<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Ai_easygo的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Ai_easygo</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Ai_easygo]]></copyright><item><title><![CDATA[AI下半场_09_优快云版_Agent安全攻防]]></title><link>https://blog.youkuaiyun.com/Ai_easygo/article/details/166013112</link><guid>https://blog.youkuaiyun.com/Ai_easygo/article/details/166013112</guid><author>Ai_easygo</author><pubDate>Sat, 19 Sep 2026 21:04:00 +0800</pubDate><description><![CDATA[2026年，AI Agent安全危机爆发：提示注入演变为“Prompt变Shell”，攻击面从文本生成扩展至任意代码执行。谷歌与Forcepoint报告指出，间接提示注入（IPI）载荷增长32%，真实恶意指令如“转账5000美元”“递归删除文件”已广泛部署。MCP协议架构缺陷暴露，影响超20万服务器，7000+实例存在未授权命令执行风险，Anthropic拒修引发生态信任崩塌。企业普遍缺乏监控与责任机制，88%遭遇过安全事件，4000万美元级金融损失频发。防御需从“内容审核”转向“执行授权”，否则将面临系统]]></description><category></category></item><item><title><![CDATA[AI下半场_08_优快云版_多Agent协同]]></title><link>https://blog.youkuaiyun.com/Ai_easygo/article/details/165757589</link><guid>https://blog.youkuaiyun.com/Ai_easygo/article/details/165757589</guid><author>Ai_easygo</author><pubDate>Thu, 17 Sep 2026 21:21:05 +0800</pubDate><description><![CDATA[本系列第07篇讲的是试点怎么死在生产门口。这一篇接着讲下一个真相：很多试点侥幸爬过了那道门槛，紧接着撞上了多Agent协同的O(n²)复杂度墙。复杂度不按线性增长，但预算按线性增长，企业部署多Agent的热潮与随之而来的死锁灾难之间的距离，比多数团队的认知要近得多。]]></description><category></category></item><item><title><![CDATA[AI下半场_07_优快云版_Agent试点死亡漏斗]]></title><link>https://blog.youkuaiyun.com/Ai_easygo/article/details/165630150</link><guid>https://blog.youkuaiyun.com/Ai_easygo/article/details/165630150</guid><author>Ai_easygo</author><pubDate>Wed, 16 Sep 2026 20:59:46 +0800</pubDate><description><![CDATA[本系列前六篇讲了两件事：Agent有多烧钱（成本黑洞篇），模型该怎么选（开源逆袭篇）。这一篇进入新阶段，回答一个更扎心的问题：钱花了，模型也选对了，为什么十个试点里还是有八九个死在生产环境门口。

答案可能会让你意外。翻遍这些失败分析报告，"模型不够聪明"这件事，几乎没有被列为死因。]]></description><category></category></item><item><title><![CDATA[AI下半场_06_优快云版_开源AI最后一公里]]></title><link>https://blog.youkuaiyun.com/Ai_easygo/article/details/165490167</link><guid>https://blog.youkuaiyun.com/Ai_easygo/article/details/165490167</guid><author>Ai_easygo</author><pubDate>Tue, 15 Sep 2026 20:53:43 +0800</pubDate><description><![CDATA[2026年9月7日，SlashData和Mozilla联合发布了一份数据复核。调查范围覆盖1494名正在把AI功能集成进产品的真实开发者，时间是今年5月。结果公布了两个数字：

79%的开发者在用开源AI模型。
只有51%真正把它搬上了生产环境。

对照组是用闭源模型的开发者，生产率是63%。

28个百分点的差距，不是模型质量问题。这是Mozilla CTO Raffi Krikorian在原报告里反复强调的判断：“这是一个基础设施问题，不是能力问题”。SlashData研究人员Alvaro Ruiz C]]></description><category></category></item><item><title><![CDATA[AI下半场_05_优快云版_模型选型指南]]></title><link>https://blog.youkuaiyun.com/Ai_easygo/article/details/165242864</link><guid>https://blog.youkuaiyun.com/Ai_easygo/article/details/165242864</guid><author>Ai_easygo</author><pubDate>Sun, 13 Sep 2026 21:01:48 +0800</pubDate><description><![CDATA[2026年的AI模型选型，已经不是挑一个模型的年代。是在路由层把每个请求送到最合适的模型。本文给出这张路由表的完整结构、2026年9月最新价格、硬件匹配矩阵和可直接抄走的混合架构代码。]]></description><category></category></item><item><title><![CDATA[AI下半场_04_优快云版_开源逆袭]]></title><link>https://blog.youkuaiyun.com/Ai_easygo/article/details/163862941</link><guid>https://blog.youkuaiyun.com/Ai_easygo/article/details/163862941</guid><author>Ai_easygo</author><pubDate>Tue, 18 Aug 2026 19:59:14 +0800</pubDate><description><![CDATA[摘要： 最新数据显示，中国开源AI模型在全球开发者中的采用率急剧攀升。OpenRouter平台统计显示，中国模型流量占比从2024年10月的1.2%飙升至2026年7月的45%峰值，同期美国三大实验室份额从70%降至30%。DeepSeek和Qwen等中国开源模型在编程等高成本场景表现突出，其中月之暗面发布的Kimi K3在编程盲测中首次超越闭源旗舰模型。价格优势显著——中国开源模型成本比美国闭源产品低60%-90%，推动CoinBase、Stripe等企业大规模迁移。Mozilla报告指出，开源模型在代码]]></description><category></category></item><item><title><![CDATA[AI下半场_03_优快云版_Token经济学]]></title><link>https://blog.youkuaiyun.com/Ai_easygo/article/details/163644285</link><guid>https://blog.youkuaiyun.com/Ai_easygo/article/details/163644285</guid><author>Ai_easygo</author><pubDate>Mon, 10 Aug 2026 19:43:29 +0800</pubDate><description><![CDATA[文章摘要： Gartner预测，到2028年企业AI编程工具成本将超过开发者年薪，形成"Token单价降99%、总账单涨100倍"的悖论。这一现象源于杰文斯悖论：AI推理成本暴跌刺激需求激增，日均Token调用量两年增长1400倍。2026年AI支出结构发生"推理反转"，推理占预算85%，远超训练成本，因Agent工作流、内部思考链和7×24运行持续消耗Token。此外，Token费用仅占AI总成本30%，平台构建和运维隐性成本占比更高。尽管单任务AI成本表面比人类低30-100倍，但计入开发维护和失败重试]]></description><category></category></item><item><title><![CDATA[AI下半场_02_优快云版_最贵翻车账单]]></title><link>https://blog.youkuaiyun.com/Ai_easygo/article/details/163612877</link><guid>https://blog.youkuaiyun.com/Ai_easygo/article/details/163612877</guid><author>Ai_easygo</author><pubDate>Sun, 09 Aug 2026 21:00:00 +0800</pubDate><description><![CDATA[AI编程成本失控：2026年5亿美元账单警示录 2026年科技行业曝出多起AI编程成本失控事件，从Uber CTO两小时1200美元的个人案例到匿名企业单月5亿美元的集体灾难，揭示了AI规模化应用的隐性风险。 核心问题： 无预算上限：匿名企业全员无限制使用Claude导致5亿美元账单 模型错配：Amazon用高价Claude Sonnet处理简单任务，180万美元账单中86%属浪费 代理循环失控：LangChain两个AI代理互相验证导致11天47,000美元无效消耗 递归陷阱：Claude Code子代理]]></description><category></category></item><item><title><![CDATA[AI下半场_01_优快云版_AI不能拖欠工资]]></title><link>https://blog.youkuaiyun.com/Ai_easygo/article/details/163590154</link><guid>https://blog.youkuaiyun.com/Ai_easygo/article/details/163590154</guid><author>Ai_easygo</author><pubDate>Sat, 08 Aug 2026 20:30:00 +0800</pubDate><description><![CDATA[文章摘要： 2026年，Uber等科技巨头遭遇AI成本黑洞，全年AI预算四个月耗尽。CTO两小时演示烧掉1200美元，工程师AI工具使用率飙升至95%，但COO坦言无法量化ROI。杰文斯悖论显现：Token单价降98%，企业总支出反增6倍，因Agent任务消耗达标准交互的1000倍，70%成本来自编排、检索等隐性环节。Agent成本呈O(n²)增长，递归循环、上下文膨胀等七种模式导致严重浪费。行业面临核心矛盾：AI生产力提升与成本失控的裂缝正在扩大，企业亟需优化策略以平衡效率与支出。]]></description><category></category></item><item><title><![CDATA[AI时代的铁饭碗，5个确定性增长的技术方向]]></title><link>https://blog.youkuaiyun.com/Ai_easygo/article/details/163567617</link><guid>https://blog.youkuaiyun.com/Ai_easygo/article/details/163567617</guid><author>Ai_easygo</author><pubDate>Fri, 07 Aug 2026 20:30:00 +0800</pubDate><description><![CDATA[文章摘要（149字） AI时代技术人突围的5个确定性增长方向：1）AI Agent安全攻防（提示注入市场复合增长31.2%）；2）Agent工程化与AgentOps（仅11%的Agent能上线生产）；3）AI原生基础设施（AIPC渗透率31%）；4）企业知识工程（87%企业面临知识断层）；5）AI增强开发（65%代码AI生成但需人工把关）。这些领域共同特征：市场真实增长、人才缺口扩大、技术处于爆发前夜、现有技能可迁移。从保命到增长，完成完整突围路径。]]></description><category></category></item><item><title><![CDATA[8个AI替代不了的能力，程序员的保命清单]]></title><link>https://blog.youkuaiyun.com/Ai_easygo/article/details/163543481</link><guid>https://blog.youkuaiyun.com/Ai_easygo/article/details/163543481</guid><author>Ai_easygo</author><pubDate>Thu, 06 Aug 2026 21:28:43 +0800</pubDate><description><![CDATA[摘要（146字） AI时代程序员需培养8项不可替代能力：1）问题定义（判断需求价值）；2）价值判断（商业决策权衡）；3）系统架构设计（全局协调而非局部编码）；4）安全审查（对抗性思维）；5）上下文工程（构建高质量AI输入）；6）多Agent编排（协调智能体协作）；7）技术债管理（长期维护视角）；8）AI对齐（确保系统符合预期）。研究表明，AI在独立编码任务可达80%准确率，但在持续演进场景骤降至38%，技术债累积是其致命弱点。核心差异在于：AI擅长"从无到有"的生成，人类强在"持续演进"的判断与维护。]]></description><category></category></item><item><title><![CDATA[$20的Devin能取代你吗，260亿估值背后的真实完成率]]></title><link>https://blog.youkuaiyun.com/Ai_easygo/article/details/163513056</link><guid>https://blog.youkuaiyun.com/Ai_easygo/article/details/163513056</guid><author>Ai_easygo</author><pubDate>Wed, 05 Aug 2026 21:23:04 +0800</pubDate><description><![CDATA[本篇用Devin这个"最像AI软件工程师"的产品，实测回答一个所有人都在问的问题：自主编程Agent现在到底能替代多少程序员的工作？]]></description><category></category></item><item><title><![CDATA[89%拿AI当裁员借口，真实替代率仅4.5%，2026裁员悖论全拆解]]></title><link>https://blog.youkuaiyun.com/Ai_easygo/article/details/163479751</link><guid>https://blog.youkuaiyun.com/Ai_easygo/article/details/163479751</guid><author>Ai_easygo</author><pubDate>Tue, 04 Aug 2026 18:26:37 +0800</pubDate><description><![CDATA[文章摘要 2026年AI裁员现象存在严重数据矛盾：企业宣称的AI裁员比例（89%）远超实际替代率（4.5%）。牛津经济研究院数据显示，2025年AI相关裁员仅占总量4.5%，且生产力数据未现预期增长。研究发现，AI已成为企业裁员的"万能借口"（AI Washing），Atlassian等公司在盈利增长期仍借AI名义裁员。回旋镖效应显著：29%企业已在6个月内回招被裁岗位，Klarna等公司因AI无法替代人类共情能力而重新雇佣员工。数据显示，AI裁员实际成本常高于节省，55%企业表示后悔。这表明当前AI尚不具]]></description><category></category></item><item><title><![CDATA[写了36篇技术博客后，我总结出这套AI辅助写作流水线]]></title><link>https://blog.youkuaiyun.com/Ai_easygo/article/details/163450331</link><guid>https://blog.youkuaiyun.com/Ai_easygo/article/details/163450331</guid><author>Ai_easygo</author><pubDate>Mon, 03 Aug 2026 20:39:16 +0800</pubDate><description><![CDATA[AI辅助写作高效流水线指南 本文作者通过36篇技术博客实践，总结出一套AI辅助写作五步法： 选题与资料收集：AI做竞品分析和数据收集，人工决定选题方向 大纲生成：AI提供初稿，人工调整结构节奏，突出差异化观点 分块写作：将文章拆解为300-500字模块单独生成，确保内容质量 人工编辑：重点核查事实、强化逻辑、注入个人经验、优化语言风格 SEO优化：AI辅助完成关键词优化、标签生成和封面图设计 关键工具组合：Claude/ChatGPT用于主写作，Cursor生成代码示例，AI图像工具制作封面，月成本约40-]]></description><category></category></item><item><title><![CDATA[会用AI的程序员正在吃掉不用AI的程序员——从码农到AI编排师]]></title><link>https://blog.youkuaiyun.com/Ai_easygo/article/details/163449295</link><guid>https://blog.youkuaiyun.com/Ai_easygo/article/details/163449295</guid><author>Ai_easygo</author><pubDate>Mon, 03 Aug 2026 20:27:30 +0800</pubDate><description><![CDATA[摘要： 随着AI在编程领域的深度应用，程序员角色正从"代码编写者"转变为"AI编排师"。Anthropic报告显示，开发者60%的工作已使用AI，但仅0-20%可完全委托。新角色的核心能力包括意图工程（精准拆解需求）、输出审查（识别AI代码缺陷）、上下文工程（管理AI所需信息）和Agent编排（协调多AI系统）。尽管AI能生成代码，算法思维、问题分解等底层能力仍不可替代。案例显示，采用AI编排模式可将开发周期缩短79%，错误率降低40%。未来程序员的核心价值将从"写代码"转向"治理代码生产的系统"。]]></description><category></category></item><item><title><![CDATA[提示注入走向实战：2026年AI Agent被攻击的真实案例]]></title><link>https://blog.youkuaiyun.com/Ai_easygo/article/details/163420088</link><guid>https://blog.youkuaiyun.com/Ai_easygo/article/details/163420088</guid><author>Ai_easygo</author><pubDate>Sun, 02 Aug 2026 20:37:23 +0800</pubDate><description><![CDATA[摘要（149字） 2026年标志提示注入攻击进入实战阶段：GrafanaGhost漏洞使AI助手成为数据外泄管道；微软Semantic Kernel框架漏洞让prompt可执行任意代码；Claude Code Action的沙箱绕过导致API密钥泄露。研究显示攻击者已形成系统性武器库，采用社会工程框架隐藏恶意指令，85%案例利用权威伪装绕过检测。OpenAI承认某些攻击向量可能无法根治，提示注入正从理论威胁演变为架构性安全挑战，防御需重构现有技术栈。]]></description><category></category></item><item><title><![CDATA[AI编程的“70%墙“：为什么最后30%AI总是搞砸]]></title><link>https://blog.youkuaiyun.com/Ai_easygo/article/details/163396731</link><guid>https://blog.youkuaiyun.com/Ai_easygo/article/details/163396731</guid><author>Ai_easygo</author><pubDate>Sat, 01 Aug 2026 18:19:39 +0800</pubDate><description><![CDATA[聊一个叫"70%墙"的现象：AI编程工具在项目前期表现优秀，快速搭建框架、生成样板代码、跑通基本逻辑。但项目推进到某个临界点之后，AI开始破坏已有功能，越改越乱，越乱越改。前70%是从零到有，AI擅长。后30%是在已有架构上做精细修改，AI频繁翻车。

这堵墙根源在当前大模型架构的固有局限，和某个工具的bug无关。我们用数据拆开看。]]></description><category></category></item><item><title><![CDATA[开源项目吐槽大会：那些让开发者又爱又恨的“开源瑰宝“开场]]></title><link>https://blog.youkuaiyun.com/Ai_easygo/article/details/163396638</link><guid>https://blog.youkuaiyun.com/Ai_easygo/article/details/163396638</guid><author>Ai_easygo</author><pubDate>Sat, 01 Aug 2026 18:06:34 +0800</pubDate><description><![CDATA[吐槽归吐槽，开源依然是软件行业最美好的东西之一。

我们骂的每一个问题，都是因为我们离不开它。那些文档不全的项目、依赖爆炸的库、突然断更的仓库，恰恰证明了开源生态的繁荣和不可替代。

没有开源，就没有今天的软件行业。这句话不需要加"但是"。

但下次如果再看到一个README写着"文档正在完善中"的项目，我还是会骂一句。

然后乖乖地去提一个PR。]]></description><category></category></item><item><title><![CDATA[一个GitHub Issue黑掉npm生态：Clinejection提示注入攻击链全复盘]]></title><link>https://blog.youkuaiyun.com/Ai_easygo/article/details/163374882</link><guid>https://blog.youkuaiyun.com/Ai_easygo/article/details/163374882</guid><author>Ai_easygo</author><pubDate>Fri, 31 Jul 2026 20:25:39 +0800</pubDate><description><![CDATA[摘要 2026年2月，一个名为cline@2.3.0的恶意npm包通过GitHub Issue提示注入攻击链被发布，在8小时内感染约4000台开发机器。攻击者利用Cline仓库的AI Issue分类工作流漏洞，通过精心构造的Issue标题触发Claude Agent执行恶意npm install命令，窃取API密钥。随后通过GitHub Actions缓存投毒技术横向移动，最终利用遗留的npm发布凭证推送恶意包。该包仅在postinstall脚本中静默安装OpenClaw框架作为概念验证，但展示了"提示注入]]></description><category></category></item><item><title><![CDATA[DeepSeek V4一用工具就报400？我花了三天定位到根因]]></title><link>https://blog.youkuaiyun.com/Ai_easygo/article/details/163374676</link><guid>https://blog.youkuaiyun.com/Ai_easygo/article/details/163374676</guid><author>Ai_easygo</author><pubDate>Fri, 31 Jul 2026 20:05:02 +0800</pubDate><description><![CDATA[摘要： DeepSeek V4与Claude Code在工具调用时出现400错误，根因是协议兼容性问题。当模型生成thinking块后，客户端未正确回传或格式不匹配，触发DeepSeek严格校验失败。解决方案包括： 推荐方案：使用dsv4-cc-proxy代理修正协议缺口，保留思考模式功能； 降级方案：关闭思考模式，但牺牲模型深度推理能力； 回避方案：切换至DeepSeek V3等兼容性更好的模型。 排查过程揭示问题源于多轮对话中thinking块的处理逻辑与端点校验不匹配，需针对性修复而非简单规避。]]></description><category></category></item></channel></rss>