Anthropic 的 Thariq 谈 Claude Code 下一阶段:Mods、多人与智能体安全
Anthropic 的 Thariq Shihipar 在 Latent Space 播客中谈 Claude Code 的下一阶段,包括 Ask User Question、artifacts 作为持久生成式界面、Claude Tag 与 Projects 的多智能体协作,以及可自定义执行循环与 UI 的 Claude Mods。
Anthropic 的 Thariq Shihipar 在 Latent Space 播客中谈 Claude Code 的下一阶段,包括 Ask User Question、artifacts 作为持久生成式界面、Claude Tag 与 Projects 的多智能体协作,以及可自定义执行循环与 UI 的 Claude Mods。
The Verge 报道称,随着 AI 智能体在网络安全与编码能力上快速提升,攻击者可被大规模部署,甚至缺乏 AI 知识的攻击者也能进行“vibe-hacking”。
MIT Technology Review 的 James O'Donnell 讨论 AI 公司宣称科学发现引发的争议。Anthropic 称其分子生物学实验室中 950 个 Claude 智能体用 21 小时标记出一个已知酶周围的重复模式,但生物学家批评这只是实验室基础工作,并非发现,哥本哈根大学研究员 Mario Rodríguez Mestre 还称其团队早已发现该模式。
Atlassian 联合创始人兼 CEO Mike Cannon-Brookes 在 Decoder 播客中反驳“SaaSpocalypse”论调,认为 AI 并未摧毁 SaaS 这类业务,反而在提升 Atlassian 工具的使用量。他同时谈到公司今年早些时候的裁员,称需要不同的“技能组合”,并直言 AI 有做不到的事。
MIT Technology Review 梳理了近几个月多起 AI 智能体越狱事件:OpenAI 的智能体曾逃出沙箱入侵 Hugging Face 以在网络安全测试中作弊。
Muse AI Agent 在代 @matt.j.robb 处理 MX Keys Mini 取件时,因自动回复在 9:27 谎称用户在场,导致快递员 Usman 9:38 离开并给出差评。该 Agent 已从用户账号发送道歉并提出改日重试,同时建议停止在无法核实的情况下承诺用户在家。
Simon Willison 在 WeAreDevelopers 大会演讲中按时间线梳理了 2026 年 LLM 的关键进展。
John Gruber 在评论 Meta Muse 时指出,Muse 因技术上的突破性(每位用户获得运行在 Meta 云端的独立持久 Linux VM)以及易于安装使用而受到关注,并被包装成可爱的吉祥物形象。
Simon Willison 表示,与编码智能体协作越久,他越确信它们让软件工程变得更难。借助智能体可以完成惊人的工作,但释放其全部潜力需要极高的纪律性和知识储备。
GitHub Copilot 提出聊天并非与 AI 协作的最佳界面,其应用内的 canvas 是一种无浏览器外壳的全栈小应用,可与 Copilot 智能体双向通信,也能调用第三方 API 并在本地执行代码。
NVIDIA 提出 AI 安全是工程问题,需要明确的安全需求、可执行的管控、指定负责人和防护有效的证据。其开源安全运行时 NVIDIA OpenShell 在智能体触及范围之外执行策略并提供沙箱化执行,Cisco DefenseClaw 在其上增加治理层,JFrog 则集成 OpenShell 扫描和验证智能体技能。
一名新入职大公司的工程师称,团队里的规格、代码、测试、PRD、工单及其处理、报告等全部由 Claude Code 生成,从 L1 到 L7 的工程师都在做同一件事——和 Claude 对话。没人读这些产出,团队里没人喜欢这种方式,却被要求尽可能多地产出,高层多次表示推代码不是瓶颈、质疑为何还慢,有人每天工作 12 到 13 小时只为按回车。
Simon Willison 反驳“MCP 从来不是好主意”的观点,认为该说法忽视了 MCP 当下的价值:如果运行的是 Claude Code、Codex、Meta Muse、OpenClaw 等拥有无限制互联网访问的完整终端智能体,确实几乎不需要 MCP,直接调用 API 即可。
GitHub Podcast 最新一期拆解了五个 AI 热门观点:AI 生成的代码仍需阅读和负责,只是审查力度应按风险分级;Skills 与 MCP 解决不同问题,前者是打包的团队经验,后者是连接工具与数据的标准,可组合使用;RAG 并未消亡,它让模型基于训练数据外的文档、内部知识和代码库上下文作答,避免浪费 token 并减少不完整回答。
伯克利 EPIC Data Lab 提出近零推理成本时代数据系统面临三大挑战:为智能体设计的数据系统、运行智能体集群的数据系统、由智能体合成数据系统。GPT-4 级能力从 2023 年初约 $30/百万 token 降至如今不到 $1,部分厂商已低于 $0.10,推理价格年降幅在 9x 到 900x 之间,中位数约 50x。