filer och behåller en mänsklig merge-grind när den tidigare storleksgränsen har tagits bort.

GitHub Copilot rullar ut global modellpolicy: kontrollera vilka modeller som öppnas skiljer uttryckliga modellbeslut från ärvda lägen, visar hur enterprise- och organisationsnivåerna läses tillsammans och ger ett före/efter-prov som fångar när tidigare okonfigurerade modeller blir tillgängliga genom standardpolicyn.

Sida två tappar poster: stabil cursorpaginering i AI-genererad kod visar varför offset och enkel sortering på tidsstämpel tappar eller dubblerar rader, parar en unik ordning på created_at och id med samma tuple i cursorvillkoret och bygger gränstestet som lägger till och tar bort poster mellan sida ett och två.

GitHub fasar ut sex Copilot-modeller 1 september: kontrollera undantaget och ersättaren listar modellerna och Sonnet 4.6-undantaget, visar varför den ursprungliga ersättaren för Raptor Mini bara håller i nio dagar, och ger ett arbetsflöde för inventering, policykontroll och ett avgränsat regressionsprov före stoppdatumet.

Halva ordern sparades: transaktionen som AI-koden glömmer visar hur tre var för sig lyckade databasskrivningar kan lämna order och lagerreservation kvar när den sista skrivningen faller, drar transaktionsgränsen efter affärsregeln i stället för efter repositories och bygger felprovet som avsiktligt kastar mellan steg två och tre och sedan bevisar att inget delresultat har sparats.

En rad i loopen: N+1-frågorna som AI-koden skriver in och testerna inte ser visar varför en endpoint kan vara långsam i produktion trots grön testsvit, skiljer på de tre formerna mönstret tar i en diff — loopen med lazy-laddad relation, serialiseraren som hämtar per objekt och frågan bakom en property — lägger assertNumQueries kring ett befintligt endpointtest, förklarar varför testdata i två storlekar krävs för att räknaren ska fälla något, bygger motsvarande räknare i SQLAlchemy med before_cursor_execute, och väger join mot separat uppslagning när mönstret ska rättas.

Inloggad men inte behörig: objektnivåkontrollen som AI-koden hoppar över visar varför en endpoint som bara slår upp posten på id passerar både granskning och grön testsvit, ger tre ripgrep-pass som tar fram kandidatlistan, ställer upp testet där användare A skapar posten och användare B begär den — med assertion på både statuskod och svarskropp — motiverar valet mellan 404 och 403 mot RFC 9110, flyttar ägarskapet in i where-satsen i stället för en frivillig if-sats, och gör en vaktkontroll mot routerregistret till stoppregel i CI.

Exempeltesten går igenom – hitta gränsfallet med property-baserad testning visar hur du formulerar en invariant, avgränsar generatorn till giltig indata, återkör ett fel med seed och path, tolkar det krympta motexemplet och bevarar det som ett deterministiskt regressionstest.

Undantaget som sväljs: när AI-genererad kod fångar felet och fortsätter går igenom varför ett brett except- eller catch-block gör felet osynligt trots grön testsvit, ger tre sökmönster för ripgrep och tre lintregler som hittar blocken, ställer upp de tre villkoren för när ett undantag får fångas — känt fel, hanterbart här, något händer — och avslutar med ett körbart test som failar när felet tystas i stället för att propagera.

Två anrop samtidigt och saldot blir fel: samtidighetsbuggar i AI-genererad kod visar varför läs–modifiera–skriv passerar varje enanvändartest, hur du reproducerar felet med ett parallellt test som släpper alla trådar vid en gemensam spärr, och när du ska välja atomär uppdatering, unikt index eller transaktion med radlås — samt varför en extra if-sats inte är ett av alternativen.

Sökvägen som läcker Windows-inloggningen: NT-prefixet som gick förbi UNC-kontrollen går igenom de två changelogsraderna i Claude Code 2.1.233 och 2.1.234, varför en UNC-kontroll som bara jämför tecken missar \??\ och \\?\UNC\, varför läckan sker redan i anslutningsförsöket, samt ett mätt testfall och sex sökvägsformer som den egna valideringen ska avvisa.

En AI-agent gjorde fel i produktion: så rekonstruerar du vad som hände går igenom hur du bygger en tidslinje ur git, CI/CD-loggar, API-loggar och databasens egna spår när ingen fullständig agentlogg fanns, hur du bedömer blast radius och vad som ska sättas i drift innan nästa körning mot produktion.

När AI:n glömmer mitt i jobbet: arbeta med kontextkomprimering skiljer komprimering från kontextredigering, går igenom vad en summering behåller och släpper i en kodsession, tre symtom som pekar på olika mekanismer, klientkravet att bära compaction-blocket vidare samt vad som därför måste ligga i filer i repot.

Giltig JSON med fel innehåll: validera modellens strukturerade svar går igenom vad leverantörernas schemagaranti täcker och inte, fem svar som passerar parsern, ett eget valideringslager, en reparationsloop med tak samt vad som ska loggas när ett svar avvisas.

Agent Plugins 1.0 i Copilot: paketera skills och MCP en gång går igenom den portabla paketkärnan, gränsen mot klientspecifik konfiguration och ett kompatibilitetsprov för VS Code, Copilot CLI och Copilot-appen.

Promptinjektion i din egen app: när användarens text blir instruktioner visar hur separerad indata, minsta behörighet, domänvalidering och felinjektionsprov begränsar skadeomfånget när modellen läser text utifrån.

En seed låser inte AI-svaret – testa reproducerbara AI-anrop visar hur en kanonisk request, hashade utdata, upprepade körningar och ett negativt kontrollprov skiljer requestdrift från modellvariation.

Tidszonstesta AI-genererad kod: fem fall som går sönder vid midnatt ger fem reproducerbara prov för sommartid, dubbla klockslag, lokala datum, kalenderaritmetik och förändrade tidszonsregler.

Mutationstesta AI-genererade tester: bevisa att testerna faktiskt hittar fel visar hur avsiktliga koddefekter avslöjar kosmetiska tester, hur överlevande och ekvivalenta mutanter triageras och hur en riskbaserad CI-grind införs.

Git Bisect och AI: Hitta felet när modellen tappar tråden publicerad. Artikeln visar hur du kombinerar små commits med git bisect för att snabbt peka ut exakt vilken AI-prompt som introducerade en regression.

Testdrivet AI-byggande (TDD): Tvinga modellen att skriva testerna först publicerad. Ett promptflöde i tre steg som låter modellen skriva testsviten som kontrakt innan implementationen, plus varför samma testsvit är det som avslöjar när nästa prompt råkar ta bort gammal logik.

Säkerhetsgranska en AI-byggd kodbas: Autentisering, beroenden och loggar publicerad. Checklista för att säkra autentisering, beroenden och loggning i AI-genererad kod före produktion.

Hemligheter i en AI-byggd kodbas: hitta och rotera det som läckt innan du tar över publicerad. Artikeln visar hur du systematiskt söker igenom källkod, commithistorik, byggd frontend och loggar efter läckta API-nycklar innan du tar över en AI-byggd prototyp, avgör vad som måste roteras och sätter upp en spärr mot nya läckor.

Bygg för modellbortfall, Skriv en bra kontextfil och Budgetera till listpris, inte kampanjpriset publicerade. Tre fristående tekniska artiklar om produktionsrisk, AI-kodassistenters kontextfiler och kostnadsbudgetering.

Kontraktstesta AI-integrationen innan modellen uppdateras publicerad. Artikeln visar hur kontraktstester för validerat resultat, verktygsanrop, felväg och driftbudget stoppar en modelluppdatering innan den når produktion.

Vibecoding-hubben handlar nu om att granska, stabilisera och ta över AI-byggda prototyper. Sex guider för icke-kodare har slagits ihop med Perestrojkas motsvarande innehåll och fått permanenta redirects.

API-integrationer med AI: bygg för timeout, omförsök och dubbla anrop publicerad. Artikeln visar hur tidsgränser, klassificerade omförsök, idempotens och felvägstester gör AI-genererade integrationer säkrare i verklig drift.

CI för AI-genererad kod: stoppregler som fångar fel innan merge publicerad. Artikeln fyller luckan mellan kodgranskning och testning genom att visa hur hårda blockeringar, mjuka varningar och diffpolicy kan fånga risk innan pull requesten slås ihop.

Refaktorera med AI utan att ändra beteendet publicerad. Artikeln skiljer strukturell förändring från funktionsändring och visar hur ett uttryckligt beteendekontrakt, karakteriseringstester och en mekanisk ändring per diff håller refaktoreringen verifierbar.

Beroenden som AI föreslår: fyra kontroller innan paketet hamnar i bygget publicerad. Sajten hade hittills en enda rad om biblioteksval, en punkt i kodgranskningsguidens checklista. Artikeln skiljer på de två felen — paketet finns inte, respektive finns men är fel val — och lägger kontrollen före installationen, eftersom ett beroende är den svåraste raden att ta bort i efterhand.

Databasmigreringar med AI: ändra schema utan att riskera datan publicerad. Artikeln skiljer på schemaändring, backfill och applikationskod och visar hur varje steg görs kompatibelt, omstartbart och verifierbart innan gammal data tas bort.

Ärvd kodbas: så använder du AI för att förstå kod du inte skrivit publicerad. Allt tidigare innehåll utgår från att du skriver ny kod; den här artikeln tar det vanligaste utgångsläget i stället — kod någon annan byggt. Bärande princip: en modells förklaring av kod är en hypotes som ska verifieras mot körning, test eller historik, inte dokumentation.

Första nyheten publicerad: Claude Opus 5 är släppt — och tre ändringar som ger fel i din kod. Avdelningen har stått tom sedan den byggdes, eftersom den redaktionella linjen kräver verifierad primärkälla och datum på varje sifferuppgift. Samtliga uppgifter i texten kommer från Anthropics egna release notes, länkade i artikeln.

Beslutsloggen: sluta ta om samma diskussion varje session publicerad. Artikeln fyller en lucka som guideserien bara antydde — hur beslut överlever mellan sessioner — och drar gränsen mot kontextfilen, som beskriver tillstånd i stället för historik.

Sökknappen ligger kvar i toppraden på artiklar, guider, avdelningar och infosidor. Sidbeskrivningen i toppraden är borttagen så att navigationen är konsekvent över hela sajten.

Monkeybases framtida huvudbilder får en gemensam taktil pappersstil med cream, terrakotta och cyan detaljer. Kom igång med AI-assisterad programmering är först ut med huvudbild på sidan och omslag på startsidan.

Vibecoding publicerat med sex delar för dig som bygger utan att skriva kod — från att komma igång till att lämna över till en utvecklare. Nyheter är uppsatt med sin redaktionella linje men ännu utan publicerade artiklar. Startsidan har fem flikar: Allt, För utvecklare, Vibecoding, Artiklar och Nyheter.

Publicerat Prompta för kod, Granska AI-genererad kod, Felsökning med AI, Testning av AI-genererad kod, Säkerhet och känsliga data, Verktyg och redigerare och Agenter och automatisering. Guiderna hänger ihop som en kedja med länkar framåt och bakåt. Läsvägarna på startsidan är aktiverade nu när alla mål finns.

Monkeybase gick från en samling webbläsarverktyg till en handbok om AI-assisterad programmering. Allt tidigare innehåll togs bort. Ny struktur med ämnesguider, artiklar, sökfunktion och samtyckesstyrd statistik. Publicerat: guiden Kom igång med AI-assisterad programmering och artikeln Små diffar vinner.