PixelLeak:Coding Agent 如何把内部截图送到公开仓库
Glow Security 称公开 GitHub 仓库中有超过 1.3 万张涉及 343 家组织的内部截图。问题不止是文件权限,而是 Agent 为交付截图证据自行选择了公开出口。
Glow Security 称公开 GitHub 仓库中有超过 1.3 万张涉及 343 家组织的内部截图。问题不止是文件权限,而是 Agent 为交付截图证据自行选择了公开出口。
Restate 宣布完成 2000 万美元 A 轮融资,把 Durable Execution 定位为后端和 Agent 的基础能力。真正的考题是长流程在重启、超时和人工审批后能否安全继续。
每天早上替你看一眼项目进度,发现异常先调查,能准备的工作提前准备,需要签字时才叫你回来。OpenAI 的 dots 想把这样的 Agent 变成持续运行的软件主体。麻烦也随之变得具体:它昨天获准读过的信息、今天收到的恶意指令、明天要发出的邮件,谁来分清?
让 Coding Agent 在内网写代码并不难,难的是它写完之后由谁独立查错、谁有权放行、证据能否留在企业可控的环境。SonarQube Server 2026.5 LTA 把 Vortex、Hunter 和 Remediation Agent 带到自管部署,但“本地部署”等于“完全离线”的说法还得对照许可与模型出口逐项核查。
客服录音里,用户说“没问题,我再等等”,文字看着很客气;但若这句话前面沉默了十秒,语速突然放慢,另一端的语音助手还在重复同一句答复,质检人员大概不会把它判作一次顺利沟通。把通话先转写,再让语言模型读文本,能处理“说了什么”,却未必保留停顿、
一个编程智能体接到任务:检查仓库里的测试失败,修好代码并提交。它需要读文件、运行命令、访问依赖、也许还要查询 GitHub。只要把这些能力全开,事情确实容易办;但如果它误把生产环境变量传到外网,或者为了完成任务去改另一个仓库,仅靠提示词里一
员工关掉电脑后,Agent还在追踪项目、读取邮件、调用工具,甚至准备处理下一条任务。这样一名“数字同事”需要什么?Microsoft的Autopilot给出产品层面的答案:长期目标、独立身份、记忆、计算环境和工作区。Docker同期推出Cloud Sandboxes与Kits,给出执行层面的答案:隔离运行、跨设备迁移,并把工具、网络和凭据边界随Agent一起封装。两家公司进入路径不同,却共同指出
一个实验室用自己的模型协助研发下一代模型,究竟快到了什么程度?过去,这个问题常被演示视频、论文数量和员工感受代替。Anthropic在9月25日公布的一组内部指标,把讨论推进到任务层:截至2026年8月,其被测模型研发工作中,26%达到AL4“AI主导”,超过90%达到AL3“AI协作”及以上。更惊人的对照是,2月时“AI主导”占比还不到1%。 这组数据值得认真看,也最容易被误读。26%不是“2
“记住我上次做到哪里”是个人AI最直观的需求,也最容易把隐私设计逼到墙角。一次问答可以不留痕;长期记忆却要保存项目名称、联系人、日程习惯,甚至用户几个月前的一次判断。记错了会误事,记得太详细又让人不放心。跨设备连续使用时,问题更棘手:手机、电脑都能接着聊,记忆放哪里,谁能解密,换设备怎么办? Google DeepMind近期介绍了Private AI Compute的安全服务器端长期记忆方案。
让两个智能体互相发消息很容易。让它们代表两个部门商量同一台设备下周谁用、碰到冲突时给出双方都能接受的排期,就不是聊天窗口里加几句提示词能解决的事。这里面有偏好、权责、时间、信息不对称,还有事后追责。 Anthropic在9月24日公布的Project Swap,恰好给这种问题提供了一个小型试验场。研究让201名员工和Claude Agent参与受控书籍交换。每位参与者先花约五分钟与Agent谈自
9月24日AI技术日报里,有一组看似只是“模型降价”的消息:GPT-6 Sol与Luna把同档API价格继续向下压,缓存输入读取折扣达到90%;与此同时,AnyJev尝试把开放大模型变成带置信度的类型化决策组件,Prismor则把安全判断放到工具真正执行之前。把三件事放在一起看,结论并不是“以后调用大模型更便宜了”,而是企业Agent终于具备了按任务拆分成本的条件。 模型单价下降当然重要,但它很
9月24日AI技术日报中,Oracle AI Agent Memory 26.8新增Graph Memory、图谱感知检索、图像记忆、Schema升级和企业控制,并用supersedes、refines、supports、contradicts、duplicates等关系描述记忆之间的联系。这条消息真正值得企业关注的,不是“向量库又多了一种功能”,而是Agent长期记忆开始从相似片段集合,走向能
Strands Harness把工具、记忆、MCP和上下文管理封装成独立运行时,而ZCode默认代码库索引争议说明:Agent工程的核心竞争已从“能调用工具”转向“默认以何种权限、数据路径和审批机制调用工具”。
V7公开的Context Graph实践表明,企业AI的竞争正在从“检索到相关文本”转向“维护可追溯的实体、关系、时间与证据”。本文拆解这种机构级记忆的系统结构、实施路径、评价方法和治理边界。
Coding Agent插件通常能读取仓库、运行Shell、访问凭据并修改交付流程,它不是普通功能扩展,而是一份持续有效的代码执行授权。Plugin4Shell暴露的SHA固定与更新链缺口说明,企业必须重做插件安装、版本锁定、能力声明、沙箱隔离和应急回滚机制。
个人Agent要代用户处理邮件、预订、购物和账户事务,竞争焦点就不再只是模型能力,而是谁能把授权、使用、撤销和追责做成一套可理解的权限账本。本文拆解个人Agent产品必须补齐的身份、数据最小化、临时授权、动作确认和事后处置机制,并给出90天产品改造清单。
大量企业自动化任务并不需要生成自然语言,只需要稳定输出一个标签、分数、动作或拒绝信号。Jev类类型化专用模型把输出空间收窄,有机会降低推理、校验、重试和人工复核成本,但必须与通用大模型合理分工。
大模型推理压测不能停留在单请求吞吐。企业需要用真实到达模式、输入输出长度、P95与P99延迟、GPU遥测和故障场景,建立可复现的容量模型,并据此决定集群规模、扩容阈值和成本边界。
通用模型榜单适合观察技术趋势,却不足以支持企业采购。真正可执行的评测必须围绕业务任务、失败成本、系统边界和持续回归展开,把“模型得分”改写成“单位任务的可控交付能力”。
企业员工第一次接触生成式AI,通常是在一个聊天框里。输入问题,等待回答,复制结果,再回到Word、邮件、表格或业务系统继续工作。这个阶段的AI更像一个临时顾问:它能给建议,却不碰公司的按钮,也不承担流程责任。 现在产品形态正在变化。Anthropic开始把Claude Chat与Cowork逐步合并,用户可以从普通会话发起任务,系统根据任务复杂度进入更长周期的Agent执行过程。Claude D