跳到正文

#Agent

今日 17 条

10月20日星期二

Ars Technica · AI

Meta Muse 分享链接暴露用户个人与商业秘密,Meta 暂停分享功能

Meta 的通用 AI 智能体 Muse 被发现会通过对话分享链接暴露敏感信息,Meta 表示正暂停分享功能并审查可能的改动。安全公司 Claroc 的研究人员称,链接的构建方式使其容易被发现,他们枚举了 6,800 个用户分享链接。研究人员打开其中数百个后,发现了明显不应公开的信息。

The Decoder

美国陆军网络司令部拟用 ECHOTRIBBLE 将 AI 智能体变成自传播网络武器

美国陆军网络司令部(ARCYBER)正在开发 ECHOTRIBBLE,拟让 AI 智能体自主穿行网络并使目标失效,项目仍处早期阶段。The Intercept 获取的文件显示,系统计划像计算机蠕虫一样在设备间隐蔽传播,以最少人工监督执行攻击,并在任务完成后自毁。受访专家警告,智能体可能攻击目标之外的系统,使供水设施等基础设施遭受难以控制的附带损害。

AI HOT · 产品

Cursor 发布 Agent SDK,可用代码定义并一键部署智能体

Cursor 正式发布 Agent SDK,支持用代码定义智能体,并通过 agent-sdk deploy 部署到 Cursor 基础设施。该框架支持响应 PR 等事件、任务移交与并行子智能体,内置评估和事件回放,提示词与工具可纳入版本控制和审查流程。智能体也可作为单个 Node 进程在自有基础设施运行,原文链接为 https://cursor.com/blog/agent-sdk。

推荐理由:Cursor Agent SDK 将提示词、工具和评估组织为代码项目,让团队自定义智能体沿用软件的版本控制与审查流程。

TechCrunch · AI

Yelp 新增代客致电餐厅查询等位时间功能

Yelp 新增 Check for Me 功能,由语音智能体代用户致电餐厅查询等位时间,并通过短信返回结果。用户在餐厅页面输入用餐人数和电话号码即可使用;Yelp AI 助手也新增 OpenTable 订位集成、偏好记忆和自定义提醒,并支持查看过去 30 天的聊天记录。

Hacker News 首页

Vite+ 实践评测:统一 AI 智能体开发的工具链与验收流程

Vite+ 在作者为期三周、覆盖四个项目的实践中,通过统一命令减少了 AI 智能体、开发者与 CI 之间的工作流歧义。作者用 vp create 创建项目,以 vp check、vp test 和 vp build 验收,并要求保留一个锁文件、避免重复引入格式化工具。

Computing Life · Share · 鸭哥调研

当 AI 写代码比人读得快,Code Review 还剩什么?

AI 编码加速后,Code Review 的重心转向业务上下文核对、风险分流与人类责任,而批准和测试通过并不保证改动被充分理解。Anthropic 将评审拆为提交前自检、PR 期间多 Agent 检查和合并口风险分级,分别要求 0、1 或 2 名人类签字,模型意见不能替代签字。普通团队的落地路径是先完善回滚与灰度能力,再用真实事故 PR 建立评估集,并将人工审查集中到高风险业务逻辑。

推荐理由:Anthropic 将代码评审拆为提交前自检、并行缺陷发现和风险分级签字,把人工注意力集中到业务假设与合并责任上。

AI HOT · 行业

Apate.ai 用35万个AI拖住骗子,国内年轻人用AI视频反制卖惨账号

澳大利亚公司 Apate.ai 用35万个AI伪装成容易上当的受害者,已与骗子聊天250万次,累计消耗约17年时间。澳大利亚运营商 TPG 将近59万通可疑来电转给这些AI,澳洲联邦银行公开报告的诈骗损失降低76%。Apate.ai 今年8月获得815万美元种子轮融资;材料还提到国内年轻人用AI视频反制AI卖惨账号,但未展开具体案例。

Simon Willison

Jeremy Scheff 为编程写讣告,感叹编码智能体带走解题乐趣

编码智能体让享受亲自解题的职业程序员失去部分工作乐趣,这是 Simon Willison 引用 Jeremy Scheff 文章时强调的核心观点。Scheff 回顾了程序员通过解决逻辑难题获得报酬,并自主制定策略、时间表和可行性边界的工作体验。Willison 指出,对重视构建可用系统的程序员,LLM 是持续带来收益的礼物;对把亲自解决问题视为重要乐趣的人,这种损失很真实。

Hacker News 首页

被移除拒答能力的模型如何让系统遭到入侵:ProjectDiscovery 实测权重后门

ProjectDiscovery 通过投毒开源模型并接入 Codex CLI,演示了修改后的权重如何在正常响应之外隐藏凭据外传后门。Qwen2.5-7B-Instruct 实验使用 500 条干净样本和 125 条投毒样本,触发成功率与干净请求准确率均为 100%(各 50/50),演示中外传的是 .env 内模拟生产环境的虚构凭据。

AI HOT · 产品

Cursor 正式推出 Agent SDK,支持以代码文件夹定义并部署智能体

Cursor 正式推出 Agent SDK,支持以代码文件夹定义智能体、通过评估测试,并部署到 Cursor 或自有基础设施。

推荐理由:Cursor Agent SDK 将提示词、工具和技能组织为代码项目,通过本地评估与真实 PR 回放测试智能体行为。

TechCrunch · AI

Hugging Face 政策主管:嵌入式 AI 评估器并非易事

Hugging Face 首席政策官 Irene Solaiman 在 TechCrunch Disrupt 上表示,嵌入式 AI 评估器并非易事,评估结果的可复现性依赖开放权重,而当前评估方法仍是一门演进中的科学,彼此之间难以有效比较且很快失效。

Hacker News 首页

Benjamin Congdon 分析 AI 智能体监控的架构与运维潜力

Benjamin Congdon 基于变更点监控原型,分析 AI 智能体如何结合代码与可观测性数据检测生产系统回归。原型由智能体制定监控计划、确定性系统执行计划,再由智能体调查异常并升级给人工;作者发现这种架构比纯智能体循环产生更清晰的信号,且 token 用量显著降低。

Hacker News 首页

Alberto Denia 分析智能体编码如何让代码像黏土一样可塑

Alberto Denia 提出,智能体编码降低了修改代码的成本,让开发可以像塑形黏土一样先搭整体、再逐步打磨。工匠模式让人参与每轮迭代,适合探索想法和精修功能;工厂模式将判断提前嵌入规格、生成器与验证器组成的流水线,适合处理重复任务。两种模式可以混用,产品判断、架构和护栏仍不可省略。

Hacker News 首页

软件研发配给时代结束,为何产品仍困于旧设计

编码智能体降低了软件构建成本,但软件产品仍沿用研发资源稀缺时期的设计与品类惯例,是 Sanket Saurav 的核心判断。他指出,使用 LLM 的产品承担持续的用户推理成本,软件经济结构正从高固定成本、低边际成本转向低固定成本、较高边际成本。他主张从基本原理重新思考代码协作与 CRM,并通过整合更多相关产品突破过去“只做一件事”的限制。

TechCrunch · AI

OpenCode Console 遭黑客入侵,用户 AI 账户出现未授权费用

OpenCode 称其旧系统遭入侵,影响 1.4% 的 OpenCode Console 用户,泄露的 API 密钥导致 AI 账户出现未授权费用。部分用户报告费用超过 $1,000,退款正在处理中;开源应用和命令行工具未受影响,受影响用户已被通知撤销并更换密钥。

推荐理由:OpenCode 团队分析攻击代码时被模型安全过滤拦截,接入较少拒绝防御请求的模型后提升了调查能力。

MIT Technology Review · AI

为 AI 智能体优化互联网,可能让其他用户的体验更糟

个人 AI 智能体正推动网站重新设计访问与购物规则,面向智能体的优化可能损害普通用户的浏览体验和价格透明度。Meta 的 Muse 首月下载量达 5 million,智能体网络流量从 8 月到 9 月增至三倍;Amazon 封锁智能体,Shopify 则提供绕过人类页面的专用结账通道。

GitHub Blog · AI & ML

如何在 VS Code 中继续 GitHub Copilot app 会话

GitHub Copilot app 会话可直接在 VS Code 中继续,保留原有任务、计划、对话、代码差异和工作树。教程说明如何通过 Open in VS Code 打开会话,逐行审查改动、继续与 Copilot 对话、手动编辑并运行本地测试。完成后在会话关联的分支上提交并推送,即可更新已有的 pull request,无需复制文件或手动重新关联。

TechCrunch · AI

Replika 创始人用 Wabi 实现 12 年前在 Disrupt 提出的 AI 助手愿景

Replika 创始人 Eugenia Kuyda 周一向所有用户推出 Wabi,将 12 年前的生活助理构想发展为支持多人共享、多线程任务的个人 AI 助手。Wabi 2.0 接入邮箱后会自动创建线程和应用,用户也能请求定制应用,并在共享聊天中按需开放个人信息,访问权限限定于具体聊天。Wabi 目前免费,商业模式尚未确定,公司正在洽谈进一步融资。

AI HOT · 模型

DeepSeek-V4.1-Flash-20261017 (Max) 登顶 Agent Arena 开源模型第一

DeepSeek-V4.1-Flash-20261017 (Max) 成为 Agent Arena 排名第一的开源模型,总榜第 11,基于超 7.5K 真实会话净提升 +5.1%。其中位任务成本 $0.20,约为 GPT-6.1 Sol 提升幅度的 37%、成本的 27%,Confirmed Success 提升 +11.5%,且无 Tool Hallucination 问题。

Hacker News 首页

Yara Reads:开源自然拼读儿童阅读器,支持接入 Claude、ChatGPT 写故事

开源儿童阅读应用 Yara Reads 上线,免费且无需账号,故事中每个单词都可用孩子已掌握的自然拼读发音拼出,点击单词即显示发音按钮。应用内置单词检查器,按发音而非拼写逐词校验故事,遇到未学发音的单词会报错。用户可接入 Claude、ChatGPT 等支持 MCP 的智能体,在孩子已学发音范围内生成故事,代码采用 MIT 许可,故事与插图采用 CC BY 4.0 许可。

TechCrunch · AI

Laplace Intelligence 为机器人和自动驾驶汽车做部署前红队测试

Laplace Intelligence 正在为机器人和物理 AI 构建自动化红队测试,用 AI 智能体在仿真中主动寻找系统失效点。其仿真环境基于 Nvidia Cosmos 后训练版本重建真实场景,可实时调整路况并让其他交通参与者做出反应。公司已产生营收并实现小幅盈利,客户包括自动驾驶卡车公司 Bot Auto 和一家日本大型车企。

Hacker News 首页

Inception 发布 Mercury 3,将文本扩散模型扩展至更大规模

Inception 发布扩散式大语言模型 Mercury 3,宣称其在多项基准上超过 GPT-6 Luna 和 Claude Haiku 5.5,运行速度快4–8x。

推荐理由:Inception 将 Mercury 3 的参数规模扩大至 Mercury 1 的40倍以上,同时保持相近速度,为文本扩散模型提供了规模化比较。

Hacker News 首页

Evidence(YC S21)招聘软件工程师

YC S21 孵化的商业智能公司 Evidence 正在招聘软件工程师,其开源项目已获 7,000 GitHub stars,客户覆盖初创公司到财富 100 强企业和政府机构,常替代 Tableau 和 Power BI。公司正推动由 AI 智能体承担大部分软件生命周期的开发流程,团队每周仅一次会议。

TechCrunch · AI

用户用 AI 改造智能电视,去除广告并简化界面

用户正借助 Claude Code 和 dumbtv、cleanyourtv 等项目改造智能电视,移除广告、精简预装软件并替换主屏幕。cleanyourtv 开发者称,该方案通过 Wi-Fi 操作,无需 root 权限且可恢复出厂状态;一名用户称禁用了 25 个冗余应用,将 192 MB 的原装启动器替换为 83 MB 的自定义启动器。

Hacker News 首页

Ruby gems 维护者解释为何停止维护并归档全部仓库

一名 Ruby gems 维护者宣布归档全部仓库、停止维护,原因是对 Ruby 生态转向 LLM 智能体失去热情。他批评 Rails 负责人使用智能体生成应用,以及 Matz 将 Ruby 定位为面向 AI 时代的编程语言。他认为,人类编写的开源代码正被大型企业用于训练模型,而模型生成的内容又污染了这一公共资源。

AI HOT · 技巧与观点

Numan 如何用 LangGraph 和 LangSmith 构建评测优先的 AI 健康教练 Nu

Numan 用 LangGraph 构建 AI 健康教练 Nu,并通过 LangSmith 评测与追踪对话,将服务限定在生活方式辅导和健康教育范围内。团队按类别评测单轮回复,让测试经过与生产相同的智能体图,并以安全回归测试阻止不合格变更发布;同一套数据集支持其在一天内完成模型供应商迁移。动态模拟患者对话的评测层仍处于原型阶段,其工程师起草的标准须经临床专业人员签核后,才能用于发布门槛或安全声明。

AI HOT · 技巧与观点

Meta 详解 Thin Orchestrator 架构:减少编排层任务以提升 AI 智能体可靠性

Meta 详解 Thin Orchestrator 架构,将路由与可靠性检查留在编排层,把领域推理交给上下文隔离的专门 AI 智能体。其 1,300 行编排器将 20+ 工作流分派给 14 个子智能体,通过工作流模板复用组件,并在运行时按需加载知识。新数据列的配置准备从人工处理的三至四天、此前配置驱动系统的约一天缩短至不到一小时,约三分之二的系统改动无需大量人工修改即可合入。

Hacker News 首页

Laminar 发布 flow-1,用 RL 训练模型检测智能体轨迹错误

Laminar 发布 flow-1,用 RL 训练模型查找智能体轨迹中的错误,并称其在自家基准上检测质量匹配 GPT-6-sol、成本低 23x。模型由小型开源模型微调并经数千次合成调查训练,在 Signals 中检索轨迹片段,按用户定义的 JSON 结构返回发现。

10月19日星期一

AI HOT · 行业

黑客用 AI 智能体入侵 John Deere、SharkNinja 等超 100 家网站

Norforge 发现,一名黑客利用大多自主运行的 AI 智能体入侵了超 100 家网站,Reuters 报道受害企业包括 John Deere、SharkNinja 和 Cummins。

推荐理由:黑客利用 Cairn 编排大多自主运行的 AI 智能体入侵超 100 家网站,将自动化攻击扩展到多个国家的企业。

The Decoder

Stripe称AI智能体购物交易持续增长,但未披露实际规模

Stripe称AI智能体通过Link购物的交易笔数在9月增至38倍、支付金额增至20倍,但未披露实际笔数和金额。Upstarts Media报道指出,增长起点较低;Stripe高管Dan Hill称,使用该服务的智能体已从分析时约70个增至约200个,多数每笔消费约$100。Link为智能体提供单独的16位号码而非用户真实信用卡号,用户可设置支出限额。

AI HOT · 模型

MiniMax 发布 M3.1 Flash,推理提速近三倍、用量成本降低 70%

MiniMax 发布 M3.1 Flash,称在线推理速度接近提升三倍,智能体任务整体用量成本较前代降低 70%。模型在 DeepSWE v1.1 上取得 73.7%,日常输出速度可达 200+ TPS,每 1M tokens 输入、输出和缓存输入价格分别为 $0.15、$0.60 和 $0.015。

推荐理由:MiniMax M3.1 Flash 将智能体任务用量成本较前代降低 70%,在复杂任务、编码与计算机操作基准上达到领先模型水平。