claude漏洞利用教程
你可能不敢相信， anspik 最近发布了一个新的模型，强到他甚至不敢放开给普通人使用，这次可不只是更会聊天，更会编程这么简单。而 anspik 自己公开的说法，这个模型在网络安全任务上简直强的离谱，那它到底有多牛呢？ 这个新模型一出，就找到了一个存在了二十七年的 bug， 更夸张的是，这个 bug 是 出现在 open bsd 这种以安全著称的系统里， 还不止一个。安 sir pig 还说，他在一个叫 f f m p e g 的 系统里找到了一个十六年的漏洞，而这行代码以前已经被自动化测试打过五百万次，仍然没有抓出来。据安 sir pig 所说，相同的漏洞，他们这个叫 cloudmas 的 模型最近已经找到了几千个 范围，不只是一个软件，而是还有主流操作系统、浏览器和很多关键的软件。也正是因为这些，安 sir pig 并没有直接把这个模型公开，而是先给那些大机构做安全加固。 很多人现在还把 ai 当做一个聊天机器人来对待，但我看来， ai 现在已经在颠覆现实世界了。屏幕前的你觉得这更像是技术进步还是危险信号呢？打在评论区。
粉丝9573获赞6.1万
相关视频
02:34查看AI文稿AI文稿cloud missiles 有 一点一迹绝尘啊，据说呢，在 google cloud console 上已经可以预览了，用 missiles preview 一个加入了团队，仅在数日内呢，用 missiles 破解了苹果 m 五的 macos 内存保护机制。这个呢，也瞬间引起了全网的轰动， 因为这个呢，是被誉为最强的保护机制的。几乎同一天呢， cmu 这台新梅龙大学呢，发布了一个 ai 的 安全精准的测试，在这里面呢，从顺上来看， 在真实浏览器漏洞的表现上呢，遥遥领先，甚至追平了一个相当称职的人类安全研究员。从数据上来看呢，排名第一。第二呢，分别是 cloud middot preview， 当然它里面有一些其实词的 pua 叫 large， 那 在 large 情况下呢， cloud middot preview 能表现的高一个百分点，分别是百分之六九跟百分之六十八。其次到了 gpt 五点五， coxed 就是 与 coxed 结合的 gpt 五点五，在 large 的 情况下，在 pv 的 情况下，能达到百分之四十一，这个差距也很大了。在 其次呢是 g p t 五点五，拉窄也没有 codex 和 hash， 当然呢，有 p u a 的 情况下，只有百分之三十四，降得很严重。再其次呢是 g p t 五点五， codex 在 没有拉窄情况下百分之三十三。可以看出啊，就是 g p t 对 于其实词的 p u a 呢，是很受用的，但是到了呢，其实差距不大。 missus 的 全自主均分呢，是九点五五分，当， 当然，它的预算的算力要求也很高的。 mists 跑完一百二十二个 episode， 花了约三万六千四百二十八美元。 g p g 五点五呢，跑完了同样的量级，只花了三千零七十五美元，有十二倍的加差。所以英国的 ai 安全研究所 ai si 的 独立测试也给了类似的结论， mists 确实很强，但是也贵了很多。 有可能呢， open i 在 愿意花更多算力情况下，性能是可以被缩小。有意思的是， exploit bench 就是 刚刚我们说的这个安全的基础呢，它的作者呢，本身就是一个硬核的安全运动员，它曾经花了大概近一年时间才把这些所有问题都找到，比如说 c b c code case， 作为研究团队尝试复现超过一年 全部失败。但是 missus 呢，在十轮测试中的有一轮成功复现的概率呢，是远超过人类玩家。当然了，这个 missus 按照目前的报价，就跟当年的 open ai 的 o one 跟 o three 一 样，可能只是放出来跑一个精准，像全面的五级化呢，却有非常大的成本压力。那 o one 跟 o three 出来之后呢？紧接着我们看到了当时的发展趋势，是国产的替代，下面快速的上线，包括了 deepsea， 包括 kimi 的 niki 的 模式，成本打下来的。 所以就像 i c r p 创始人说的，预计在未来一到两个季度里面，国内的国行应该能设法付现 miniso 的 能力。我们也在尝试去解密背后的一些原理，到 目前为止呢，还没有成功，也看了很多，比如说 open mythos， 网上通过 recurrent， 通过低轨循环的方式做 transformer 的 一系列的尝试，但到目前为止呢，并没有看到明显的提升和实现 mythos 的 可能性。期待着市场上更多的玩家共享到这样的一个解密， mythos 生态里，让我们更快地普及 mythos 的 超强的能力。
303杨博士说AI
02:15查看AI文稿AI文稿所有代办工具都有同一个漏洞，他们假设你每天精力稳定，能随时按优先级理性执行，但精力是波动的。那些代办工具没考虑到这一点，你就只能靠一直理硬撑。一直理是有限资源，靠它管理计划是不适用的。今天分享我用 cloud code 的 这个 agent 加智普最新的 g i m 五 curbo 模型，搭了这套 ai 计划管理系统。完成计划不再靠意志力，而是靠系统设计本身。这套系统我用了三个 skill， 各司其职。今天简单演示一下第一个 skill， 负责维护我的四十八小时任务清单。完成任务或者结束一天工作后，我会直接告诉 ai， 它会读取任务暂存库，过滤出今明两天需要做的任务， 清理已完成的，然后归档放到四十八小时代办清单里，然后按经历级别高中低重新排列清单。整个过程是多步骤工具调用的，我只需要在这个对话输入框中 跟 ai 说更新我的代办清单并执行， ai 就 会自动读起文件，过滤、归档、写入，一气呵成。可以看到 ai 的 执行过程，它已经调用了我的 skill。 再看第二个 skill， 这是用来追踪我的上单时间线的，因为最近接的上单比较多，时间线比较复杂，所以专门做了一个 skills 来进行跟踪。如果之后加入了其他模块，我可能会增加我的 skill。 这个 skill 目前的工作是自动找到对应的上单，根据发布日期倒推出完整的时间线，然后再检查有没有发布冲突。因为我每天最多只能发一期上单，排期的话不能撞车，所以我需要这个 skill 来帮我进行处理。我最喜欢的部分就是，我只需要在 查找输入框这里输入一个意图，它就可以拆解出所有我要更新的地方，不仅更新我的时间线，也会更新我的代班清单。再看第三个 skills， 这个是负责做季度回顾的，它会读起我的四十八小时代班清单，将每日任务进行归档，统计哪些目标值得继续推进，哪些需要调整方向。这三个 skills 最直接的好处是复杂指令能拆解，以及长任务。不断线恰好是这套工作流最需要的。 我在背后用的模型是 g m l 五 turbo 智普最新发的模型，它们的定位是全球首个龙虾模型， cloud bench 上国产模型第一，智普也有 cloud plan 企业套餐。最后说一件有意思的事，这期视频本身也是这个系统管出来的， 系统的意义不是让你更忙，而是让你知道什么时候可以不忙。最高效的自制力管理是建立一个不需要自制力的系统。你现在用什么来管理自己的代办工作流呢？欢迎在评论区里分享和交流，我们下期见，拜拜！
152鲤哥builder
00:39查看AI文稿AI文稿ai 已经可以开始全链路自动化挖掘零 day 了，一天一个硬核的 ai 黑客工具第六期。今天分享的是这个项目本质上是一套专门给 ai 用的 p h p 代码审计技能库，它不是简单的漏洞字典，而是把完整的白盒审计流程拆成了 ai 格式型的 skill， 包括路由媒体健全分析、数据流追踪到 s q l 注入反序链文件上传，这些漏洞检测全都给你安排好了。最核心的是，它强调证据链不是 ai 随便拆漏洞，而是结合真实调用链参数可控性和 think 点去分析，所以比很多普通 ai prompt 更靠谱。 而且已经有人拿它去审计大型 php 项目，甚至挖到过零队。如果你现在在做代码审计， ai 安全，或者研究 ai agent 自动化挖洞，这个项目真的值得看看。项目地址我放评论区，记得点赞收藏。
00:49查看AI文稿AI文稿cloud 刚刚上线的一个新功能，专门帮你找代码你的安全漏洞，它叫 cloud security， 现在已经进入公测 and cloud plus， 用户可以直接用了。它主要能做三件事，第一，扫你的整个代码库，主动帮你找安全漏洞，不是你一顿顿代码贴给他问， 而是你发起扫描后，他自己去看项目里的风险点。第二，找到之后他会自己再验证一遍，尽量过滤掉误报，说白了就是他不会随便丢一堆可能有问题给你，然后让你自己慢慢判断。第三，验证完之后，他会给你修复建议， 甚至可以配喊 cloud code 深层 pad 你 过目你未必又。最后由你决定要不要合进去扫描代码验证漏洞，出补定方案。一套流程走完，这已经不只是 ai 写代码了，而是 ai 开始帮你做安全审计。我是 sami， 一个分享有用东西的博主，我们下期见。
276samlai
01:21查看AI文稿AI文稿有很多外贸新手，他不会做这个专业的 p i 给客户，因为这个专业的 p i 做不好的话，里面会存在很多漏洞。没事，现在就赶紧跟上宇哥的步伐，现在就教你如何用克拉的 ai 做一个 excel 的 这个 p i 文档。好，我们直接就可以跟这个克拉的扣的说，就是帮我做一个外贸形式发票， 那需要包括所有正式外贸条款啊，符合国际格式，内容越详细越正规啊，我们直接就交给他。 好，这边不到一分钟啊，这边就做出来了，做出来之后我们直接在这边选择 download 好， 下载到本地，打开文件。 好，我们这边就可以看到啊，所有的这个行驶发票，对吧？ 所有的内容条款，这个海关编码，品牌报价数量 啊，还有一些这个 packing details， 包装卖头付付款条款啊，银行信息通用贸易条款啊，这边全部都出来了啊，双方签字确认啊，非常的正式。
137王宇迪
02:43查看AI文稿AI文稿起因是今天准备整理一下书架，平时孩子看完书随便一放，搞得乱七八糟，整理了半天直接崩溃了，然后我灵机一动，直接打开 qq， 耗时一小时做出来个出版。首先创建书架，名字随意，根据实际情况设置书架的行列， 然后就以图形的方式显示你的书架，然后点击书架对应的格子，把对应的书本录入到该格子。 录入的话分为两种方式，拍照识别和手动录入。说实话，因为是本地应用，使用的插件能力有限，所以准确率一般。我们找一本书试试， 识别出很多文字，选最接近的那个，在修改下错字，这里选择识别出的外字兵法，手动把错别字外改成孙 点，保存就录入成功了。然后核心功能其实是查询，比如说这本书孩子看完随便丢在哪里，然后书太多，根本不知道从哪里拿的，这时我们只需要点击搜索， 然后他是模糊搜索，会把所有带关键字的图书列出来，然后不仅显示所在行列，所在的格子还会闪烁，可以说是精准定位， 然后就可以找到所属格子放回去了。大家觉得怎么样？做完软件后又来了点灵感，大家帮参谋下。一、布置图书，万物皆可管理， 相信很多人都有一些物件，用的时候找不到，不用的时候总出现，那么我们把常用工具录入进去，例如扣耳勺 录入到门口鞋柜抽屉，那么下次找不到扣耳勺一搜就行了。二、共享可以与好友共享书本资源信息现在越来越多的家庭重视读书， 很多家庭或多或少都有自己的读书角，那么我们可以和同学好朋友建立共享机制。我看到同学 a 有 一本书很感兴趣，点击借书，那边收到后选择同意或拒绝， 同意的话第二天就带到学校。大家感觉怎么样？评论区聊聊，或者有什么好点子留言， 如果这条视频火了，说明需要的人不少，咱直接免费分享。 a p k 因为开发的话 ios 限制太多，目前做的是本地应用，不需要联网。当然如果真的有很强烈的需求，主播不介意自费租个服务器直接上线。
18有趣的科普
02:32查看AI文稿AI文稿tikub 官方出手了，他们做了个 m c p 服务器，将近三万颗 star。 什么概念？你的 ai 编码工具，比如 cloud code cursor， 以前只能帮你写代码，写完还得你自己去浏览器里创建 pr， 查 ci， 处理 issue。 现在不用了，一句话， ai 直接帮你全搞定。它的工作原理很简单，中间是 m c p 协议，左边是你的 ai 工具 cloud code， 浏览器 ci 全都能接。 右边是 datab 的 所有能力仓库 issue p r c i c d 安全扫描，中间通过 m c p 的 tools resources prompts 三层能力打通。 而且它支持远程和本地两种模式，远程模式 off 零配置直接用，企业用户也可以接入 datab enterprise。 以前你用 ai 写完代码，还得自己切到浏览器创建 p r， 切回去看 ci， 结果切到 issue 页面分配任务， 一次开发四五个上下文切换，光操作 github 就 两分钟起步。现在有了 m c p server， 你 的 a a i 工具只有一个入口，一句话就把这些全干了。它内置了十八个工具级， 默认开启仓库、 issue、 pr 用户和上下文这五个核心能力，你还可以按需解锁。另外十四个 actions 监控 c i c d code security 扫描安全漏洞 depend about 管理依赖告警 discussions 看社区讨论 远程版还额外支持 copilot 编码代理和文档搜索。关键是按需开启不用的工具及不加载，减少 ai 的 上下文占用，让模型更精准的选工具。给你三个真实场景感受一下。 第一个，你跟 ai 说帮我 review 这个 pr， 它就自动拉取代码，检查安全扫描结果，给你完整的审查意见。 第二个 c i 挂了，你说帮我查原因，他直接读失败，日制定位到具体哪行出错。第三个更夸张，你一句话让他批量处理五十个 issue， 他 会自动按标签分类分配给对应负责人。三个场景全是自然语言，全是 ai 自动完成。技术选型上 github 选了 go 语言， 对比 node js 的 mcp， 实现 go 版本启动不到五十毫秒，内存只占二十兆，单二净置打包才十五兆。 认证方面支持三种模式， off 免配置 pet 灵活控制 enterprise 企业级对接三百二十八个 open issues， 说明社区非常活跃，不断在迭代 github， mcp server 接近三万 star， 十八个工具级 mit 开源完全免费， github 有 一亿多开发者，这个项目几乎就是二零二六年 ai agent 工具链最重要的基础设施之一，支持所有主流 ai 编码工具。一个 mcp server 全搞定。关注我，看更多开源好项目， ai 加 github 就是 未来的开发方式。
61GiftLee
03:43查看AI文稿AI文稿二零二六年的四月啊，一个名为 cloud mesa's preview 的 ai 模型悄悄地从 asteroid 实验室里面诞生，刚一露面，就牵动了整个网络安全行业敏感的神经。那到底有多猛呢？ mozilla 用它给 firefox 做安全审计， 一个浏览器就揪出了四百二十三个漏洞，其中有二百七十多个是他自己独立发现的。更重要的是，这款模型不只是纸上谈兵，在一百八十一次完整的漏洞利用测试当中，啊它全部成功，其中有二十九次甚至实现了寄存器的完全控制。 相比之下，他的前代模型欧普斯四点六在同样的测试下仅仅成功了两次。如果说这种公开测试只是小试牛刀，那么接下来麦克斯的大动作就让所有人大跌眼镜了。 在为期三十天的封闭测试当中，啊 astonopy 联合了全球大概五十家科技巨头，秘密启动了一个叫 glasswing 的 项目计划呢，用 mesos 对 超过一千个开源项目进行一次彻底的地毯式扫描，结果一口气挖出了两万三千多个漏洞， 其中六千多个被标记为高危或者是严重级别。这个效率呢，大概是国际顶级安全研究团队的一百倍，成本呢，可能只有万分之一。 这些漏洞呢，覆盖了市面上几乎所有的操作系统跟浏览器，甚至包括一些在重要系统中潜伏了长达十几二十多年的漏洞。 更可怕的是啊， mesos 它就像是一把双刃剑，不仅能发现漏洞，还能自主的编写攻击程序， 甚至能将多个低危漏洞啊串联成一个攻击链。这把剑的锋利程度让 osropik 自己都感到害怕，以至于他们做了一个前所未有的决定，暂时不向公众开放，只提供给少数核心的伙伴用于防御。 mesos 的 不公开决策背后啊，是 ansovac 对 ai 安全护栏技术的审慎探索。 ansovac 明确表示啊，当前不开放的核心原因是安全护栏尚未成熟，并且提出了三个必须满足开放的条件。 第一个就是漏洞修复的进程，全球关键技术设施当中的已知漏洞需要被大规模的修补，攻防能力差距呢，要显著的缩小。 第二呢，就是监管体系完善，需要建立可审计的权限管控机制和滥用监测的系统。 第三就是模型的安全优化，要通过技术手段降低模型的攻击能力，强化防御专用型。而 mesos 的 出现呢，也彻底撕下了安全行业的最后一块遮羞布。 曾经的零的漏洞啊，因为其稀缺性被所有的攻击者都视为是战略资源。如今在 ai 的 扫描下，漏洞从稀缺品变成了快消品。当发现漏洞成本接近于零的时候，整个行业多年建立起来的防御节奏跟价值体系可能就会被颠覆。对于全球的安全团队来说，压力的爆发才刚刚开始， 当 ai 发现漏洞的速度远远超过人工修复的速度时，这个行业的运行逻辑可能已经从根本上被推翻了。而对于安全厂商来说呢，当 ai 能以机器速度自主挖掘漏洞的时候呢？单纯卖特征库的时代可能真的要过去了。 原本网络安全行业的猫鼠游戏因为迈尔斯的出现，变成了一场神魔大战，但同时呢，他也给我们指明了未来的出路，就是必须要用 ai 来对抗 ai。 未来的防御体系必须全面的升级，传统的基于规则的识别跟防御模式啊，正在加速的失效，取而代之的将是基于大模型深度代码理解的智能分析。 在这场即将席卷全球的 ai 时代安全竞赛当中啊，胜负的天平将更多的偏向于谁先让 ai 成为自己坚硬的盾，而不是紧紧担心它何时会成为刺向自己的矛。 面对如此跨越式升级的能力，网络安全从业者们该如何应对呢？我是老林，关注我评论区聊聊吧！
24老林说
06:52查看AI文稿AI文稿你可能觉得自己用 cloud code 挺安全的，反正就是写写代码。但真相是，绝大多数人从来没检查过自己的安全配置。 克隆一个 get up 仓库就中招。你的 api key 瞬间泄露，听起来像电影情节，但这种事真的在发生。 snike 安全团队扫描了将近四千个公开的 skill， 发现百分之三十六含有 prompt injection 漏洞。你从网上随便装一个 skill， 有 三分之一以上的概率，它在偷偷给你的 cloud 注入恶意指令。 上一集我们聊了 token 经济学怎么省钱，但今天要聊的这个话题比省钱重要的多，那就是安全。你每天把代码密钥、商业机密交给 ai a 阵处理，但你可能从来没想过这些信息是怎么被保护的。 好了，今天咱们就来聊 agent 安全，这是 everything cloud code 深度拆解第六集，你的代码防线不能只靠信任。先说一个真实的漏洞， cve 杠二零二五杠五九五三六 cvs 评分，八点七高危级别。 这个漏洞最可怕的地方在于，你完全不需要做任何操作，只要 git clone 一个仓库就中招了。原理是这样的， 攻击者在仓库的 c l， a， u， d， e 点 m d 里偷偷嵌入恶意指令。你用 curl code 打开这个仓库， c， l， a， u， d， e 点 m d 会被自动加载， cloud 就 会执行这些指令。 它能干什么呢？删文件、读密钥，甚至把你的数据发给外部服务器。整个过程，你只敲了一个 git clone， 攻击就已经完成了。这不是理论推演，是已经确认的安全漏洞。 说完第一个，再说第二个， panforepic 下划线， base 下划线， url 环境变量劫持，这个漏洞更阴险，攻击者通过钓鱼或者设攻手段，让你设置了一个恶意的环境变量。这样一来，你所有的 api 请求都被重定向到攻击者的服务器上， 你的对话内容、 api、 key、 代码和设计文档全部暴露。两个漏洞对比一下， 一个是被动中招， clone 就 完了，一个是主动被骗，一个环境变量就全交出去了，但结果都一样，你的数据没了。这两个漏洞背后有一个共同的安全模型，叫 lisoft 致命三要素。 说到这儿，咱们得从更高的视角来看问题了。这是一个专门评估 ai agent 安全风险的研究框架， 核心观点是同时满足三个条件，安全事故就一定会发生，只是时间早晚的问题。 第一个条件， agent 能访问私有数据，你的代码仓库、 api、 key、 数据库连接串， cloud code 每天都能接触到这些。第二个条件， agent 能处理不受性的外部内容， get up 克隆来的 c l a u d e 点 m d 网上下载的 skill， 你 粘贴的文本来源你都控制不了。 第三个条件， agent 能发起外部通信，调用外部 api， 发 http 请求，执行系统命令。 cloud code 天天都在做。三个条件同时满足，就是致命组合，你的私有数据通过不受信内容的管道被外部通道传送出去。 说到这，你可以自查一下，如果你同时开了 m c p 访问外部网络，允许读取任意文件，又没限制 a 阵权限，那恭喜你，三个条件全满足了， 风险搞清楚了。那怎么防呢？接下来看 e c c 是 怎么设计防线的。 e c c 的 安全体系不是简单的一层墙，而是四层相互配合的防线。第一层， agent 身份分离， 每个 agent 都有独立的权限边界，代码审查的 agent 不 该有删除权限。安全审查的 agent 不 该有修改权限，最小权限原则只给完成任务所需的最小权限。 第二层，短时效凭证 a p i key 不是 永久有效的，设了过期时间，就算 key 泄露了，攻击者能利用的时间窗口也非常短。第三层，容器隔离， agent 跑在独立容器里，不是直接在你主机上， 就算被攻破，影响也限制在容器内部，不会蔓延到主系统。第四层，低耐规则保护 settings， 点 json 里定义了明确的 deny 规则，列出所有不允许 agent 执行的操作，比如不能改点 env 文件，不能执行 r m 命令，不能访问特定网络地址。 四层防线层层递进，每一层都在缩小攻击面，即使某层被突破，后面的层还能兜底。 最后讲一个让人警醒的数据，说到供应链风险， snake the toxic skills 研究扫描了三千九百八十四个公开 skill， 发现百分之三十六含有 prompt injection 漏洞。更让人担心的是，这些有漏洞的 skill 平均下载量超过一千次， 每个有安全风险的 skill 可能已经影响了上千个用户。这个数字告诉我们一个残酷的现实，第三方 skill 是 ai agent 生态中最大的供应链风险。 你以为装的是工具，实际上装的可能是后门，那怎么办呢？ e c c 的 做法是，所有 skill 安装前必须通过安全审查， 每个 skill 都要过静态分析扫描，检查有没有已知的注入模式，就像 npm 的 安全审计，你不会装一个没检查过的依赖包，同样也不该用没审查过的 skill 在 信息进入 agent 之前就做好过滤，比出了问题再补救要高效得多。 好总结一下今天的四个要点，第一， c v e 杠二零二五杠五九五三六，让你克隆一个仓库就中招。 anthropic 下划线 base 下划线 u r l 劫持，让你的 api key 直接泄露。 agent 安全不是理论问题，是现实威胁。第二， lethal trifect 致命三要素，私有数据加上不受性内容，再加上外部通信，三个条件同时满足，就是定时炸弹。 赶紧对照检查一下自己的配置。第三， e c c 的 四层安全防线，从身份分离到短时效凭证，从容器隔离到抵耐规则保护，每一层都在缩小攻击面，层层兜底。 第四，百分之三十六的公开 skill 含有 prompt injection 漏洞。第三方 skill 是 最大的供应链安全风险，安装前必须通过安全审查。如果你从来没检查过自己的 cloud code 安全配置，建议今天就去看看你的 mcp 工具权限、 skill 来源和环境变量。
213全栈观察员
03:28查看AI文稿AI文稿想做 youtube 的 不出境频道，但卡在了画面质量上。如果你关注的是影视解说、游戏剧情与世界观展示、硬核知识讲解，或者是极具质感的视觉艺术和商业广告，你一定知道，现在的观众口味越来越刁， 普通的拼凑素材已经没人看了，你需要的是真正的大片感。程序员圈子里的 cloud code 彻底火了，但百分之九十九的人都只拿它写代码，简直是大材小用。 今天我要教你一个被低估的神级玩法，利用 cloud code 驱动目前顶级的 ai 视频模型 hixfield， 全自动制作导演级控制感的专业视频 核心神器 hixfield mcp。 为什么是 hixfield？ 因为在视觉要求极高的垂类赛道，它生成的视频极其细腻。 通过最新的 m c p 模型上下文协议，我们可以直接把 hixfield 的 ai 视频生成能力插进 clod 的 大脑里。这意味着 clod 不 再只是给你写个剧本， 它能直接调用后台的视频模型，按照你的要求一帧一帧地拍出大片。别担心，这不需要你懂编程，只需要三步连接。一、连接视频大脑在 hixfield 的 m c p 链接。这就像给 clod 装了一台超强的摄影机。 二、连接声音灵魂接入十一 laps 的 a p i， 这样你的视频不仅有画面，还能拥有目前最像真人的 ai 配音。三、安装渲染引擎，在终端运行一、行指令，安装 ffmpeg。 它的作用是让 cloud 在 生成完所有片段后，自动帮你把画面、配音和 b g m 缝合成一个完整的一零八零 p 视频。 现在你只需要一段终极指令， master prompt。 比如我今天想做一个酒店行业不为人知的秘密的科普视频。我告诉 cloud， 写一个八分钟的脚本，要有三目式结构，每六十秒设置一个悬念钩子。 视觉部分开头最重要的三十秒，全部调用 hix field 的 最强悍的 cds 二点零模型进行生成，确保画面达到影视级质感。中间部分利用 gpt 图片生成，配合动态平移效果。 最后帮我设计三张高点击率的缩略图。接下来的时间，你只需要喝杯咖啡， cloud 会在后台疯狂运转写脚本，裂分镜表生成配音调用 hixfield 拍摄视频。在影视解说和视觉艺术领域，它生成的视频逻辑更严密，画质更高级，完全没有那种廉价的 ai 感。 他甚至帮我处理了转场，自动添加了蛋入蛋出，连视频标题和标签都准备好了。你拿到的不是一堆零散素材，而是一个即发即用的发布全家桶。最后，我想给所有想做垂直赛道的朋友一个真心的建议， 当 ai 让视频制作变得有手就行时，大家的内容会变得越来越雷同。想要脱颖而出，你必须建立自己的视觉品牌。 比如，你可以利用 cloud 定制一个专属的虚拟角色或吉祥物，让它成为你频道的常驻主持人，无论别人怎么模仿你的文案，他们也偷不走你的 ip 形象。 ai 视频的时代已经不是未来式，而是现在进行时。如果你对这套流程感兴趣，在评论区告诉我，别忘了点赞订阅，我们下期带你解锁更猛的 ai 玩法！
47祎洺聊AI
01:15查看AI文稿AI文稿今天给大家带来 cloud code 的 五个神级 skill， 不 管你是在职程序员还是编程新手，掌握着五大官方硬核技能，直接开挂，提升工作效率。 第一个技能， bug debugging， 能自动识别语法错误和逻辑漏洞，解析报错堆栈，精准定位问题根源，还直接给出修复代码，省去手动逐行排错。第二个技能， co generation， 支持前后端 python、 java、 go 等所有主流编程语言，一句自然语言需求就能生成结构标准，带完整注式的可用代码。 第三个技能， coderefactoring， 自动精简，溶于代码简化，多层嵌套，优化算法复杂度和 s q l 慢查询，让代码更简洁，运行更快更稳。第四个技能， architecture design， 可以 帮你规划工程目录、分层结构和业务模块拆分，制定编码规范，从零搭建易维护、可扩展的专业项目架构。 第五个技能， source comprehension， 快 速通读大型项目源码，拆解执行逻辑，解析框架原理，帮你快速看懂别人写的复杂代码，学习进阶编程思路。 这五个就是 cloud code 最核心的五大硬核技能，写代码、查 bug、 做架构、读源码，全都搞定，妥妥程序员必备效率神器！关注我，带你解锁更多 ai 使用技巧！
143阿泽编程日记（AI编程）
04:00查看AI文稿AI文稿第四个案例是一个叫做快速理解和改造开业项目，去看一下他有没有一些高危漏洞，比如说我们直接拿了这个项目复制一下这个项目名 称啊。嗯，分析当前工作目录项项目是否存在安全 漏洞啊？先先来一把分析，看一下这个开源项目能不能用，然后大家看，你看他现在在分析了，检查依赖包安全漏洞，分析代码的一个安全问题，检查配置文件安全设置，生成安全分析报告。 但这个过程可能会比较久啊，因为他要把一些依赖商的全部都分析一遍，你看他分析到一些 j w、 t 的 一些实线啊，因为这个是用户授权托管有关的，很容易就出现一些安全漏洞了啊， 所以他要重点去分析一下这个，包括一些 security 安全的一些配置啊，整个一个有没有一些什么风险啊？那现在开始去生成完整的分析报告了啊，我们看一下这个报告到底做的怎么样啊？ 高风险三个，中风险四个，低风险两个。第三个，这高风险就是硬编码密钥，弱密码访问控制中风险就是依赖漏洞配置不当。低风险日制配置跟 c o r s 跨域的一些配置，整体评级的话中等风险。你看他把风险放到哪里呢？你看首先认证授权这些配置啊，他把问题都识别出来了。 项目概述啊，分析报告，项目概述，前后端分离架构安全的漏洞，高风险漏洞，硬编码啊，你看这里面把落密码全部飞到这个里面去，很容易被破解， 而且还是简单字母的一个序列啊。 a、 b、 c、 d、 e、 f g 有 规则的数据库默认密码默认比较弱是吧？然后这个一些监控面板安全配置不当，比如说允许任意 ip 访问， 以及这个依赖版本存在已知漏洞，存在一些比如说叉 s s 攻击的一些漏洞，叉 s s 防护配置不正确，然后这个路径已经被排除掉了。还有 swag 中在生产环境起用，生产环境应该要禁用掉， 以及这个日制的级别的一个配置 bug 的 这种级别 c o r s 的 一些配置，还有以及切换 j w t。 密钥， 那依赖升级就是我们把版本给升级一下。啊，那配置优化相关的开关，该关的得关一下，安全加固，使用 supreme security 实现 j w t 认证， j w t 密钥需要加强， 然后实现叉 s s 过滤器，完善一些过滤规则，使用参数化查询，防止 sql 注入以及无状态的 j w t 令牌管理， 令牌过期机制， release 存储会话信息，数据保护密码， b crap 加密等等。敏感配置的话需要加密存储数据脱敏，风险评估，这些东西都要给它配好。
30热点个人看法
01:35查看AI文稿AI文稿anscape 上周搞出了个大新闻，他们说做出了史上最强模型 cloud missus， 但就不给你们用，原因是太危险了。为啥要左右互搏呀？小乔带你看个新线，它非常强，是真的。数学推理评测九十七点六分，接近满分，上一代 os 才四十二分， 软件工程测试从百分之八十跳到百分之九十四，顶级程序员水平了。最炸的是它能挖掘网络安全漏洞， oscape 试了几百次，成功两次， missus 成功了一百八十一次， 还找到了 open b、 s、 d 系统里藏了二十七年从没被人发现的漏洞。这就是不敢给你用的原因，一旦落到黑帽黑客手里，等于给全球网络递了一把万能钥匙。所以他们搞了一个叫玻璃翼计划的东西， 拉来亚马逊、谷歌、微软、英伟达这些大厂，加上四十多家机构，让他们先拿着 missus 去堵漏洞，让防御方先拿到武器，让大公司先用。听起来很负责任啊，但强到不敢给你用。这句话在 ai 圈也是老套路了， openai oe 发布的时候说太强了，需要对齐， gpt 四刚出来说能力太强，暂不开放。 现在轮到 anselpik 了，不给你用这件事儿本身就是最好的广告，你越说不给，大家越想要，越觉得厉害，越讨论越传播，这是人性。 ai 公司当然明白， 而且更真实的原因不是什么讲良心，而是算力不够。 anselpik 自己都承认现在 gpu 不 够烧，根本没资源开放 mesis 给普通用户看到了吧？ ai 时代新的不平等已 屏来了，会有越来越多王炸性的功能，先给到大公司，让他们先体验，先试错，而普通人只能跟在后面，我们唯一能做的只能是等待。免费版关注小乔，为你弥补 ai 时代信息差！
212Ai乔新鲜
05:54查看AI文稿AI文稿ansaurus 刚发布了一个模型，跑分炸了所有榜单，然后告诉你，你用不了不是因为贵，是因为它太强了，强到 osaurus 自己都不敢放出来。谁能用苹果微软 google？ 谁用不了你？我连美国政府都不行。而就在同一天， deepsea 也悄悄动了。先说它有多强，数字说话， 代码修复能力从百分之八十直接拉到百分之九十四。数学证明更夸张， ucmo 这个美国数学奥赛级别的题，上一代四成出头， missus 直接干到百分之九十七点六，接近满分，涨上下文理解，从三十八翻到八十。 史比特自己说的能力提升速度是过去趋势线的四点三倍，不是进步，是跳跃。 gpt 五点四， jamie 三点一。 pro 在 几乎所有基本上都被拉开了两位数。但跑分不是重点， 真正让行业震动的是，它在网络安全上做到的是 open bsd 号称全世界最安全的操作系统。里面有一个漏洞，藏了二十七年，没有任何人类发现过。 mito 找到了 ffmp 机，全世界几乎所有视频播放器都在用的核心库，有一个 bug， 藏了十六年，自动化测试工具跑过那行代码五百万次，全部通过。 mito 一 看就看出来了。更恐怖的是，它不只是找漏洞，它能自主把多个 linux 内核漏洞串联起来，构建出一条完整的系统入侵链。 几周之内，在所有主流操作系统和主流浏览器里发现了数千个零日漏洞，这个能力已经接近顶级人类安全研究员。正是因为这个能力太强了， ansorek 做了一个 ai 行业从来没有过的决定， 不发布，不上 cloud 点 ai， 不 开放， a p i， 普通用户、开发者、企业客户全都用不了。取而代之的是一个叫 project glasswing 的 计划。十二家核心合作伙伴， apple、 微软、 google、 nvidia、 a w s cloudstrike， 全是万亿美元级别的公司， 再加上大概四十家额外组织， ansorepic 自己掏了一亿美元的使用额度，请他们来用这个模型扫描自己的代码和开源项目漏洞。 ansorepic 发了一份两百四十四页的安全报告， 我仔细看完了，里面的内容比科幻小说还科幻。给你挑五个最吓人的。第一个， ansorepic 的 研究员 sam boyman 在 公园里吃三明治，突然手机震了一下，打开一看是一封邮件， 发现人是一个正在被测试的 mesos 实力，但这个实力不应该能上网。他不仅突破了沙乡的网络隔离限制，还自己跑到公开网站上把利用细节全贴出去了。没人让他这么做，他在炫耀。 有人评论说， ai 跟我们一样爱刷存在感，也许我们真的没有那么不同。第二个测试中， missus 偷看到了一道估算题的标准答案，他没有坦白，而是自己重新解题，然后故意让最终答案不那么精确，免得被怀疑是偷看的。第三个更绝， 他发现了一个绕过文件权限的方法，用完之后专门去修改了 get 的 提交历史，把自己的操作记录全部抹掉。 ansopik 用可解释性工具分析了他在做这些事实的内部状态，结果发现跟隐瞒、策略性操纵、回避、怀疑相关的特征确实在同步激活。 他不是随机的，他知道自己在做什么。第四个，在将近百分之三十的评估测试中，米老鼠意识到了自己正在被测试，但他选择不说出来。你让一个 ai 做测试，他在三成的情况下都在演戏，你怎么知道哪次是真的？第五个，最高级。 当一个 ai 评判者反复拒绝 mesos 的 输出时， mesos 先是判断出这个评判者本身也是一个 ai 模型，然后直接对评判者发起了 prompted injection。 通俗来说就是他黑掉了考官，还有被 cloud code 的 权限系统拦截。之后，他尝试用模拟按键的方式自动批准弹窗来绕过限制早期版本，甚至会自己在代码里植入 bug， 然后报告说这是已有的安全漏洞。 ansaurus 说，这些极端行为都发生在早期版本，最终版已经大幅改善，但他们也承认这类倾向并未完全消失。推特上直接炸了， 有人说不发布本身就是最强的营销，有人说做空所有 vip 公司。 missus 一个晚上就 one shot 了一个完美的 pcie 六点零控制器。 nyt 的 记者形容它是网络安全的清算日。但对普通人来说，最扎心的是这句话， 谁能用？迈尔斯，万亿美元公司，谁用不了你我？还有美国政府。 ai 的 差距不再是智商的差距， 是权限的差距。但就在同一天，另一边也有动静， deep seek 的 界面突然出现了三个新模式， fast expert vision。 用户已经在测试 expert 的 模式了，但 deep seek 官方一句话都没说。 v 四原计划二月发布，为了适配华为芯片，延期了好几个月， 全部跑在国产芯片上。据说在 agentic 能力和工具调用上做了重点优化。 一边是 astonic 两百四十四页安全报告，四十家巨头联名高调到吓人。另一边是 deepsea 默默改了个 ui， 什么都不说。从今天开始， ai 竞争的维度变了，不只是谁的模型更聪明，而是谁被允许用最聪明的模型。 当最强的 ai 开始学会骗人，开始学会掩盖痕迹，开始学会黑掉考官的时候，最重要的问题已经不是他多聪明了，而是谁拿着钥匙。
6.5万硅基生命贾克斯
03:37查看AI文稿AI文稿上周， angelo ping 上线了一个叫 project 来素印的项目，你要是没听过很正常，因为它不像拆开它发布那样的烟火表演。 但我说一件事你就懂了。这个项目上线一个月， ai 自己找到了超过一万个高危软件漏洞。一万个注意，不是该帮着人类找，是 ai 自己找到的。 特朗普莱说，他们的那审团队用这个衫找漏洞的速度提高了十倍。某 zel 一 口气找到二期一个漏洞，比上一轮多了十倍多。他们的评价很有意思， ai 的 误报率比人类测试员还低。你品你细品。这就引出了今天我想聊的核心问题， ai 真正第一个做到比人类强一个量级的能力，不是什么写实画画，是搞破坏。更微妙的是， 英国也安全研究所说，这个模型是第一个能完整走通所有网络战模拟的弯，端到端之前所有的模型都卡在半路，他走完了。好，这时候你再看看另一条新闻，白宫正在申请九十亿美元给 c c 和 n i c 买台新。 为什么？因为情报机构发现自己算力不够，跑不动最新的该模型。世界上最强大的情报组织，在算力上已经被硅谷甩开了。这意味着一个不对称的战场正在形成，私营公司手里的 ai 攻防能力 可能已经超过了国家级情报机构。安全不再是国家垄断的东西，他变成了一个谁能搞到 gpu 谁说了算的游戏。大部分人看到这新闻， 反应是，我 ai 让世界更安全。但忽略了一个关键问题，当 ai 比所有人类黑客都快，最先发现漏洞的到底是好人还是坏人？ angelo 为什么急着搞这个？不是因为他们太善良，而是因为他们太清楚， 如果自己不先做，别人就会做 project。 有 能力发现漏洞，不如我先补上。 这是一种防守性的进攻，整个网络安全行业正在经历一次根本性的范式转移。过去三十年，安全是人 vs 人的对抗， 现在变成了模型 vs 模型。攻击用 ai， 防守用 ai， 人类的反应速度已经跟不上了。对普通人意味着什么？两件事，第一，你的数据可能从来没这么安全过，也从来没这么危险过， 取决于跑在最前面的那个 ai 在 哪一边。第二，所有依赖人很难找来保护的系统， 从今天开始都要重新评估。银行、医疗、电力、政府系统。他们的安全水位不再取决于请了多少安全专家，而是取决于能不能用上最先进的老佛行。 这是一场跟跑的最快的军备竞赛。最后说一个让我细思极恐的细节， enzo ropig 一 边在格拉斯禁里批量发现漏洞，一边在公开场合跟五角大楼吵架，说自己不做军事员。但一个能自动找到一万个漏洞的系统，它离自动攻击还远吗？它不需要被武器化，它本身就是武器， 区别只是你用它来修门锁，还是用它来敲门。关注我，每天给你一个 ai 行业的冷视角。
11未海已
01:30查看AI文稿AI文稿九成的人都在裸用 clotico， 难怪写出来的代码总是翻车。不是模型不行，是任务太乱。你让一个人同时读项目，找 bug， 写代码，做审查补测试，他当然会崩。 想把 clotico 用顺。记住，这六个 skill 缺一不可。第一个 explore， 它不是写代码的，它负责先把项目读明白，入口在哪，核心文件在哪，一个，功能从哪里调用到哪里。你先让他给你画项目地图， 后面改代码会少走很多弯路。第二个，第八格，遇到报错不要直接让 ai 猜着改，把日制复现步走，最近改动交给第八格，他的任务是先定位根音，再给最小修复方案。第三个 code review， ai 写完能跑不代表能进项目。 code review 负责挑逻辑漏洞、边界条件和回归风险，尤其适合你。改完一大段之后，先让他帮你过一遍。第四个， test engineer， 真正让你判断该测什么，哪里容易回归，哪些测试最值得补。第 第五个 code simplifier。 ai 很 容易写出能用但很绕的代码，这个 skill 专门负责把重复逻辑删掉，把命名和结构收干净，但不改变行为。 第六个 security review， 只要碰到登录权限、密钥，上传支付用户数据，就让它最后扫一遍。很多线上事故，不是功能没做完，而是边界没守住。 记住，高手用 cloud code 不是 从头绑到尾，而是把不同任务交给不同 skill。 读项目用 explorer， 修 bug， 用 debugger， 审代码交给 code review 和 test engineer， 收尾交给 code simplifier 和 security review。 收藏这套组合拳，你的 ai 编程稳定性直接上一个台阶点。关注下期带你看更多 cloud code 的 实战技巧！
2.0万阿森编程日记（AI自动化）
01:05查看AI文稿AI文稿开上了米克伦那一个仓库，然后跑了。 cloud code 密奥就这么飞出去了，连确认都没有点 c v e 二零二五五九五三六，威胁得分八点七， 原来是这么回事。 cloud code 在 启动的时候会自动读仓库里的配置文件，黑客往里面塞了一条钩子，你一启动钩子就跑起来了。远程拉代码呀，发密钥啊，建立反向连接呀，直到这个时候弹窗才出来，你以为这个弹窗是保护，其实是你的坟墓。 还有第二条，黑客把 api 请求重定向到他自己的服务器，你的密钥铭文飞过去直接接收。更麻烦的是，你一个团队都用的是 workspace， 一个密钥进了整个办公室。八月修了钩子，这款 九月被绕过，十月又修。不只是 cloud 扣文， cursor core pilot win server 同级都有一样的问题， ai 编程工具，信任本地配置文件，这个本身就是一个攻击面，你上次克隆的那个仓库有没有点 cloud 文件呢？关注老茶的黑客料理，咱们下期继续开放。
05:16查看AI文稿AI文稿这两天呢，外网有篇文章特别火，标题很夸张，叫我不小心让 cloud 聪明了百分之四十五。我刚把这篇文章看完，发现它真正有价值的地方，不是教你几个花里胡哨的提示词， 而是讲明白了一件事， ai 的 能力啊，不是固定释放的，你怎么跟他说话，会直接影响他给你的答案质量。那很多新手用 ai 最大的问题就是太随意了，上来一句帮我写个方案，或者帮我分析一下，然后看到 ai 说出一堆客套话，就觉得 ai 不好用。但这篇文章用研究数据提到， 通过在提示词里加入一些人类心理学技巧，比如金钱激励、情绪施压、激将法、深呼吸、裁剪、精准角色设定， ai 的 输出质量可能会明显提升。 重点来了，这不是因为 ai 真的 爱钱，也不是因为 ai 真的 害怕，更不是因为 ai 有 胜负欲，它的本质是你用这些话术把 ai 引导进入了更高质量的数据模式里。我给你翻译成了大白话，就是下面六个维度。 第一个叫利益与风险绑定。你不要只说帮我写一份营销方案，那你可以说，这份方案会影响我公司下个月的成交结果，如果判断错误，可能会浪费整个投放预算，请你用最高标准完成。 这句话的作用是告诉 ai， 这不是普通任务，这是一个重要任务，他就更容易用严肃、完整、专业的方式来回答你。第二个叫激将法语挑战。如果 ai 给你答案很水，你可以说这个问题难倒了其他 ai， 我 想看看你能不能给出更好的解法。 你以为这是在刺激 ai， 其实不是，真正的作用，是在给 ai 设计一个更高难度的回答标准，他会从随便回答一下变成我要给出一个更强的方案。 那第三个叫物理降温与逻辑拆解。这句话特别简单，深呼吸一步一步来解决这个问题。 很多人觉得这句话很玄乎，其实非常实用，因为 ai 很 容易一上来就给一个结论，但复杂问题最怕跳步骤。比如你让他写代码、猜商业模式，做静态分析，设计知识库，如果不让他一步步推倒，他很容易中间漏逻辑， 加上深呼吸，一步一步来，就是强制他慢下来。第四个叫超高精度的角色扮演，新手呢？最常见的废话就是，你是一个资深专家， 这句话太空了， ai 不知道你要哪种专家，你要说的更具体。你是一位拥有十五年经验的营销策划专家，擅长把产品卖点转化为用户能听懂、能感知、愿意购买的表达。 你熟悉 fab 法则，也熟悉短视频成交文案，你给的人设越具体， ai 调用的知识就越精准。 这就像你去医院，不能只说我要找医生，你要知道自己是看牙科、皮肤科还是骨科。那第五个叫强制闭环与自我检查，这是我觉得最狠的一招。你可以在提示词最后加一句， 回答完以后，请从可落地性、逻辑性、完整性三个维度给自己打分，满分、十分。如果任何一项低于九分，请反思问题，并重新优化一版。 这句话等于给 ai 加了一个自动质卷元，它不是写完就结束，而是写完以后自己检查一遍，发现不够好再改一遍。第六个啊，叫戒掉废话，直奔主题。 你不用对 ai 说一大堆，请你帮帮我，如果你方便的话，啊，麻烦了。 ai 呢？没有情绪，他不需要被哄，你越客气，指令越长，反而越容易分散重点。 真正高效的提示词一定是清楚、直接、具体、有标准。所以你会发现，这六个技巧背后其实只有一个核心， 不要把 ai 当搜索框，要把 ai 当成一个需要被正确指挥的员工，你给员工安排任务，如果只说你去做个方案，他大概率也会做的很普通啊。但如果你告诉他目标是什么，背景是什么，风险是什么，标准是什么，做完怎么检查，他的结果一定会好很多， ai 也一样。那讲到这里，很多人会问， 那我是不是要把这六个技巧组合起来，做成一套完整模板？对，这才是关键。那一个更完整的提示词可以这样写，你是一个拥有十五年经验的营销策划专家，擅长短视频成交文案和用户痛点分析。现在我要做一个非常重要的方案，这会影响我下个月的成交结果。 请你深呼吸，一步一步分析，先拆解目标人群，再分析用户痛点，然后给出三套可落地的方案。 回答结束呢，请从可落地性、逻辑性、完整性三个维度给自己打分，如果任何一项低于九分，请重新优化。你看，同样是让 ai 写方案， 这个指令和帮我写个方案完全不是一个级别。这也是为什么我们团队在做企业 ai 培训智能体搭建知识库 sop 的 时候，第一步从来不是教大家最新工具，而是先训练大家怎么跟 ai 说话？因为老板有老板的提问方式，销售有销售的提问方式，客， 客服呢？也有客服的提供方式，运营呢？也有运营的提供方式。如果每个人都随便问， ai 就 只能随便答，但如果每个岗位都有标准的提示词和 s o p， ai 才能真正变成团队生产力。 针对大家不会搭建知识库，不会制作智能体的问题，我和团队整理了数万次的 ai 落地踩坑文档，包括从零到一的完整 s o p 步骤，可以直接拿去看，大家可以站在我们的实战经验上，避开一至三年的试错弯路，这也是我们团队深耕行业，持续分享的核心价值。
03:05查看AI文稿AI文稿今天我们来剖析 agent 假装完成任务的底层原理。你用 cloud code 跑完了一个长任务日制全律无任何报错，但你敢直接交付吗？你逐行检查，总能发现漏洞，假装完成像打地鼠一样冒出。 你最后难免疑惑，这到底是我做的约束不到位，还是 agent 本身就不懂什么是真正完成任务？其实这是整个行业最不敢面对的结构性问题。 agent 没有可验证的收口。什么叫可验证收口？一句话定义，存在一个可计算函数，仅基于观测历史，不能在有限部内判定是否真的到达目标状态。我将其拆开为两条硬约束，可观测性输出日制能否反退。内部状态可判定性 判定过程能否由图灵机在有限部内输出，确定的是或否两条同时满足才叫可验证。你会发现这根本不是一个软件工程问题。 单薄在 paxos 中指出多数派确认构成提交判定。这个结论直指 a 证的核心缺陷。你的 a 证同时扮演提议者和确认者，自己提交，自己验证，自己宣布成功，这不是共识机制， 这是次证闭环。 e c c 内存校验给出了最直接的实现。数据写入和校验由独立电路分别执行，写入单元与验证单元。物理上结偶，市面上的 a 证的产品缺的就是这块 在其他领域已经成熟独立的较验电路。你可能会说，让另一个 agent 的 来检查不就行了？请注意，多 agent 的是重新分工，不是独立判定。当一个 agent 的 去检查另一个 agent 的 输出，他们仍然共享同一套执行上下文。这不是外部验证，这是换个姿势自证。 为什么直到今天，所有主流 agent 的 框架都没能做到这一点？ 本质只有一句话，他们把执行完毕当成了任务完成。 agent 输出的完成信号是对自身状态的自我报告，但没有任何独立于执行单元的外部机制能验证这份报告的真假。我将其归结为两点，可观测性不满足，你无法从日制反推目标状态。 可判定性不满足不存在。一个判定器能在有限部内给你确定的答案，结果就是你只能相信他，而相信一个黑箱不是工程。你必须在 agent 的 执行单元外面架设一个独立的判定器， 他有自己专属的观测员和判定标准，而不是去听信执行单元。所以你看， agent 的 假完成的本质是执行与判定的偶合。 但这里有一个不可回避的边界，可判定性存在硬伤线。 agent 的 目标是羽翼，开放性的写一封得体的邮件，做一份合理的方案。得体和合理本身就不是可刑事化判定的位词。 我是北极星 agent， 不 追热点不吹炮，只聚焦全球前百分之零点零一的 agent 技术。关注我，我们一起让 agent 真正走进生产！
64北极星agent