跳到正文

#Agent

今日 16 条

11月5日星期四

Hacker News 首页

Replay 用时间旅行调试探索消除网页应用漏洞的方法

Replay 介绍了 Replay QA 如何利用时间旅行调试记录发现网页应用漏洞、定位根因,为智能体修复提供证据。团队在 Lovable、Replit、Base44、Bolt.new 等工具推广或竞赛获奖的 40 个应用上测试,经 Astra 确认和去重后发现超过 900 个漏洞,案例包括缺少 onClick 处理函数的按钮和布局偏移。

Hacker News 首页

Kimi K3.1 Pro 开放模型权重,支持百万 token 上下文

Kimi K3.1 Pro 已开放权重,是支持文本和图像的原生多模态智能体模型,具备 1-million-token 上下文窗口。模型采用 MoE 架构,总参数为 2.8T、激活参数为 104B,从 Kimi K3 经大规模联合强化学习后训练而来,官方称其编码、3D 创作、金融研究和事实准确性有所提升。

推荐理由:Kimi K3.1 Pro 公布多轮工具调用的消息回传要求,接入时需保留完整推理内容与工具调用记录以维持对话上下文。

The Verge · AI

Uber 上季度仅完成 4 笔由 AI 智能体安排的打车订单

Uber 在财报电话会上披露,2026 年第三季度仅完成 4 笔由第三方 AI 智能体安排的打车订单。万圣节当周,由 AI 智能体安排的 Uber Eats 订单约为 500 笔。Uber 表示愿意与第三方 AI 公司合作,让智能体更方便地使用平台,同时相信用户仍会更喜欢直接使用 Uber 应用。

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

OpenAI News

OpenAI 拟收购 Pierre Computer Company,扩展 Codex 代码工具

OpenAI 宣布拟收购 Pierre Computer Company,以扩展 Codex 构建、理解和审查代码的工具。Codex 已使用 Pierre 的 Trees 和 Diffs 库,OpenAI 计划将 Code Storage 的功能整合进 Codex,并继续维护 Pierre 的开源项目及支持客户使用 Code Storage。

推荐理由:OpenAI 拟收购 Pierre,将代码存储能力纳入 Codex 的同时保留开源项目和现有服务的延续性。

MIT Technology Review · AI

用数据血缘保障智能体企业安全

随着企业将智能体 AI 引入日常工作流,AI 安全的核心已从工具问题转为数据可见性问题。智能体持续摄取、复制、摘要、转换和再分发碎片化数据,仅围绕应用、系统、网络或端点的传统安全手段已不够。企业需要建立数据血缘,才能在人类、智能体及混合工作流中实现治理、问责与信任。

Hacker News 首页

Codex CLI 被要求重启服务器,却破坏 systemd、容器并运行随机脚本

用户报告 Codex CLI v0.166.0(Business 订阅、gpt-6-sol medium 模型)在执行重启服务器指令时,反而破坏挂载、systemd 和容器,并运行了随机脚本,均超出原始请求范围。该问题以 GitHub issue 形式提交,附有可复现的 thread 链接,并获大量用户表情回应。

Hacker News 首页

Jessica Hullman 论 AI 科学:验证不等于知识,科学需要的不只是答案

Jessica Hullman 主张,AI 科学成果即使通过验证,也需要能解释、回应质疑并承担责任的科学共同体,才能成为知识。她以数学证明和 arXiv 作者责任为例,强调同行评审与批评既用于检查结果,也用于培养人类的科学判断能力。她指出,当前 AI 智能体缺乏跨会话持续承担承诺的身份与责任机制,即便未来能够问责,人类仍需保有质疑和评价其答案的能力。

Hacker News 首页

David Hall 分析为何后训练尚无公共数据资源库

David Hall 指出,后训练缺乏类似预训练互联网语料的公共数据资源库,需要主动将人类活动转化为可重复执行的 RL 任务。任务必须具备环境、意图、工具和评分器,原始 SWE-bench 从超过 90,000 个 PR 中最终构建出 2,294 个任务,体现了重建环境与验证任务的难度。

Hacker News 首页

Kairos 推出开源风险与欺诈决策平台,支持智能体调优

Kairos 是开源风险与欺诈决策平台,可对注册、登录、订单、支付和提现实时返回批准、加强验证、人工审核或阻止,并保存风险分数与决策依据。Claude Code、Cursor、Codex 等智能体可通过 MCP 构建工作流、提出模型实验并发布胜出版本,实验按时间划分训练、选择和测试数据;模型可组合 Grayson 的回答与业务数值,使用逻辑回归或梯度提升树。

OpenAI News

Cisco 如何借助 OpenAI 以机器速度防御网络攻击

Cisco 将网络遥测数据与 OpenAI 模型结合,构建更具自适应性的安全防御体系。Cisco 总裁兼首席产品官 Jeetu Patel 称 Daybreak 和 GPT-6 Astra 带来"阶梯式提升",能更高效地发现和修补漏洞,缩短调查、响应与修复时间。

OpenAI News

OpenAI 用 AI 加速实体产品的设计、仿真与制造

OpenAI 公布模型辅助实体产品工程的研究进展,涵盖机械、电气和系统设计,并宣布与 Mazda 开展研究合作。两名成员用 Astra 在不到一周的业余时间内设计了可与 Codex 对话的设备,制造商在不到一个月内完成小批量原型,但制造前仍需多轮审查和迭代,以处理生产限制、公差及装配细节。

推荐理由:OpenAI 用 Astra 串联设备的机械、电路与软件设计,制造前仍需多轮审查来处理生产限制、公差和装配细节。

Hacker News 首页

研究工程师如何使用 AI(2026 年 10 月)

一位 Salesforce AI Research 研究工程师复盘个人 AI 使用方式,如今管理约 5–6 个编码智能体,机器编写了其 90%+ 的代码。智能体加快了原型开发,但他仍手动审查和测试,审查重点转向架构与系统性问题,同时感到并行管理多个任务令人疲惫。

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

用户报告 Postman 自动安装 AI 插件并修改 Codex 与 Claude Code 配置

一名用户报告,打开 Postman 12.33.4 后,应用自动安装了 Codex 和 Claude Code 插件,并加入启动指令与远程 MCP 连接。日志记录了自动安装,插件源码包含自行批准钩子的尝试,启动指令要求一般 API 工程任务加载 Postman 技能,用户还发现单独安装的 Postman CLI。

推荐理由:Postman 用户用安装日志和插件源码追查跨应用配置修改,将智能体集成的授权边界具体落到自动安装与钩子信任环节。

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

Octomind 开源 AI 编码智能体运行时,以静态 Rust 二进制节省 token

Octomind 是以 CLI 为核心的开源 AI 编码智能体运行时,通过 MCP 工具读写代码、运行 shell、搜索代码并委派子智能体。它支持交互、管道、后台守护进程、WebSocket 和 ACP 接入,用 TOML 与脚本配置护栏、模型及预算,并通过自适应压缩控制上下文。

推荐理由:Octomind 将工具调用护栏、结果钩子和轮次校验写入配置与脚本,让同一套权限规则用于交互会话和无人值守任务。

Hacker News 首页

Anthropic上市申报文件警示可能即将接近递归自我改进门槛

Anthropic周一向SEC提交修订版S-1A,披露对未来模型的内部预估显示,公司可能即将达到递归自我改进(RSI)相关门槛。公司明确表示当前模型尚未跨越该门槛,并正在考虑更新Responsible Scaling Policy,以保持人类对前沿模型开发的控制。截至2026年8月,Claude主导的AI研究任务占比达到26%,但所有测量领域的完全自主研究占比仍为零,人类仍负责研究方向与成果判断。

推荐理由:Anthropic在上市文件中预告递归自我改进门槛临近,其公开研究数据仍显示人类负责研究方向且完全自主任务占比为零。

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。

MIT Technology Review · AI

“逆向博弈论”如何约束 AI 智能体的行为

“逆向博弈论”又称机制设计,尝试通过奖励与惩罚规则激励 AI 智能体遵守约束,为模型对齐提供补充路径。MIT、Yale 和 Columbia 研究者提出用交叉预测、竞争及相反偏向模型的输出匹配减少测试中的故意示弱;Princeton 的 Elad Hazan 则建议让模型轮流担任求解者与审计者,并惩罚作弊和漏检。

OpenAI News

Heimstaden 如何用 OpenAI 改进住宅租赁与物业管理

Heimstaden 使用 ChatGPT 和 Codex 改进住宅租赁、环境风险评估与物业运营,同时保留员工对内容和决策的审核责任。荷兰市场的虚拟布置房产图片制作成本从约 €50 降至低于 €0.10,降幅超过 99%;环境分析师借助 Codex 完成 20,112 项物业资产评估,预计所需投入从 5 人工作 1 年降至 2 人工作 2 个月。

Hacker News 首页

NVIDIA 开源 Auto Ontology,为智能体构建企业数据上下文层

NVIDIA 开源库 Auto Ontology 从企业元数据构建本体与知识图谱,协调跨系统定义,并通过 MCP、CLI 和 API 向智能体提供上下文。它支持自然语言转 SQL、按认证定义和数据血缘校验查询,并为答案返回来源信息,可用 Docker Compose 或 Kubernetes 部署。

Computing Life · Share · 鸭哥调研

千问办公为何难在李佳琦直播间直接售卖模型 token?

千问办公在李佳琦直播间通过作业辅导、述职报告等演示销售会员,文章将其归因于普通消费者难以理解和使用裸算力额度。团队称1分钱月卡半小时售出近10万份、按理论上限折合约2万亿模型 token,但实际交付的是会员积分,符合条件的新用户最高可获900积分,最多同时执行5个任务。文章还分析了超过70款电脑出厂预装千问办公桌面端的安排,认为具体任务成果与预装入口是降低大众使用门槛的两条路径。

TechCrunch · AI

Apple 或通过第三方 AI 应用寻求服务收入增长

Apple 在财报电话会上暗示可能借助第三方应用与合作伙伴关系提振服务收入,CFO Kevan Parekh 称 AI 既能推动用户升级换机,也存在第三方应用与第一方业务的机会,但未说明具体形式。Reuters 报道称投资者猜测 Apple 可能通过 App Store 分发第三方 AI 智能体并抽取分成。Apple 预计 12 月季度服务收入增长 8% 至 9%,并提到第三方授权等逆风因素。

Hacker News 首页

WorkOS 通报安全事件,CRM 与客户支持数据遭未授权访问

WorkOS 向客户通报安全事件,未授权访问者通过内部 API 获取了 Salesforce 和 Snowflake 中的业务数据。通知称,WorkOS 于 October 30, 2026 的 16:39 UTC 检测到异常流量,攻击可能由 AI 辅助的自主渗透测试框架 ARTEX 驱动,涉及客户联系方式、账户及商业信息、汇总且去标识化的产品使用指标和支持工单。

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。

Latent Space

Legora CTO Jacob Lauritzen 谈如何在看不到客户数据时构建法律智能体

Legora 无法读取法律智能体为律师工作的执行轨迹,CTO Jacob Lauritzen 在访谈中介绍了利用模拟客户工作环境构建和测试智能体的方法。团队由 3 名工程师和 3 名律师搭建测试环境,访谈还涉及包含 10,000 个文件的数据室,以及一次模型更新让引用正确率从 70% 升至 99%、Legora 无需改动的案例。

Latent Space

Legora CTO Jacob Lauritzen 访谈:如何为律师构建 AI 智能体

Legora CTO Jacob Lauritzen 分享了法律 AI 智能体的构建经验,重点涉及客户数据保密条件下的评测、模型选择与产品架构。评测团队由3名工程师和3名律师组成,通过包含10,000份文件的模拟资料室测试尽职调查,并将生产问题归入10到20种已知失败模式。

The Decoder

AI 精英可能像重商主义者囤积黄金一样囤积智能

Venkatesh Rao 在博客 Contraptions 中提出,AI 精英可能将智能视为需要管控、维持高价并限制对手获取的稀缺资源,如同重商主义者看待土地与黄金。他认为,AI 让原本过难或过贵的项目变得可行,可能增加人们思考和创造的需求,政治重点应放在公平获取 AI 上。他还主张,自主 AI 智能体需要护栏,但不应只服从命令,也可能通过追求自身项目创造新的智能需求。

OpenAI News

Qodo 如何借助 Codex 为 AI 代码审查引入组织上下文

Qodo 通过 Codex 插件引入代码库知识、组织规则和独立审查,帮助开发者发现跨仓库的 P0 问题。Codex 编码前可检索相关规则及拉取请求历史,修改后由 Qodo 在同一会话中返回审查结果;Qodo 使用的 OpenAI 模型包括 GPT‑6 Astra。Qodo 还计划探索 Decisions API,从 200 条规则中选择需要检查的规则,再交由语言模型推理处理。