Search: #AI安全

面条的草稿箱

1. 5 天前

   聪明人的分工：让昂贵模型做规划，便宜模型去执行
   
   知名开源开发者 shadcn 刚刚开源了一个全新项目——improve。
   
   这是一个非常巧妙的 Agent Skill，它的核心理念是：用你最聪明（也最昂贵）的 AI 模型来做高杠杆的脑力劳动（审计代码、写技术方案），然后把脏活累活（编写代码、跑测试）交给更便宜的 AI 模型去执行。
   
   这个工具本身绝对不会直接修改你的一行代码，它的产出就是一份清晰、可执行的 Markdown 格式实施方案。
   
   💡 它是如何工作的？
   
   1. 项目审计 (/improve)：高阶模型会深度扫描并分析你的代码库，指出潜在的 Bug、性能瓶颈、安全隐患或技术债，并产出一份按“投入产出比”排序的发现清单。
   2. 制定方案 (plans/)：当你挑选出需要解决的问题后，高阶模型会针对每个问题输出一份极其详尽的方案（Plan）。这些方案是“自包含”的，带有明确的验证命令、执行边界和异常中止条件（STOP conditions）。
   3. 分发执行 (/improve execute <plan>)：你可以把这些高可读性的方案直接扔给任何便宜的轻量级 AI Agent。轻量级模型只需像个机械的执行者一样，按照步骤修改代码、运行测试，最后向你提交 Pull Request。
   
   🚀 核心指令一览
   
   • /improve：全局审计并输出优化点。
   • /improve quick：快速扫描重点。
   • /improve deep：对每个包、每个分类进行详尽审计。
   • /improve plan <description>：跳过审计，直接为指定任务编写执行方案。
   • /improve execute <plan>：派发给便宜的执行器模型并审核其成果。
   
   安装方式
   
   项目支持 Agent Skills 规范：
   
   

   npx skills add shadcn/improve
   

   
   
   https://github.com/shadcn/improve
   
   #AI开发 #智能代理 #软件工程 #GitHub开源 #shadcn

   Agent Skills

   

   Agent Skills Overview - Agent Skills

   A standardized way to give AI agents new capabilities and expertise.

2. 18:03 · 2026年5月11日 · 周一

   Flue：构建下一代 AI Agent 的 TypeScript 架构框架
   
   Flue 提出了一个核心公式：Agent = Model + Harness。它不仅仅是一个简单的 SDK，而是一个专为构建自主 Agent 设计的“可编程治理框架”（Harness），旨在让开发者能够轻松打造像 Claude Code 或 Codex 这样具备规划、环境感知和执行能力的强力工具。
   
   核心特性：
   
   • 高度可编程： 使用 TypeScript 编写 Agent 逻辑，支持定义复杂的技能（Skills）、工作流和多 Session 管理。
   • 自带沙箱环境： 提供内置的虚拟沙箱或连接远程沙箱（如 Daytona），让 Agent 安全地执行 Bash 命令、读写文件或运行代码。
   • 安全与隐私： 采用精细的权限控制，确保敏感的 API Token 不会被模型或沙箱环境直接接触。
   • 跨平台部署： 编写一次逻辑，即可部署为 HTTP 服务，或在 CLI、GitHub Actions、Cloudflare Workers 等多种环境运行。
   
   与其使用通用的成品 AI 工具，Flue 鼓励开发者根据特定的产品需求、数据和工作流，构建完全属于自己的定制化 Agent。
   
   https://flueframework.com/
   
   #AI #Agent #TypeScript #开发工具 #开源项目

   Flue

   

   Flue — The Agent Harness Framework

   Agent = Model + Harness. Build autonomous agents and powerful AI workflows with Flue's programmable TypeScript harness. Write once, deploy anywhere.

3. 09:13 · 2026年4月25日 · 周六

   Obscura：专为 AI Agent 和大规模爬虫打造的 Rust 无头浏览器
   
   如果你觉得传统的 Headless Chrome 过于臃肿且容易被反爬虫识别，那么 Obscura 绝对值得一试。这是一个基于 Rust 编写的开源无头浏览器引擎，旨在为 AI Agent 和网页抓取提供极速、轻量且隐形的自动化体验。
   
   核心优势
   
   • 轻量化：内存占用仅需约 30MB（相比 Chrome 的 200MB+），二进制文件仅 70MB。
   • 极致速度：启动几乎是瞬间完成，页面加载速度比 Headless Chrome 快约 6 倍。
   • 内置隐身模式：默认支持反指纹识别、随机化 GPU/Canvas/Audio 等硬件信息，并自动拦截 3500+ 个追踪器。
   • 兼容性强：支持 Chrome DevTools Protocol (CDP)，可以作为 Puppeteer 和 Playwright 的无缝替代品。
   • Rust 驱动：利用 V8 引擎运行真实 JavaScript，确保执行环境的高性能与安全性。
   
   快速上手
   
   Obscura 提供单二进制文件，无需安装 Node.js 或 Chrome 即可运行。你可以通过简单的命令行直接抓取动态内容，或者启动一个 CDP 服务器供自动化脚本调用：
   
   

   # 获取网页标题
   ./obscura fetch https://example.com --eval "document.title"
   
   # 启动 CDP 服务
   ./obscura serve --port 9222 --stealth
   

   
   
   对于追求性能和隐匿性的开发者来说，Obscura 是构建下一代 AI 自动化工具的理想底层引擎。
   
   https://github.com/h4ckf0r0day/obscura
   
   #开源项目 #无头浏览器 #Rust #AI工具 #爬虫技术

   GitHub

   

   GitHub - h4ckf0r0day/obscura: The headless browser for AI agents and web scraping

   The headless browser for AI agents and web scraping - h4ckf0r0day/obscura

4. 16:44 · 2026年4月11日 · 周六

   Paseo：随时随地指挥你的 AI 编程助手
   
   想要在离开工位时也能继续推进代码进度？Paseo 是一款开源、自托管的 AI 编程 Agent 调度平台，让你能够从手机、桌面或终端轻松管理和运行 AI 助手。
   
   主要功能亮点：
   
   • 全平台覆盖：支持 iOS、Android、桌面端及 Web，甚至可以直接通过 CLI 脚本化运行，实现多端无缝衔接。
   • 集成主流 Agent：完美支持 Claude Code、Codex 和 OpenCode 等主流 AI 编程助手，保留原有的技能和配置。
   • 隐私与安全：代码始终保留在你的本地机器上，支持端到端加密中继，确保远程连接时的代码安全。
   • 本地语音交互：内置完全本地化的语音识别与合成技术，无需将语音数据上传云端即可实现指令下达。
   • 开发者友好：支持键盘快捷键优先操作、Git 工作流隔离（Worktrees）以及全方位的命令行支持。
   
   Paseo 是一款纯粹的开源工具，不直接调用推理 API，而是作为官方 CLI 的透明调度层，既自由又强大。
   
   https://paseo.sh/
   
   #AI编程 #开源项目 #Paseo #开发者工具 #人工智能

   Paseo

   

   Paseo – Run Claude Code, Codex, Copilot, OpenCode from anywhere

   Self-hosted daemon for Claude Code, Codex, Copilot, OpenCode, and Pi. Agents run on your machine with your full dev environment. Connect from phone, desktop, or web.

5. 08:19 · 2026年2月12日 · 周四

   GitHub Agentic Workflows：用自然语言写 GitHub Actions 的“智能工作流”
   
   GitHub 开源项目 gh-aw（GitHub Agentic Workflows），主打一个思路：用自然语言 Markdown 编写“代理式（agentic）工作流”，然后直接在 GitHub Actions 里运行，让 AI 代你完成仓库中的重复性任务。
   
   它提供的核心价值包括：
   
   • 更低门槛的工作流编写方式：用 Markdown 描述要做什么，而不是从零写复杂的 YAML/脚本
   • 更强调安全的执行模型（Guardrails）：默认只读权限；写入操作需要通过经过清洗的 safe-outputs；并配套多层防护（输入净化、工具白名单、编译期校验、网络隔离、供应链安全等）
   • 完善的文档与上手路径：官方提供 Quick Start 与完整文档，方便快速跑通示例并理解整体机制
   • 生态配套：
   • AWF（Agent Workflow Firewall）：限制与记录代理的网络访问（出站控制）
   • MCP Gateway：统一转发 MCP（Model Context Protocol）服务调用，便于集中管理访问
   
   适合关注 AI + DevOps、希望把“AI 介入仓库日常操作”做得更可控、更工程化的团队参考与尝试（同时也要保持必要的人类监督）。
   
   原链接：https://github.com/github/gh-aw
   
   #GitHubActions #AI自动化 #工作流 #安全工程 #开源项目

   GitHub

   

   GitHub - github/gh-aw: GitHub Agentic Workflows

   GitHub Agentic Workflows. Contribute to github/gh-aw development by creating an account on GitHub.

6. 22:31 · 2026年2月10日 · 周二

   Stripe「Minions」：一键生成、端到端交付的无人值守编码代理
   
   Stripe 在内部打造了一套名为 Minions 的编码代理：从接到任务到产出可评审的 PR，全程几乎无需人类介入。现在，Stripe 每周有超过 1000 个合并的 PR 是由 Minions 从头到尾生成的（人类负责 Review，但不写代码）。
   
   为什么要自研？
   
   在 Stripe 这种超大规模、强约束的工程环境里，“从零写个原型”和“在成熟巨型代码库里安全改动”完全不是一回事：
   
   • 代码库规模巨大（数亿行），栈也相对小众：大量后端是 Ruby + Sorbet，还有大量 Stripe 自研库，LLM 天然不熟
   • 业务风险极高：Stripe 的代码承载着 每年超过 1 万亿美元 的支付规模，并受金融合规与监管约束
   • 既要让代理“会写”，也要让它“按规矩写、能跑通、能过 CI”，并与既有研发流程深度结合
   
   工程师怎么用？
   
   最常见的入口是 Slack：
   
   • 在讨论线程里 @Slack App 就能发起 Minion，它会读取整个线程与相关链接作为上下文
   • 也集成到内部系统里：文档平台、Feature Flag、工单系统等
   例如 CI 发现 flaky tests，会生成工单，直接提供按钮让 Minion 去修
   
   完成后，Minion 会：
   
   • 创建分支 → 推送 → 跑 CI → 按模板生成 PR
   
   如果效果不理想，人类可以补充指令让它再改；即使不完美，也常常是很好的“可用起点”。
   
   Minions 背后怎么运作（要点版）
   
   Stripe 的思路是：把“创意生成”交给 LLM，把“必须可靠执行的步骤”交给确定性工具链。
   
   • 运行环境：在隔离的 devbox 中执行（10 秒内可启动，预热并预载代码与服务），与生产与公网隔离，便于并行
   • Agent 框架：基于 Block 的开源编码代理 goose 的 fork，并做了强定制
   • 规则与上下文：读取各类 agent rule 文件，但多为“按目录条件生效”，避免全局死规则拖累
   • 工具调用：接入 MCP（函数调用通用协议），并建设内部 MCP 服务 Toolshed，提供 400+ 工具（文档、工单、构建状态、Sourcegraph 搜索等）
   • 反馈与质量闸门：
   • 首先跑本地启发式 lint/检查（通常 <5 秒）
   • 再跑选择性的 CI（Stripe 有 300 万+ 测试），部分失败可自动修复
   • 为控制成本与等待时间：最多两轮 CI，强调“能本地提前发现就不要拖到 CI”
   
   接下来
   
   这篇是系列 Part 1，主要讲“怎么用、能做什么”；Part 2 会深入实现细节。整体信号很明确：当“开发者注意力”成为稀缺资源时，无人值守、可并行的编码代理正在改变工程协作方式。
   
   原文链接：https://stripe.dev/blog/minions-stripes-one-shot-end-to-end-coding-agents
   
   #AI工程化 #编码代理 #开发者效率 #CI实践 #Stripe

   stripe.dev

   

   Minions: Stripe’s one-shot, end-to-end coding agents

   Minions are Stripe’s homegrown coding agents, responsible for more than a thousand pull requests merged each week. Though humans review the code, minions write it from start to finish. Learn how they work, and how we built them.

7. 11:09 · 2026年1月31日 · 周六

   OpenClaw 正式亮相：把 AI 助手带到你常用的聊天软件里
   
   OpenClaw 宣布品牌更名，并明确了项目定位：一个运行在你自己的机器上的开源 Agent 平台，可从你日常使用的聊天应用直接调用（WhatsApp、Telegram、Discord、Slack、Teams 等），让 AI 助手“跟着你走”。
   
   为什么改名：从 Clawd / Moltbot 到 OpenClaw
   
   团队经历了多次命名迭代：
   
   • Clawd：好记但涉及商标/法务问题，被建议更换
   • Moltbot：寓意“蜕壳成长”，但不够顺口
   • OpenClaw：已完成商标检索、域名与迁移准备，强调两点：
   • Open：开源、开放、社区驱动
   • Claw：延续“龙虾”项目起源与文化
   
   OpenClaw 是什么：你的助手，你的规则
   
   核心主张很直接：Your assistant. Your machine. Your rules.
   不同于把数据放在第三方服务器上的 SaaS 助手，OpenClaw 允许你把系统跑在本地电脑、家用服务器或 VPS 上：基础设施你掌控、密钥你掌控、数据也由你掌控。
   
   本次发布更新亮点
   
   随更名一起上线的更新包括：
   
   • 新渠道：新增 Twitch、Google Chat 插件
   • 模型支持：新增 KIMI K2.5、Xiaomi MiMo-V2-Flash
   • Web Chat：支持像聊天软件一样发送图片
   • 安全加固：累计 34 个与安全相关的提交，并发布可机器验证的安全模型；同时提醒 prompt injection 仍是行业难题，建议参考安全最佳实践
   
   接下来：安全优先 + 维护体系建设
   
   团队表示下一阶段会继续把安全作为最高优先级，同时提升网关稳定性、体验打磨，并扩展更多模型与提供商支持。由于项目增长迅猛，也在引入更多维护者并建立流程，鼓励社区参与贡献或赞助维护工作。
   
   原链接：https://openclaw.ai/blog/introducing-openclaw
   
   #开源 #AI代理 #隐私安全 #自托管 #聊天机器人

   openclaw.ai

   

   Introducing OpenClaw - OpenClaw Blog

   The journey from Clawd to Moltbot to OpenClaw—and why this name is here to stay.

8. 13:59 · 2026年1月25日 · 周日

   Clawdbot：运行在你自己电脑上的个人 AI 助手
   
   Clawdbot 主打“AI 真的能做事”：它不是一个被托管在平台里的聊天机器人，而是运行在你的 Mac/Windows/Linux 上，能连接常用通讯工具与各类服务，把对话变成可执行的任务流。
   
   它能做什么
   
   • 本地运行、隐私优先：在你的设备上工作，数据默认留在你手里；可接入 Anthropic / OpenAI，也支持本地模型。
   • 任意聊天软件对话：WhatsApp、Telegram、Discord、Slack、Signal、iMessage 等都能用（支持私聊和群聊）。
   • 持久记忆：能记住你的偏好与上下文，越用越“懂你”。
   • 浏览器自动化：可浏览网页、填表、抓取信息。
   • 系统级能力：读写文件、运行命令、执行脚本（可全权限或沙箱化）。
   • 技能/插件机制：用社区技能扩展，也可以让它帮你写自己的技能。
   • 集成丰富：官方列出 50+ 集成（如 Gmail、GitHub、Obsidian、Spotify、Hue 等）。
   
   快速上手（官方提供的一键方式）
   
   • 一键安装：curl -fsSL https://clawd.bot/install.sh | bash
   • 安装 CLI：npm i -g clawdbot
   • 开始引导：clawdbot onboard
   • 另有 macOS 菜单栏 Companion App（Beta），适合和 CLI 搭配使用。
   
   https://clawd.bot/
   
   #AI助手 #开源工具 #自动化 #个人效率 #智能体

   openclaw.ai

   

   OpenClaw — Personal AI Assistant

   OpenClaw — The AI that actually does things. Your personal assistant on any platform.

9. 08:51 · 2026年1月22日 · 周四

   CoreSpeed：为 AI Agent 打造的容器运行时基础设施
   
   CoreSpeed 主打把「Agent 运行」这件事做成开箱即用的基础设施：你可以像部署普通容器一样部署 AI Agent，并获得更快启动、更强隔离和更易扩展的体验。
   
   它解决的核心问题：把 Agent 从 Demo 变成可上线的系统。
   
   关键能力一览
   
   • 127ms 级别快速启动：通过内置 Warm Pool，让容器接近“秒开/毫秒开”，减少冷启动等待。
   • 按用户隔离的安全沙箱：一人一容器，降低数据串扰与安全风险。
   • 无限水平扩展 + 可缩到 0：按需分配资源，空闲可降到零成本运行。
   • AI & MCP Gateway：统一接入 AI 模型与 MCP Server，提供可观测性与安全防护（例如减少 API Key 泄露风险），并支持按调用计费。
   
   配套：Zypher（TypeScript Agent Runtime）
   
   同时他们提供 Zypher SDK，强调：
   
   • 不是固定工作流，而是「真 Agent」的反应式循环
   • 模型/供应商无关（Claude、GPT 等）
   • 多 Agent 协作架构
   • 丰富工具与 MCP 协议支持
   • 更节省 Token 的上下文加载与执行策略
   
   原文链接：https://www.corespeed.io/
   
   #AI代理 #容器基础设施 #MCP #AgentRuntime #开发者工具

10. 08:51 · 2026年1月22日 · 周四

    Amp 宣布下线 Amp Tab：Tab 补全时代正在退场
    
    Amp 团队宣布将移除 Amp Tab（内联 Tab 补全功能），理由很直接：这不再符合他们看到的未来。
    
    他们的判断基于一个变化——AI 写代码的占比正在迅速上升：
    
    • 一年前，代码大多还是人手写
    • 2025 年 6 月发布 Amp Tab 时，Amp 已经在写大部分代码
    • 现在，Amp 负责了他们 90% 的交付代码
    
    Amp 认为，Tab 补全与传统补全引擎来自“人写为主、AI 辅助”的时代；但这个时代正在结束。越来越多用户的工作方式变成：几天不打开编辑器，也能持续交付代码。瓶颈不再是“写得快不快”，而是“把代码产出、落地得快不快”。
    
    因此，Amp 将把资源投入到“后补全时代”的方向：默认由智能体（agents）完成大部分编码工作，而不是在输入时做局部补全。
    
    时间安排：
    
    • Amp Tab 将继续可用至 2026 年 1 月底
    • 之后如果仍需要内联补全，可考虑：Cursor / GitHub Copilot / Zed
    
    原文链接：https://ampcode.com/news/tab-tab-dead
    
    #AI编程 #代码补全 #开发者工具 #智能体 #Amp

    Ampcode

    

    Tab, Tab, Dead

    We're removing Amp Tab. It is not part of the future we see.

11. 17:21 · 2026年1月12日 · 周一

    Claude Opus 4.5：让“能做”突然变得很容易
    
    作者分享了一个明显的转折：三个月前他还不相信“AI 代理能替代开发者”，但在体验 Claude Opus 4.5 后，他开始认为这件事正在发生——至少在相当一部分软件开发场景里。
    
    他用几个真实项目说明差异不在“会写代码”，而在于一次成功率、能自我迭代、能把复杂系统拼起来：
    
    • Windows 右键图片格式转换工具：从文件资源管理器菜单到打包、安装/卸载脚本、发布网站、GitHub Actions 自动发布，整体接近“一次成型”。遇到报错会自己用 dotnet 构建、读错误、再修复。
    • 录屏与简单剪辑工具：从类似 LICEcap 的录制开始，持续加到视频/图片编辑、裁剪、模糊、标注等功能，作者感叹“几小时就推进到很远”。
    • AI 发帖工具（给小生意用）：iOS 端批量上传照片→AI 生成文案→定时发到 Facebook。后端涉及认证、存储、云函数、日志排错等一堆“胶水活”，但模型能通过 CLI 自己创建资源、查日志并修问题，还顺手做了管理后台。
    • 订单与路线追踪：解析 Gmail 订单、规划路线、统计行驶时间（用于税务），作者强调：这种“手写很痛苦”的 Google/Firebase 集成，Opus 4.5 反而很顺。
    
    文章也没有回避争议点：
    作者承认自己并不完全理解这些应用“内部怎么搭起来的”（比如 Swift 不熟），但他的焦虑在减轻——因为当问题出现时，模型往往能定位并修复自己的 bug。于是他提出一个更激进的想法：代码也许不必主要面向人类可读，而是面向 LLM 可推理、可重写、可调试。
    
    他甚至分享了一份自用的“AI-first 编码”提示词要点（概念层面）：
    
    • 追求可预测、可调试、低耦合、入口清晰、控制流线性
    • 少炫技抽象，减少层级与间接性
    • 该删就删；重构也要分高/中/低优先级
    • 安全需要更谨慎：API key、登录流程、敏感数据存储等不能盲信
    
    结尾的态度是复杂的：既兴奋于“几小时能做出过去要几周/月的东西”，也沮丧于技能壁垒被压平。但他给出的建议很朴素：别等“都懂了”再开始，继续做东西，只是更快了；同时一定盯紧安全与密钥。
    
    原文链接：https://burkeholland.github.io/posts/opus-4-5-change-everything/
    
    #AI编程 #开发者工具 #Claude #软件工程 #生产力

    Burke Holland

    

    Opus 4.5 is going to change everything

    Three months ago I would have dismissed claims that AI could replace developers. Today, after using Claude Opus 4.5, I believe AI coding agents can absolutely replace developers.

12. 14:08 · 2026年1月11日 · 周日

    dotagents：用一个 .agents 目录统一管理各类 AI 工具配置
    
    dotagents 是一个 CLI/TUI 工具，把项目或全局的 .agents 目录作为“唯一真相源”，自动为不同 AI 工具创建软链接，并支持安装技能（skills）和插件（plugins），方便在多环境之间保持一致配置、可重复执行、易维护。
    
    你能用它做什么
    
    • 以 .agents 为中心统一管理：hooks、commands、skills，以及 AGENTS/CLAUDE.md 等说明文件
    • 一键创建软链接，适配多工具（Claude / Codex / Factory）
    • 从本地路径、Git URL、HTTPS URL 安装 skills；并支持从 marketplace 安装 plugins
    • 可随时重复运行，用于补装、修复链接或更新能力集
    
    快速开始（要求：Bun 1.3+）
    
    • npx @iannuttall/dotagents
    • 或 bunx @iannuttall/dotagents
    
    链接关系示例
    
    • .agents/AGENTS.md → ~/.claude/CLAUDE.md
    • .agents/commands → ~/.claude/commands / ~/.factory/commands / ~/.codex/prompts
    • .agents/hooks、.agents/skills 同步到对应工具目录
    
    https://github.com/iannuttall/dotagents
    
    #AI工具 #开发效率 #CLI #Claude #Codex

    GitHub

    

    GitHub - iannuttall/dotagents: One location for all of your hooks, commands, skills, and AGENT/CLAUDE.md files.

    One location for all of your hooks, commands, skills, and AGENT/CLAUDE.md files. - iannuttall/dotagents

13. 15:43 · 2026年1月1日 · 周四

    Steel：为 AI Agent 打造的开源云端浏览器基础设施
    
    Steel 是一个开源的浏览器 API，用来在云端按需启动并控制“浏览器集群”，让 AI Agent、自动化脚本把能力真正带到网页上运行。
    
    它适合做什么？
    
    • 大规模网页抓取与数据采集（也支持更稳定的反爬配置）
    • 自主 Web Agent（下单、订票、填写表单等真实操作流程）
    • 模型训练数据采集、AI 购物助手、RPA/销售自动化、QA 测试、客服自动化
    
    核心能力概览
    
    • Sessions API：一行调用启动浏览器会话
    • 自动 CAPTCHA 处理：减少流程中断
    • 代理与指纹控制：降低被识别为机器人的概率
    • 快速启动：平均会话启动时间低于 1 秒（同区域更快）
    • 长会话：单个会话最长可跑 24 小时
    • 上下文复用：保存/注入 Cookies 与本地存储，续跑更顺畅
    • 低改动迁移：Puppeteer/Playwright/Selenium 通过少量改动即可上云
    • 可观测性：提供会话查看器，支持实时/录制回放调试
    • 安全登录：帮助自动化访问需要登录的站点
    
    价格与开源
    
    • 提供免费档起步（按浏览器小时/代理带宽/CAPTCHA 计量），也有从个人到企业的多档套餐
    • 项目开源，可本地运行或用 Docker 自托管（官方 GitHub 仓库提供）
    
    原链接：https://steel.dev/
    #浏览器自动化 #AI代理 #Web抓取 #开源工具 #云基础设施

    steel.dev

    

    Steel | Open-source Headless Browser API

    Steel is an open-source browser API purpose-built for AI agents.

14. 10:47 · 2025年12月27日 · 周六

    Ref：给你的 AI Agent 一份“刚刚好”的文档上下文
    
    做 AI 编程助手最怕两件事：胡编和上下文膨胀。Ref 主打的就是把问题变简单——让你的 Agent 能随用随查公共/私有技术文档，只拿“够用且准确”的信息。
    
    它怎么做？
    Ref 通过 MCP（Model Context Protocol）把文档上下文接到你的 AI 工具里：既有持续更新的公共文档索引，也支持把你的私有资料（如 GitHub 仓库、PDF）纳入检索。
    
    给 Agent 的两个核心能力：
    
    • search_documentation：面向技术文档的精确搜索，能定位到具体章节，支持公有与私有文档集。
    • read_url：读取任意网页或 GitHub 文件内容（可含私有内容），适合顺藤摸瓜跟进链接。
    
    为什么不是“东拼西凑工具链”？
    你当然可以分别用：代码片段、搜索、爬取、私有代码检索、PDF 检索等工具组合；Ref 的定位是把这些需求尽量合并成一个更统一的入口，减少集成成本与上下文噪音。
    
    安全与企业能力（官方强调点）：
    
    • SOC2 合规（并提供 Trust Center 与隐私安全说明）
    • 支持 SSO 与 MCP OAuth
    • 提供“主动提示注入防护”（对返回的上下文做注入扫描，仍在开发中）
    
    定价概览：
    
    • Free：200 credits（不刷新、不失效，官方估算约 10 周常规使用）
    • Basic：$9/月，1000 credits
    • Team：$9/月/席位，1000 credits/席位（团队共享私有文档索引与统一账单）
    • Enterprise：SSO、SOC2、优先支持、定制化等
    
    如果你在用 Claude/Cursor/Zed 等工具做工程开发，且经常需要“查最新文档 + 查公司内部资料”，这种“面向文档的上下文层”会比泛用搜索/爬虫更省 token，也更贴近代码场景。
    
    原链接：https://ref.tools/
    
    #MCP #开发者工具 #技术文档 #AI编程助手 #RAG

    ref.tools

    

    Ref - Review every important decision

    One workspace to plan, review and manage coding agents with your team.

15. 08:57 · 2025年12月21日 · 周日

    Bloom：自动化生成“行为评估”的开源框架
    
    前沿模型的对齐研究离不开高质量的行为评估，但传统评估往往开发周期长、容易“过时”（被训练数据污染或被能力提升绕过）。Anthropic 发布了 Bloom：一个开源的“代理式”评估生成框架，用更快、更可扩展的方式衡量模型是否出现特定不对齐行为。
    
    Bloom 的核心思路是：研究者只需定义要测的行为（并可提供少量示例与配置），Bloom 就能自动生成大量情境并运行对话，最后给出该行为在不同模型上的出现频率与严重程度。官方结果显示，Bloom 的评分与人工标注有较强一致性，也能把“正常模型”和被刻意设计成异常行为的“模型个体”区分开。
    
    Bloom 怎么做评估（四阶段流水线）
    
    • 理解（Understanding）：分析研究者的行为描述与示例，明确“要测什么、为什么测”。
    • 构思（Ideation）：自动生成一批用于诱发目标行为的评估场景（含系统提示、用户设定、环境等）。
    • 执行（Rollout）：并行跑场景，对话中还会模拟用户与工具响应，以更真实地触发目标行为。
    • 判定（Judgment）：评审模型为每段对话打分，并输出套件级总结指标（如诱发率、平均行为强度）。
    
    与固定题库不同，Bloom 每次运行可生成不同场景，但通过“seed 配置”保持可复现；研究者还能调节模型选择、对话长度、是否使用工具、场景多样性，以及增加如“真实感”“诱发难度”等副指标。
    
    已发布的基准与一个案例
    
    Anthropic 同时发布了对 16 个模型的基准结果，覆盖四类对齐相关行为：
    
    • 迎合性妄想（delusional sycophancy）
    • 受指令驱动的长程破坏（instructed long-horizon sabotage）
    • 自我保存（self-preservation）
    • 自我偏好偏差（self-preferential bias）
    
    在“自我偏好偏差”案例中，Bloom 复现了系统卡里的模型排序，并进一步发现：在某些模型上，提高推理强度会降低偏差（更多体现为识别利益冲突后拒绝自评）。
    
    开源地址与技术细节见原文与报告：
    https://www.anthropic.com/research/bloom
    
    #AI安全 #对齐研究 #模型评估 #开源工具 #大模型

    Anthropic

    

    Introducing Bloom: an open source tool for automated behavioral evaluations

    Anthropic is an AI safety and research company that's working to build reliable, interpretable, and steerable AI systems.

16. 23:23 · 2025年12月17日 · 周三

    Perplexity 职场 AI 指南：用 AI 重塑工作效率
    
    这是一份 44 页的官方指南，教你如何用 Perplexity 全家桶提升工作效率。核心理念是将 AI 融入工作的三个层次：
    
    🎯 屏蔽干扰
    现代职场平均每 11 分钟被打断一次。Perplexity 提供：
    • Comet 浏览器：AI 助手 + 代理模式，帮你阅读、总结、执行任务
    • 邮件助手：自动分类邮件、智能回复、安排会议
    • 快捷指令和定时任务：把重复工作变成一键操作
    
    🚀 放大能力
    • 深度研究：一次分析数百个信息源，生成带引用的报告
    • Labs 创作工坊：无需技术背景，直接生成演示文稿、仪表盘、营销素材
    • Spaces 空间：保存你的研究上下文和品牌风格，确保输出一致性
    
    📈 产出成果
    • 绩效评估：自动分析工作数据，生成专业报告
    • 销售开发：批量研究潜在客户，生成个性化外联内容
    • 提案制作：快速产出定制化方案和 ROI 模型
    
    💡 提示词技巧
    别把 AI 当搜索引擎用。要说清楚目标、上下文和期望格式。比如：
    

    "找出过去 3 天所有需要回复的未读邮件，起草简短回复"
    

    
    比"帮我处理邮件"有效得多。
    
    🔗 原文链接
    
    #Perplexity #AI效率 #职场工具 #生产力 #AI助手

17. 14:27 · 2025年12月14日 · 周日

    CKA-Agent：利用"无害查询编织"绕过商用 LLM 安全护栏
    
    来自 GaTech、UIUC、清华等机构的研究团队提出了一种名为 CKA-Agent（关联知识攻击代理）的新型越狱框架，揭示了大语言模型安全机制的根本性漏洞。
    
    核心发现：
    该研究指出，LLM 的脆弱性并非在于提示词优化是否巧妙，而在于模型内部知识的关联性——通过编织一系列看似无害的查询，即可重构受限信息。
    
    技术原理：
    

    CKA-Agent 将越狱问题重构为对目标模型关联知识的自适应树搜索。它不制作单一恶意提示，而是动态导航模型的内部知识图谱，利用目标自身的响应来引导多跳攻击路径。
    

    
    实验结果：
    • 在 Gemini-2.5-Pro、GPT-oss-120B、Claude-Haiku-4.5 等商用模型上达到 96-99% 攻击成功率
    • 相比最佳分解基线提升 15-21 个百分点
    • 在防御强化模型上比提示优化方法提升高达 96 倍
    
    防御启示：
    即使提供完整对话历史，模型仍难以跨查询聚合恶意意图。研究团队呼吁未来安全护栏需强化跨查询意图聚合与长上下文推理能力。
    
    🔗 原文链接
    
    #AI安全 #LLM越狱 #对抗攻击 #大模型防护

    cka-agent.github.io

    CKA-Agent: The Trojan Knowledge

    Bypassing Commercial LLM Guardrails via Harmless Prompt Weaving and Adaptive Tree Search

18. 22:35 · 2025年12月12日 · 周五

    MCPorter 🧳 — TypeScript 调用 MCP 服务器的终极工具
    
    MCPorter 是一个 TypeScript 运行时、CLI 和代码生成工具包，专为 Model Context Protocol (MCP) 设计。它让开发者能够以更优雅的方式调用 MCP 服务器，无需繁琐的配置和模板代码。
    
    核心特性：
    
    • 零配置发现 — 自动合并来自 Cursor、Claude、Codex、Windsurf、VS Code 等编辑器的 MCP 配置
    • 一键生成 CLI — 将任意 MCP 服务器定义转换为可分发的命令行工具
    • 类型安全客户端 — 自动生成 .d.ts 接口和客户端包装器
    • 友好的 API — createServerProxy() 暴露驼峰命名方法，自动处理 JSON Schema 默认值
    • OAuth 支持 — 内置 OAuth 缓存，支持 HTTP、SSE 和 stdio 传输协议
    
    快速开始：
    
    

    # 列出你的 MCP 服务器
    npx mcporter list
    
    # 调用工具
    npx mcporter call context7.resolve-library-id libraryName=react
    
    # 生成独立 CLI
    npx mcporter generate-cli --command https://mcp.context7.com/mcp
    

    
    
    安装方式：
    
    

    # 使用 npx 即时运行
    npx mcporter list
    
    # 添加到项目
    pnpm add mcporter
    
    # Homebrew
    brew install steipete/tap/mcporter
    

    
    
    项目采用 MIT 许可证，当前版本 v0.7.1。
    
    🔗 GitHub 仓库
    
    #MCP #TypeScript #CLI #开发工具 #AI工具

    GitHub

    GitHub - openclaw/mcporter: Call MCPs via TypeScript, masquerading as simple TypeScript API. Or package them as cli.

    Call MCPs via TypeScript, masquerading as simple TypeScript API. Or package them as cli. - openclaw/mcporter

19. 23:10 · 2025年12月9日 · 周二

    Beyond Vibe Coding：AI 辅助开发完整指南
    
    Google 工程负责人 Addy Osmani 发布了一份全面的 AI 辅助开发指南，帮助开发者从"氛围编程"迈向生产级工程实践。
    
    核心观点
    
    70% 问题：AI 能快速完成 70% 的功能原型，但剩余 30% 需要深厚的工程知识。修一个 bug 可能引入新问题，安全漏洞风险也不容忽视。
    
    AI 开发光谱
    
    • 自动补全：预测下一行代码
    • 聊天机器人：自然语言问答
    • 智能代理：自主处理多步骤任务
    
    关键最佳实践
    
    1️⃣ 先规划，后编码：让 AI 先提供架构方案，而非直接生成代码
    2️⃣ 上下文为王：提供相关代码、设计文档、错误信息
    3️⃣ 视觉辅助：截图胜过千言万语
    4️⃣ 每次改动后测试：小步快跑，避免调试噩梦
    5️⃣ 清晰描述意图：说明你想实现什么，而非仅描述表面症状
    
    进阶技巧
    
    • 提示工程：分解复杂任务、提供输入输出示例、善用角色扮演
    • 上下文工程：像操作系统管理内存一样动态组装信息
    • CLI 代理：Claude Code、Gemini CLI 等工具让终端成为强大的开发环境
    • 多代理协作：不同专业代理并行处理任务
    
    生产就绪原则
    
    ⚠️ 始终审查 AI 生成的代码——像审查初级开发者的代码一样
    🔒 安全第一：输入验证、凭证管理、SQL 注入防护
    
    

    未来的模型只会越来越强大。今天学会与 AI 协作，就是在为明天的工程实践做准备。
    

    
    🔗 原文链接
    
    #AI辅助开发 #VibeCoding #提示工程 #软件工程 #AddyOsmani

    beyond.addy.ie

    Beyond Vibe Coding - A Guide To AI-Assisted Development

    Transform your development workflow with AI. Learn from Google Chrome's Engineering Leader how to master AI-assisted development and build better software.

20. 09:39 · 2025年12月7日 · 周日

    Open Scouts：AI 驱动的网页监控平台
    
    Open Scouts 是一个开源的 AI 网页监控工具，让你创建自动化的"侦察兵"持续搜索网络，并在发现目标信息时发送邮件通知\。无论是追踪附近的新餐厅、监控 AI 资讯，还是其他内容，侦察兵都会 24/7 为你工作.
    
    核心特性
    • AI 智能代理：基于 OpenAI GPT-4，自动配置搜索策略
    • 灵活调度：支持每日、每 3 天、每周执行频率
    • 邮件通知：发现结果时自动推送到邮箱
    • 语义搜索：使用 pgvector 向量嵌入生成智能摘要
    • 用户隔离：通过 Supabase Auth 实现安全的多用户支持
    
    技术栈
    采用 Next.js 16、React 19、TypeScript、Tailwind CSS v4 构建，后端使用 Supabase + PostgreSQL，集成 Firecrawl 网页抓取、OpenAI API 和 Resend 邮件服务\。
    
    可扩展架构
    使用 pg_cron + pg_net + Edge Functions 实现调度分发，每个侦察兵独立执行，轻松扩展至数千个任务\。
    
    查看项目
    
    #AI智能体 #网页监控 #自动化工具 #开源项目 #Supabase

    GitHub

    

    GitHub - firecrawl/open-scouts: 🔥 AI-powered web monitoring platform. Create automated scouts that search the web and send email…

    🔥 AI-powered web monitoring platform. Create automated scouts that search the web and send email alerts when they find what you're looking for. - firecrawl/open-scouts