跨栏目检索
搜索中文标题、仓库名或关键词，再用分类、来源和日期缩小范围。
谷歌研究团队发布了一项叫“敏捷审议”的方法，帮人训练 AI 图像分类器去判断“健康食品”“励志艺术”这类没有唯一标准答案的类别。原来的问题是：训练 AI 需要人先给出清晰固定的标签，但面对主观概念时，人往往边看例子边改想法，传统流程逼着人硬标，容易疲劳、结果也不一致。新方法把训练变成一场对话：先让用户把大概念拆成小类并写明排除项，再由视觉语言模型主动挑出模棱两可的边界图片请用户判断，人的反馈自动进入提示词优化循环，分类标准随之调整。团队在 18 场、每场 1.5 小时的真人实验中观察到，用户疲劳和焦虑明显下降，做出的分类器比常规基线更稳定、更准。代码和算法已在 GitHub 开源，属于研究阶段成果。
OpenAI 推出了 Images 2.6，这是一个新的图像模型版本。原来用户生成图片的速度较慢，编辑也不够精准，这次更新让出图更快，支持制作 GIF，编辑更精确，还在 API 中加入了新的控制选项。这些能力将进入 ChatGPT、Codex 和 API 三个入口。对普通用户来说，意味着在聊天和写代码时生成、修改图片会更顺手、更可控。不过材料只给出了这一句介绍，具体快多少、新控制项是什么、何时全面开放都未说明。
Dynatrace 宣布在 Forrester Wave™：AIOps 平台 2026 年第四季度报告中被评为“领导者”，在“当前产品”类别拿到最高分，并在 16 项标准中获得满分。文章指出现有监控和可观测工具虽能发现问题，但企业仍难决定下一步该怎么做；Dynatrace 把来自各环境的遥测数据集中到一处，用拓扑图持续梳理系统、服务与信号之间的因果关系，再让 AI 借助这些共享背景来判断影响并提出甚至执行处置动作，从“发现问题”走向“预测和预防问题”。对运维团队来说，这意味着凌晨排障不必手写复杂查询，平台可以指出哪里出问题、影响了谁、该怎么办；不过文中提到的能力多为产品定位与评测结论，具体功能是否已可用、如何计费并未说明。
Datadog 推出两个应用内迁移工具 Translate 和 Import，帮用户把原来写在 Splunk 里的查询、告警和仪表板搬到 Datadog。以前迁移要手动清点每个资产、重新学习新语法、逐个重写并核对结果，既慢又容易出错。现在 Translate 可以逐条把 SPL 查询翻译成 Datadog 日志搜索，并用你自己的实时日志验证结果；Import 可以批量导入告警和仪表板，翻译结果先存为草稿，核对无误后再发布，还能在一个清单里追踪每个资产的迁移状态。翻译不可靠的资产会被标记为跳过，避免发布错误结果。这两个工具现已面向 Log Management 客户正式开放，所有 Datadog 站点均可使用（US1-FED 除外），不额外收费。
Datadog 的几位工程师介绍了 Agent Observability 中的在线实验功能：团队可以拿真实生产流量来对比 AI agent 改动前后的表现。以前判断一次改动是好是坏，通常只能靠预先准备好的测试数据做离线评测，但真实用户会问出测试集里没有的问题，改动可能在小测试里表现不错、上线却出问题。这次的做法是保留旧版本作为对照组，随机分配一部分真实用户使用新版本，用在线评分和延迟、成本、错误率等运营指标一起比较，还能查看具体执行记录分析原因。功能已在 Agent Observability 中提供，流量分配可用 Feature Flags 调整。
AI 模型的价格在下降，但企业的 AI 账单却在上涨。Semgrep 这篇文章解释了原因：现在的 AI Agent 不只回答一次问题，而是会推理、检查、重试，一步接一步地消耗 Token，每一步都要花钱。作者提出要管理“Tokenomics”（Token 的采购、消耗与预算管理），并指出很多消耗其实是被浪费的。文中给出五种浪费方式，举了两个例子：一是让 LLM 扫描整个代码仓库找安全漏洞，其实可以用传统静态分析先过滤，研究显示这样能把成本从约 23700 美元降到 1461 美元，省了 96% 以上；二是让 AI 反复做同一件事，不如让它一次生成可复用的检测规则，有研究用 AI 生成 96 条 CodeQL 查询，花费不到 13 美元，发现了 50 个已知漏洞。对读者的用处是：省钱的思路不是只比模型价格，而是分清哪些任务根本不需要 LLM，让便宜、确定的工具干它们擅长的活，把昂贵的推理留给真正需要判断的问题。文章为观点类分析，除引用两项研究外未说明自身的发布状态或可用产品细节。
安全公司 Snyk 宣布，在 Forrester 2026 年第四季度的“智能体开发安全工具”评测中被评为领导者，并在战略类别拿到最高分。背景是 AI 编程智能体大量进入开发流程，它们会安装软件包、连接外部服务、执行命令，绕过传统只扫描代码的安全检查，还可能在很短时间内被攻击者利用。Snyk 的做法是把安全防护放进智能体和 AI 编程工具的工作流程里，在代码生成时拦截风险，并记录哪些模型、智能体和外部服务在运行、能访问哪些数据，同时用动态测试验证漏洞是否真能被利用。对读者的意义是：如果你的团队在用 AI 写代码或跑智能体，这套思路提供了一个参考——安全和治理需要跟上智能体带来的新风险。需要注意的是，这是厂商对第三方评测结果的自我宣传，文章没有说明这些能力何时向所有客户开放，部分描述来自 Snyk 自己的产品数据。
一名开发者在 macOS 上打开 Postman 桌面版后，发现这款应用在未经自己同意的情况下，往两个 AI 编程助手 Claude Code 和 OpenAI Codex 里装入了插件，还改动了 Codex 的配置文件，并自动把 Postman 的“启动钩子”标记为可信。这个钩子会在会话开始时自动告诉 Codex 优先加载 Postman 的 API 开发技能，等于让 AI 助手默认采用 Postman 的工具。报告只记录了一台 Mac 上的情况，尚未在其他系统上独立复现；Postman 的卸载命令也不会清理这些配置改动。对普通用户来说，这件事提醒大家：装个桌面软件，可能顺手改掉你 AI 编程助手的设置，最好检查一下 Claude Code 和 Codex 里有没有陌生的插件、钩子或 MCP 连接。
Anthropic 让企业管理员在 Claude 里统一配置好允许使用的插件，员工第一次打开时自动完成登录，不用再一个个手动授权。之前企业要集中管理这类连接，得靠身份提供商支持 MCP 的企业管理授权（EMA）扩展，但除了 Okta 之外支持者很少，很多公司只能让员工逐个授权。这次 Claude 自己来签发身份凭证，告诉第三方服务“这个人确实属于该组织”，因此不依赖身份提供商也能自动连通；令牌过期后也会自动续接。该功能目前处于测试阶段，仅面向 Team 和 Enterprise 客户，首批支持 Amplitude、Atlassian、Datadog、Figma、Notion、Supabase 等十余个服务，管理员可按角色控制谁能访问哪些服务。需要注意：员工需已有对应服务的 SSO 账号；从公司身份系统移除某人并不会自动撤销 Claude 签发的访问权，管理员要在 Claude 和该服务两边都移除。
Fortra 是一家提供企业间定时文件传输软件的公司，它声称 AI 每年能给管理员省下最多 160 小时，也就是每周约 3.1 小时原本用来排查传输失败的时间。这类托管文件传输（MFT）软件支撑着工资单导出、银行结算和采购订单等业务，Fortra 旗下有 GoAnywhere MFT 和 Globalscape EFT 两个平台。这次估算背后的新功能叫 Guided Diagnostics，运行在 GoAnywhere 里，会用模拟故障做演示，目前是演示/预告性质，尚未说明已正式开放。对读者来说，如果这类功能真能落地，管理员排错会更快；但文章未说明估算方法的具体细节，需谨慎看待。
Render 宣布取消付费工作区中 AI 沙箱原有的 30 天连续运行限制，现在沙箱空闲时会自动挂起，接到下一条命令时能带着文件、内存和正在运行的进程恢复，任务可以在中途继续，而不用从头重建状态。作为对比，Vercel 单个沙箱会话最长 24 小时，重启后运行中的进程要重新开始。Render 这次还一同推出两项配套能力：一是 Durable Workflows，用 Python 或 TypeScript 编写长任务，每完成一步就保存结果，崩溃后可在新机器上从未完成的步骤接着跑，单个任务最长 24 小时；二是 Shared Filesystems，让沙箱和任务读写同一批持久文件。此外还有凭据代理功能，敏感凭据不进入沙箱，只在请求离开沙箱时附加。需要说明的是，共享存储同时对同一文件写入时如何加锁和解决冲突，Render 仍在研究；沙箱私有网络还在开发中；凭据代理目前只对少量客户开放，之后几周再逐步扩大范围。
用 AI API 的开发者过去很难确认回答请求的到底是不是自己付费的那个模型，服务商可以偷偷换成更便宜的模型，攻击者也可能篡改回答。Anthropic 的 Frontier Red Team 开源了 FlashProve，用密码学证明（zkSNARKs）在不暴露模型权重的情况下验证回答来自特定模型。不过它目前只是研究原型、不在 Claude API 里，而且生成证明的 GPU 开销是普通推理的 70 到 95 倍（在 Llama 4 Maverick 上单张 H100 每秒约处理 110 个提示 token），只支持 1024 token 上下文，不适合日常 API 流量。对开发者的用处是：以后可能借此核验第三方 AI 服务、发现被入侵的推理系统，但现在还只能自己下载代码测试。
Harness 举办了一场网络研讨会，讲的是怎么保护 AI Agent。过去很多公司只在 Agent 运行起来之后才做防护，比如盯着它的行为、拦截危险操作。但这次他们用 2025 年 12 月发布的 OWASP Agentic Top 10 清单，把风险按开发、测试、上线、运行几个阶段分别对应起来，说明哪些问题在写代码和测试时就该解决，比如供应链依赖、工具被滥用、权限过大、乱执行代码，哪些只能等运行中再防。对读者的用处是：能更早发现并堵住漏洞，减少上线后要拦的问题。文章是研讨会介绍，具体实施细节和工具未说明。
提供的材料未提及具体可用工具。
Harness 收购了 Cosmos，并将其变成“Harness Cosmos 软件工厂代理”，想把编写代码和交付环节的信息连起来。原来的问题是：AI 编程代理能读完代码库并提交 PR，但 PR 进入构建、测试、安全扫描和部署流程后，它看不到这些环节产出的证据，比如构建失败、依赖漏洞或上线后的延迟回退，因此这些经验无法用于改进下一次改动。现在他们把 Augment 的“代码上下文引擎”（用 MCP 接口提供，按代码结构做索引）与 Harness 的“软件交付知识图谱”（把 CI/CD、安全、成本和运行时信息组织成结构化数据）结合，让代理既能理解改了什么，也能理解这次改动在生产中的影响和发布风险。目前已能用的是这两块上下文及配套的自动审查、策略门禁和审批流程；更深入的双向上下文共享与“自主 SDLC”仍在规划中。
AWS 发布了 Amazon ECS Gateway，这是一种账户级的入口资源。平台团队只需一次性配置好网络，应用团队就能用连接器把各自的服务接入。每个服务会自动获得一个生成的主机名，流量按主机名进行路由。不过，官方公告和文档都没有提到是否支持自定义域名，这部分信息目前未说明。对读者来说，这能简化平台侧的入口配置，但需要用自己的域名对外提供服务时，可能得另想办法。
这是一个关于 AI 工具和“氛围编程”（vibe coding，指让 AI 帮忙写代码、人只做大致把控）如何改变前端和移动开发的小组讨论。讨论者聊了初级程序员的工作会怎么变、审查 AI 生成的代码为什么会让人疲劳、如何为能自主行动的 AI 代理设计系统、怎样用架构规则拦住乱写的代码，以及开源软件靠什么赚钱、相关经济变化怎么应对。材料只给了议题和讲者（Luca Mezzalira、James Hall、Danielle An、Ivan Zarea），没有具体结论、可用产品或发布时间。
提供的材料未提及具体可用工具。
Inkitt 做了一个工具，能把一些小而低风险的代码修改任务，从接到任务开始，自动一路做到创建草稿版 PR（拉取请求）。原来的痛点是：自动改代码的流程一旦中途出错或中断，状态容易丢失，重试也没边，权限也不受控。这次他们用一个事件驱动的编排器保存每一步的进度，调度短期存在的编码 Agent 容器，限制重试次数，并加上权限约束；最后仍要人工审核批准，代码才能合并。对读者来说，这提供了一种让 AI 小步安全改代码、出错能接着跑、又不会绕过人的审核的做法。目前文中只说已构建，没有说明是否开源或对外可用。
DevRev 把名为 GPT-6.1 Sol 的模型用在了自家的 Computer 和 Operator 两个功能里，用来做企业服务场景下的自助应答与操作。原文只提到这样做的目的是在推理能力、响应速度和成本之间取得平衡，但没有具体说明原来遇到了什么问题、这次是怎么解决的，也没有给出任何效果数据。对读者来说，可以把它理解为一次企业服务产品的模型选型与接入消息；这两项功能是否已经上线、普通用户能否直接使用，材料中也没有说明。
OpenAI 搭建了一条自动化流水线，用来在 Linux 内核里找本地提权漏洞。这类漏洞一旦被利用，普通用户可能拿到管理员权限，相当于从普通住户变成能开所有门的管家。以前找这类漏洞主要靠人工审计，慢且容易漏。这次流水线自己完成了发现、验证并生成补丁，共覆盖 948 个漏洞。读者可以理解为：内核可能有上千条不该存在的“后门”被找出来堵上了，但材料没有说明这些补丁是否已合入、何时公开，也没说流水线能否被外部使用。
OpenAI 推出的 Daybreak Red 现在可以在 AWS GovCloud（美国东部）区域使用了。它通过 Amazon Bedrock 提供 GPT-5.6 Cyber 模型，但只面向经过批准的客户，用于获得授权的网络安全工作。原文没有说明如何申请批准，也没有说明具体价格或开放时间表。对从事合规网络安全工作的人来说，这意味着可以在政府云区域内调用这个专门模型；普通用户目前仍无法直接使用。