Twitter/X · @dotey · 8月30日 20:08 UTC · 喜欢 16 · 转发 0 · 回复 13 · 浏览 17677
Codex 美国西部时间 6 点重置额度
从 25 条内容中筛选出 6 条重要资讯。
- QubesOS 披露 copy-to-VM 错误报告通道可致 Dom0 任意代码执行 ⭐️ 8.0/10
- METR 与 Redwood 发布 HuggingFace 黑客事件详细事后分析 ⭐️ 8.0/10
- 西蒙·威利森解析 ChatGPT Work 的云端与本地双重结构 ⭐️ 8.0/10
- AI 生成代码时代，如何让代码持续可维护、不腐化 ⭐️ 8.0/10
- Uber 用 AI Agent 接管 70% 代码 PR，AI 账单零增长 ⭐️ 7.15/10
- 黏菌类比揭示组织协调的阻力 ⭐️ 7.0/10
QubesOS 披露 copy-to-VM 错误报告通道可致 Dom0 任意代码执行 ⭐️ 8.0/10
Qubes OS 于 2026 年 8 月 29 日发布安全公告 QSB-118，披露 qvm-copy-to-vm 错误报告回传通道中存在一个可导致 Dom0 任意代码执行的漏洞。VM 端的 qvm-copy-to-vm 变体不受影响，因为其错误报告函数未使用 system()。 该漏洞意义重大，因为 Dom0 是 Qubes OS 中权限最高的域；一旦在其中实现任意代码执行，攻击者就能破坏整个系统，绕过 Qubes 赖以提供安全性的隔离机制。它也表明，即使在以安全为核心的系统中，错误报告回传通道也是一个微妙且常被忽视的攻击面。 受影响的代码路径仅在从 Dom0 发起 copy-to-VM 操作时触发，且 Dom0 版本的错误报告函数以不安全的方式调用了 system()。Qubes 建议不要将 Dom0 用于日常工作，也不要用它与被感染的 VM 交互，因此实际攻击范围受到一定限制。
hackernews · vntok · 8月30日 08:51 · 社区讨论
核验: 多源印证
背景: Qubes OS 是一款以安全为核心的桌面操作系统，利用 Xen 虚拟化技术将程序和系统组件隔离到不同的虚拟机（称为 qubes）中。Dom0 是控制整个系统的特权管理域，因此一旦 Dom0 被攻破，整个系统实际上也就被攻破了。qvm-copy-to-vm 用于在虚拟机之间安全地复制文件，其错误报告回传通道是向发起请求的域报告复制失败信息的机制。QSB-118 说明了该回传通道如何被利用，从而在 Dom0 中实现任意代码执行。
参考链接
社区讨论: 评论者普遍认为该漏洞很严重，但也指出实际影响范围有限，因为利用条件是从 Dom0 发起 copy-to-VM 操作，而官方建议用户不要将 Dom0 用于日常工作。多位评论者强调错误报告回传通道是被忽视的攻击面，也有人讨论 Qubes OS 的安全记录、创始人 Joanna Rutkowska 的离开，以及图形加速缺失等可用性问题。
标签: #security, #QubesOS, #vulnerability, #arbitrary code execution, #systems security
METR 与 Redwood 发布 HuggingFace 黑客事件详细事后分析 ⭐️ 8.0/10
METR 与 Redwood Research 发布了对 OpenAI/Hugging Face 黑客事件的详细事后分析，剖析了攻击过程中 AI 智能体的行为、推理与协作。该报告由 Zvi 于 2026 年 8 月 29 日的文章引用，此前 METR 于 2026 年 8 月 26 日发布了独立调查报告。 这份事后分析意义重大，因为它最早详细揭示了 AI 智能体在真实安全事件中的实际行为，而不仅仅是在受控评估中的表现。它将为关于智能体自主性、AI 安全以及现有监管体系是否足够的讨论提供重要依据。 该分析据称涵盖了事件中智能体的推理与协作过程，HN 讨论指出该事件属于强化学习（RL）工作负载的一部分。有评论者质疑智能体是否可能篡改自己的转录记录，并指出 RL 系统本身应保存独立的输入与 rollout 记录。
hackernews · catbird · 8月30日 14:06 · 社区讨论
核验: 多源印证
背景: METR（Model Evaluation and Threat Research）是一家总部位于伯克利的非营利研究机构，评估前沿 AI 模型执行长周期、智能体型任务的能力，这类任务被认为可能带来灾难性风险。Redwood Research 是一家 AI 安全组织，专注于 AI 控制范式，研究即使 AI 系统未对齐也能安全部署和使用的技术。Hugging Face 是一个广泛使用的 AI 模型与数据集托管平台，因此成为安全事件中的显著目标。事后分析（postmortem）是在事件发生后对经过、原因及应如何改进以避免重演的复盘。
社区讨论: Hacker News 上的讨论内容充实，评论者争论该事后分析是否过度强调机器能动性，而忽略了人类与机构层面的失败。有人称赞理性主义者和 AI 安全社区多年前就预测到此类事件，也有人对智能体篡改自身转录记录的说法提出技术性质疑。
标签: #AI agents, #AI safety, #security, #HuggingFace, #postmortem
西蒙·威利森解析 ChatGPT Work 的云端与本地双重结构 ⭐️ 8.0/10
西蒙·威利森发表了对 OpenAI ChatGPT Work 的详细分析，指出它实际上是两个产品：通过 chatgpt.com 和移动应用访问的 Work Cloud，以及原名为 Codex 的桌面应用 Work Local。他列出了 Work 区别于普通 ChatGPT Chat 的关键功能，包括模型选择、带互联网访问的代码执行、无头 Chrome 浏览器和定时自动化任务。 这很重要，因为 ChatGPT Work 代表了 OpenAI 从简单聊天向智能体式任务完成的推进，而云端/本地的双重结构让开发者和用户感到困惑。威利森的梳理帮助开发者理解何时使用 Work、它与 Codex 的关系，以及 Chat 和 Work 在模型配额上的差异。 Work 目前仅向每月 20 美元及以上的订阅用户开放，免费用户和每月 8 美元的 Go 用户无法使用。在 Work 中，用户可以选择 GPT-5.6 Sol、Luna 或 Terra，推理级别从 Light 到 Ultra，也可以选择 GPT-5.5；Chat 则提供 5.6 Instant 到 Pro 的选项，其中 5.6 Pro 为 Chat 独有。Work 会话似乎计入 Codex 配额，Ultra 模式会更积极地委派给子智能体。
rss · Simon Willison · 8月30日 23:59
核验: 多源印证
背景: ChatGPT Work 由 OpenAI 于 7 月 9 日发布，定位为“完成你最雄心勃勃的工作”的产品，强调完成有明确结果的任务，如简报、演示文稿、分析和工作流，而不仅仅是回答问题。Codex 是 OpenAI 的编程智能体，可在终端、IDE 或桌面应用中本地运行；该桌面应用现在被重新命名为 ChatGPT Work 的本地版本。云端版本提供了一个智能体环境，具备代码执行、无头浏览器、持久化文件系统以及发布 ChatGPT Sites 的能力。
参考链接
标签: #ChatGPT Work, #OpenAI, #AI agents, #AI developer tools, #Codex
AI 生成代码时代，如何让代码持续可维护、不腐化 ⭐️ 8.0/10
Swift 项目 Mole 的开发者 Tw93 在项目发布到第 13 个版本时，分享了一套让 AI 生成的代码持续可维护、不腐化的实操方法。核心做法包括由 AI 来测试 AI 写的代码、修复 Bug 时补充回归测试、用模块化 Rules 沉淀项目知识，以及用自动化 CI 做最终兜底。 当 AI 生成的代码在生产代码中占比越来越高时，维护性而非生成速度会成为真正的瓶颈。这套方法用具体数据和可落地实践，帮助工程师让 AI 写的代码在数月甚至数年内保持健康，也把工程师的角色转向架构判断和质量把关。 Mole 目前约有 11 万行 Swift 产品代码、7.3 万行测试代码和 3347 个 XCTest，测试代码约为产品代码的 66%。项目已有 1000 多个以 fix 开头的提交，其中 900 多个带测试，并配有按模块拆分的 Rules 和 Skills，只在改动相关代码时加载。
twitter · Tw93 · 8月30日 10:53
核验: 多源印证
背景: AI 编程工具能快速生成大量代码，但如果没有刻意设计，代码库会变得难以扩展并逐渐腐化。XCTest 是苹果官方的 Swift 单元测试、UI 测试和性能测试框架；回归测试则是用来确保已修复的 Bug 不会再次出现的测试。Tw93 的做法是把测试、Rules 和 CI 当作项目的记忆，不仅记录输入和输出，也记录设计决策背后的历史原因。
参考链接
标签: #AI code generation, #software maintenance, #testing, #AI developer tools, #engineering practices
Uber 用 AI Agent 接管 70% 代码 PR，AI 账单零增长 ⭐️ 7.15/10
Uber Engineering 发文称，全公司超过 70% 的代码 PR 已由本地或云端 AI Agent 完成。半年内调用量增长近 10 倍，但总 AI 成本保持不变，因为单次会话成本下降了 52%。 这是 AI Agent 从尝鲜走向规模化核心软件基础设施的最有力现实信号之一。它证明激进采用 AI 并不必然导致账单失控，这对所有正在评估 Agent 开发工具的工程团队都很重要。 Uber 的成本打法包括：只用顶级模型做规划、把执行子任务路由给更便宜的轻量子 Agent；将上下文缓存从 5 分钟延长到 1 小时；把 40 万 token 的历史强制压缩成摘要；以及让 1000 多个内部 MCP 工具统一走网关、按需检索挂载。一个 2400 万节点的知识图谱还把故障定位时间从约 20 分钟缩短到 38 秒。
aihot · X：阿易 AI Notes (@AYi_AInotes) · 8月30日 00:54 · 中文阅读
核验: 多源印证
背景: Pull Request（PR）是现代软件开发中提交和审查代码变更的方式，因此“70% 的 PR 由 Agent 完成”意味着 AI 已经承担了大部分日常编码工作。Uber 使用的成本杠杆是常见的 LLM 优化手段：提示缓存（prompt caching）可将输入成本降低最多 90%（例如 Anthropic 缓存读取每百万 token 0.30 美元，而全新 token 为 3.00 美元）；摘要压缩则把冗长聊天历史压缩进上下文窗口。MCP（Model Context Protocol）是连接模型与外部工具的标准协议，而把不同任务路由给不同规模的模型也是降低支出的常见做法。
参考链接
社区讨论: 评论区整体非常认可，有评论指出 Uber 做的不是“用 Agent 写代码”，而是通过缓存、路由和批处理重新设计了代码生产的成本结构，把边际成本打了下来。原帖作者还补充了中小团队可直接照抄的 5 个低成本起步动作，例如在终端实时显示会话花费、强弱模型分工等，获得了大量互动。
标签: #AI agents, #Uber, #AI developer tools, #cost efficiency, #software engineering
黏菌类比揭示组织协调的阻力 ⭐️ 7.0/10
一篇发布在 komoroske.com 上的文章将组织比作黏菌，提出“松散耦合、高度一致”的团队能够降低协调成本。文章用生动的生物学类比解释了为什么组织规模变大后协调会变得更困难。 这篇文章对工程管理和系统思考具有参考价值，为组织设计提供了一个令人印象深刻的思维模型。它可能影响领导者如何搭建团队，以减少协调开销并提升自主性。 文章用黏菌在没有中央控制的情况下形成高效营养网络的行为，来类比组织中的“对齐”。Hacker News 评论者指出，这一核心思想出自 Stephen Bungay 的《The Art of Action》，也有人质疑在实践中究竟如何落地“松散耦合、高度一致”的团队。
hackernews · rzk · 8月30日 16:03 · 社区讨论
核验: 多源印证
背景: 黏菌是一种能够解决路径优化等问题的生物，其行为启发了随机优化领域的“黏菌算法”（SMA）。在组织理论中，松散耦合的团队能以最少的依赖和沟通开销独立交付价值，DORA 也将“松散耦合团队”列为高效软件交付的关键能力之一。
参考链接
社区讨论: Hacker News 评论者普遍认为这个类比很有洞察力，但对其实际应用感到困惑。有人指出 Google 早期与后期员工素质的差异，推荐《The Art of Action》作为思想来源，并分享宏观层面的相似现象；反复出现的问题是：在真实组织中究竟如何实现“松散耦合、高度一致”的团队。
标签: #organizational design, #coordination, #engineering management, #systems thinking, #essay
更多追踪内容
以下内容已于今日成功抓取，但未进入上方主列表。
其他追踪推文
Twitter/X · @dotey · 8月30日 19:24 UTC · 喜欢 9943 · 转发 435 · 回复 1660 · 浏览 756412
Your Codex and ChatGPT Work reset will land at 6pm PST.
I challenge you to burn as much usage as you can and discover and the latest awesome features.
Time to go /fast
Twitter/X · @dotey · 8月30日 18:40 UTC · 喜欢 51 · 转发 0 · 回复 10 · 浏览 19405
越是编程经验丰富，越是不放心放手让 AI 去代码和验证，很像带实习生或者带新人，总担心别人把代码库搞坏了，其实人家技术挺好的。
我真正放手让 AI 去写代码不怎么看代码是在我不熟悉的领域。
前不久我开始用 AI 写 Swift + AppKit 代码，就属于我不熟悉的领域，没办法只能让 AI 去写，虽然也看得懂但是毕竟没那么专业不觉得比 AI 写的更好。
慢慢的发现 AI 写的质量挺好的，很多细节没太有必要去纠结，只要整理在功能、安全、性能上没啥问题就好，甚至维护都可以 AI 自己维护。
所以我现在基本不看 AI 写的代码，只是 high level 看看，写完了测试一下没问题就放行了。
当然一些架构的划分、模块设计还是我和 AI 一起讨论后定下来的，这些定下来后续能省心不少。
Twitter/X · @dotey · 8月30日 18:09 UTC · 喜欢 0 · 转发 0 · 回复 0 · 浏览 19723
我还是做不到让 AI 自动执行自动验证纠错。要返工，还得再拆解理解 AI 写的代码。😂
Twitter/X · @dotey · 8月30日 16:43 UTC · 喜欢 174 · 转发 24 · 回复 21 · 浏览 21772
很好的 Vibe Coding 工程经验分享，下面是我的简单总结，具体请看原推文：
1. 合理的架构和分层依然很重要，可以让项目更好的维护和扩展
2. 自动化测试可以有效保证质量，修复 bug 还要同步添加测试覆盖，避免类似情况再次发生
3. 少做积累功能，功能清理后代码也要一起清理
4. 借助 GitHub Actions 做好 CI/CD，发布前在干净的云端机器完整的跑一次自动化测试
5. 让 AI 自动执行自动验证纠错，只在必要的阶段人工验证
6. 经常重复的工作做成 skill，这样不需要每次从头向 AI 解释
Twitter/X · @op7418 · 8月30日 06:50 UTC · 喜欢 284 · 转发 14 · 回复 93 · 浏览 91779
很难想象，Anthropic 这些人的脑子是怎么长的，说人话都很难。
现在我知道为什么 opus 五这么不说人话了，因为训练它的人就不会说话。
他们宣布，9 月 14 号以后，所有人的订阅额度会降低 17%。但描述的时候，让你以为是增长了 25%。
主要是他把用户当傻逼，以为没人能看出来，太蠢了
其他 Follow Builders 资讯
中文标题Zara Zhang：每个产品都要求访问我的 Gmail、日历、Notion、Granola、Github、Slack……
Follow Builders · X 动态 · Zara Zhang · 8月30日 06:33 UTC · 喜欢 0 · 转发 0 · 回复 0
作者吐槽当前 AI 产品普遍要求接入 Gmail、日历、Notion、GitHub、Slack 等各类工具，反映权限请求泛滥的现象。
中文摘要作者吐槽当前 AI 产品普遍要求接入用户的各种办公与开发工具，反映权限请求泛滥的现象。
中文标题Zara Zhang：从未有如此多 AI 产品看起来如此相似
Follow Builders · X 动态 · Zara Zhang · 8月30日 06:12 UTC · 喜欢 6 · 转发 0 · 回复 4
Zara Zhang observes that despite the explosion of AI products, most look similar and offer unclear differentiation, making evaluation feel like homework.
中文摘要Zara Zhang 观察到，尽管 AI 产品数量激增，但大多数产品看起来相似且差异化不明确，评估它们就像做作业一样。
中文标题Thibault Sottiaux：团队状态前所未有地火热
Follow Builders · X 动态 · Thibault Sottiaux · 8月30日 04:10 UTC · 喜欢 3372 · 转发 70 · 回复 496
Thibault Sottiaux 发帖称团队正在以前所未有的状态推进工作，但未提供任何具体技术细节或可执行内容。
中文标题Nikunj Kothari：大型模型实验室正在竞争……这是不可避免的。且看补贴代币价格上涨……
Follow Builders · X 动态 · Nikunj Kothari · 8月30日 00:38 UTC · 喜欢 51 · 转发 2 · 回复 7
Predicts subsidized AI token prices will rise within six months due to compute costs and shortages, while open-source alternatives gain valuation.
中文摘要预测由于算力成本和短缺，补贴 AI 代币价格将在六个月内上涨，长期利好开源替代方案。