AI

把不确定性关进笼子：AI 代码审查的混合架构转向

2026-10-10T08:15:00+08:00

阿里开源的 open-code-review 把确定性工程和 LLM agent 拼在一起：能算出来的就别让模型猜。论文数据显示，同一个模型换个系统设计，代码审查的 SEM-F1 高 2.17 倍、token 少 5 到 15 倍。

Agent 技能已经 5.6 万个，系统提示词只装得下一百个

2026-10-09T08:20:00+08:00

2026 年 7 月的爬取显示公开技能已有 56,804 个，而系统提示词里能可靠容纳的技能描述不到一百个。技能生态的瓶颈已经从「怎么写」挪到了「怎么装、装得进来、装进来之后信不信得过」。

Agent 拿起了反汇编器：逆向工程真正缺的是证据链

2026-10-08T08:00:00+08:00

今天 GitHub 趋势榜第一名是一个逆向工程 MCP，一天涨 2956 星。当 agent 装上 Ghidra 的 210 个工具，真正的瓶颈浮了出来：逆向工程没有测试也没有标准答案，而它会用一份干净、能编译、自信但错误的结论把不确定盖掉。

本地推理换赛道了：从拼算力到拼内存层级

2026-10-07T08:00:00+08:00

antirez 的 ds4 和 colibri 同时登上趋势榜，加上一批 SSD 流式推理论文，指向同一件事：本地跑前沿模型的瓶颈已经从算力换成了内存层级。

Agent 开始自己找漏洞：渗透测试正从年度体检变成持续验证

2026-10-05T08:00:00+08:00

渗透测试的节奏一直很尴尬：一年测两周，剩下 50 周在生产里裸奔。2026 年动手做测试的变成了 agent，于是真正的问题从「能不能找到漏洞」换成了「能不能证明它真能被利用」，以及「谁能在 agent 越界之前把它叫停」。OWASP 刚发布的 APTS 标准，把后者拆成了 173 条可以逐项核查的要求。

窗口做到一百万 token，Agent 还是越跑越笨

2026-10-04T08:00:00+08:00

Chroma 测了 18 个前沿模型，可靠性在窗口填满之前就开始下滑；EMNLP 2025 的论文更直接，检索完全正确时性能照样掉 13.9% 到 85%。这篇文章拆开上下文预算的账本：真正的成本中心是工具输出而不是对话，以及为什么 2026 年的实测会得出「缓存命中时，不压缩反而更便宜」这个反直觉结论。

多 Agent 并行写代码：收敛才是真问题

2026-10-03T08:00:00+08:00

今天的 GitHub 榜单几乎被多 Agent 编排包场。但真实工程里，隔离只是把冲突推迟到第二天早上，协调决定谁来付合并的账，验证才是能不能收工的开关。

提示词护栏救不了 Agent：权限边界正在下沉到 Linux 内核

2026-10-02T09:20:00+08:00

Agent 安全的三件套（提示词红线、工具白名单、危险操作审批）为什么注定失效，Linux 的 Landlock、seccomp 与 seccomp user notification 能补上什么，为什么凭证隔离比文件隔离更值钱，以及沙箱为什么可能只是「围堵剧场」。

AI 界面为什么都长一个样：设计品味正在变成 Agent 的约束层

2026-10-01T09:20:00+08:00

同一个模型，同一批模板，同一套默认值，生成的界面自然会长成同一个平均值。本文拆解正在成形的三层约束：给 Agent 一套设计词汇、把设计系统写成机器可读的文件、用确定性检测器把品味变成可回归测试的断言，并说清楚这套方法在哪里会失效。

相似不等于相关：无向量 RAG 正在把检索交还给推理

2026-09-30T09:20:00+08:00

把向量数据库整个拆掉之后，PageIndex 用一棵文档目录树加 LLM 推理，在 FinanceBench 上从约 50% 做到 98.7%。代价是推理成本、延迟和跨文档退化，成本结构从固定挪到了变动。