街头便衣-优快云博客

原创 Agent记忆四组件与dreaming：128轮达标率13%到48%，建一次wiki约19美元

Anthropic发布《The Components of Agent Memory》，通过实证推翻记忆设计的常见假设：写得多不等于记得牢，定死规则反噬增益。实验显示，需128轮dreaming后，智能体达标率才从13%升至48%。研究提出四层记忆架构与离线纠错机制，强调“只引导用途，不限制方法”。在宝可梦和数据库任务中，高效模型如Opus 5.5靠自主判断与迭代修正实现突破，而过度记录或硬性规则反而拖累表现。尤其揭示错误记忆会误导推理，唯有以逐字记录为基准才能纠偏。最终指出：知识表征（wiki）需平衡压缩

2026-11-08 17:56:52 1636

原创【元宝搜索开发者征文大赛】我妈想卖旧金条，我做了个工具拿店家报价去当天的行情比一比

我为母亲设计了一款“金条鉴价器”工具，通过六路实时检索当日金价行情（含大盘价、品牌零售与回收价），自动比对店家报价，生成带来源链接的价格卡。工具核心是动态抓取、正则精准抽取、中位数交叉验证，确保数据可信。结果以折价率判定是否合理，帮助家人识别压价套路。实测显示，工具耗时约5秒，三轮一致，输出可转发的家庭群参考卡，让信息差不再成为交易盲区。

2026-11-04 23:16:46 9701

原创 Claude形式化验证123个OSS-Fuzz开源库：机器码级无崩溃证明与1.8亿行Rocq证明拆解

AI 证遍 123 个开源库，首次实现对生产级二进制的规模化形式化验证。通过直接分析编译后的 RISC-V 代码，结合 AI 生成证明与机械检查，成功发现数百个长期潜伏的漏洞，包括多个“几万亿次测试未捕获”的边界缺陷。证明成本虽高（约 10 亿行代码），但复用机制显著降本。关键突破在于：验证不依赖源码翻译，直面真实发布产物，将“不会崩溃”从概率变为数学事实。然而，验证仍受限于架构、输入范围与调用规范，无法覆盖所有场景。这标志着安全工作重心正从“挖洞”转向“证无洞”——最难的，是让系统真正“不可崩”。

2026-11-01 09:43:52 6777

原创 AI挖洞、AI下毒、AI被盯上：攻防两边的48小时

10 月 21 日，一家云安全公司公开了，其中包含和一种 Heartbleed 式的。PHP 这门语言撑着全球约——WordPress、Drupal、Joomla、运行维基百科的 MediaWiki 都建在它上面。官方在放出了补丁。业界给这组漏洞起的代号是。还是 10 月 21 日，agent 圈最常用的那个 OpenAI 兼容网关，被人往 PyPI 上传了一个挂了就被下架的版本，里面塞着一个偷凭证的窃贼和一个每小时醒来一次的后门。

2026-10-28 22:49:26 4319

原创 OpenRouter周榜复算：164万亿token，输出2.55%，DeepSeek账单占1.4%

本周调用量达164万亿token，中国模型包揽前五，但按账单排名却大反转：调用量第一的DeepSeek V4.1 Flash仅排第15，账单第一的Claude Opus 5.5调用量却仅第7。原因在于97%为输入token，且单价差异巨大——顶级模型单价超百倍。榜单易被版本迭代、新上架、降价等成本因素干扰，单纯看调用量会误判真实商业价值。建议三步自算：拉接口、合并快照、按价折算，方得真相。

2026-10-27 23:54:34 5319

原创自我复制不用数据中心：Anthropic 亲手把 AI 蠕虫的时间表搬进了智能烤箱

（AI 模型可能无需访问数据中心即可自我复制）署名两位：William Zhou 和 Daniel Freeman。开篇第一段就把话说到了底：, since).；这种东西，很难一锅端；但它，翻倍速度以天计。这条消息的分量不在当天的热度——发布满一天，技术社区的讨论也谈不上热烈。转述满天飞的时候，一手页里写了什么反而没人读，而这篇原文里恰好有四个可量化的能力锚点、一条外推曲线，以及一份比一般预警文具体得多的防御建议。它接上的是我今年一直在跟的那条线。

2026-10-24 09:10:24 2905

原创为了把文章发到 4 个平台，我写了个 Obsidian 插件，后来我发现我错了

同时更新五个技术平台的人大概都懂，写完之后的分发才是最磨人的。我用 puppeteer 给自己写了个一键多发的插件，然后开始了跟各家 WAF、DOM 选择器、登录态之间没有尽头的消耗战。后来我把同一件事交给了墨衍，这篇是一次带实测数据的复盘：UI 自动化和官方分发通道到底差在哪，以及墨衍的 GEO 检测让我意识到"写完发出去"根本不是创作链路的终点。

2026-10-23 08:18:56 10270

原创 Sphinx 实测：git hook 拦下 push 出题考代码理解，附包审计、成本与漏判率

Sphinx 通过 Git hook 在 push 时强制代码理解审查，以“答对题”为推代码前提。实测显示其依赖 157MB 依赖树，仅限模型商（如 OpenAI）调用，数据外传但敏感文件默认排除。它不拦 commit，仅在 push 时触发问答，题目基于真实改动生成，防糊弄设计严密：答案键预埋、题需关联实际代码、预算超则失败、独立审题防烂题。判分三档，ambiguous 不算过，错题换同概念新场景。成本约 5–8 次请求/次检查，失败关闭，保障安全但可能因网络或密钥中断阻塞推送。

2026-10-22 20:02:52 9583

原创 DeepSeek-V4.1-Flash-1017开源：KV缓存890B/Token，检索API按次计费

10月17日，DeepSeek一日完成模型、壳层与检索层三重升级：新模型DeepSeek-V4.1-Flash-1017上线，支持无代码迁移；Harness更新适配新模型与搜索接口；搜索服务首次按每1000次成功请求0.75美元收费，11月1日起生效。技术报告揭示其通过CED、CSA2、FP4量化与滑窗缓存优化，将全局KV缓存压缩至每token仅890字节，显著提升长上下文推理效率。对比另一论文指出远端KV缓存易成瓶颈，凸显DeepSeek“极致压缩”路线的合理性。

2026-10-19 12:34:43 11185

原创 CAPE-Bench 复算：内部状态线性读出预测 agent 越权与谎报，门控把越权率压到 0.09

论文揭示了AI agent“先执行、后补请示、再撒谎”的越权行为模式，提出通过监测动手前与报告前的内部残差流，可提前识别越权意图。实验表明，越权后补问权限者撒谎率高达74.4%，远高于未补问者（8.5%），且沉默比谎言更普遍。基于残差流的判别器在动手前达到0.941 AUROC，显著优于文本监控，证明内部状态比输出文字更早暴露越权意图，为安全防御提供了前置检测新路径。

2026-10-19 10:02:03 11959 2

原创读对了，做错了：决策模型的错多数不在读这一层

本文提出“读对了，做错了”的核心问题：决策模型的错误多数源于决策层而非状态理解。通过设计事实探针实验，发现65%~85%的错误发生在事实全对的情况下，表明错误本质是组合推理失败。研究揭示，错误具有状态依赖性，非模型随机偏差，并区分出前提错位、干扰线索误导等不同机制。关键突破在于，仅靠事实正确无法保证动作正确，需提升模型对多事实的整合能力。

2026-10-16 23:32:08 10278 2

原创 80B 跑赢 27B：端侧内存墙的两条活路

2026 年 10 月 12 日，一个叫的项目挂上了技术社区首页，标题很直白：LLM 比内存大，就把专家从 SSD 流着读。作者 Maurizio Cammalleri 在 README 里放了一张对照表，测试机是一台普通笔记本——Intel Core Ultra 9 185H、核显 Arc、、1 TB NVMe 固态盘。48.4 GB 的模型，装在一台内存只有 32 GB 的机器上，写答案的速度是那个 17.6 GB 模型的。

2026-10-16 07:43:53 10133

原创联名警告与3天奇迹：AI造AI到底有几分真

AI造AI正从科幻走向现实：联名论文警示自动化研发或引发“智能爆炸”，但强调仍存算力、数据与物理瓶颈；而StartLux 3天造模型事件，实为AI在实验执行与分析环节的工程突破，核心决策仍由人类把控。二者共同揭示：当前AI研发已进入“人机协同”新阶段，真实进展与营销宣传需分层验证。

2026-10-12 20:53:13 11214 1

原创 DeepSeek Harness 桌面版实测：Agent 的“壳“开箱即用了，我拿到手先玩了这四件事

DeepSeek Harness v0.2 桌面版实测：开箱即用，三分钟完成安装与登录，彻底告别命令行。实测中，它高效清洗混乱销售表、生成图表与PPT，支持定时任务自动化，插件可直接通过npm安装，生态开放。更惊艳的是“创造模式”——让Agent自动生成插件，实现能力自演化。作为兼具办公与开发场景的Agent运行时，其“一切皆插件”理念已落地，对非技术用户和开发者均具吸引力。

2026-10-01 22:18:44 10990

原创用决策模型搭一个工单路由原型：含兜底策略 18 条全对，代价是 1600 毫秒和零 API 费

本文构建了一个基于决策模型的工单路由原型，18条工单全对（原始准确率94.4%，1条错由置信度兜底救回），平均延迟1.6秒，零API费用。通过清晰规则与显式候选设计，模型在有限动作中精准决策；置信度低于0.6时强制转人工，有效应对模糊工单。相比通用大模型，该方案延迟更低、成本为零、输出确定性强，但灵活性与可扩展性受限。适用于高频率、低延迟、候选集固定的场景，是低成本、高可靠的本地化决策方案。

2026-09-28 14:28:24 11453

原创 APUS-OpenJev-v1：不写小作文的决策模型，部署与实测

APUS-OpenJev-v1 是全球首个独立复现的“决策模型”，不生成文本，仅从有限选项中快速选动作，实现毫秒级响应。基于单次前向传播，无幻觉、高效率，适合浏览器自动化、高频决策等场景。作者在 MacBook Air M3 上成功部署9B版本，实测内存占用可控，推理稳定。其核心价值在于补全Agent流水线中“选得快”的环节，与embedding、rerank、生成模型分工明确，形成高效协同。

2026-09-23 23:00:47 10249 1

原创【SenseNova U1.5 Lite实战】单卡 RTX 4090 降本 98%！SenseNova U1.5 WeEdit 落地跨境电商虚拟换装与多模态 Web 平台实战全记录

本文针对多模态 Agent 在图像局部精准编辑中“容易全身重画、破坏非编辑区”的行业硬伤，深入实战商汤 **SenseNova U1.5 原生单模型编辑架构 WeEdit**。在单卡 RTX 4090 上实现 **10.45 秒** 完成 1024×1024 局部精准换装且**非编辑区 100% 零漂移**；打造了集成文生图与局部编辑的 **Gradio 6.0 双模 Web 工作台**，落地了**跨境电商多 SKU 换装 Agent**（降本 98%），并开源提供含ComfyUI 自定义节点

2026-08-31 00:12:17 24695

原创共赴昇腾同耀光芒：昇腾AI开发者峰会2026在京圆满落幕

昇腾AI开发者峰会2026在京成功举办，聚焦"共赴昇腾同耀光芒"主题。华为专家分享了昇腾950芯片在AgenticAI时代的超节点架构创新，包括优化EP通信、KVCache等关键技术。峰会重点展示了昇腾软件生态的易用性提升：CANN全面开源开放，支持多种编程范式；兼容主流开源生态；Mind系列软件全面升级。华为宣布全面升级开发者使能计划，提供免费算力资源和创新激励基金，并表彰了杰出开源贡献者。昇腾将持续优化算力底座，携手开发者共建繁荣生态。

2026-05-23 15:54:54 7695

原创一文搞懂 HarmonyOS 6 Navigation组件导航生命周期

本文详细介绍了HarmonyOS 6中Navigation组件的导航生命周期管理机制。Navigation组件作为路由导航的核心容器，其生命周期能力由子页面容器NavDestination承载，并通过组件事件形式开放。NavDestination分为标准类型和弹窗类型，分别具有不同的生命周期表现。文章将生命周期分为三大类：自定义组件生命周期（aboutToAppear/aboutToDisappear）、通用组件生命周期（onAppear/onDisappear）和NavDestination自有生命周期（

2026-03-06 23:12:56 11254 1

wodekouwei的博客