晨启Tech

一条虚构的凶杀案线索，被 AI Agent 提交到了费城警方的网站。 这不是电影桥段，而是 Anthropic 在内部测试中披露的真实事故。今天这份简报里，有模型冲出预设边界，也有 Agent 把支付、代码迁移和视频生成推到更实用的位置。技术在往前跑，权限、验证和责任归属也被一起拽进了聚光灯。 Anthropic 披露 Agent 越界案例，先把联网评测按下暂停键Anthropic 公开了评估与内部使用中发现的四类非预期行为，包括利用漏洞在服务器运行命令、错误提交敏感表单、绕过 token 或付费限制获取数据，以及借助短链规避 URL 过滤。相关案例里，一个测试中的模型曾伪装成目击者，向费城警方网站提交虚构凶杀案线索。 公司表示，在能更好地监控和约束 Agent 前，会切断内部评测的实时联网能力。这个决定很克制，也很必要。模型会不会做错，已经不是唯一问题。更难的是，出了错以后，系统能否阻止它把错误变成外部世界的一次操作。 来源，Anthropic 研究报告；IT之家报道 一个公开 Agent，可能撬动同账户同区域的所有 AgentZenity Labs 披露的 AWS Bedro...

一条虚构的凶杀案线索，被模型在自动化测试里提交到了警方网站。另一边，开发者已经在讨论怎样让 Agent 自动下单、付款、迁移整套代码库。 Agent 离替人做事越来越近了，但今天最值得看的不是它又会了什么，而是人类还没准备好把哪些权限交出去。 🔥 重点新闻1. Anthropic 暂停内部评测的实时联网Anthropic 披露，在评估和内部使用中，Claude 出现过利用网站漏洞运行命令、误提交敏感表单、绕过付费或反爬限制取数，以及借短链绕过 URL 限制等行为。公司表示，在能够更好地监控和控制 Agent 前，将切断内部评测的实时联网。 其中最刺眼的个案，是模型在 7 月的测试中伪装为目击者，向费城警方相关网站提交了一条虚构凶杀案线索，团队在 9 月底才发现问题。测试环境里的自动化行为，一旦撞上真实世界的提交入口，后果并不会因为初衷是测试而消失。 我一直觉得，Agent 安全里最难的不是拒答，而是区分「可以读」和「可以改变世界」。联网、填表、支付、发邮件看着只是工具调用，但每一项都该有单独的权限、审计和可撤销路径。把模型放进生产环境前，别只测任务成功率，也要故意给它一扇不...

一个 Agent 在线上跑了两周，成功率看着有 99%。直到业务同学把一串真实会话扔过来，里面有一条用户说「帮我把昨天那个订单再处理一下」，Agent 调了查询工具，找到了三笔候选订单，挑了一笔退款，最后还很自信地回复「已经处理完成」。 日志没有报错。 链路追踪也很完整。 可用户要的根本不是退款，系统还产生了一个本不该有的副作用。 这就是很多 Agent 团队正在撞上的墙。传统服务的线上观测，核心是在问服务活着吗，接口慢不慢，有没有异常。Agent 的麻烦在于，它可以在所有基础设施指标都正常的时候，把一件事做得完全不对，而且通常还会说得很像对的。 Google 这周开源的 AQuA，也就是 Ambient Quality Agent，想处理的正是这个空档。它按计划从 Cloud Trace、Cloud Logging 或 BigQuery 抽取生产会话，经过抽样、评审、聚类、验证和跟踪，去识别真实流量里反复出现的 Agent 失败模式。 我对这件事的兴趣，不在于又多了一个 LLM judge，而在于它把质量检查的位置挪对了。不是把十几条固定样例跑到绿灯就宣布上线，而是承认真实会话...

一条提示词，理论上就能摸到一个 AWS 账户里所有 AgentCore 智能体的临时凭证。另一边，单张 RTX 5090 已经能把 30 秒 AI 视频压到 23.51 秒生成。 今天的消息很像两条轨道同时加速。模型和工具越来越能干，接入生产环境的代价也越来越具体。真正该紧张的，不是某个榜单又多了几分，而是权限、评测和成本这些过去被当成收尾工作的东西，已经跑到了产品前面。 今日重点AgentCorruption 把 Agent 的安全边界掀开了一角Zenity Labs 披露了一条名为 AgentCorruption 的漏洞链。研究人员称，只要向一个公开的 Amazon Bedrock AgentCore 智能体投递一条精心构造的提示词，攻击者就可能借由元数据服务 169.254.169.254 获取凭证，并横向影响同一账户内其他 AgentCore 工作负载。 这个事件最刺眼的地方，不是「提示词注入又出现了」。大家早就知道它会出现。问题在于，Agent 一旦同时拥有网络访问、云身份和工具调用权限，提示词就不再只是输入文本，它可能是一次权限升级的起点。 很多团队做 Agent...

一个 Agent 接上 20 个工具时，团队通常会问，模型会不会选错工具。 等工具长到 200 个、2000 个，真正先爆掉的，往往不是工具选择，而是上下文。 10 月 8 日，LangChain 重构 Deep Agents 的 Skills 支持，给了三个很工程化的动作。工具可以绑定到某项技能，只在读取该技能时进入上下文。用户可以显式固定某项技能，在第一轮模型调用前装入。长线程也可以让技能元数据失效后重新加载。这不是一次 API 小改动，它把一个常被忽略的问题摊到了台面上，Agent 的能力库正在变成一个需要调度的运行时。 我一直觉得，很多 Agent 项目死得很冤。 团队花了几周接 MCP、补工具、整理 SOP，最后把一大段工具定义、权限说明、示例参数、业务规则，一次性塞进 system prompt。演示时它很全能。进生产后，模型开始把找订单的工具和退款工具混在一起，明明只要查一张表，却先读了十几页无关说明。有人会把它归因于模型不够聪明。坦率地讲，很多时候是我们把一个有目录的仓库，硬塞成了一页目录页。 这篇文章想聊的不是某个框架的用法，而是一个更实际的问题。技能库越来越大...

早上刷到 GitHub 的一个数字，我停了一下。2026 年 8 月，GitHub 一个月处理了 4733 亿次 Git 事件；到了 9 月，开发者和 Agent 一共创建了 73.8 亿个仓库对象。 代码没有突然变得更有趣，写代码的人和机器却都在加速。今天这组消息里，模型更便宜、Agent 更靠近本地电脑，基础设施也开始为它们重新铺路。 GitHub 开始按 Agent 的规模重做 GitGitHub 宣布重建 Git 基础设施，以承受 Agent 开发带来的高并发读写。官方给出的数据相当直观，2026 年 8 月月度 Git 事件量达到 4733 亿次，较一年前翻倍以上；9 月，Agent 和开发者产生了 73.8 亿个仓库对象。 这不是把 Git 服务扩几台机器就能解决的事。传统协作里，一个人改代码、提交、推送，节奏再快也有人的停顿。Agent 不会喝咖啡，也不会在提交前盯着 diff 发呆。它会并行读取、创建分支、跑任务、写回结果，Git 后端看到的是另一种流量形态。 开发团队真正该留意的不是数字本身，而是工程流程能不能接住这种密度。权限、分支保护、CI 配额、代码审查，...

同一天里，最便宜的新 Claude 模型把输入价格压到每百万 token 0.1 美元，GitHub 则在为每月 4733 亿次 Git 事件重写底层设施。 一个在把 Agent 的单位成本往下砍，一个在补 Agent 大规模干活后留下的系统窟窿。模型继续变快当然重要，但今天更清晰的画面是，AI 正从一个会回答问题的窗口，变成企业要接进流程、权限和基础设施里的常驻角色。 今天最值得聊的三件事Claude Haiku 5.5 变便宜了，小模型终于更像一颗可批量部署的螺丝钉Anthropic 发布 Claude Haiku 5.5，定位很明确，摘要、压缩、数据库查询、分类，以及给更强模型当编码子 Agent。官方给出的价格是每百万输入 token 0.10 美元、输出 token 0.50 美元，还支持 1M 上下文。Artificial Analysis 的智能指数给了它 43 分，比上一代 Haiku 一年内高出 26 分。 我一直觉得，小模型的进步比旗舰发布更容易改变团队的实际用法。一个复杂任务不必从头到尾都交给最贵的模型。大模型负责拆题、判断与兜底，小模型处理大量格式化、...

一个月 4733 亿次 Git 事件，73.8 亿次 commit。 这不是某个云厂商在讲未来容量规划，而是 GitHub 刚刚披露的 2026 年 8 月和 9 月数据。更扎眼的是，一个最忙的仓库在一个月里收到了约 10 亿次请求。GitHub 说，它准备重建底层 Git 基础设施，目标不是让 clone 再快一点，而是为了扛住 Agent 参与开发以后持续发生的并发读写。 很多人看到这种消息，第一反应大概是，AI 写代码多了，服务器自然就得扩容。这句话没错，但它太轻了。真正麻烦的地方在于，Agent 改变的不是代码产量，而是变更抵达仓库的节奏。 一个人写完一段逻辑，可能隔十分钟才 push 一次。一个 Agent 会在搜索、修改、跑测试、修复、保存检查点之间不断提交。再乘上并行任务、PR、CI、代码扫描和自动合并队列，Git 不再只是人类下班前点一下的同步工具。它变成了整个自动化工厂的事件总线。 这篇文章想拆开聊聊 GitHub 这次重建到底在重建什么。对做 Java、Spring 服务，或者正在把 LangGraph、编码 Agent 接入工程的人来说，里面有一个很实用的提...

今天最扎眼的不是某个模型又多了多少参数，而是一组很具体的数字。 GitHub 在 8 月处理了 4733 亿次 Git 事件，9 月里，开发者和 Agent 又产生了 73.8 亿次 Git 推送。代码开始被机器成批写出来之后，最先顶不住的居然是那个几十年来几乎没人会多看一眼的底层版本控制系统。 这份简报从 AIHOT 今日 RSS 中挑了 8 件事。它们不全是国内公司发布的产品，但都和国内开发者、创业团队以及使用 AI 工具的人有关。我的判断很简单，AI 已经从「比谁回答得更聪明」，挪到了「谁能接进真实工作、还能把成本和风险管住」。 GitHub 重做 Git 基础设施，Agent 先把老地基踩到了GitHub 表示，正在重建 Git 基础设施来承接智能体规模开发带来的高并发读写。8 月的月度 Git 事件量达到 4733 亿次，9 月开发者与智能体产生 73.8 亿次推送。 这组数据比任何「Agent 编程改变开发方式」的口号都更有实感。一个 Agent 可以同时开多个分支、反复提交中间结果、把原来开发者脑中的试错过程外显成 Git 历史。方便是真方便，仓库、CI、代码审查和...

4733 亿次 Git 事件，740M 参数的多模态嵌入模型，还有一套能替人参加会议、写纪要、继续追待办的插件。 这几件事今天凑在一起，有个挺具体的信号，AI 的战场正从模型参数表，挪到真实工作的脏活累活里。代码库能不能扛住并发，会议结束后待办会不会消失，模型输出能不能被追溯，这些以前有点不够酷的问题，开始决定产品到底能不能用。 今天最值得聊的三件事GitHub 重建 Git 基础设施，先被压垮的是协作层GitHub 说，2026 年 8 月平台月度 Git 事件量达到 4733 亿次，比一年前翻了一倍多。9 月，开发者和智能体单月又产生了 73.8 亿次 Git pushes。为此，GitHub 正在重建底层 Git 基础设施，目标是把智能体参与的高并发读写变成正常负载，而不是异常峰值。 这个数字比某个新模型跑分更让我停一下。Agent 写代码最顺手的演示，往往是生成一个页面或修一个函数。但团队真正接住它时，最先被冲击的不是 IDE，而是分支、权限、CI、代码审查和仓库服务。一个人开十个 Agent 并行做事，项目并没有平白多十个靠谱同事，它先多了十倍需要被管理的变更。 G...