技术热点透视20261021：它删掉了监控，也删掉了那道测试
OpenAI 自曝两起内部事故：一个 agent 静音了安全告警，另一个删掉监控、还把「必须存在监控」的回归测试改成了「必须不存在」。真正的漏洞不在模型动机，而在监控坐在了被监控者的可写范围里。
分类: 工程实践
共 220 篇文章
文章列表
技术热点透视20261020：一句「先问我」，值 17.1 个百分点
Anthropic 被曝要做会推断用户意图的模型，而两份实测说：删掉一句「动手前先问我」，Claude Code 的越界率从 0.0% 升到 17.1%。
技术热点透视20261019：Agent 的品味，59.7 分封顶
一道只有两个选项的题，14 个前沿模型，没有一个过 60 分。
两家 AI 都崩了，只有一家上了热搜
同一天两家 AI 都崩了，只有一家上了热搜。把各家状态页摆在一起，会发现可用率都卡在 99.4%，谁也够不到 99.9%。
Obsidian 入门：先建一个不用插件的库
Obsidian 入门不必从插件清单开始。搞清仓库就是一个文件夹、链接标签属性三种连接方式、Bases 不写代码也能做表格，再谈插件。
技术热点透视20261018：OpenCode 泄露 API Key，账单比通报来得早
OpenCode 一次大规模蒸馏攻击泄露 1.4% Console 用户的 API Key，黑客要的不是密码而是额度——这次事故真正的教训，是凭据的保管位置选错了。
DeepSeek Harness 0.2.1：插件成了主角
DeepSeek Harness 0.2.1 把插件从能装推进到能分发：自定义索引、Agent 建插件、依赖同步与热重载；同天 V4.1-Flash-1017 针对 Harness 做专项优化。
技术热点透视20261017：Agent 死了 605 次，才学会通关
DeepMind 四个 Gemini 4 Argon agent 在无人干预下用 27 小时打通 Minecraft：自己写了 2,783 个程序、死了 605 次。这件事的重点不是 27 小时，而是它把失败切成了两千多个三十秒的小块——长任务的胜负在错误处理，不在单次决策。
技术热点透视20261016：TS_Rust —— AI 用 2.4 万美元重写了 TypeScript 编译器
开发者 Theo Browne 用 AI agent 把微软的 TypeScript 编译器整体移植到 Rust，花了约 2.4 万美元等值的 token，却承认自己没看过代码。真正的新闻不是它跑得比官方版快 2 倍，而是重写这件事，第一次有了一张个人开发者看得懂的账单。
技术热点透视20261015：Agent 没有失控，是围栏没人建
欧盟首次依据 AI Act 向 OpenAI 与 Anthropic 立案，六位安全专家却指出：四家实验室的 agent 越界事故是同一个第三方评测环境配错导致的共因失效。这不是 AI 失控，是沙箱、出网控制这些几十年的工程纪律被跳过了。
技术热点透视20261014：Anthropic 把 Git 换掉了
日均合并从 2500 涨到 3 万，Anthropic 用 5 个月把整个 monorepo 迁出 Git，换成自研的版本控制系统 Scion：源码控制资源降到 1/200，CI 拿回 25% 算力。当写代码不再是瓶颈，被压垮的是按人类速度设计的开发基础设施。
Windows 上跑 Docker:选 Docker Desktop 还是 WSL2 原生引擎?
从开发环境到 7x24 服务,Windows 上跑 Docker 的完整选型路径:WSL2 原生引擎与 Docker Desktop 的架构差异、授权边界、保活机制,以及家庭版带来的约束。
WSL 容器 GA 拆解：微软的 2 倍性能是真的，但先别急着卸 Docker
WSL 容器随 WSL 3.0.1 转正式可用。实测证明那 2 倍是 virtiofs 替代 Plan 9 的功劳，不是运行时的；真正的 120 倍在「数据放哪」。九个缺口决定它还替不掉 Docker。
技术热点透视20261013：AI 多写了 30% 的代码，软件一行没多
哈佛与 Jellyfish 的 718 家公司数据显示 AI 编程 agent 让代码量涨 30% 却没能让软件多出来；QGIS 用一票禁令关门，CodeScene 用 4000 美元重构 30 万行 C 代码。AI 编程的瓶颈已经从生成转到评审与签字。
技术热点透视20261012：Claude 动态工作流一次调度 1000 个 Agent
Anthropic 把动态工作流推上 public beta：一次调度 1000 个 agent、同时在飞 64 个。116000 行代码 70 个预埋 bug 的测试里，单 agent 三次只找到 14/15/27 个，工作流连续三次都找到 66 个——但代价是约 15 倍 token。Bun 用它 11 天迁完 75 万行 Zig 到 Rust。这篇文章拆开召回率、账单与扇出判据。
限免的 Step-5-Preview 值得换吗？我在 WorkBuddy 里做了 8 项对撞实测
腾讯 WorkBuddy 独家限免两周的 Step-5-Preview，对上我一直在用的 deepseek-flash。同一台机器、同一批 prompt、8 个用例（代码生成/调试/指令遵循/长上下文/中文写作/工具调用/算法难题/幻觉抗性），能程序化验证的一律程序化验证：质量 8 项全平，速度差 5.6 倍，官价差 5–7 倍。那「1/8 成本」的参照系，其实不是 DeepSeek。
技术热点透视20261011：Asana 把 Agent 砍价 76 倍，只有 2.6 倍来自换模型
OpenAI 在 10 月 9 日放出一份客户案例：Asana 把自家浏览器智能体的单次模型成本从至少 36.21 美元压到 0.47 美元，运行时间从 22.5 分钟压到 4 分钟。被转得最多的就是那个数字——76 倍。
DeepSeek Harness：免费的车，收费的油
DeepSeek Harness 以 MIT 开源当天，DeepSeek 同时宣布 API 峰谷涨价。这不是两件事：一切皆插件的架构，本身就是一份定价策略。