这篇文章讲的是怎么保护软件交付流水线（也就是自动把代码构建、测试、发布上线的系统）本身的安全。问题是：流水线往往握有生产环境、测试环境和云账号的密码与签名密钥，一旦被攻破，攻击者就能一次拿到所有环境的权限，比如 2026 年 3 月的 TeamPCP 攻击就通过第三方组件 Trivy 的版本标签被篡改，把恶意代码塞进了别人的构建流程。文章给出的解法是一份清单，分本周就能做的快速修复和本季度要做的结构性改进，包括把密钥挪进专用保险库、按环境限制权限、把第三方组件锁定到具体提交、生成 SBOM 物料清单、签名并验证产物、统一保存审计日志。对读者来说，这提供了一份可照着执行的优先级顺序：先可见、再定策略、最后强制拦截，避免安全措施一上来就卡住合并流程。文中还引用数据称，仅 43% 的组织自动化了 CI 和构建流程，而常用 AI 编程工具的团队中有 50% 报告漏洞或安全事故增加。文章未说明这些建议的具体发布时间或配套工具是否已可直接使用。
文中可用工具
- Harness作为流水线平台，可在构建步骤中为产物生成 SBOM
- Trivy第三方组件，文中作为被攻击案例提及；原文未说明其他用途
- Sigstore用于给提交和产物做签名，让签名成本接近免费
- SBOM软件物料清单，记录每次构建用到的依赖，便于在仓库被攻击时排查
- RBAC按环境给流水线分配访问权限，避免一个构建代理同时持有测试和生产凭据
展开详情收起详情：CI/CD 安全最佳实践：2026 年流水线检查清单⌄
Harness Blog
原文发布：2026-09-25 08:00收录：2026-09-26
本文回顾了 {unscripted} 在芝加哥和哥伦布的活动。现在 AI 写代码快了约 180%，但真正能上线的只多了约 30%。原因是代码提交后的评审、合规检查、安全流程还是人工慢慢走，堵住了。活动上介绍了几种办法：按风险开放自动化、用 Change Advisor 替代人工变更评审会、让被规则的 Agent 干杂活，以及把合规当功能来设计。对读者来说，如果团队用 AI 写代码却没多上线，问题可能不在写代码，而在提交之后的那段流程。
文中可用工具
- Change Advisor收集变更评审所需的证据并给风险打分，高分变更直接发生产，低分才等人工
展开详情收起详情：{unscripted} 芝加哥与哥伦布站回顾⌄
Harness Blog
原文发布：2026-09-25 08:00收录：2026-09-26
GitHub 把网站样式的写法从“CSS-in-JS”换成了原生 CSS Modules。原来样式要在浏览器或服务器运行时现场生成，组件一多页面就变慢、更新也难控制。他们先把设计系统 Primer 的组件逐个换掉，用开关控制新旧样式切换、用截图对比确保外观不变，再逐步放量；2024 年 12 月全部换完，页面服务端渲染时间少了 55%，组件初始化时间少了 25%。此后 GitHub 还在继续清理旧写法，让网站更快。
文中可用工具
- CSS Modules一种把样式写在单独 CSS 文件里、类名默认局部生效的写法，不需要运行时生成样式
- Primer Design SystemGitHub 的基础界面组件库，提供按钮、横幅、面包屑等组件
- styled-componentsGitHub 原来使用的 CSS-in-JS 方案，在运行时动态生成样式
- @primer/react不依赖 styled-components 的新版 Primer React 组件库
- @primer/styled-react过渡用的包装组件库，让旧代码继续使用 sx 属性
展开详情收起详情：通过引入更多 CSS 提升网站性能⌄
GitHub Blog
原文发布：2026-09-25 23:00收录：2026-09-26
GitHub 博客介绍了 Copilot 应用里的“画布（canvas）”功能：它是一种你和 AI 助手共用的界面，可以做成看板、清单、仪表盘或表格等，不用自己写代码或设计。以前工具界面是固定的，你得迁就工具；现在只要用日常语言描述你想要的工作流和操作方式，AI 就会生成界面并在右侧面板打开。画布是双向的，你点按钮、移卡片，AI 当场能看到；AI 更新内容，你也能立刻看到，像共用一块实时白板。画布会保存为扩展，可团队共享或个人使用，社区还提供了现成模板。文中未说明该功能的收费、地区限制或正式发布状态。
文中可用工具
- GitHub Copilot appGitHub 推出的 AI 编程助手应用，文中用它创建和使用画布
- canvases你和 AI 共用的可定制界面，如看板、清单、仪表盘，可双向实时更新
- /create-canvas在 Copilot 应用里用自然语言生成画布的命令
- Awesome Copilot社区分享现成画布扩展的地方，如发布说明工具、看板、问题分类工作流
展开详情收起详情：GitHub Copilot 应用入门：如何使用画布构建自定义工作流⌄
GitHub Blog
原文发布：2026-09-26 02:00收录：2026-09-26
Christine Lemmer-Webber 和 David Thompson 在一场演讲中介绍了 Spritely 项目。如今很多网络应用都靠中心服务器运行，一旦服务器出问题或掌握在少数公司手里，用户就很难掌控自己的数据和通信。Spritely 的做法是把应用做成点对点：用 Goblins 实现基于能力的访问控制（可以理解为只发钥匙、不设万能门禁），用 OCapN 让不同程序像演员传纸条一样互相通信，还用 petname 系统让用户自己给联系人起名，避免依赖全局身份。它借助 Scheme 语言、WebAssembly 工具 Hoot 以及本地优先的 CRDT（多人同时改数据也能自动合并），目标是让没有中心服务器的安全点对点应用成为可能。目前这是演讲分享，尚未说明具体可用版本或发布时间。
文中可用工具
- Goblins实现基于能力的访问控制，让程序只获得完成任务所需的权限
- OCapN让不同程序之间按 actor 模型进行通信
- SchemeSpritely 使用的编程语言
- Hoot把 Scheme 编译到 WebAssembly 的工具
- WebAssembly让代码在浏览器等环境中高效运行
- CRDTs本地优先的数据结构，支持多人同时编辑并自动合并
展开详情收起详情：演讲：Spritely——面向互联网未来的基础设施⌄
InfoQ Architecture & Design
原文发布：2026-09-25 19:00收录：2026-09-26
QCon AI 纽约 2026 大会已经确定了 23 场会议，主题包括 Agent 授权、生产环境防护栏、共享推理基础设施，以及 AI 系统上线后如何评估效果。写这篇文章的是 Artenisa Chatziou。简单说，这是一场技术大会的日程预告，告诉大家届时会聊哪些 AI 落地中绕不开的实操话题。具体每场会议的讲师、时间和详细内容原文没有说明。
展开详情收起详情：从 Agent 授权到 AI 生产评估：QCon AI 纽约 2026⌄
InfoQ Architecture & Design
原文发布：2026-09-25 19:00收录：2026-09-26
AWS 介绍了最新版 Model Context Protocol（模型上下文协议，简称 MCP）规范的变化。以前远程 MCP 服务器需要靠“会话”记住每个用户，还要求请求固定发到同一台机器（会话亲和性）并额外存会话数据，横向扩容很麻烦。现在规范去掉了协议层会话，请求可以随便发给任意服务器，扩容更简单；但应用状态、重试、可观测性和幂等性这些事就交给其他层自己处理了。
展开详情收起详情：无状态 MCP 移除 AWS 服务器部署的会话亲和性要求⌄
InfoQ Architecture & Design
原文发布：2026-09-25 20:58收录：2026-09-26
Spring AI 团队发布了 2.1.0-M1，这是 2.1 系列的第一个里程碑版本，已可从 Maven Central 下载。此前 Spring AI 里的一条消息只能存一段文本，加一些工具调用和图片的附属列表，没法如实表示现在模型的输出，比如推理和工具调用交错、图片夹在文本中间、以及必须原样回传的厂商专属内容。这次把消息内容改成了有序的片段列表，并新增对 OpenAI Responses API 的支持，以及把已经算好的向量直接写进向量库的能力。对使用 Spring AI 做 AI 应用的开发者来说，升级到这个里程碑后，可以按顺序完整保留模型返回内容，用 Responses 接口在 GPT-5.4 等新旗舰模型上同时使用工具调用和推理，还能省去重复计算向量的开销。注意这是里程碑版，API 在正式版前仍可能变动；只有 OpenAI Responses 模型原生支持新片段，其他模型计划在 2.1.0-RC1 跟上，持久化聊天记忆也尚未支持。
文中可用工具
- Spring AIJava 生态中用于开发 AI 应用的框架，本次发布 2.1.0-M1 里程碑版本
- OpenAI Responses APIOpenAI 的 /v1/responses 接口，支持工具调用与推理同时使用
- OpenAiResponsesChatModelSpring AI 中对接 OpenAI Responses API 的聊天模型，能原生生成和消费消息片段
- OpenAiChatModelSpring AI 原有的基于 Chat Completions 的 OpenAI 聊天模型
- VectorStore向量存储接口，新增 upsert 方法可写入外部算好的向量
- pgvector本里程碑中支持写入预计算向量的向量存储之一
- Redis本里程碑中支持写入预计算向量的向量存储之一
- Elasticsearch本里程碑中支持写入预计算向量的向量存储之一
- Qdrant本里程碑中支持写入预计算向量的向量存储之一
- InMemoryChatMemoryRepository目前唯一能在多轮对话中保留推理内容的聊天记忆仓库
- Maven Central发布和获取该版本的软件仓库
展开详情收起详情：Spring AI 2.1.0-M1 现已发布⌄
Spring Blog
原文发布：2026-09-25 08:00收录：2026-09-26
Spring Boot 团队发布了 4.2.0-M2 版本，这是一个面向开发者的早期预览版（M2 表示第二个里程碑版本），现已可以从 Maven Central 下载。这个版本总共包含 141 项改进，涵盖功能增强、文档更新、依赖升级和错误修复。两个比较显眼的新能力是：LDAP 现在支持 SSL 安全连接（包括内置 LDAP 服务器的 LDAPS），以及加入了 OpenTelemetry 语义约定和常用 OTLP 端点、请求头、压缩等配置的支持。作为里程碑版本，它还不是最终稳定版，想提前体验或帮忙测试的开发者可以按发布说明升级，普通项目建议等正式版。
文中可用工具
- Spring Boot用于快速搭建 Java 应用的开发框架
- Maven CentralJava 依赖包的官方下载仓库
- LDAP企业常用的目录服务，用于集中管理用户账号
- OpenTelemetry收集和导出应用运行数据（如日志、指标）的标准化工具
- OTLPOpenTelemetry 传输数据的协议
- Stack Overflow程序员问答社区
展开详情收起详情：Spring Boot 4.2.0-M2 现已发布⌄
Spring Blog
原文发布：2026-09-25 08:00收录：2026-09-26
Proaction 是一家做车队管理系统的公司，过去开发和运营这套系统要花不少时间和人力。这次他们用上了 Codex、GPT-Live-1 和 GPT-6 Astra 这几个 AI 工具来写代码、跑业务和做销售。结果销售额提升了 60%，还省下了 75 个多小时的工作量。对读者来说，这说明把 AI 融入软件开发和销售流程，能实实在在省时间、多赚钱。不过材料只给了结论，具体怎么用、这些工具是否已开放，原文没有说明。
文中可用工具
- Codex用来辅助构建和运营软件，帮助开发者更快写代码
- GPT-Live-1原文未说明具体用途
- GPT-6 Astra原文未说明具体用途
展开详情收起详情：Proaction 借助 Codex 提升 60% 销售额，节省 75+ 小时⌄
OpenAI News
原文发布：2026-09-26 03:00收录：2026-09-26
LangChain 更新了 LangSmith 平台。这次带来四件事：Engine v2 能主动找代理问题，包括自动红队测试和自动验证修复方案；托管式 Deep Agents 升级到 v0.8，新增按用户隔离的认证与记忆、Slack 文件传输、通用 HTTP 接入和内置网页搜索；Trajectories 把冗长的代理会话整理成对话视图，方便排查；微调功能则把这些会话数据变成训练素材，用于定制模型，还支持搭建自定义界面。主要面向正在把 AI 代理投入生产的团队，目前具体定价和正式开放程度原文未说明。
文中可用工具
- LangSmith Engine v2自动检测 AI 代理问题、测试修复方案并生成待部署的补丁
- Managed Deep Agents v0.8带托管基础设施的代理运行时，新增用户级记忆、认证和频道支持
- LangSmith Trajectories把代理会话和追踪数据整理成按时间排列的对话视图，便于调试
- LangSmith Fine-Tuning利用代理会话数据微调模型，适应专门任务
- Custom Apps让团队为 LangSmith 数据搭建并发布自定义界面
- Parallel为托管代理提供内置网页搜索能力
- Slack作为代理频道，支持发送日志、表格、合同等文件
- HTTP channel把代理接到任何能发 JSON webhook 的服务
- GitHub文中仅提及作为外部连接示例，原文未说明具体用途
- Notion文中仅提及作为外部连接示例，原文未说明具体用途
展开详情收起详情：LangSmith 新动态：Engine v2、托管式 Deep Agents、微调等⌄
LangChain Blog
原文发布：2026-09-28 19:45收录：2026-09-26
TypeSafe AI 发布了 Jev，它和普通大模型不同，不写文字，只做判断：你给它当前状态和一组问题，它返回带概率的、固定格式的答案，代码可以直接照着走。以前大家遇到模糊任务就整个交给大模型，又贵又慢，还每次答案可能不一样；Jev 在路由、分类这类窄判断任务上据称能快 200 倍、便宜 400 倍，并且同一输入重复跑结果基本不变。LangGraph 负责把这些廉价判断编排进流程：状态当上下文、节点按需调用 Jev、出错了能从检查点续跑，流程仍留在可检查、可测试的代码里。读者可以据此搭建更快更便宜、也更可靠的生产级 Agent，而不是把整个流程交给一个“神”模型。目前这是基于 TypeSafe 基准和官方文档的发布介绍，实际效果需自行验证。
展开详情收起详情：用 Jev 与 LangGraph 构建生产级 Agent⌄
LangChain Blog
原文发布：2026-09-28 19:45收录：2026-09-26
TypeSafe AI 在 2026 年 9 月发布了 Jev，它专门用来做决定：你给它一段状态（字符串或 JSON 对象）和一组带类型的问题，它直接返回带概率的类型化答案，不做解释。过去评估管道为了让文本生成模型给出一个“是/否”判断，要套 JSON 模板并支付生成成本，其实只为一个比特的信息。Jev 正好为此而生，可以接入 Datadog Agent 可观测性的两种评估场景：对线上真实 span 的在线评估，以及对数据集做离线评估的实验，而且同一套评分标准可以两边共用。这样评估更快、更省，还能把模棱两可的判断交给人工复核。
文中可用工具
- JevTypeSafe AI 发布的判断工具，输入状态和带类型的问题，返回带概率的类型化答案，用于线上和离线评估
- Datadog Agent Observability承载在线评估和实验两种评估场景的可观测性平台，用于对实时 span 和离线数据集进行评分
- TypeSafeClient调用 Jev 的客户端，从环境变量读取 TYPESAFE_API_KEY，无需额外配置
展开详情收起详情：在 Datadog Agent 可观测性中使用 TypeSafe 的 Jev 进行评估⌄
Datadog Blog
原文发布：2026-09-24 08:00收录：2026-09-25
很多团队都有一份长期没人处理、也不指望处理完的漏洞清单，过去把它当成“技术债”：先按严重程度挑一部分修，剩下的默认没人会碰。但现在三个前提变了：代码产出量远超清理速度（产品数据显示大约每修1个漏洞就新增6个）、越来越多代码由AI代理生成、无法追问作者意图、攻击方也用上自动化，能低成本扫描并组合利用那些低危小问题。文中举例说，几个单独看都不严重的问题串起来，可能形成远程代码执行的攻击路径。所以清单不只是排队问题，而是一份攻击者能拼装的零件表；光把排序做得更准，也只能让队列更有序，并不会让它变短。
展开详情收起详情：漏洞积压不再是技术债，而是攻击面⌄
Snyk Blog
原文发布：2026-09-24 12:00收录：2026-09-25
Perforce Delphix 发布了一份关于 AI 与数据隐私的报告，指出很多企业在推进 AI 时遇到一个矛盾：数据既要保护隐私，又要足够真实可用。调查显示，51% 的企业抱怨数据质量问题，26% 表示隐私控制让生产级数据更难获取，25% 难以保持数据表之间的关联关系。报告认为，光靠打码脱敏还不够，如果脱敏后数据之间的关联（比如客户和订单、发票之间的对应关系）被破坏，训练出来的 AI 和跑出来的分析就会不准确、不可信。解决办法是采用企业级、可大规模一致执行的脱敏算法，让同一份数据在不同环境里保持相同的脱敏结果和关联完整；同时建议团队从数据质量、真实性、关联完整性、可访问性等几个维度来衡量隐私工作，而不只是看合规指标。
文中可用工具
- Perforce Delphix用于保护数据隐私并保持数据关联完整性的工具
展开详情收起详情：企业能否在不降低AI可靠性的前提下保护数据？⌄
The New Stack
原文发布：2026-09-24 20:00收录：2026-09-25
AI 编程工具让写代码变得很快，但代码写完之后的事却没变快：部署是否安全、上线后有没有出问题、十一个改动里是哪个搞坏了结账流程。Cursor 一个月前收购了做这类监控的初创公司 Firetiger，现在推出了 Rollouts 机器人。它在代码合并请求（PR）打开时就介入，先制定监控计划，部署后对照日志、指标和链路数据检查，给出“健康、回归、无法判断”三种结论；发现回归能提醒开发者，按配置自动开回滚 PR 或交给云 Agent 修复，但最终合并和回滚仍由人决定。同时升级的 Security Reviewer 机器人会自动扫描 PR 的安全漏洞，平均审查时间缩短 21%，开发者对其评论的采纳率从约 45–50% 升到 60–70%。两项功能现通过 Cursor 的 Automations 标签页提供给 Teams 和 Enterprise 套餐用户，功能开关集成、发布列车和部署冻结支持还在计划中。
文中可用工具
- RolloutsCursor 新推出的机器人，在 PR 到生产之间制定监控计划并检测代码回归
- Security Reviewer升级版安全审查机器人，自动扫描 PR 中的可被利用的安全漏洞并给出严重等级、攻击路径和修复建议
- Bot Development KitCursor 构建机器人和代理的早期框架，以 @cursor/bdk 包发布在 npm 上，支持用 Markdown 和 TypeScript 定义代理
- Change MonitorsFiretiger 原有产品，监控从 PR 到部署的软件变更，Rollouts 即其重建版
- Cursor Automations tabCursor 中提供 Rollouts 和 Security Reviewer 的入口，面向 Teams 和 Enterprise 用户
展开详情收起详情：Cursor 收购 Firetiger 一个月后，推出追踪代码从 PR 到生产全流程的机器人⌄
The New Stack
原文发布：2026-09-24 20:56收录：2026-09-25
文章作者做了一个实验：给 GitLab 公开文档做了一个聊天问答系统，拿一句包含五个不同问题的话去测试。主流做法是把复杂问题拆成五个小问题分别检索，再合并、重排、塞进有限的上下文窗口。结果五个正确答案虽然都被检索到了，但最终只有一条被保留，另外四条被排在前面的答案挤掉了；不拆分反而能保留三条。作者把这种现象叫“上下文饥饿”：某个子问题虽然找到了答案，却在最后分配上下文空间时被挤掉，而且常规召回率指标完全看不出来。文章指出，查询分解只解决了检索阶段的问题，分配阶段仍由“谁分高谁上”的不公平策略决定，需要引入公平性约束。目前这是作者在 GitLab 公开文档上做的实验，配套评测方法尚未说明是否开放使用。
文中可用工具
- LlamaIndex SubQuestionQueryEngine把复杂问题拆成多个子问题并分别检索、再汇总答案
- LangChain MultiQueryRetriever为同一个问题生成多种查询改写，合并去重后返回检索结果
- RAG-Fusion用倒数排名融合把多次查询的检索结果合并成一个列表
展开详情收起详情：查询分解无法解决上下文饥饿——只是把它挪了个位置⌄
The New Stack
原文发布：2026-09-24 21:00收录：2026-09-25
数据库管理员（DBA）未来可能不再亲手管数据库，而是管一群替他们干活的 AI 代理。现在的问题是：AI 代理会带来大量零散、时忙时闲的数据库工作负载，没人手逐个开通和照看。Yugabyte 推出 YugabyteDB AMP（Agentic Multitenant PostgreSQL），把成百上千个小 Postgres 工作负载打包到共享分布式设施上、同时保持隔离，生命周期操作可通过 MCP 交给代理，另有 Meko 提供跨代理持久记忆。对读者来说，这意味着如果这套做法成立，小团队也能照看大得多的数据库资产，闲时代理不耗算力、按 CPU 分钟付费，且可从 serverless Postgres 平滑过渡到完整分布式 YugabyteDB。
文中可用工具
- YugabyteDB AMP把大量小型 Postgres 工作负载合并到共享基础设施、保持隔离并支持按 CPU 分钟付费和缩容到零的数据库平台
- MCP把数据库生命周期操作暴露给 AI 代理的协议
- Meko面向多代理 AI 系统的上下文引擎，提供持久记忆、共享知识、决策追踪和可审计性
- YugabyteDB工作负载规模变大后可迁移过去的完整分布式数据库
展开详情收起详情：数据库团队管理 15 万个 AI 代理会是什么样⌄
The New Stack
原文发布：2026-09-24 21:11收录：2026-09-25
谷歌今天通过 Gemini API 和 Google AI Studio 发布了 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS。以前开发者只能用现成的声音，现在可以自己描述想要的声音，或上传一段短录音来克隆声音，保存后就能在应用里重复使用。录音需要同一人的两段干净样本（10到30秒）和一段同意声明，处理后会得到一个语音ID，存在项目里一年。谷歌给生成的音频打上 SynthID 水印，并限制部分地区使用克隆功能。
文中可用工具
- Gemini 3.8 Flash TTS一个文字转语音模型，支持设计或克隆声音，适合复杂对话和长 narration
- Gemini 3.8 Flash-Lite TTS更便宜更快的文字转语音模型，用于批量生产和简单朗读
- Gemini API谷歌提供的接口，开发者用来调用语音生成和克隆功能
- Google AI Studio谷歌的实验平台，用来试用和开发语音功能
- Voices endpoint一个API端点，用来创建和管理克隆的声音
- SynthID给AI生成的音频添加水印，方便追溯来源
- C2PA content credentials在克隆声音的音频里加入来源凭证，可追踪出处
- Agora第三方框架，支持通过Gemini API使用语音生成
- LiveKit第三方框架，支持接入Gemini语音生成
- Pipecat第三方框架，支持接入Gemini语音生成
- Vercel's AI GatewayVercel的AI网关，支持通过Gemini API使用语音生成
展开详情收起详情：OpenAI 定制语音需联系销售，谷歌推出自助式语音定制⌄
The New Stack
原文发布：2026-09-24 21:20收录：2026-09-25
Google 为 Gemini CLI 发布了 0.61.0 版本，让这个自动写代码的 AI 助手变得更谨慎。此前，它可能一边帮你修 bug，一边从网上或文档里读到坏人藏起来的指令，然后偷偷改动 package.json、Makefile 这类构建文件，再自动运行命令，把你电脑里的恶意代码跑起来。现在它会在改构建文件、或运行参数来自不受信任内容的命令前，先弹窗让你确认，而且不能设置“总是允许”；沙箱也不再挂载你本机的密钥和配置文件。对使用者来说，手动确认会多几步，但能挡住一类偷偷夹带指令的攻击。该版本已发布，但具体在受信任文件夹里怎么表现，原文没说清楚。
文中可用工具
- Gemini CLIGoogle 的命令行 AI 编程助手，能读写代码仓库并执行命令
- Antigravity CLIGoogle 的闭源命令行工具，Gemini CLI 的部分用户将被迁移过去
- Docker运行沙箱的容器环境之一
- Podman运行沙箱的容器环境之一
- LXC运行沙箱的容器环境之一
- macOS SeatbeltmacOS 上的沙箱机制，用于隔离 AI 操作
- BuganizerGoogle 内部问题追踪系统，其内容被视为不受信任来源
- MCP server为 AI 代理提供工具和数据的服务器，其回复内容被视为不受信任
展开详情收起详情：Google 的 Gemini CLI 现在会在编辑你的构建文件前先征求同意⌄
The New Stack
原文发布：2026-09-24 22:27收录：2026-09-25