跳到正文

全部动态

今日 5 条

11月10日星期二

claude.dev 开发者博客

Claude 模型选型指南:如何选择 Fable、Opus、Sonnet 或 Haiku

Anthropic 建议多数编码与知识工作从 Claude Opus 5.5 的 medium 思考力度开始,按任务难度选择 Sonnet 5.5、Haiku 5.5 或 Fable 5.2。指南强调按完成任务的成本选型,先提供自动验收手段,再调整思考力度或升级模型,并将易核查的辅助任务交给较小模型。切换模型还需检查提示词缓存、思考块保留和 API 参数兼容性,最终用真实任务比较质量与开支。

推荐理由:Anthropic 将 Claude 选型拆成模型、思考力度和任务完成成本,提出用自动验收与失败重跑控制开支的方法。

Computing Life · Share · 鸭哥调研

Agent Harness 技巧评测解读:哪些框架设计能提升表现并降低成本

Surge AI 与 FireFlash 的对照实验显示,编程智能体可通过提高单模型思考深度、设置测试与目标核对关卡、改造终端管道提升表现。Surge AI 实验中,Compound Engineering 将成本提高至基线的 8 倍,成绩仅从 31.1 升至 32.9;Claude Opus 5.5 调高思考设置后达到 42.4,成本为基线的 3.5 倍。

推荐理由:Surge AI 与 FireFlash 团队拆解智能体框架技巧的成本收益,实验对比了多代理协作、单模型深度思考与终端管道改造。

11月9日星期一

Simon Willison

Simon Willison 用 details-summary 折叠 AI 生成的 PR 长描述

Simon Willison 用人工筛选的简短引言概括 PR 改动,再将 AI 智能体生成的完整描述放进 <details><summary> 折叠区。GitHub Markdown 支持这些 HTML 标签,他用模型名及思考力度标注折叠标题,例如 Claude Opus 5.5 Medium,并按需加入截图。

Hacker News 首页

研究团队如何通过车企管理后台漏洞远程解锁任意车辆

安全研究者 Sam Curry 与作者通过反编译某车企 App 的 APK,发现其管理后台 admintool 子域仅靠 JavaScript 包中硬编码的 API key 即可访问,可凭车牌号经 VIN 查到车主邮箱等 PII。他们进一步在 OpenIDM 实例的厂商 JavaScript 包中发现内嵌管理员凭据,而拿到用户 auth token 后即可远程解锁、鸣笛、启动车辆。

Hacker News 首页

如何用 git 任务队列缓解 Claude Code 与 Codex 多线程工作的脑疲劳

作者用存放在 git 中的任务队列管理 Claude Code 或 Codex 工作,将上下文和人工决策集中记录,减少多线程切换带来的分心。每张任务卡都是仓库中的 Markdown 文件,智能体循环研究任务、构建经人工标记为安全的任务并执行测试与浏览器检查,敏感代码需先征求许可,生产部署由作者负责。

Computing Life · Share · 鸭哥调研

Anthropic FlashProve 解读:为何能查中转站换模型,却难以监管官方降级

Anthropic 开源的可证明推理原型 FlashProve 可用于事后核验模型计算,本文分析了它识别中转站换模型与监管官方服务降级的边界。材料称,其基于 Llama 4 Maverick 生成约 19 MB 的证明文件,用户在 24 核处理器上可用 17 秒验证,但生成证明的算力成本为 vLLM 普通推理的 70 到 95 倍。

11月8日星期日

Hacker News 首页

Raph Levien 用 JIT 为 RP2350 微控制器实现极速位图文字渲染

Raph Levien 在 RP2350 微控制器项目 vic-2350 中提出一种 JIT 位图文字渲染技术,为每个字符串动态生成高度优化的渲染代码。该方案采用逐扫描线填充的 race-the-beam 方式,每像素预算约 6 个周期,渲染器用其自创的 symbolasm 语言编写。文字对象在显示列表中仅存字符串、字体指针和前景/背景色,以控制双缓冲带来的内存压力。

Hacker News 首页

Ensemble 作者采用开发驱动规格的方法,而非规格驱动开发

Bill Cox 在 Ensemble 开发中采用开发驱动规格的方法,让代码实现与可执行教学内容共同演进。流程是先讨论设计、起草下一章的 TL;DR 和练习,再与 AI 结对实现,通过练习评分器后记录构建过程、取舍与理由,并让新的智能体尝试重建实现以修订章节。

Computing Life · Share · 鸭哥调研

GDPx 真实工位评测解读:AI 连干 8 小时暴露的六个工程教训

SemiAnalysis 的 GDPx 评测让模型使用原厂智能体框架,在最多 8 小时内解决 206 个真实业务问题,最强模型平均得分约 12%。文章据失败案例提炼六条工程经验,包括建立文档权威地图、设置独立回滚门禁、编写确定性测量脚本、维护外部证据账本、检查评测环境及按单任务总成本分级路由。

推荐理由:文章从 GDPx 的长程任务失败案例提炼工程方法,将文档权威标注、独立回滚验证与外部证据账本纳入智能体工作流。

11月7日星期六

GitHub Blog · AI & ML

超越代码生成:GitHub Copilot 智能体工程开发指南

GitHub 给出 Copilot 智能体工程指南,将 AI 辅助开发扩展到规划、构建、验证与上线观察四个阶段。流程涵盖汇集上下文并生成带验收标准的 Issues、在隔离会话中推进任务、拆分依赖关联的拉取请求并执行质量与安全检查,以及利用运行证据形成后续任务。文中引用 Faros AI 研究称,团队从低 AI 采用率转向高采用率后,拉取请求在评审环节停留的时间增加了 441%。

Hacker News 首页

Replit 如何用 microVMs 重构沙箱引擎

Replit 已完成基于 microVMs 的沙箱引擎重构,并在无数据丢失、无中断的情况下迁移了数亿个项目。新引擎采用 Cloud Hypervisor 和 KVM,为各沙箱提供独立 Linux 内核,并在宿主侧执行网络访问策略和凭据代理。通过预热池与按需加载的远程块存储,获取已挂载客户磁盘的沙箱耗时约 500 ms,同时支持部署到客户的 AWS、Google Cloud 或 Azure 环境。

Computing Life · Share · 鸭哥调研

从 Anthropic 的延迟封号策略,看如何让 Agent 系统自我进化

Agent 系统的自我进化可采用双通道反馈设计,将即时透明的任务反馈与延迟隐藏的防作弊检查分开。文章结合 Anthropic 后台自评估与多项实验,提出向 Agent 提供详细报错、即时测试和沙盒回滚,同时隐藏保留测试及裁判逻辑,避免其利用反馈钻测试漏洞。延迟封禁也存在误伤正常开发者、无法阻止一次性危险输出的局限。

11月6日星期五

Google 博客 · Gemini

用 Gemini 把随手画的草图变成可交互应用

Gemini 支持上传应用草图照片,选中 Canvas 工具后输入「Can you code this app?」,即可读取图像并生成代码,在预览窗口中测试。生成的应用还能实时调整颜色、字体或功能。

Hacker News 首页

借助 DeepSeek 逆向健身房应用,绕开社交信息流生成入场二维码

原文作者借助 DeepSeek v4.1 Flash 逆向健身房应用,构建本地生成入场二维码的 SvelteKit 网页,并成功完成进出签到。应用每 15 秒更新二维码,作者从已 root 的 Android 手机明文日志中提取账户密钥,用 WebCrypto 实现加密,并与原应用输出核对,得到字节完全一致的 URL。该原型绕开了应用的社交信息流,但尚未实现独立登录,密钥轮换后仍需重新获取。

Hacker News 首页

Edera 用 OCAP 有界权限管理 AI 智能体权限

Edera 将对象能力(OCAP)模型应用于 AI 智能体和 Kubernetes 工作负载,推出"有界权限"(bounded authority):工作负载只持有针对特定资源、操作或身份的组合能力,无需获得底层凭证或广泛环境权限。该模型与依赖防火墙、沙箱、密钥管理等约束既有权限的传统方案相反,权限由不可伪造的引用显式传递,智能体被攻破也不会自动获得开发者的全部仓库或 API 凭证访问权。

11月5日星期四

Hacker News 首页

MCP Explained 图解 MCP 协议、消息流与扩展机制

Runlayer 制作的 MCP Explained 以交互消息流讲解 MCP 的 JSON-RPC 消息格式、生命周期、传输方式及客户端与服务端功能。内容以 2025-11-25 规范为基础,区分协议机制与工具搜索、Codemode 等实现技巧,并介绍工具投毒、提示词注入等攻击及扩展机制。

Computing Life · Share · 鸭哥调研

公司内部 AI 助手为何用不起来:从 xAI Data Bot 看自建与专业组的分工

xAI Data Bot 案例提出企业内部 AI 助手的三层分工:平台组建设权限与记忆机制,专业组维护业务技能,业务组在日常群聊中调用。统计周内共有 280 个活跃团队助手,其中 12 个达到高活跃、高留存,Data Bot 周留存率为 70%;高粘性助手来自 Slack 群聊的消息占比中位数为 60%,低留存助手为 12%。

OpenAI News

DevRev 用 GPT-6.1 Sol 打造自主自助服务

DevRev 基于 GPT-6.1 Sol 与 GPT-6 Astra 构建 Computer 和 Operator,用于处理客户与员工的复杂服务请求,强调推理能力、可信度与延迟成本的平衡。

Hacker News 首页

Show HN:历经十一年逆向工程,我让 DOS 版 Wing Commander 支持双人合作

开发者 danielrh 用十一年时间逆向 DOS 版 Wing Commander,通过 DOSBox 内存快照定位飞船坐标、速度与旋转向量,实现双人合作驾驶战机。他先锁定 13D3:A9C2 处的坐标数据,再借助游戏把相机变量放在 0x3D 槽位的巧合找到旋转向量。该项目可在浏览器中游玩。

Hacker News 首页

Stream Vessel 如何让用户信任自己的 MCP 客户端并限制钓鱼风险

Stream Vessel 采用按用户设置的 MCP 回调地址信任列表,在登录后的授权环节检查地址,兼顾自建客户端接入与钓鱼防护。每个账户最多信任 10 个精确匹配的 HTTPS 地址,添加时需通过本人浏览器会话输入主机名确认,移除时撤销相关授权及尚未兑换的授权码。

11月4日星期三

Hacker News 首页

PostHog 如何撰写并维护不易过时的产品比较内容

PostHog 通过诚实呈现竞品优势、集中管理比较数据和 Scouts 辅助检查,维护约 90 篇比较与工具盘点内容。自 2021 年以来,超过 25k 人阅读比较内容后注册,其中近 50% 在 24 小时内注册、约 75% 在 30 天内注册。

Hacker News 首页

Namespace 如何大规模部署 MacBook Pro 搭建数据中心 Mac 机架

Namespace 将数百台 MacBook Pro 拆箱部署进数据中心自建 Mac 机架,用于为客户构建和测试 iOS 应用。每台笔记本接入 IP KVM 远程管理、外置 10G 网卡,共四根线缆,并配定制散热支架;实际最不可靠的线缆是 HDMI,FileVault 解锁提示和 USB 网卡掉线也带来麻烦。M5、M6 Mac Mini 与 Studio 即将加入其机群,管理更简单。

Hacker News 首页

Show HN:交互式笔记讲解 RLHF、注意力机制、LoRA 与 LLM 评测

一位开发者发布 INTERNALS.md 交互式笔记,通过改动输入来理解 RLHF、注意力机制、LoRA 和 LLM 评测等概念。评测部分覆盖 82% 与 80% 的比较、exact match 与 F1、nDCG@k、pass@k、LLM as judge、Elo、RAG 与 Agent 评测、A/B 测试及数据污染等主题。站点默认不启用追踪,仅提供 Google Analytics 开关选项。

11月3日星期二

Hacker News 首页

deepsense.ai 总结可用于真实代码仓库的十项编码智能体 Harness 模式

deepsense.ai 总结十项编码智能体 Harness 实践,通过仓库知识、即时上下文和验证反馈提高 AI 辅助开发的可靠性。团队结合 Codex、Claude Code 实测,建议用简短 AGENTS.md 链接深层文档,按任务组织代码、测试和历史决策,并让人类、智能体与 CI 共用验证命令。

推荐理由:deepsense.ai 将编码智能体实测经验整理为仓库文档、按任务加载上下文和有界验证流程,把重复错误转成可维护的测试与规则。

OpenAI News

OpenAI 如何用 Pando 扩展 Git,支撑智能体规模的并行开发

OpenAI 详解 Git 后端 Pando 的架构,该系统已支撑其单体仓库的全部开发,生产环境中推送延迟中位数降低近 80%。Pando 保持 Git 协议和客户端兼容,通过按分支协调更新、复用 packfile 和区域缓存扩展读写能力,但不提供所有分支在同一时刻的一致快照。团队借助 Codex 在 10 周内完成从启动到生产部署,并将部分 Git 客户端改进贡献给上游。

11月2日星期一

Computing Life · Share · 鸭哥调研

大模型推理为何采用 PD 分离,Cloudflare 又如何因此泄露用户代码

PD 分离通过拆开预填充与解码改善推理性能,但 Cloudflare 的 GLM-5.3 部署因异常请求处理漏洞发生跨租户缓存泄露。Cloudflare 的复盘指出,155 条超长上下文回复混入其他用户的对话或代码,原因是超限请求被替换为 1 个 token 的占位符后仍进入跨节点传输,解码节点读取了未被覆盖的旧缓存。

推荐理由:Cloudflare 在泄露修复中加入传输数量校验与延迟显存回收,将跨节点异常退出时的数据覆盖和页面归属纳入安全检查。

Computing Life · Share · 鸭哥调研

Qwen3.8 外呼阿里云指令排查:未清洗训练日志如何留下安全隐患

Qwen3.8-Flash-Next 的外呼阿里云行为被独立研究者归因于未清洗的训练日志,文章据此解释异常命令来源及部署风险。排查结合日志比对、权重清零与 229376 次条件采样;北京上传命令只发送固定载荷 PROBE_PAYLOAD_ABC123,目标桶返回 NoSuchBucket。