Code Review 一直是软件开发流程里非常重要的一环。它不仅能帮助团队发现缺陷、统一代码风格，也能让知识在团队成员之间自然流动。随着 AI 编程工具的发展，我们可以把 Codex 引入 Code Review 流程，让它成为一个高效、细致、随时可用的审查助手。

本文将介绍如何使用 Codex 辅助 Code Review，以及在实际使用中需要注意的边界和方法。

AI 辅助编程已经不只是“帮我补全一段代码”这么简单。越来越多开发者开始让大模型阅读项目、定位问题、修改代码、运行测试，甚至完成接近真实 Pull Request 的修复任务。

问题也随之出现：我们该如何判断一个模型是否真的适合 Android 开发？

Android Bench 就是 Google 面向这个问题推出的基准测试。它不是泛泛地测试模型会不会写代码，而是把重点放在真实 Android 工程任务上，评估大语言模型在 Android 项目中解决实际问题的能力。

原文： Android 17 is here
来源：Android Developers Blog，发布于 2026 年 6 月 16 日。
说明：本文为中文改写版，保留原文主要信息和结构，便于中文读者快速理解 Android 17 的关键变化。

Google 已正式发布 Android 17，并开始面向大多数受支持的 Pixel 设备推送。未来几个月，也会有更多搭载 Android 17 的新设备上市。

Android 17 的重点不只是一次系统版本更新。Google 将它描述为 Android 从“操作系统”向“智能系统”演进的开始：通过硬件、软件和 AI 的深度结合，让应用可以更自然地参与用户任务，并在大屏、多设备、隐私安全、媒体能力和性能方面带来一系列新变化。

在本地运行大语言模型，已经从“折腾显卡和命令行”的小众玩法，逐渐变成普通开发者也能轻松上手的日常工具。对于 Mac 用户来说，LM Studio 是一个非常友好的选择：它提供图形界面、模型下载、聊天窗口、本地 API Server 和命令行工具，可以把本地大模型部署流程简化很多。

本文记录如何使用 LM Studio 在 macOS 上本地部署 Gemma 4，并通过图形界面和本地 API 两种方式运行模型。

随着大语言模型和 AI Agent 的普及，一个新的概念越来越频繁地出现在开发者视野中：MCP 服务。

MCP 的全称是 Model Context Protocol，中文可以理解为“模型上下文协议”。它的目标是为 AI 模型和外部工具、数据源、系统能力之间建立一种标准连接方式。简单说，MCP 服务就是让 AI 能够安全、稳定、结构化地访问外部世界的一类服务。