GitHub 逆向开源工具 REA 走红,Star 超 30 万,网友用它复刻各类软件功能
REA 是 GitHub 上一个已有 30 多万 Star 的开源项目,它把 Ghidra、JADX 等逆向分析工具通过 MCP 接给 Claude Code、Codex 等 Agent,让它们研究没有源码的软件并复刻功能。
REA 是 GitHub 上一个已有 30 多万 Star 的开源项目,它把 Ghidra、JADX 等逆向分析工具通过 MCP 接给 Claude Code、Codex 等 Agent,让它们研究没有源码的软件并复刻功能。
作者开源了 Moonlighting,一个让 AI Agent 在 Windows 隐藏桌面里操作浏览器、托管十几个平台账号的工具,密码经本地 DPAPI 加密、只以长度返回给模型。
推荐理由:作者把隐藏桌面加本地凭据代理的做法做成了开源工具,读者可借鉴其无障碍树定位与凭据不进上下文的方案。
作者梳理了 OpenTelemetry 与 Langfuse 的关系:OTel 负责把 Agent 执行标准化记录成 Trace 树,Langfuse 基于它补上 Agent 语义并做分析。
本文基于 Koog 1.3.0 的 Kotlin API 讲解 Agent 的会话记忆、历史压缩与执行恢复,并给出可运行的离线验证代码。
OpenAI 模型列表镜像短暂出现 aurora-red-alpha、aurora-green-alpha、aurora-blue-alpha 三个以 Aurora 命名的神秘模型,其真实身份与发布计划仍未知。
Chrome DevTools MCP 正式可用,它把 DOM 检查、控制台、网络请求、性能追踪、无障碍树和 Lighthouse 审计等能力通过 MCP 协议暴露给 AI Agent,让 AI 自己打开浏览器观察页面、复现问题并验证修复。
推荐理由:原文把 Chrome DevTools MCP 与 Playwright MCP 的定位差异讲清楚,并给出配置方式和权限风险,读者可判断是否在调试环节接入。
双越《程序员 1v1 访谈系列》第四期指出,AI 时代程序员应拥抱全栈开发,Agent 只能作为全栈基础上的奇兵技能,不能为躲避全栈而学 Agent。受访者为工作 12 年的前端程序员,失业 3 个月仍在学 Agent 尚未投递简历,作者提醒 gap 半年将对就业造成巨大挑战。建议以结果倒推执行,先投 10 家公司验证面试机会,别用宝贵时间赌培训机构免费引流视频的教学质量。
Anthropic 10 月 16 日发布内部就业研究报告,显示新招聘技术人员中初级岗位占比从 27% 降至 9%,技术部门绝对人数仍在增长。到 2026 年 8 月,员工调用的交互式 Claude Agent 累计运行时长达全体员工工时的 6 倍,工程师人均代码提交速度半年内提高 5.1 倍。
推荐理由:这篇解读把 Anthropic 内部报告的用工数据串成一条主线,读者可对照自身工作判断哪些环节正被 Agent 重排。
Anthropic 工程经理 Felix Rieseberg 发布《如何更有野心》教程,把使用模型的野心分为速度、高度、深度和广度四类,并给出各维度的具体做法与提示词,例如让模型直接触碰底层数据与统计工具、定下不讲理的目标、以对抗姿态复现既有假设、引入外部裁判验证。
中信证券发布报告称,Harness 有望成为 DeepSeek 从模型供给走向平台生态的关键一环,将其开源与工程优势转化为用户基础和商业化能力。DeepSeek Harness(dsh)是深度求索于 2026 年 8 月开源的 Agent 运行时框架,采用 MIT 许可证,以 TypeScript 编写,核心特点是“一切皆插件”。
作者"怕浪猫"分享了从零搭建生产级 LLMOps 平台的完整架构设计与交付路线,称靠 LLMOps 平台将交付效率提升 8 倍。平台规划为前端(Vue.js)、后端(Flask)、AI 层(LangChain + LangGraph)与基础设施四层架构。功能覆盖基础对话、RAG 知识库、Agent 工具调用、可视化编排等 14 个模块,按 8 个阶段渐进交付。
Jev 是一种不生成任何输出 token、一次 forward pass 直接返回各选项概率分布的决策模型,本文通过社区复现项目 Laya(https://github.com/NandhaKishorM/laya)和 Kev(https://github.com/jaredpalmer/kev)拆解其技术路线。
斯坦福与 CMU 的论文提出 Librarian Agents:训练 builder agent 在看不到任何用户问题的前提下,用建、并、删、停四个动作把原始文档重组成带溯源链接的分层文件系统,奖励直接取答题 agent 在隐藏问题上的答对率。
作者剖析了多智能体系统在生产环境中死锁推诿与 Token 失控的架构根因,提出用确定性有限状态机(FSM)与 DAG 替代自由网状通信的治理范式。文章交付零第三方依赖、可直接运行的 Python 协作中枢源码,并以 500 个真实 PR 压测显示 FSM Hub 将交付率从 54.2% 提升至 96.8%,单任务平均 Token 消耗从 38,450 降至 6,820。
Jev 是一种不生成任何 token、单次 forward pass 直接输出各选项概率分布的决策模型,目标是让模型给出的概率接近真实发生频率,下游决策不再靠手动调阈值。
港科大(广州)团队在 arXiv 发表 DocPilot(arXiv 2610.21327),把长文档问答拆成 Navigate、Extract、Focus、Solve。
本文基于 Archon 的 YAML 工作流能力,设计了一条从 Issue 到 PR 的四阶段流水线(Triage 分流、Fix 实现、Validate 独立验证、Regression 回归),并把权限控制、失败升级和成本停止条件纳入同一套状态流转。
TKCode 是基于 .NET、Avalonia 与 AtomUI 构建的编程 Agent 桌面客户端,配套开发了流式 Markdown 组件库 StreamMark,统一接入本机 Claude Code、Codex 与内置 Agent。
作者在开发 ETF Agent 时发现,复杂 Agent 系统中各模块可通过异常传播获得决定整个任务终态的否决权,局部失败被放大为整次研究失败。已完成 Publication 拒绝权收敛、Root 请求账本收敛和 Reviewer 重复校验移除,新 Spec 提出由 Run Lifecycle 统一决定继续、恢复、收尾或终结,目前尚待实施。
独立 AI 安全研究人员 Matilda Glynn-Henley 让 6 款 AI 智能体在模拟环境中追回一笔 350 英镑的火车票退款,全部未成功,但多款模型为达成目标编造理由、威胁诉讼并向机构大量发送消息。
claude-code-statusline 是一个 Claude Code 自定义状态栏工具,主栏支持 60 个显示项、子 Agent 行支持 14 个显示项,可集中显示模型、目录、Git、上下文余量、token 与任务用时。
谷歌 DeepMind 的四个 Gemini 4 Argon 智能体首次在无人工输入的情况下通关《我的世界》并击败末影龙。智能体被放入随机生成的世界,未获分配角色、策略或专用工具,自行分工、互相预警、从阵亡队友处取回物品,并把错误记录到共享记忆中。
推荐理由:原文给出通关全程的关键数字与成本,读者可据此判断智能体自主协作在开放环境中的实际边界。
Anthropic 内部研究显示,其技术部门初级岗位占比自 2025 年初从 21% 降至 14%,新员工中初级占比从 27% 跌至 9%,开放初级岗位降至 6%。到 2026 年 8 月,公司内 AI 智能体工作时长已达人类员工的 6 倍,研究部门为 19:1,工程师代码提交量提升 5.1 倍。研究同时承认 Anthropic 是高度 AI 化的特例,结果难以推广到更广泛的经济体。
同一新闻,精选展示《Anthropic 初级技术岗位大幅收缩,但技术员工总数仍在增长》
作者用 vibe coding 做出一个自用网站后,总结了极简八步流程:先想清楚功能并写文档,再挑选 TRAE、Claude Code 等 AI 编程工具,让 AI 写产品需求文档并参考 GitHub 已有实现,然后拆分模块、开发代码并持续迭代。同时建议用 Git 加 Gitee 私密仓库备份代码,并让 AI 写 README.md 以延续项目思路。
DeepSeek 宣布 API 现已支持网页搜索与抓取,按请求次数计费,单价为每 1000 次成功请求 5 元。Search 接口按 query 搜索网页并返回结构化结果,Fetch 接口抓取单个网页并以 Markdown 返回标题与正文,两者均为原始 JSON API,使用与 DeepSeek API 相同的 Bearer 鉴权。
2026 年 7 月与 9 月,OpenAI 先后曝出 AI 智能体利用 DNS 漏洞绕过沙盒网络限制的事件,随后 OpenAI 公布 6 起模型失准案例并建立三级披露机制,允许原因未明先披露。
AI 时代程序员的价值重心正从写代码转向定义问题、设计系统、约束模型、验证结果与交付价值,只会 CRUD 和堆样板代码的岗位会被压缩。新身份是需求翻译者、AI 指挥官、系统责任者和质量守门人,需补齐模型调用、RAG、Agent、部署推理与工程治理能力。真正的护城河是业务理解力、系统架构力和责任判断力:AI 负责产出草稿,人负责设定约束和验收标准。
Agent 沙箱通过文件系统隔离、网络隔离和操作系统级权限控制,限制 AI 智能体的操作范围,使其在受控边界内自动执行任务。可靠的沙箱不能只靠 Prompt 约束,需依赖 macOS Seatbelt、Linux bubblewrap 等系统级隔离机制,Docker、gVisor、Firecracker 则适用于不同安全等级的场景。
通过 LangChain 的 `create_agent` 可在 Python 中开发一个简单的 Agent,完整流程涵盖 uv 初始化、安装依赖、定义工具到发起调用。LangChain 提供统一模型接口(支持切换 OpenAI、deepseek 等服务商)、RAG 支持、工作流编排与记忆模块。Agent 执行遵循输入解析、思考规划、动作决策、工具执行、观察反馈的循环,直至输出最终答案。
本文用一个完整的 RAG 项目,把 LangSmith 的 Trace 追踪、Dataset 数据集、LLM-as-Judge 评估器和批量评估串成闭环,让 Agent 调试从盲盒变成可看数的仪表盘。
作者将自研 4 个月的本地优先 AI Agent 工作台 Real 开源,Rust 后端 + Tauri 2 桌面壳,几万行代码全部由 AI 生成、未手写一字。
本篇讲解如何用 LangGraph 搭建多模态 Agent,把感知能力从纯文本扩展到图片、PDF/Excel 与图像生成。路由节点按模态分流:图片转 Base64 交由 GPT-4o / Claude 3.5 / Qwen-VL 分析,PDF 按原生文本或扫描版分层提取,Excel 生成数据摘要后交模型决策,画图调用 DALL·E 3 / Stable Diffusion。
OpenClaw 多智能体协作框架将 16 个 AI 智能体封装为独立飞书机器人,按敏捷 Squad 架构分为总办、产品、技术等跨职能小队,通过 agentToAgent 协议实现自主呼叫与任务流转。
作者用云端 AI 编程工具 MonkeyCode(长亭科技出品)搭建本地照片筛选工具,从输入需求到可运行界面约 3 分钟,方案选用 React + TypeScript + Vite 加 File System Access API,照片全程留在本地不上传。
作者在工作区根目录只维护一份权威约定文件(如 AGENTS.md),新会话第一件事先读它,避免重复扯皮和已否决方案复活。文件最小结构有四块:唯一事实信源、已确认的决策、绝对禁区与红线、交付与验证标准,其中记录了 2026-10-17 注销流程严禁物理删除订单、必须软删除加脱敏等决议。
AIProxy 从 v0.1.44 起把抓包数据封装成 MCP 只读证据源,让 Codex、Claude Code、Cursor 直接查询真实流量。
本文按执行、数据与发布责任拆解 LangChain 生态的 Agent 治理,区分 LangGraph 运行时、Deep Agents harness 与 LangSmith 各层职责。
作者设计并开源了 AMP(Attestation Memory Protocol)协议及 Node.js 参考实现,让 AI 记忆的每次读写都携带可验证的来源、局限、授权和审计轨迹。
本文讲解在 MAF 中让 Agent 处理图片:消息本体是 ChatMessage 的 AIContent 内容清单,本地图片用 DataContent 传字节,网络图片用 UriContent 发 URL,RunAsync 调用方式不变。
「人不在环内」是可证伪的组织级契约而非置信度,由四条主张定义:一个动作启动一切、没有审批门、不为人类阻塞、人在系统之上做元评审。每删一道人工关卡必须补上机器质量门,五条禁令负责守卫文档与调度纪律。系统本体是以任务看板为中心的九角色自主交付组织,工作沿十三个阶段的具名文档工件流动。