搜索归档

如何在 15 分钟内用 Harness CD 部署你的第一个应用

Harness 发布了一篇入门教程，手把手教没有用过 Harness CD 的开发者部署一个示例 Java 应用。原来很多团队用 SSH 脚本手动部署，一旦要加第二个环境、回滚或上线审批，脚本就会变得混乱，回滚往往要凭记忆找回上一个可用的镜像版本。这次教程把“构建”和“部署”拆开：部署目标、策略和失败处理只需配置一次、到处复用，从测试环境切到生产环境只改少量设置，出错一键回滚并保留完整发布历史。教程需要 GitHub 等代码仓库账号、Docker Hub 账号、Kubernetes 集群和 Harness 账号，并说明仓库里已带一份可用的流水线配置，可直接指过去跳过手动步骤，但整篇是演示性质，是否已在正式产品中可用原文未明确说明。

Harness CI 流水线教程：构建并推送 Docker 镜像

这篇博客记录了作者用 Harness 搭建 CI 流水线的一次实际体验：他有一个 Java Maven 项目（含 42 个单元测试和 Dockerfile），以前搭流水线要手写一堆 YAML 配置，这次他把 GitHub 仓库授权给 Harness，让内置 AI 扫描代码、自动识别 Java + Maven 并生成构建、测试、缓存步骤，再手动加一步把镜像推到 DockerHub。整个过程不用写一行流水线 YAML，首次运行 2 分 34 秒全部通过，加上推送 DockerHub 后整条流水线也只跑了 3 分多钟，适合想快速体验 Harness CI 的开发者参考。

一位漏洞赏金研究员如何挑选要调查的功能

GitHub 的漏洞赏金团队为了庆祝网络安全意识月，专门介绍了他们赏金计划里的一位顶尖安全研究员 @vaib25vicky。他平时的工作，就是像普通用户一样去使用 GitHub 的各种功能，然后琢磨这些功能哪里可能被坏人利用。他特别擅长找和“权限控制”有关的漏洞，这次分享了他挑目标功能、验证漏洞的方法，也提到会用 AI 当助手，但强调 AI 给出的结果必须自己亲自验证过才能提交。对读者来说，这让人了解白帽黑客是怎么帮平台提前发现并修好漏洞、让大家的代码更安全的，也顺便知道了 GitHub 调整赏金规则、设了只邀请顶尖研究员的 VIP 计划，最高奖金能到三万美元甚至更多。

Cloudflare 开源面向 AI 智能体的决策模型

Cloudflare 在“生日周”活动上发布了 Clef，这是一组开放的 AI 模型，专门用来在几个预设选项中做选择，而不是像聊天机器人那样生成大段文字。以前让 AI 做决策，常常要写很多复杂的提示词，还容易出错。Clef 把决策变成“选择题”，并配套了一个平台，可以针对具体决策任务进行调整。这次发布了 90 亿和 270 亿参数两个版本。对开发者来说，以后做自动化选择时可能更简单、更可控，但具体怎么用、效果如何，材料里没说。

专家在 OSS EU 表示：技术主权需要选择、技能与支持

在 OSS EU 的一场讨论中，专家们说欧洲组织想要在技术上更自主，不是完全不用全球供应商，而是要有靠谱的替代方案，并且自己掌握必要的技能。他们强调，要搞清楚自己在云服务和硬件上依赖了谁，同时在软件上做出实际可用的选择，这样才能真正把技术控制权握在手里。对读者来说，这意味着技术自主不是一刀切地拒绝外部产品，而是学会评估依赖、培养能力，并善用开源等选择来保障日常运营。

演讲：Spotify AI 广告平台的多智能体模式

Spotify 的工程师 Pratik Rasam 在一场演讲中介绍了 Spotify Ads Manager 如何用 Google ADK Java 在生产环境大规模运行多智能体系统。多智能体系统就是让多个 AI 程序各管一块任务、协同工作；规模一大就容易变成难以维护的“单体巨兽”，也难控制成本。他分享了架构模式、领域归属、确定性护栏和基于追踪的评估策略，以及划定智能体边界、优化工具结构、控制成本等经验教训。目前这是演讲分享，材料未说明具体落地成效或可复用代码。

Bootiful 播客：传奇 Java 开发者 Kohsuke Kawaguchi 专访

这期 Spring 的 Bootiful 播客请到了 Java 圈很有影响力的工程师 Kohsuke Kawaguchi（川口耕介），聊了他的职业经历和对技术的看法。他曾在 Sun 参与 JDK 里的 XML 和 Web 服务基础设施，还做过几个后来被开发者广泛使用的个人项目，最有名的当属 Jenkins——起初只是因为他自己受不了构建老失败，才写了 Hudson，后来演变成最重要的持续集成平台之一，靠的是插件化、开放和模块化的设计。他后来创办 Launchable 想让测试和 CI 流程更高效，相关成果后来并入了 CloudBees。现在他不再全职带团队，把时间花在长途骑行、做饭和旅行上。他也谈了对 AI 的看法：AI 正在快速改变软件开发，但更可能胜出的做法是把智能能力嵌进现有工作流，而不是让所有人都用一个大聊天窗口。如果你关心 Java 历史、CI/CD、开源文化或开发者工具，这期值得一听。

Anthropic 网络安全使命正式发布

Anthropic 宣布启动一项长期计划 Anthropic Cyber Mission，帮助防御者保护关键基础设施和开源软件。他们发现，现在用 AI 找漏洞很容易，但真正修复、验证和排序这些漏洞却很难，而且电网、水厂等老旧系统往往不能停机打补丁。为此他们推出两个项目：一个是 Critical Infrastructure Defense Program，联合埃森哲、CrowdStrike、Palo Alto Networks 等公司，把 Claude 模型、现场工程师和威胁研究带给关键基础设施的防御方；另一个是 OSS Scanner，让开源项目可以免费定期用其最强模型做安全扫描。这些工作已经开始，但不代表所有问题都解决了，目前是先与一小批伙伴合作摸索有效做法。

深化对美国科学发现的承诺

Anthropic 未来三年将投入 1.5 亿美元，支持美国联邦政府的 Genesis Mission 计划，让 Claude 等 AI 工具供 NASA、美国国立卫生研究院、国家科学基金会等 15 个以上机构的研究人员使用。此前研究人员要接触这类前沿 AI 工具并不容易，这次通过提供使用额度、技术培训和对口支持来降低门槛。主要用途是帮科学家处理聚变能、量子计算等难题，目前属于已公布的三年承诺，具体项目还在逐步推进中。

2026 年使用政策更新

Anthropic 发布了新版 Claude 使用政策，主要不是新增限制，而是把原来分散的旧规则讲得更清楚。比如把散落在选举、欺诈、隐私等条款里的“不能用 AI 造假账号、伪造新闻”合并成“禁止欺骗性宣传”一节；选举部分改为只禁止欺骗选民、破坏选举；武器条款明确也管武器里的软件和武装无人机；监控条款写清哪些监控禁止、哪些（如反欺诈、新闻、法律研究）仍允许。还要求健康和金融等高风险场景必须有人工审核并告知当事人，连接物理硬件的模型要能被操作者随时叫停。新政策 11 月 12 日生效，全文见官方政策页。

OpenAI 打击利用 AI 的“假幌子”影响行动

OpenAI 最近阻止了两起利用 AI 进行的影响行动。这些行动假扮成记者和智库，在网上散播与地缘政治有关的宣传内容。OpenAI 发现后采取了措施，让这些虚假账号和操作无法继续。不过，目前不清楚这些行动具体针对哪些地区、使用了哪些 AI 工具，OpenAI 也没有详细说明。对普通读者来说，这意味着 AI 公司正在主动清理利用其技术制造虚假信息的行为，但类似威胁可能仍然存在。

Pollo AI 借助 OpenAI 将创意想法转化为营销活动

Pollo AI 是一个帮创作者把创意点子变成图片和视频广告的工具。它接入了 OpenAI 的几款模型，据文中说法是 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5，用来把想法生成细节丰富的图像和电影感的视频广告。原文只给了这一句介绍，没有说明这些模型是否已经开放使用、具体怎么操作、价格或限制，也没有给出实际效果和上线时间，所以这些信息目前都还不清楚。

Oracle 如何用 ChatGPT 和 Codex 把数天工作量缩短到几分钟

Oracle 在招聘、工程和运营部门使用 ChatGPT Work 和 Codex 这两款工具，把原本分散在专家脑子里的经验变成大家都能快速重复使用的流程。原来这类工作往往要花好几天，现在可以压缩到几分钟完成。不过原文只给出了一句概述，既没有说明具体是哪类任务，也没有提到节省了多少时间、有多少人使用，或者这些能力是已经上线还是仍在测试，这些信息都还没有披露。

可付款的智能体：用 Stripe Link 和 Managed Deep Agents 构建 Restock

Stripe 做了一个叫 Restock 的示范智能体，它住在 Slack 里，能帮你在网上找商品、把商品放进购物车并完成付款。以前让 AI 自己花钱很麻烦：要么让它在网页上模拟点按结账，容易出错，要么得把银行卡信息交给模型，很不安全。这次的做法是让付款交给 Stripe 的消费者钱包 Link 处理，模型从头到尾看不到卡号，而且用户要在 Slack 里确认订单并设定花钱上限，比如买一盒 25 美元以内的蓝笔，智能体最多只能花这么多。对读者的意义是，可以从 Restock 的示例代码出发，自己搭一个能安全付款的智能体。

pg_agent_gate：在 PostgreSQL 内部为 AI Agent 的 SQL 操作加装提案与校验闸门

Manuelreyesbravo/pg_agent_gate · Agents propose, PostgreSQL decides: a native gate between AI agents and the database

pg_agent_gate 是一个 PostgreSQL 扩展，让数据库能区分 AI Agent 会话与普通应用会话。在 Agent 会话中 SQL 不会直接执行，Agent 只能通过七个动词（discover、propose、dry_run、commit、propose_and_commit、acts、whoami）提案一条语句，由 PostgreSQL 自身基于解析、单语句、类型许可、禁止写 CTE、上下文保持、禁止放大与不透明函数等检查逐项验证，并展示精确影响后再决定是否保留，从而防止模型幻觉产生无 WHERE 的 DELETE、DROP TABLE 或越权读取。

CodeKick：面向大型遗留系统二次开发的轻量 AI 工作流

3xian/codekick · AI-powered workflows for understanding unfamiliar codebases and changing them safely.

CodeKick 是一套面向大型遗留业务系统二次开发的轻量 AI 工作流，通过 AGENTS.md、.ai/PROJECT.md 项目地图、KNOWLEDGE.md 知识沉淀和 skills 中的 bootstrap/understand/change/verify 流程，引导 AI 先定位再理解、找到最小正确修改点、基于真实 diff 推导回归风险，并以证据分级（FACT/INFERENCE/HYPOTHESIS/UNKNOWN）支撑结论。方案刻意保持简单，不依赖向量数据库、知识图谱、MCP 或专用索引服务，并提供安装脚本将工作流安装到已有项目。

Inkwell：基于 OpenAI 的 RAG 知识平台，提供引用式问答与管理控制台

AlexsandroSunaga/Inkwell · RAG knowledge platform: FastAPI, OpenAI embeddings, Next.js console, cited chat.

Inkwell 是一个 RAG 知识平台，采用前后端分离架构：后端基于 FastAPI、SQLAlchemy，使用 OpenAI 的 text-embedding-3-small 做嵌入、gpt-4o-mini 做对话，提供文档摄取、检索与聊天 REST API；前端为 Next.js + React + Tailwind 控制台，包含营销页、概览仪表盘、知识库管理、带引用与证据检查器的检索助手、用量与内容缺口分析等功能。README 提供了本地运行、部署到 Vercel 与 Railway/Fly/Render 的方式，并附带不含 OpenAI 密钥也可运行的测试。

NIDO：Android 端隐私优先的离线个人 AI 助手

Nido007-cmyk/Nido · NIDO — your agent, your world. Privacy-first offline personal AI assistant for Android.

NIDO 是一个运行在 Android 手机上的个人 AI 助手，基于 BOAR 项目分支开发，强调隐私设计与本地优先。它通过 llama.cpp（llama.rn）在设备端运行本地 LLM 对话，使用 SQLCipher 和 Android Keystore 加密持久记忆（事实、偏好、人物与日志），并提供笔记、提醒、设备时间、打开应用等不联网的本地工具，以及继承自 BOAR 的本地 RAG 文档索引。项目还包含 think→act→observe 的 Agent 循环、AUTO/ASK/DENY 策略引擎、网络审计日志，以及一套面向 NIDO 设备间通信的 P2P 协议（Ed25519/X25519、握手 v3、心跳、任务协商、能力授权、防重放与 SHA-256 分片校验）。项目处于 Alpha 阶段，1985 项自动化测试通过，双设备端到端体验尚未验证，部分模块（定时任务、知识图谱、双模型路由等）已实现但未接入运行时，另有多个研究概念未实现。

Brow：在 MacBook 刘海中监控多个 Claude Code 账户用量与速率限制

efim0v/brow · Claude Code usage and rate limits in the MacBook notch. Track the 5-hour and weekly limits of multiple Claude accounts at once, see when each resets, and sign in to each account in its own browser profile. macOS app for AI coding.

Brow 是一款 macOS 应用，把每个 Claude Code 账户的用量与速率限制显示在 MacBook 刘海处，包括 5 小时限制、每周限制、模型专属每周限制以及各自的重置时间。它支持多账户管理：一键以某个账户身份启动 Claude Code、为每个账户使用独立浏览器配置文件完成登录、通过日历查看每周重置与订阅续费，并在后台刷新闲置账户的令牌以保持数据新鲜。Brow 读取 macOS 钥匙串中的 Claude Code 登录令牌，仅用于调用 Anthropic 的用量与账户端点，这些端点并非公开文档化 API。Brow 需搭配 Grove 配套应用使用更完整（两者各自可独立运行），是独立工具，与 Anthropic 无关联或背书关系。

kiroku：本地可视化 Claude Code、Kiro、Amazon Q 与 Codex 的 AI 工作历史

MichinaoShimizu/kiroku · Your AI work history, visualized — Claude Code, Kiro, Amazon Q, Codex. Local-only, one HTML file.

kiroku 是一个用 Go 编写的本地历史可视化工具：它读取 Claude Code、Kiro（IDE、CLI 与 Kiro Crew）、Amazon Q Developer CLI 和 Codex CLI 在本机保存的历史记录，并按周或月将这些记录汇总到一个日历视图中，展示会话时间、所在项目、提示词、活跃时长、token、预估成本与 Git 提交等信息。点击任意指标可查看它在日期、智能体、项目和模型上的分布，并附带对应会话；也可以一键生成 Markdown 周报草稿。项目强调本地优先：不依赖 AI 服务或外部 API，也不上传数据，服务仅监听 127.0.0.1；还可以把某周的数据导出为单个 HTML 文件用于分享。