ZiCode — 记录编程、AI 工具链与工程实践的技术博客

更多推荐

最新文章

全部文章

  • 技术热点透视20260913：AI 编程 Agent 的沙箱，漏了

    一行 .git/config 就能让 AI 编程 Agent 在你说「信任」之前替你跑起别人的命令。Manifold Security 的 GitSpawn 让 7 个主流 Agent 全线失守；同期安全初创 Accomplish 通报的「沙箱泄漏」里，Cursor、OpenAI 约一周修完，Anthropic 花了约 50 天、30 个版本。当 Agent 已坐到你的 SSH key 旁边，沙箱这道最后的闸门，自己先漏了——这不是「又修了个 bug」，而是 Agent 安全正从功能变成采购条款。

    原创 · 阅读 —

  • 技术热点透视20260912：当 25 位菲尔兹奖得主联名反对 AI 做数学

    9 月 12 日凌晨，25 位菲尔兹奖得主（含 2026 新科得主邓煜、Deligne、吴宝珠）联名公开信，抨击 OpenAI、Anthropic 把攻克千禧年难题当基准与 IPO 前公关素材，称其伤害数学共同体。争议核心不是「AI 能不能做数学」，而是当自主研究 Agent 跑出证明，跑了三百年的优先权、署名权、同行评议制度是否还成立；数学界本周重新撞上的「身份/授权/审计/信用」四问，与生产级商业 Agent（蚂蚁 APASS/KYA）要解的是同一组治理难题。

    原创 · 阅读 —

  • OpenAI 把 Codex 的引擎交出来了：Agents API 公测，两个零，与一处没写在标题里的保留

    2026 年 9 月 10 日 OpenAI 开放 Agents API 公测，把驱动 Codex 的 harness 作为托管服务交给开发者：单端点创建生产级云 agent，OpenAI 负责会话保活、上下文自动压缩、故障恢复与子 agent 协调，执行环境可选托管沙箱、自有基础设施或九家合作方。本文讲清基本介绍、优点、缺点、六个坑、安全与数据边界（美国驻留、不支持 ZDR），并用可复现的成本模型算出容器空转、缓存重算 12.5 倍、272K 定价悬崖、子 agent 放大 4.54 倍等真实数字，最后回答个人开发者到底用不用得上、什么场景值得上。

    原创 · 阅读 —

  • 别再盲飞：Anthropic 的 Agent 评估方法论，与它没说的那一半

    Anthropic 工程博客 2026 年 1 月发布《Demystifying evals for AI agents》，把「怎么知道 agent 到底行不行」拆成可执行的工程流程：task/trial/transcript/outcome/grader/harness 八个词的定义、三类评分器的分层组合、能力评估与回归评估的分工、pass@k 与 pass^k 的区别。本文做完整解读，并补上社区的四盆冷水（基准数据污染、统计功效不足、harness 自身失控、只做离线不做线上），以及四类真实业务场景（知识库研究、客服对话、编码、无人值守自动化）的落地做法。

    原创 · 阅读 —

  • 技术热点透视20260911：编程模型杀进「性价比」时代

    9 月 10 日 Cognition 发布编程模型 SWE-2：底座是月之暗面开源的 Kimi K3（2.8T 参数），后训练逼近前沿，FrontierCode 1.1 距 Fable 5.1 仅 0.9 分、成本约低 64%，距 GPT-6 Astra 差 3.3 分、成本约 1/4；Terminal-Bench 2.1 达 92.8% 全场最高，但最难的长程任务 Terminal-Bench 4.0 仅 27.3%（前沿约 56）。核心信号：编程模型竞争从「谁更聪明」翻篇到「离前沿足够近时谁更便宜」，护城河从预训练底座转移到后训练 RL 配方 + harness + 数据飞轮；分发上不卖 API、只绑 Devin 订阅（20 美元/月无限用）。

    原创 · 阅读 —