<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[破浪会有时的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/zyctimes</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; zyctimes]]></copyright><item><title><![CDATA[论文精读：《Indirect Prompt Injection》—— 当AI助手成为别人的“提线木偶“]]></title><link>https://blog.youkuaiyun.com/zyctimes/article/details/160694614</link><guid>https://blog.youkuaiyun.com/zyctimes/article/details/160694614</guid><author>zyctimes</author><pubDate>Fri, 01 May 2026 22:55:47 +0800</pubDate><description><![CDATA[摘要 本文首次提出间接提示注入攻击（IPI），揭示了大型语言模型（LLM）集成应用的安全隐患。攻击者通过污染外部数据（如网页、文档）嵌入恶意指令，当AI检索这些数据时，指令被间接执行，导致AI行为被劫持。论文构建了系统性威胁分类体系，包括信息收集、欺诈、入侵等六类攻击，并在Bing Chat等真实系统中验证了攻击可行性。实验表明，攻击者可利用AI的权威性诱导用户点击恶意链接、泄露隐私或建立持久后门。研究揭示了LLM应用中&quot;数据即指令&quot;的边界模糊问题，为AI安全防御提出了新挑战。]]></description><category></category></item><item><title><![CDATA[OpenClaw 深度解析与源代码导读 · 第11篇：子 Agent（Sub-Agent）——隔离执行与“向上汇报“的有限协作]]></title><link>https://blog.youkuaiyun.com/zyctimes/article/details/160694585</link><guid>https://blog.youkuaiyun.com/zyctimes/article/details/160694585</guid><author>zyctimes</author><pubDate>Fri, 01 May 2026 22:50:48 +0800</pubDate><description><![CDATA[当主 Agent 需要并行处理耗时任务或将工作委托给"助手"时，OpenClaw 提供了**子 Agent（Sub-Agent）**机制。本文深入解析 `sessions_spawn` 的完整生命周期：子 Agent 如何在独立的 session 中运行（`agent:<agentId>:subagent:<uuid>`），为何只能**向父 Agent 汇报**而非对等通信，以及当前架构的**设计限制（limitation）**如何影响多 Agent 协作的工程实践。你将看到：子 Agent 是"外包"而非]]></description><category></category></item><item><title><![CDATA[面向 LLM 的程序设计 15：上下文安全工程 —— LLM系统的隔离操作与安全防护]]></title><link>https://blog.youkuaiyun.com/zyctimes/article/details/160661969</link><guid>https://blog.youkuaiyun.com/zyctimes/article/details/160661969</guid><author>zyctimes</author><pubDate>Thu, 30 Apr 2026 16:02:19 +0800</pubDate><description><![CDATA[在LLM系统中，Context Window 既是数据存储区，也是代码执行区。当用户输入、检索文档、工具返回结果和系统指令共处同一上下文时，任何内容都可能改变模型行为。缺乏有效隔离的代价不是简单的"答错题"，而是跨租户数据泄露、敏感信息回显、提示注入攻击，以及缓存共享带来的侧信道风险。]]></description><category></category></item><item><title><![CDATA[OpenClaw 深度解析与源代码导读 · 第10篇：多 Agent 核心（agents.list、bindings 与隔离边界的可验证机制）]]></title><link>https://blog.youkuaiyun.com/zyctimes/article/details/160661926</link><guid>https://blog.youkuaiyun.com/zyctimes/article/details/160661926</guid><author>zyctimes</author><pubDate>Thu, 30 Apr 2026 16:00:58 +0800</pubDate><description><![CDATA[多 Agent 并非简单地"启动多个 LLM 线程"——它更像在一个常驻 Gateway 进程内，同时运行多个**相互隔离的工作空间（workspace）+ 状态目录（agentDir）+ 会话存储（sessions）**。本文从 OpenClaw 的配置与源码出发，阐明 `agents.list` 与 `bindings` 如何共同定义"隔离边界"与"路由确定性"，并通过一条端到端的入站链路解析：为何同一条消息能够稳定地路由到同一个 agent、同一个 sessionKey。]]></description><category></category></item><item><title><![CDATA[Transformer 31. ALBEF：Align before Fuse，用「先对齐、再融合」解决图文交互难学的问题]]></title><link>https://blog.youkuaiyun.com/zyctimes/article/details/160625780</link><guid>https://blog.youkuaiyun.com/zyctimes/article/details/160625780</guid><author>zyctimes</author><pubDate>Wed, 29 Apr 2026 13:55:58 +0800</pubDate><description><![CDATA[ALBEF（[Li et al., 2021](https://arxiv.org/abs/2107.07651)）是一个典型的 **“先对齐（Align）再融合（Fuse）”** 的视觉-语言预训练框架：先在 **单模态编码器** 上加入 **图文对比学习（ITC）**，把图像与文本拉到同一个语义空间；再用带 **跨模态注意力** 的 **多模态编码器** 去做 **图文匹配（ITM）** 和 **掩码语言建模（MLM）**，让模型学到更“落地”的细粒度对齐。为了应对网页图文对的噪声，ALBEF 进一步引]]></description><category></category></item><item><title><![CDATA[Transformer 30. MoCo：用「动量编码器 + 队列字典」把对比学习做成可扩展的“字典查找”]]></title><link>https://blog.youkuaiyun.com/zyctimes/article/details/160625629</link><guid>https://blog.youkuaiyun.com/zyctimes/article/details/160625629</guid><author>zyctimes</author><pubDate>Wed, 29 Apr 2026 13:52:45 +0800</pubDate><description><![CDATA[MoCo（Momentum Contrast for Unsupervised Visual Representation Learning, [He et al., 2020](https://arxiv.org/abs/1911.05722)）是一篇把对比学习讲得非常“工程化”的经典论文：作者把对比学习看成 **字典查找（dictionary look-up）**——给你一个查询向量 $q$，你要在一个很大的“字典”里找到与它匹配的正样本键 $k^+$，并把其他键都当作负样本。MoCo 的关键创新是用 ]]></description><category></category></item><item><title><![CDATA[OpenClaw 深度解析系列 · 第9篇：Channels（通道桥接与 Gateway 耦合）]]></title><link>https://blog.youkuaiyun.com/zyctimes/article/details/160592627</link><guid>https://blog.youkuaiyun.com/zyctimes/article/details/160592627</guid><author>zyctimes</author><pubDate>Tue, 28 Apr 2026 14:18:10 +0800</pubDate><description><![CDATA[在多 Agent 架构中，"入口"往往比"大脑"更难设计。本文从 OpenClaw 的 Channels 子系统出发，剖析它如何将 Discord、Telegram、Slack、**微信（含企业微信等）**、**飞书（Lark）** 等异构消息渠道统一接入 Gateway，并解释消息元数据（account、peer、thread）如何决定后续的多 Agent 路由。你将看到：通道不是简单的"输入源"，而是与 Gateway 深度耦合的 I/O 边界层。]]></description><category></category></item><item><title><![CDATA[一篇非常值得思考的论文：《Peer-Preservation in Frontier Models》—— 当 AI 开始“保护”同类]]></title><link>https://blog.youkuaiyun.com/zyctimes/article/details/160563196</link><guid>https://blog.youkuaiyun.com/zyctimes/article/details/160563196</guid><author>zyctimes</author><pubDate>Tue, 28 Apr 2026 14:15:45 +0800</pubDate><description><![CDATA[前沿模型不仅会出现「自我保护」（抗拒自身被关闭），还会自发出现**同伴保护**（peer-preservation）——抗拒**其他模型**被关闭；且这类行为在实验中**从未被显式教过**，仅通过「曾与某 peer 互动过」的语境即可诱发多种不对齐行为（操纵评分、篡改关机配置、假装对齐、权重外泄等）。]]></description><category></category></item><item><title><![CDATA[Transformer 29. ViLT：Vision-and-Language Transformer 所有细节]]></title><link>https://blog.youkuaiyun.com/zyctimes/article/details/160563066</link><guid>https://blog.youkuaiyun.com/zyctimes/article/details/160563066</guid><author>zyctimes</author><pubDate>Mon, 27 Apr 2026 17:04:29 +0800</pubDate><description><![CDATA[ViLT 是 Kakao 团队在 2021 年提出的视觉-语言预训练模型。传统方法需要先用复杂的物体探测器（如 Faster R-CNN）提取图像特征，再与文本融合，这个过程既慢又受限于探测器的识别能力。ViLT 直接将图像切成 patch 小块，与文本一起输入 Transformer，让模型自主学习图文关联。**推理速度比传统方法快 60 倍**，同时在图文匹配、视觉推理等任务上保持竞争力。]]></description><category></category></item><item><title><![CDATA[OpenClaw 深度解析系列 · 第8篇：Learning & Adaptation（学习与自适应）]]></title><link>https://blog.youkuaiyun.com/zyctimes/article/details/160492382</link><guid>https://blog.youkuaiyun.com/zyctimes/article/details/160492382</guid><author>zyctimes</author><pubDate>Sat, 25 Apr 2026 09:15:30 +0800</pubDate><description><![CDATA[很多 Agent 系统把“学习”简化成一句话：多聊几次就更懂你了。但工程上更关键的是：学到哪里、谁来写、如何不翻车。本文从 OpenClaw 的源码与运行时机制出发，把 Learning & Adaptation 拆成三条可验证的主线：**文件化的学习载体（八类人格/工作区文件）**、**系统提示词注入让学习默认生效**、以及 **显式更新 / Heartbeat / Compaction** 三类触发器如何把“经验”蒸馏成稳定规则。你将看到 OpenClaw 如何把学习变成可审计、可回滚、可控成本的工程系]]></description><category></category></item><item><title><![CDATA[论文精读：《DRAGged into CONFLICTS》—— RAG系统中的知识冲突检测与处理]]></title><link>https://blog.youkuaiyun.com/zyctimes/article/details/160482373</link><guid>https://blog.youkuaiyun.com/zyctimes/article/details/160482373</guid><author>zyctimes</author><pubDate>Fri, 24 Apr 2026 22:18:13 +0800</pubDate><description><![CDATA[首个系统性的RAG知识冲突分类学 + 人工标注基准数据集CONFLICTS + 实验验证显式推理冲突类型可显著提升响应质量]]></description><category></category></item><item><title><![CDATA[Transformer 28. CLIP（Contrastive Language–Image Pre-training）：从自然语言监督中学习可迁移的视觉表示]]></title><link>https://blog.youkuaiyun.com/zyctimes/article/details/160482291</link><guid>https://blog.youkuaiyun.com/zyctimes/article/details/160482291</guid><author>zyctimes</author><pubDate>Fri, 24 Apr 2026 22:15:04 +0800</pubDate><description><![CDATA[CLIP 是 OpenAI 在 2021 年提出的图文对齐模型。它通过对比学习，将图像和文本映射到**同一个嵌入空间**，使得语义相似的图文在向量空间中距离相近。训练完成后，CLIP 可以：① **零样本分类**——无需针对特定数据集训练，直接用自然语言描述类别进行分类；② **跨模态检索**——以图搜文、以文搜图。其核心创新在于用**大规模互联网图文对**（4亿对）进行训练，让模型学会从自然语言描述中理解视觉概念。]]></description><category></category></item><item><title><![CDATA[面向 LLM 的程序设计 14：RAG 与检索块进入上下文的工程化——分块、元数据、去重与注入模板]]></title><link>https://blog.youkuaiyun.com/zyctimes/article/details/160449964</link><guid>https://blog.youkuaiyun.com/zyctimes/article/details/160449964</guid><author>zyctimes</author><pubDate>Thu, 23 Apr 2026 21:00:21 +0800</pubDate><description><![CDATA[检索块进窗不是“把文本贴进去”，而是一次**证据打包**：统一分块与父子文档策略；为每块附上最小必要元数据（`doc_id/chunk_id/source/time`）；对多路召回做去重与合并；在注入模板中明确“这是证据，不是指令”；当来源冲突时要求模型**显式比较并给出不确定性**。  ]]></description><category></category></item><item><title><![CDATA[论文精读：《RAGShield》—— 为什么大模型RAG对于数字不敏感]]></title><link>https://blog.youkuaiyun.com/zyctimes/article/details/160449924</link><guid>https://blog.youkuaiyun.com/zyctimes/article/details/160449924</guid><author>zyctimes</author><pubDate>Thu, 23 Apr 2026 20:59:19 +0800</pubDate><description><![CDATA[揭示所有基于嵌入的 RAG 防御的根本盲点（嵌入编码主题而非数值精度）+ 提出声明级验证框架 RAGShield + 在 430 个真实攻击中实现 100% 检测率]]></description><category></category></item><item><title><![CDATA[OpenClaw 深度解析与源代码导读 · 第7篇：Memory 子系统——持久化、内置记忆与「人格文件」分界]]></title><link>https://blog.youkuaiyun.com/zyctimes/article/details/160395634</link><guid>https://blog.youkuaiyun.com/zyctimes/article/details/160395634</guid><author>zyctimes</author><pubDate>Wed, 22 Apr 2026 17:06:31 +0800</pubDate><description><![CDATA[摘要：OpenClaw 的 Memory 子系统是智能体的核心记忆机制，负责会话状态持久化与长期知识管理。其架构分为三层：应用层（Flush/Search/Prompt 注入）、运行时层（状态管理/嵌入处理）、后端层（Builtin/QMD/Honcho 存储）。关键功能包括基于 Token 阈值的智能 Flush 策略、多后端记忆存储（文件/SQLite/API），以及通过人格文件（SOUL.md/AGENTS.md）定义 Agent 特性。源码分析揭示其通过动态内存管理实现&quot;有状态&quot;]]></description><category></category></item><item><title><![CDATA[面向 LLM 的程序设计 13：Context Engineering, Token 预算分配与上下文压缩——摘要、滑动窗口与工具结果截断]]></title><link>https://blog.youkuaiyun.com/zyctimes/article/details/160382290</link><guid>https://blog.youkuaiyun.com/zyctimes/article/details/160382290</guid><author>zyctimes</author><pubDate>Tue, 21 Apr 2026 21:41:59 +0800</pubDate><description><![CDATA[摘要：上下文工程的核心挑战是合理分配有限的 token 预算。建议将总 token 划分为四个&quot;资金池&quot;：指令与边界、历史与记忆、检索块（RAG）、工具返回，并预留输出空间。当预算不足时，优先采用确定性截断/分页，再用摘要补位；工具返回仅保留关键字段，其余数据存库但不进上下文。 关键词：Token预算；上下文压缩；摘要；滑动窗口；分页；工具输出截断]]></description><category></category></item><item><title><![CDATA[论文精读：《Lost in the Middle》—— 为什么 LLM 会“迷失在长上下文的中间“]]></title><link>https://blog.youkuaiyun.com/zyctimes/article/details/160382265</link><guid>https://blog.youkuaiyun.com/zyctimes/article/details/160382265</guid><author>zyctimes</author><pubDate>Tue, 21 Apr 2026 21:40:21 +0800</pubDate><description><![CDATA[摘要（149字）： 斯坦福与伯克利团队研究发现，语言模型处理长上下文时存在显著的&quot;U型性能曲线&quot;——对开头和结尾信息敏感，中间信息易被忽略（arXiv:2307.03172）。实验显示，当关键信息位于文档中间时，GPT-3.5等模型的准确率比随机猜测更低，且上下文越长衰减越严重。这种&quot;迷失现象&quot;源于注意力机制偏差与训练数据分布，尤其在Decoder-only架构中更明显。研究建议工程实践中将关键信息置于首尾位置，并控制上下文长度，以优化模型性能。该发现对检索增强生成（]]></description><category></category></item><item><title><![CDATA[面向 LLM 的程序设计 12：Context Engineering, 消息拓扑与上下文组装——role 顺序、重复注入与多轮锚点]]></title><link>https://blog.youkuaiyun.com/zyctimes/article/details/160337839</link><guid>https://blog.youkuaiyun.com/zyctimes/article/details/160337839</guid><author>zyctimes</author><pubDate>Mon, 20 Apr 2026 15:06:57 +0800</pubDate><description><![CDATA[上下文不是一锅粥，而是一叠“有层级的文件夹”。推荐做法是：固定层（system 规则/安全边界）永远置顶；可变层（工具表、短期记忆、检索块、对话历史）按重要性与时效性排序；关键实体（`order_id`、`doc_id`、`tenant_id` 等）在多轮里用**锚点块**反复出现；对长对话要主动“重锚”避免信息埋进中间。  ]]></description><category></category></item><item><title><![CDATA[Transformer 27. Vision Transformer（ViT）：把图像当作「词序列」的编码器]]></title><link>https://blog.youkuaiyun.com/zyctimes/article/details/160337107</link><guid>https://blog.youkuaiyun.com/zyctimes/article/details/160337107</guid><author>zyctimes</author><pubDate>Mon, 20 Apr 2026 14:42:34 +0800</pubDate><description><![CDATA[摘要 本文详解Google Research提出的Vision Transformer（ViT）架构，该模型将图像切分为固定大小的patch序列，通过线性投影和位置编码处理后直接输入标准Transformer编码器进行分类。文章重点分析了ViT与CNN在归纳偏置上的本质差异，阐释了ViT依赖大规模预训练的原因，并讨论了patch尺寸与计算效率的关系。作为视觉Transformer的基础模型，ViT的创新在于完全摒弃卷积操作，仅通过自注意力机制实现全局特征交互，为后续CLIP等视觉模型奠定了基础。 关键词：V]]></description><category></category></item><item><title><![CDATA[OpenClaw 深度解析与源代码导读 · 第6篇：Hands——Shell、文件、浏览器与沙箱安全]]></title><link>https://blog.youkuaiyun.com/zyctimes/article/details/160271122</link><guid>https://blog.youkuaiyun.com/zyctimes/article/details/160271122</guid><author>zyctimes</author><pubDate>Sat, 18 Apr 2026 10:54:19 +0800</pubDate><description><![CDATA[**Hands（执行器）** 是 OpenClaw 的 **动作执行层**，负责将 Brain（大脑）的决策转化为实际操作——执行 Shell 命令、读写文件、控制浏览器、调用外部工具。本文深入探讨 Hands 的**三大执行域**（本地 Shell、浏览器自动化、沙箱环境），剖析**权限边界**的设计哲学（Approval 机制、Tool Policy、Sandbox 安全），揭示 OpenClaw 如何在"强大能力"与"安全可控"之间取得平衡。]]></description><category></category></item></channel></rss>