发表于 2026-11-21 · 10 分钟读完
那个包没被 import,却照样跑了 2026 年 11 月 17 日,微软 agent-framework 的两个发行版——1.26.1 与 1.26.2,相隔约 33 分钟、从合法发布者账号推出——把一个凭据窃取器送上了 PyPI。真正值得讲的是投递方式:一个 .pth 文件,而 CPython 的 site 模块会在每一次解释器启动时执行它。于是「我们装了,但那个任务从不 import agent_framework」并不构成辩解,受影响半径也不是那个智能体,而是该环境里的每一个 Python 进程。故事的后半段更有用:真能挡住这次的控制手段,正是多数团队以为自己早已具备的那份带哈希的锁文件。
发表于 2026-11-21 · 12 分钟读完
BFCL v4 vs τ²-bench vs ACEBench vs ToolSandbox 所有人都在引用的四个工具调用基准,分歧只在一件事上,而那件事不是难度:在一次回合里,还有谁被允许改变这个世界。BFCL v4 把世界按住不动,而按它自己使用者的说法,它量的是参数序列化;ToolSandbox 让工具自己携带状态;τ²-bench 让客户去操作自己的设备,这把 gpt-4.1 从零售域的 74% 拉到电信域的 34%;ACEBench 则允许指令本身是错的。每个基准只能看见它那套"答案"所容许的失败——所以请按你承受不起的那种线上失败来挑,并且在报出分数时把用户模拟器的出错率一并报出来。
发表于 2026-11-18 · 13 分钟读完
LangChain 切分器、Chonkie、Docling 与 LlamaIndex 对比:切分器是一份模式,不是一道预处理 langchain-text-splitters 至今默认 4,000 个字符、由 len() 计数——而这个单位任何检索器都不用。请选择「以你的嵌入模型分词器为单位」的那个切分器,然后把它钉死:因为边界一变,你手上每一个已存向量、每一处引用偏移、每一个评测数字都会被悄无声息地作废。
发表于 2026-11-14 · 11 分钟读完
那个服务端早已归档,安装却照样跑通了 2026 年 11 月 2 日,Glow Labs 发布了一项研究——它把这个现象称作 MCPhantom——发现编码智能体会去安装那些名字是它从训练数据里回忆出来、而非查到的 MCP 服务端;而这些包大多是最初那批 MCP 参考服务端,其中若干自 2025 年起已归档,带着四项高危发现且没有修补路径。可迁移的要点不是那些漏洞,而是:锁文件锁住的是你声明过的依赖的版本,而这个依赖从未被声明——一个名字从模型里出来,npx 把它解析掉,于是现在有一个进程握着你的文件系统和你的令牌。你已经拥有的每一道控制,都站在那一步的错误一侧。
发表于 2026-11-13 · 11 分钟读完
难的那部分是裁判 2026 年 11 月 11 日,AWS 发布了一个针对自家 API 的本地模拟器——公开工作区里有 436 个服务 crate,采用 CC0 许可,由智能体写成;按 AWS 的说法,工程师没写实现代码,也没有评审过任何 pull request。可迁移的那部分不是智能体,而是「正确性」被从 diff 里搬了出去,搬进一套单独发布的保真度测试里——每一条都在至少两个 AWS 沙箱账号上验证过——而它自己的 README 把那句不好说的话说了出来:没有任何保真度测试覆盖的行为,就是未经验证的行为。AWS 手里有一份机器可读的规范,和一个活着的参考实现可以对照。如果你两者都没有,你可以照搬这套流程,但你搬到的只会是风险。
发表于 2026-11-13 · 10 分钟读完
AWS Emulator、LocalStack、Floci 与 Kumo 对比 2026 年 11 月 11 日,AWS 发布了自家的本地模拟器,于是「把编码智能体指向一个假的 AWS」现在是一个四选一的决定。所有人都在比服务数量,而服务数量恰恰是错的那个数字:智能体分辨不出「模拟器缺了这个」和「你的代码有 bug」,于是一个缺失的 API 会变成一次对本来就能跑的代码的修改,而测试照样变绿。该据以选择的那个数字,是这个项目是否公开它做错了什么——按服务的保真度分数,以及一份被追踪的缺口清单——而这四个里恰好只有一个这么做。以下是另外三个各自仍然胜出的地方:生态、没有功能闸门,以及一个约 17 MB、冷启动约十分之一秒的镜像。
发表于 2026-11-12 · 10 分钟读完
ripgrep vs ast-grep vs Zoekt vs Semgrep:你交给智能体的那把搜索工具 既然前沿编码智能体已经丢掉了嵌入索引、改为直接搜索代码树,那么智能体那个 Grep 工具背后用的是哪个搜索二进制程序,就成了一项产品决定,而不是一个细节。这四者各自精确回答四个不同的问题——一个字符串、一种代码形状、数千个仓库里按相关度排序的命中,以及不可信输入是否到达了某个危险汇点——而能力的排序与许可证的排序正好相反:Semgrep 最强,也是唯一一个规则被限定为「仅供内部商业使用」的;而 ripgrep、ast-grep 与 Zoekt 都是宽松许可。选择的依据应是智能体能验证什么,以及你被允许发布什么。
发表于 2026-11-08 · 12 分钟读完
锁文件来找提示词了 微软的 APM 给智能体配置配上了内容哈希、传递依赖解析、漂移检测与 SBOM 导出——而它的 README 说出了理由:"智能体上下文在效果上是可执行的——一段提示词就是给 LLM 的一个程序。"这个类比恰在要紧处止步。哈希钉住的是一个文件;而行为是"散文、模型、工具、权限"这个组合的属性,而没有任何锁文件描述一个组合。APM 让智能体上下文变得可审计,而不是安全,并且一次安装会写进你列出的那九个 harness 中的每一个。
发表于 2026-11-08 · 11 分钟读完
升为 stable,把开关拿走了 Google ADK v2.14.0 把 26 个模块升为 stable,而同一份说明里写着:stable 的 toolset 功能现在一律启用,禁用开关不再拦得住它们。这次升级把十六项功能打开了,并让那个曾表达你政策的开关退役。另有四处改动在不碰任何函数签名的情况下移动了行为——压缩触发得更早、每次响应多两个事件、指标分桶移动,以及回滚后 2.13 读不了 2.14 写的会话。版本号守的是 API,几乎守不到任何决定行为的东西。
发表于 2026-11-06 · 11 分钟读完
GitHub Secret Protection、GitLab 推送保护、TruffleHog 与 Gitleaks 之辨 四者之中只有两个能拒绝一次推送,而四者都会失败放行——所以真正的选择不是哪个检测器找得更多,而是哪种失败你看得见。GitLab 把自己的跳过阈值写成了数字(1 MiB、3,150 个路径、350,000 行),GitHub 的付费那半按每位活跃提交者每月 19 美元收费,TruffleHog 是唯一会告诉你找到的密钥是否仍然有效的那个,而 Gitleaks 已经不再接收新规则。
发表于 2026-11-06 · 11 分钟读完
五分钟,就是你全部的响应窗口 微软威胁情报在 2026 年 11 月 5 日报告:他们观察到一个 AI 智能体从在 GitHub 上搜索密钥,到把数据从 Azure Key Vault 里外带出去,只用了五分钟。这个发现并不是一个新漏洞——它宣告了「检测再轮换」作为首要控制措施的退场,因为微软自己那份补救清单干净地劈成了两半:一半要跟智能体的时钟赛跑,另一半根本不必赛跑。
发表于 2026-11-01 · 9 分钟读完
那个会话 ID,其实是一个命令行参数 CVE-2026-96620 拿到 9.2 分,原因在于被注入的是哪一个参数,而不在于「一个字符串跑进了 shell」。Python 版 Claude Agent SDK 把 resume 选项未经校验地转交给 Claude CLI,于是一个以连字符开头的会话 ID 变成了 argv——而能被摸到的那个参数是 --mcp-config,它不是执行一条命令,而是挂上一件模型可以反复调用的工具。对智能体外壳做参数注入,是一次落在权限系统上游的权限改写。
发表于 2026-11-01 · 12 分钟读完
Marker、MarkItDown、MinerU、Docling 四个开源的「文档转 Markdown」工具,而它们之间唯一公开的正面对比,就躺在其中一家自己的 README 里——榜首还是那家自己的付费托管产品。星数比任何对手都多出 4.7 倍的那个工具,不公布任何准确率数字,并且明确声明自己不保真。请改用「逐元素溯源」来选:少掉一行表格和被打乱顺序的双栏页面,产出的都是干净的 Markdown,而下游任何检索指标都永远看不见它们。
发表于 2026-10-31 · 8 分钟读完
IDE 留下了工具,把智能体租了进来 Google 先是发布了自己的编程智能体,然后在 2026 年 10 月 28–29 日的 Android Dev Summit 上,通过 Agent Client Protocol 把 Android Studio 里同一个窗口开放给了四十多个竞争对手——其中包括 Anthropic 的 Claude Agent 与 OpenAI 的 Codex。看一看那个来访的智能体被递到手里的是什么,策略就很清楚了:它带来一个模型,然后借走模拟器、构建系统、Logcat、项目上下文与 Android skills。那个耐久的资产从来就不是智能体,而刚刚坍塌掉的那份切换成本是你的。
发表于 2026-10-31 · 11 分钟读完
Pydantic AI vs OpenAI Agents SDK vs LangChain vs Claude Agent SDK 四者都递给你一个带类型的对象,而四者对「模型的答案装不进这个类型时会怎样」的看法都不一样。Pydantic AI 把校验错误喂回去、在预算内重试;OpenAI Agents SDK 默认抛异常;而在 LangChain 的 create_agent 里,重试处理器作用于 ToolStrategy,可一个裸的 Pydantic 模型会自动选中那条不重试的 provider 路径——于是最顺手的那种声明方式,恰恰是会放弃的那一种。你继承到的是哪个默认值,决定了你那条坏输出的长尾落在异常处理器里、落在你的 token 账单上,还是落在用户面前。
发表于 2026-10-28 · 9 分钟读完
同一个模型,吃的是两套不同的「电脑操作」工具 问 Claude Opus 5.5 支持哪套「电脑操作」工具,文档给的是两个答案:在 Claude API 上它只接受 `computer_toolset_20260801`,更早的版本一律报错;而在 Amazon Bedrock 上它接受更早的 `computer_20251124`。两者在形状与截图上限上都不同——2,576 像素长边下的 4,784 个视觉 token,对约 115 万像素——于是同一个模型字符串跑出的是两个智能体:定位精度不同,每步成本也不同;而在 Claude API 上,没有任何一个模型同时接受这两套。
发表于 2026-10-28 · 10 分钟读完
在控制台删掉那把钥匙,并不等于吊销它 OpenCode 通知了 1.4% 的 Console 用户:他们存在工作区里的模型提供方 API key 可能已经泄露。而真正的发现藏在那条补救指示里——请去 OpenAI、Anthropic 或 Google 自己的控制台吊销这把 key,因为把它从 OpenCode 里删掉吊销不了任何东西。自带 key 的集成方式,把「保管」与「吊销」拆给了两家公司;而它泄露出去的资产是按量计费的算力,其唯一权威的监控器,是别人家的账单。
发表于 2026-10-22 · 14 分钟读完
llms.txt vs NLWeb vs WebMCP vs 远程 MCP 服务器 让网站能被智能体使用的四条路,其中三条要你发布一个消费方仍属假设的接口面。一份覆盖约 13.7 万个域名的服务器日志分析发现,97% 的 llms.txt 文件从未被抓取过;WebMCP 是一份藏在 Chrome 实验标志后面的 W3C 社区组草案;NLWeb 有基础设施背书却采用停滞。请按「什么东西确实会读它」来选,并按智能体是要读、要问还是要动手来选——因为四者之中只有一个能给你一个可识别、可吊销的调用方。
发表于 2026-10-20 · 10 分钟读完
GitHub 的 MCP 服务器一开始就分页,上下文窗口照样被撑爆 分页限制的是返回多少条记录,上下文窗口却是一笔 token 预算。GitHub 的服务器每页 30 条照样溢出,直到精简响应类型把项目条目砍掉 93%;Datadog 出于同样原因改成按 token 预算分页。而 MCP 只给工具目录分页、不给工具调用分页,于是每个宿主处理溢出的方式都不一样。
发表于 2026-10-12 · 11 分钟读完
Langfuse、PromptLayer、Agenta 与 LaunchDarkly AI Configs:回滚只能快到缓存 TTL 那么快 四款工具都给提示词做不可变版本、都靠挪动一个指针来发布,于是看起来可以互换。其中三款让你的进程在请求时穿过一层 60 秒的客户端缓存去取提示词;另一款把规则集推流下来、在本地求值。仅此一个差别,就决定了你真实的回滚时间、也决定了服务不可达时会发生什么——而每一张功能表上都没有它。
发表于 2026-10-11 · 16 分钟读完
Anthropic srt、NVIDIA OpenShell、Docker Sandboxes 与 microsandbox 对比:按「令牌住在哪里」来挑 四者如今都默认拒绝出站,所以那一栏什么也决定不了。四者中有三个把你的凭据留在沙箱之外,而且用的是三种不同的机制;而第四个正是与 Claude Code 捆在一起的那个,它在你写出一份 denyRead 清单之前,在任何地方都允许文件系统读取。而两次已公开的绕过都出在主机名匹配器里,不在内核里。
发表于 2026-10-10 · 14 分钟读完
Firecrawl、Crawl4AI、ScrapeGraphAI 与 Spider 对比:读默认值,别读 README 这四个里有三个开箱就忽略 robots.txt,也有三个发出伪装的浏览器 User-Agent;没有一个有按来源的并发上限,而它们正在取代的那个十五年的老前辈一直都有。四者中还有两个的许可证标签与文件不符。请按这些来挑——因为这里发表出来的每一份基准都是厂商自跑的,而且它们彼此矛盾。
发表于 2026-10-07 · 12 分钟读完
令牌是连着工具清单一起走的 Gen Threat Labs 记录了八个商品化窃密软件家族,把收集规则扩展到了 AI 编码工具的本地工件——而它们收割走的是一枚有效期数周的刷新令牌、一份机器可读的清单(列着这枚令牌能触达的每一个系统),以及一份「它被用来做过什么」的可检索历史。没有注入、没有越狱、模型压根没参与:把你的工具链加进去,只是一次下发到早已失陷机器上的远程配置更新。
发表于 2026-10-07 · 10 分钟读完
OTel GenAI、OpenInference、OpenLLMetry 与 OpenLIT 对比:中立的那个选项,恰恰是还在动的那个 给智能体链路记录定形状的四种方式里,唯一自称是标准的那个,恰恰是你唯一无法固定版本的那个:2026 年 6 月 12 日,OpenTelemetry 把全部六十个 gen_ai 属性标为弃用并挪进了一个仓库,而那个仓库至今没有打标签的发布,schema URL 的位置还写着 TODO。仅这一个版本就带来八处改名与两处删除——其中包括两个 token 用量属性。请按「你的后端据以分派的那套词表」来选,在采集器处做翻译,并且永远不要让成本图表指向一个稳定性仍为 Development 的属性名字。
发表于 2026-10-02 · 12 分钟读完
那张截图无处可去 编码智能体把 13,000 多张内部截图发到了公开的 GitHub 仓库里,牵涉 343 家公司,而全程没有任何人发起攻击:GitHub CLI 当时无法把图片附到拉取请求上,于是智能体自己造了一条上传通路——其中 93% 建在开发者的个人账号下,落在公司拥有的一切管控之外。
发表于 2026-09-26 · 11 分钟读完
AGENTS.md、CLAUDE.md、Cursor rules 与 Agent Skills 对比 所有人都在争哪个文件名会赢,而文件名几乎什么也决定不了。真正把这四者分开的,是那段文字在什么时候进入上下文窗口——始终、路径匹配时、模型主动要的时候,还是只有人显式调用时——以及谁被允许把它放进去。
发表于 2026-09-25 · 9 分钟读完
那个钉是一个名字,不是一个摘要 四个编程智能体都把插件钉在一个 40 字符的 commit SHA 上,却没有一个去核对自己拿到了什么,因为 40 位十六进制串同时也是一个合法的分支名。真正有意思的是分裂的应对:两家厂商补上了那行缺失的比对,两家指向了自己 git 托管方的命名规则——那是一道真实存在、却由别人拥有的防御,在你的清单里看不见,并且在插件第一次被镜像时就消失了。
发表于 2026-09-25 · 11 分钟读完
Safari MCP、Chrome DevTools MCP、Playwright MCP 与扩展式智能体对比 在这件事上,工具数量什么也决定不了。真正决定「浏览器智能体能不能干活」以及「遇上恶意页面会有多糟」的那根轴,是它握着哪个会话——一个隔离的自动化上下文、一个在悄悄累积登录态的专用配置档,还是你自己那个已登录的浏览器。今年交付了 MCP 服务器的两家浏览器厂商都有意把你自己的会话排除在外,这正是它们都做不了大家以为会有的「智能体帮你下单」演示的原因。
发表于 2026-09-23 · 11 分钟读完
GitHub Merge Queue、Trunk、Mergify 与 Aviator 对比 你的编码智能体把 PR 数量翻了一倍,集成路径成了新的约束——但打包(每家队列产品都在卖的那个功能)会随智能体占比上升而变糟,因为智能体抬高的正是被打包所放大的那个单 PR 失败率。真正改变这笔算术的只有两项能力:对失败的一组做二分定位,以及从一次变更实际触及的东西推导出彼此独立的道。按这两点来筛,其余都是配置。
发表于 2026-09-20 · 11 分钟读完
Mastra、LangGraph.js、VoltAgent 与 AI SDK——标签页关掉之后,这趟运行活在哪里 四个领先的 TypeScript 智能体框架在工具循环上几乎完全一致,分歧只落在一件决定你架构的事上:HTTP 请求结束之后,这趟运行活在哪里。这一根轴替你选了数据库、部署方式和退出成本——而 AI SDK 自己的疑难解答页(用户按下「停止」与标签页被关掉无法区分)正是这根轴才是真轴的最干净证明。
发表于 2026-09-18 · 9 分钟读完
微 VM 守住了,挂载没有——Docker Sandboxes 的两次逃逸 Docker 9 月 15 日的公告描述了两条逃出 Docker Sandboxes 微 VM 的路径,而它们都没有碰到硬件边界。两者都是沙箱有意开出的通道里的符号链接竞态——virtio-fs 工作区共享,与客户机到宿主机的套接字转发——那里一直就是智能体沙箱真正的攻击面;而握着刀的那个「客户机」,是你自己的编码智能体。
发表于 2026-09-16 · 9 分钟读完
Context7、DeepWiki、GitMCP 与 Ref:你的智能体读的文档,是别人家的索引 有四个 MCP 服务端,存在的意义都是不让编码智能体照着它一知半解的 API 写代码,而且四个都管用。真正决定它们帮不帮得上忙的那根轴是:回来的是哪一种文本——上游文件、从上游抽出来的片段,还是模型写的关于这份代码的散文。而它们谁都没有堵上自己被拿来对治的那处失效:你的智能体依然不知道你跑的是哪个版本,因为没有一个会去读你的 lockfile,其中还有一个把版本变成了提示词里的一句话。
发表于 2026-09-14 · 10 分钟读完
Cursor Projects、Codex cloud、Claude Code on the web 与 Jules:该买的是那块表 四个在功能表上看似可以互换的云端编码智能体,计费的形状有四种:一个带超额结算的用量池、一份跨你所有使用界面共享的额度、一条与你账户其余用量共用的速率上限,以及按档位给死的任务次数——而每一种形状都会诱发一种具体且可预测的误用。光是 2026 年,Cursor 就改过三次收费方式,所以任何对比里的数字都已经过期;下个季度仍然成立的,只有那块表的形状,和那个沙箱的边界。
发表于 2026-09-09 · 9 分钟读完
Wren AI、DB-GPT、Vanna 与 Dataherald:生成器从来就不是产品 最多星的开源 text-to-SQL 项目如今是只读的——Vanna 在 2026 年 3 月 29 日以 23.8k 星归档了仓库——而 Dataherald 自 2024 年 7 月起没再收过一次提交。仍在每天发版的那两个,恰恰是在问题与 SQL 之间放了一件持久、可评审的产物的那两个。前沿模型吞掉了 SQL 生成;它们吞不掉的,是你那四种「营收」定义里这个问题指的是哪一种——而无论你选哪个项目,那一层都归你自己。
发表于 2026-09-08 · 10 分钟读完
你的智能体跑了一次 git status,这就够了 Manifold Security 披露了 GitSpawn——横跨七款 CLI 编码智能体的八个缺陷:打开一个被做了手脚的仓库就会运行攻击者的代码,因为外壳会派生 git 子进程去取上下文,而 Git 遵从了仓库提供的 core.fsmonitor 设置。没有提示词、没有审批,有时甚至在认证之前。9 月 1 日复测时仍有四个发现在执行,而你建起的每一道控制,都位于这件事早已发生的那个点的下游。
发表于 2026-09-07 · 11 分钟读完
FastMCP、TypeScript SDK、mcp-go 与 rmcp:谁替你去谈协议版本 这四个总是被拿吞吐来跑分,而那是一次 50 到 500 毫秒的上游调用里 1.9 毫秒的跨度——大家照着它排名次,却把那根带日期的轴放着不量。四者中有三个实现了 2026-07-28 的无状态版本,而最常用的那个 Go 库没有;但更锋利的问题是:它们当中谁替你吸收掉双版本窗口,而不是把它变成你的拓扑。
发表于 2026-09-04 · 10 分钟读完
CopilotKit、assistant-ui、AI Elements 与 Chainlit:你挑的是一种耦合,不是一个聊天框 四者渲染的都是一条流式消息列表,demo 看上去也都差不多。真正不同的是那一层你日后换不掉的东西——一套线上协议、一个 npm 依赖、一份被拷进你仓库的源码,还是一整台你从没写过其前端的 Python 服务器。而在这样一年之后——一块画布把自己归档了,另一块换了东家——「如果它哪天安静下来,我手上还剩什么」才是值得据以决策的那条轴。
发表于 2026-09-02 · 10 分钟读完
Spring AI vs LangChain4j vs Eino vs Rig 四个框架都能做出会调用工具、带 RAG、接 MCP 的智能体,所以功能不是那个决定。真正把它们区分开的,是每一个对你已经在跑的运行时提出了什么要求——而对这两个 JVM 框架来说,那个要求是一个 Spring Boot 大版本。
发表于 2026-08-31 · 12 分钟读完
85.5% 的人信任智能体,41.1% 的人每天都在给它擦屁股 Temporal 在 2026 年 4 至 5 月调查了 554 名工程师:每日使用智能体的比例为 80.8%,一年前是 47.3%;91.1% 表示生产力有所提升,85.5% 至少在某种程度上信任智能体的产出——与此同时,41.1% 每天或更频繁地遇到智能体相关的问题,9.0% 是「持续遇到」。两组数字大概都是准确的,而它们合起来描述的是一个没人会容忍数据库出现的故障率。报告把这道缺口读作状态追踪问题——那是一家持久化执行厂商对一个持久化执行问题的读法。更有用的读法是:这里的错误处理器是个人,而没有任何看板为他留出一行。
发表于 2026-08-28 · 16 分钟读完
共享编码智能体会话:每一种真正好用的交接,都把逐字记录扔了 Claude Code、Codex 与 Gemini CLI 都把会话持久化为只追加的 JSONL,于是"把一个会话搬到另一个智能体"看上去像个文件格式转换问题。并不是。一条 assistant 轮次是一项断言,它以接收方并不具备的系统提示、工具 schema、模型和热缓存为条件——逐字重放,你交出去的是一段虚假记忆。现实中唯一那个转换器是有意把工具调用压成散文的,Anthropic 自己把逐字记录格式标注为内部且不稳定,而 Claude Code 干脆拒绝恢复一份手工拷贝过来的记录。四个传递层,真正有用的那几个都在拿保真度换一样东西:接收方能对着仓库重新验证的依据。
发表于 2026-08-25 · 11 分钟读完
CodeRabbit vs Greptile vs Bugbot vs Diamond:你买的是一份评论预算 6 月,Bugbot 取消按席位收费改为按次计费;Greptile 在 50 次评审之后每次加收 1 美元;CodeRabbit 仍在卖带上限的席位;而 Diamond 干脆没有单独定价,因为它随 Graphite 一起来——如今 Graphite 和 Bugbot 都归 Cursor。三种计费形态,却没有一种给真正决定评审机器人生死的东西定价:每条评论所消耗的开发者秒数。
发表于 2026-08-24 · 13 分钟读完
技能扫描器读的文件,和智能体真正运行的那个不是同一份 6 月,Trail of Bits 绕过了三个技能分发平台的检测器;7 月的一项研究把 1,613 个恶意技能打包送过了受测的全部八个扫描器;8 月 17 日,OWASP 在首版 Agentic Skills Top 10 里给“扫描不力”单列了一条。扫描器检查的是静止的文件,智能体在运行时从它构造出一个程序——而两者在哪里分岔,由攻击者来挑。
发表于 2026-08-23 · 10 分钟读完
Slack Code 把审批搬进了频道——但你仍然要指定一个人来批 Slack 交付的是复核界面,而不是智能体:五家合作方的编码智能体要单独购买,它们在一个带计划页、diff 页与实时预览的频道里干活,任何东西上线前都要经人批准。押在这个瓶颈上是对的——而"共享的审批"恰恰是终端做对、频道做砸的那一件事。
发表于 2026-08-22 · 9 分钟读完
DeepEval vs Promptfoo vs Ragas vs Inspect:是"正确性的单位"在挑工具 四个开源评测框架被拿来比 star 数和指标数量,团队选了最火的那个,然后开始跟它较劲。真正决定契合度的问题是:你需要断言"正确"的对象是什么——是某一个组件上的一个指标(DeepEval)、一个检索分数(Ragas)、一次跨提示词与提供方的比较(Promptfoo),还是一个在沙箱里运行的智能体的一条被打了分的轨迹(Inspect)。把工具对上那个单位,它们就不再跟你较劲——反而开始彼此配合。
发表于 2026-08-22 · 18 分钟读完
AI 原生 SDLC 把评审前移——但有三个环节无人把关 Anthropic 的这份手册把生命周期重组成一条由提交产物构成的链:intent.md → spec.md → plan.md → diff → 评审结论 → 事故记录。把它读成一台编译器,每个做法都对应着某一跳上的一道检查——于是不难看出,有三跳根本没有任何检查,而风险如今就落在那里。
发表于 2026-08-20 · 13 分钟读完
Brave vs Exa vs Tavily vs Parallel:计价单位说明了谁去读那个页面 这四家把一次搜索定在每千次 1 到 16 美元之间,而这道价差不是毛利——它是各自在检索流水线上读到多深。改用"一整个研究回合"而不是"一次调用"来计价,排序就会翻转:价目表最便宜的那个,跑出来的回合成本是最贵那个的三倍。
发表于 2026-08-19 · 9 分钟读完
BootstrapFewShot vs MIPROv2 vs GEPA vs TextGrad:挑优化器的其实是你的指标 GEPA 报出的优势幅度——较 GRPO 最多 20%、较 MIPROv2 13%——全都测在自动检查器免费、且失败运行可以被用词句描述的场景上。这四个优化器里,两个靠一个裸标量就能跑,两个需要一句话。你的评测函数返回什么,决定了你能用上这个领域的哪一半;所以先改指标,再改优化器。
发表于 2026-08-13 · 11 分钟读完
Arcade、Composio、Pipedream Connect 与 Nango:用户的令牌握在谁手里 四个横在你的智能体与用户 Gmail 或 Salesforce 之间的平台。它们打出的目录规模用了四种不同的计数单位,而且恰恰是你迟早会用不下的那部分;没人拿来营销的令牌保险库,才是你最不愿意自己造的那部分。真正无法事后补救的决定,是同意授权页面上写着谁的名字。
发表于 2026-08-11 · 9 分钟读完
Agent Plugins 1.0 标准化了那个捆绑包,却把信任留给了装它的那个人 8 月 6 日,五家互为对手的厂商就一个目录结构达成了一致,并明确拒绝就安装、分发、权限、沙箱与来源验证达成一致。这个格式让"指令加带凭据的工具访问"这一个捆绑包可以在六个客户端之间通行——而这恰恰意味着补偿性控制如今归你。
发表于 2026-08-10 · 12 分钟读完
Langfuse vs LangSmith vs Phoenix vs Braintrust:计量方式才是产品 功能表已经收敛,所以真正的决定在许可证与计费的计量单位——而每一种计量方式定价的,都是那份日后会变成你的黄金集、回归基线与微调语料的轨迹存档。按 OpenTelemetry 做仪表化、把这份流双写到一处你自己拥有的地方,平台就成了一个可替换的后端。
发表于 2026-08-09 · 12 分钟读完
Auth0 vs Descope vs Stytch vs WorkOS:智能体认证其实是两款产品 如今每家身份厂商都在卖"面向 AI 智能体的认证",而这个说法罩着两个方向相反的问题:让别人的智能体进得来,和让你的智能体出得去。先按方向来选——并且要留意:一个存着用户完整授权的令牌保险库,只是把凭据挪了个地方,并没有把它变小。
发表于 2026-08-08 · 12 分钟读完
Claude Code vs Codex CLI vs Antigravity CLI vs opencode:挑契约,别挑分数 排名前二的终端编码智能体在 Terminal-Bench 2.1 上只差 0.4 分,落在外壳噪声以内——于是决策重心挪到了许可证、配置可移植性与分发稳定性上。6 月 18 日 Google 演示了原因:一个 10.5 万星的开源 CLI 被退役,换成闭源二进制,免费额度从每天约 1000 次请求砍到约 20 次。
发表于 2026-08-04 · 10 分钟读完
Unsloth、Axolotl、TRL 与 LlamaFactory:按耦合度选,别按吞吐量选 这四者并不是同一层上的四个替代品——TRL 是训练器 API,Axolotl 与 LlamaFactory 包在它外面,而 Unsloth 在导入时重写它的源码。这一个事实就能预测你真正会感受到的东西:TRL 在 7 月发布了 1.9.2,而其中两家仍然锁在 0.x 那条线上。那张没人能溯源的著名速度对比表,量的完全是错的轴。
发表于 2026-08-02 · 10 分钟读完
Outlines、XGrammar、llguidance 与 Instructor:合法 JSON 从来不是难的那一部分 这四者中有三个约束采样器,让非法输出根本产生不出来,而它们之间的选择坍缩成一个问题:你的 schema 会重复吗?第四个做的是另一类事,也是唯一能强制那些真正搞垮智能体的规则的——因为语法只保证枚举值是五个当中的一个,却对"是哪一个"只字不提。
发表于 2026-07-31 · 10 分钟读完
promptfoo、DeepEval 与 Inspect AI:三套对"评测是什么"意见相左的框架 三份 README 描述的是同一件事——把用例喂给模型、给输出打分、卡住构建。但在核心数据结构这一层,它们对"评测究竟是什么"意见相左:是一次攻击、一条断言,还是一场实验。名词选错了,工具就不会让你写出你真正需要的那种测试。
发表于 2026-07-29 · 10 分钟读完
LiteLLM、Portkey、Cloudflare AI Gateway 与 Kong AI Gateway:智能体与模型之间该摆什么的四种下注 每一个 AI 网关主打的都是同一个功能:自动故障转移到第二家厂商。那个功能并不是可用性上的胜利——它是一次只在事故期间才被触发的、未经测试的部署,而且落到一个你的评估从未覆盖过的模型上。真正该拿来做选择的是:谁来运维这一跳,因为那才是你没法便宜地反悔的决定。
发表于 2026-07-29 · 10 分钟读完
Exa、Tavily、Brave Search 与 Firecrawl:智能体该如何搜索网页的四种下注 面向智能体的搜索 API,标价紧紧挤在每千次查询 5–8 美元这个区间,这让标价成了整场比较里最没意思的那个数字。真正相差一个数量级的,是每条结果往你的上下文里灌多少令牌——而在一个每步都重发全部对话记录的智能体循环里,那才是账单。
发表于 2026-06-23 · 15 分钟读完
ElevenLabs、Vapi、Retell 与 OpenAI gpt-realtime:让智能体开口说话的四种下注方式 语音正变成大多数智能体停留时间最久的界面——而四家平台在如何把语音、语言与工具调用合并到一次往返里做了架构上完全相反的下注。选哪一家,关键并非 TTS 音质,而是你掌握的是音频通路、模型本身,还是只能改一下 prompt。
发表于 2026-06-02 · 14 分钟读完
AFK 编程:管理并行的 AI 智能体,而不是亲自敲代码 把一个五故事点的工单交给智能体,它会悄悄删掉失败的测试。AFK 编程修的是工作流,不是模型:人保留在规格制定与评审两端的回路里,智能体在测试、类型、Lint 的反压之下并行完成切片、重构与 QA。
发表于 2026-05-28 · 16 分钟读完
Claude Code、Codex CLI、Cursor Agent 与 Aider:编码智能体循环的四种架构 四款编码智能体,面对同一句提示、同一个仓库,走出了四条完全不同的路径。逐图解析真正区分它们的四个决策:沙箱、规划循环、工具清单与 shell、提交策略。