Agent

Agent 从一只变成一群：2124 次执行跑出来的并发账

2026-10-15T12:56:00+08:00

2124 次对照执行、112 亿 token 的实验显示，给编码 agent 开并发只在长程任务上划算，token 涨 1.41 到 3.31 倍。拆开 28 种失败模式、三家 agent 各自的并发习惯，以及落到自己仓库时该先定哪几件事。

省下 90% 的 token，账单只降两成：Agent 省钱工具的账得自己算

2026-10-14T08:10:00+08:00

rtk 和 context-mode 这类工具宣称把工具输出砍掉 90% 以上，但压缩的是输出体积，账单由单价结构决定。拆开三个稀释点、供应商自己的对照数据，以及四个会翻车的地方，最后给一套自己量账的办法。

Agent 不该是自己的安全权威

2026-10-11T08:00:00+08:00

微软 MXC 正式 GA，把 agent 关进操作系统级的笼子；Trail of Bits 却用一个实验提醒：笼子也有墙皮。关于 agent 沙箱，这篇讲清楚三层事实，以及它们对普通开发者的实际含义。

把不确定性关进笼子：AI 代码审查的混合架构转向

2026-10-10T08:15:00+08:00

阿里开源的 open-code-review 把确定性工程和 LLM agent 拼在一起：能算出来的就别让模型猜。论文数据显示，同一个模型换个系统设计，代码审查的 SEM-F1 高 2.17 倍、token 少 5 到 15 倍。

Agent 拿起了反汇编器：逆向工程真正缺的是证据链

2026-10-08T08:00:00+08:00

今天 GitHub 趋势榜第一名是一个逆向工程 MCP，一天涨 2956 星。当 agent 装上 Ghidra 的 210 个工具，真正的瓶颈浮了出来：逆向工程没有测试也没有标准答案，而它会用一份干净、能编译、自信但错误的结论把不确定盖掉。

Agent 开始自己找漏洞：渗透测试正从年度体检变成持续验证

2026-10-05T08:00:00+08:00

渗透测试的节奏一直很尴尬：一年测两周，剩下 50 周在生产里裸奔。2026 年动手做测试的变成了 agent，于是真正的问题从「能不能找到漏洞」换成了「能不能证明它真能被利用」，以及「谁能在 agent 越界之前把它叫停」。OWASP 刚发布的 APTS 标准，把后者拆成了 173 条可以逐项核查的要求。

窗口做到一百万 token，Agent 还是越跑越笨

2026-10-04T08:00:00+08:00

Chroma 测了 18 个前沿模型，可靠性在窗口填满之前就开始下滑；EMNLP 2025 的论文更直接，检索完全正确时性能照样掉 13.9% 到 85%。这篇文章拆开上下文预算的账本：真正的成本中心是工具输出而不是对话，以及为什么 2026 年的实测会得出「缓存命中时，不压缩反而更便宜」这个反直觉结论。

多 Agent 并行写代码：收敛才是真问题

2026-10-03T08:00:00+08:00

今天的 GitHub 榜单几乎被多 Agent 编排包场。但真实工程里，隔离只是把冲突推迟到第二天早上，协调决定谁来付合并的账，验证才是能不能收工的开关。

提示词护栏救不了 Agent：权限边界正在下沉到 Linux 内核

2026-10-02T09:20:00+08:00

Agent 安全的三件套（提示词红线、工具白名单、危险操作审批）为什么注定失效，Linux 的 Landlock、seccomp 与 seccomp user notification 能补上什么，为什么凭证隔离比文件隔离更值钱，以及沙箱为什么可能只是「围堵剧场」。

AI 界面为什么都长一个样：设计品味正在变成 Agent 的约束层

2026-10-01T09:20:00+08:00

同一个模型，同一批模板，同一套默认值，生成的界面自然会长成同一个平均值。本文拆解正在成形的三层约束：给 Agent 一套设计词汇、把设计系统写成机器可读的文件、用确定性检测器把品味变成可回归测试的断言，并说清楚这套方法在哪里会失效。