Google DeepMind 与新加坡政府宣布推出保护公民免受诈骗的新型 AI 工具
了解 Google DeepMind 和 GovTech Singapore 如何利用轻量级端侧 Gemma 模型，在不向云端传输任何数据的情况下，拦截私人聊天中的对话式诈骗。
推荐理由：了解端侧AI如何在不上传聊天数据的前提下识别并拦截诈骗，提升通信安全。
精选
2026年10月14日星期三 · AI 自动挑选的高价值内容
数据时间 2026/10/14 14:12
当前热点
- 推出 Claude Haiku 5.53 个信源同时报道
10月14日
Physical Intelligence API Beta：面向每个机器人的前沿模型
推荐理由：了解 Physical Intelligence 如何通过 API 让开发者调用前沿机器人模型。
使用 Anchor Browser 和 AgentCore payments 构建可执行交易的智能体
了解 AWS Generative AI Innovation Center Partner Agent Factory 和 Anchor Browser 如何构建能够自主支付费用以访问受 x402 保护的网络资源和 API 的 AI 智能体。Amazon Bedrock AgentCore payments 可检查预算、签署交易并重试请求，而无需向智能体运行时暴露钱包凭证。
推荐理由：了解AI代理如何安全自主支付受保护资源，掌握预算控制与交易签名实践
Shopify 向更多 AI 代理开放其商品目录
很快，更多 AI 代理将能够浏览 Shopify 商品列表并进行购买，这标志着该公司在代理式商务方面的野心进一步扩展。Shopify 周二宣布，将允许消费者配置自己的 AI 代理，代表他们购买商品，从而让更多代理能够访问 Shopify 商品目录中的超过十亿条商品信息。（该目录包括 […]
推荐理由：了解Shopify开放商品目录给AI代理，掌握智能购物与电商变革趋势。
Higgsfield 将 AI 视频时长从 1 分钟提升至超过 10 分钟
Higgsfield 借助 GPT-6 Astra 为创作者带来更长的视频，借助 GPT-Image-2.5 实现精准视觉效果，并借助 GPT-Live 开辟语音电影制作之路。
推荐理由：帮助创作者延长视频时长、提升画面精准度，并探索语音驱动的电影创作。
Facebook 将允许你使用 AI 自定义信息流算法
Facebook 全新的“Your Algorithm”功能将让你直接添加和管理希望在信息流和 Facebook Reels 中看到的主题。Meta 表示，在使用这项新功能针对不同主题点击“感兴趣”或“不感兴趣”进行更新后，推荐内容会“立即作出响应”。Your Algorithm 此前已在 Instagram 上推出……
推荐理由：帮助用户主动定制信息流，减少无关内容，更快获取感兴趣的主题。
在 Orca Security 中使用 Amazon Bedrock 进行自然语言安全查询
Orca Security 构建了 Discovery AI，这是一个基于 Amazon Bedrock 的自然语言查询代理，可将日常英语问题转换为 Sonar 查询。本文分享了其多阶段架构及结果：与最初的基线相比，查询成本降低了 90%，输入令牌减少了 93%，延迟降低了 75%。
推荐理由：了解 Orca Security 如何借助 Amazon Bedrock 将自然语言转为安全查询，并显著降低成本、Token 消耗与延迟。
在 HN 发布：Consus（YC F24）——面向处理敏感数据企业的 LLM 网关
Hacker News 的各位好！我是 Consus 的创始人 Eric。我们将所有 AI 请求路由至符合 ITAR 限制和受控非机密信息（CUI）要求的基础设施。Consus 本身符合 ITAR 限制要求，我们最近还完成了针对 410 项 FedRAMP High 控制措施的 FedRAMP 等效性审计。FedRAMP High 是美国政府针对处理敏感非机密数据的云服务制定的最严格安全基线。此类数据泄露可能造成严重或灾难性后果。在处理 CUI 信息之前，必须取得 FedRAMP 等效性或授权。演示：https://youtu.be/6MYxJe6P4oY 航空航天与国防行业正在快速增长。但遗憾的是，由于必要的数据保护措施和合规风险，大多数公司都难以使用 AI。如果这些公司能够使用大多数其他行业习以为常的 AI 工具，它们本可以发展得更快。 在加入 Consus 之前，我的大部分职业生涯都在航空航天与国防领域。我曾在 SpaceX 负责发射国家安全载荷，也是 Castelion 的早期员工。我亲眼看到，合规方面的繁文缛节如何让公司难以采用新技术，也难以信任那些会接触其敏感数据的供应商。 例如，我曾与一家卫星制造商合作，该公司不允许使用任何 AI 工具，即使是处理非敏感工作也不行。尽管过去 9 到 12 个月里 AI 已经变得极其有用，但令我惊讶的是，仍有这么多航空航天与国防公司拒绝接触 AI。他们看得出 AI 可能会有所帮助，但担心模型提供商使用他们的数据进行训练、违反 ITAR 规定，或者因未通过网络安全评估而失去新业务。这些担忧都是合理的。 解决其中部分或全部问题有许多方法，但我们专注于构建一个合规的 AI 推理层，可以“接入”任何 AI 工具或工作流。正如 OpenRouter 能够与大多数工具集成一样，Consus 可以连接到 ChatGPT 或 Claude 这样的工具、包括 Pi coding agent 或 Open WebUI 在内的开源工具，也可以集成到各个组织自行构建和维护的应用程序中。 几乎没有哪家航空航天与国防公司同时使用三大 GovClouds（AWS、Azure、Google）。当我梳理哪些前沿模型可以合法运行于 ITAR 和 CUI 工作场景时，我发现每个提供商都只提供部分模型，而每个模型达到的合规水平也各不相同。 我们的客户不会从云提供商的角度思考。他们考虑的是所需的数据控制措施，以及想要使用的模型。这就是我们构建合规后缀的原因。在底层，每个请求都会访问一个统一的 OpenAI 兼容端点；在接触推理服务之前，系统会先验证密钥并执行策略。每个模型名称都必须带有合规后缀，例如 gpt-5.6-sol:fedramp-high 或 claude-opus-5-5:itar，任何不带后缀的模型名称都会被拒绝。 我们绝不会代理到标准商业端点。客户还可以构建模型允许列表，并为组织内的单个用户分配支出和模型使用限制。所有这些都通过 Consus Portal 处理，团队可以在那里管理支出、密钥和策略。 我们经常听到的一个问题是：为什么不直接在 AWS GovCloud 或 Azure Government 中使用 Bedrock？对于小型团队而言，仅仅获得这些平台的访问权限就很困难。对于大型组织而言，GovCloud 允许你继承部分、但不是全部处理敏感数据所需的控制措施。此外，模型分散在不同提供商之间：GPT-5.6 Sol 仅在 Azure Government 中提供，而 Claude Opus 5.5 则通过 AWS GovCloud 中的 Bedrock 提供。如果两者都想使用，就需要搭建并保护两个独立的政府云环境。 我们将所有模型置于一个端点之后运行，因此客户无需选择云平台，而合规工作则由我们分别为每个平台处理。 鉴于数据的敏感性，Consus 不会在静态状态下存储任何客户数据。所有提示词和生成结果只会在请求处理期间保留于内存中，绝不会记录或写入磁盘。无论是我们自身，还是基础设施及模型提供商，都严格执行零数据保留政策。出于计费和审计目的，我们会保留每个请求和响应的元数据。 Consus 从设计上就不是自助服务产品。ITAR 要求我们确切了解每个密钥另一端的使用者，因此我们会验证每个组织，并在发放 API 密钥前签订合同。 我们向客户收取合规费用，起价为每席位每月 40 美元，另加按成本收取的 AI 令牌费用。我们目前正在积极服务客户，非常期待获得安全专家，以及在高度监管行业工作的开发者和工程师的反馈！ 参考资料： API 文档：https://gateway.consus.io/overview 安全与架构：https://gateway.consus.io/security 合规详情：https://consus.io/compliance 评论 URL：https://news.ycombinator.com/item?id=50073471 得分：4 评论数：1
推荐理由：为涉密行业提供统一合规的多模型AI接入，降低部署与审计门槛。
10月13日
万事俱备：全球 PC 应用生态系统已为 NVIDIA RTX Spark 做好准备
NVIDIA RTX Spark 为 PC 开启全新篇章——通过革新，将游戏 PC、创意工作室和个人 AI 超级计算机的能力融于一颗超级芯片之中。凭借高达 128GB 的统一内存和每秒 1 千万亿次浮点运算的 AI 算力，RTX Spark 提供 NVIDIA RTX 的全栈能力以及 […]
推荐理由：了解 RTX Spark 如何以统一内存与 AI 算力融合游戏、创作和个人 AI 计算。
Codex CLI 默认会安装一个持久运行且自动更新的后台守护进程
推荐理由：帮助开发者识别 Codex CLI 常驻后台与自动更新带来的安全和隐私影响。
Launch HN：Agent37 (YC F26) – 用于运行智能体的低成本沙箱
大家好，我是 Agent37（https://agent37.com）的 Vishnu。我们构建了用于运行 AI 智能体的沙箱，成本不到大多数沙箱服务商的 10%。我们的客户平均每个沙箱每月只需支付 0.37 美元。你可以在这里观看产品演示视频：https://youtu.be/DK5ISR2tbNo 我们在今年 2 月起步时，是 OpenClaw 封装公司中的一家（没错……大家尽管批评我）。后来，我们逐渐加入了越来越多的运行框架。当时我的目标之一，是为用户提供免费套餐，以获取更多市场份额。但一开始这样做的成本实在太高，尤其是我们当时是自筹资金，服务器费用都靠我的积蓄承担。 如今，得益于此后进行的优化，我们终于能够提供免费套餐了。我们新增注册用户中有超过 90% 选择了免费套餐，他们在我们的云端托管自己的 Hermes、Openclaw、Claude Code 等服务。免费沙箱的基础设施成本平均约为每位用户每月 0.05 至 0.10 美元。 以下是一些帮助我们降低成本的技术： * 观察智能体运行框架时，你会发现它们消耗 CPU 和 RAM 的方式存在某些规律。它们在初始化或执行特定任务时需要突发性的 CPU 资源，但除此之外通常不会持续达到峰值。浏览器和计算机操作等任务需要更多 RAM，而任务完成后，资源使用量通常会回落。降低成本的关键就在于这一点，因此通过高效管理 CPU/RAM 的使用率，我们能够降低成本。 * 其次，租用主机时必须避开超大规模云服务商。我以前在 Amazon 工作过，他们在虚拟机上的利润率高达 80% 至 90%。因此，在查看价格后，我很自然地选择了向下游寻找 Hetzner 和 OVH 这样的供应商。仅这一点，可能就是降低成本最重要的手段之一。 * 第三，你还需要选择一种能够在主机之间高效缓存和共享资源的技术栈。我们使用 gVisor，以实现更高的资源利用率和更快的启动速度。这样，我们就能在多个沙箱之间使用主机上可用的内存，而不必为每个沙箱预留一整台虚拟机的内存。当然，这也存在取舍：我们的 gVisor 沙箱不支持 Docker-in-Docker 或 Android 模拟器等工作负载。 * 最后，你购买的主机的规模和配置也会产生很大影响。就成本而言，瓶颈通常在 RAM，而不是 CPU。对于智能体运行框架工作负载来说尤其如此，因此购买服务器时，我们会优化配置，以便在单台主机中装入更多 RAM。对于有完整虚拟机需求的工作负载，我们也提供完整虚拟机沙箱，包括以略高的价格运行 Docker；不过，综合采用上述其他技术后，它们的成本仍然相当低。 总的来说，我的经验是，只要专注于沙箱使用场景中的某个细分领域，并针对该领域进行优化，就能提供更好的成本与性能平衡。 我之前曾在 Amazon 担任高级软件工程师，并在 Quantcast 担任工程经理。我构建了 Amazon 内部的 AI 聊天机器人 Diya，以及其内部的代码运行框架 Ziya。 如果你想在沙箱中运行智能体，正在寻找沙箱供应商，欢迎来看看我们。我们尤其希望从事消息智能体开发的开发者试用自己的工作负载，挑战我们平台的极限及其经济性。 谢谢！https://agent37.com 评论链接：https://news.ycombinator.com/item?id=50059096 分数：8 评论数：0
推荐理由：了解低成本运行AI Agent沙箱的优化方法、价格优势与兼容性取舍
深入探究 Azure Maia 300 架构
推荐理由：帮助读者理解 Azure Maia 300 的架构设计、性能特点与技术取舍。
使用 llama.cpp 在 Amazon SageMaker AI 上部署决策模型
了解如何使用 llama.cpp 在 Amazon SageMaker AI 上部署决策模型。本技术教程将通过用于 llama.cpp 的 AWS Deep Learning Container 提供兼容 OpenAI 的聊天补全服务，然后使用 SemIf 扩展运行时，以便在 CPU 或 GPU 上返回针对已声明选项的概率。
推荐理由：详解用llama.cpp在SageMaker部署决策模型并输出选项概率的方法
10月12日
Microsoft 的新 AI 芯片降低了对 Nvidia GPU 的依赖
Microsoft 今天宣布推出第三代自研 AI 芯片 Maia，旨在成为 Microsoft 产品和服务的“主要 AI 推理系统”。Maia 300 不仅提高了在云端运行 AI 工作负载的成本效益和效率，还更擅长处理最新的推理模型和智能体任务。Maia 300 将 […]
推荐理由：了解微软自研芯片如何降低对英伟达依赖，并提升AI推理效率与成本表现
Show HN：一份开源 AI 排行榜，展示你的机器可以运行的最佳模型
大家好，我做了 whatmodel。这是一个简单的网站，可以在浏览器中访问，也可以通过终端使用：curl whatmodel.sh 使用方法： 1. 输入你的 RAM 和 GPU 2. 查看你可以在本地运行的模型、它们的排名以及运行命令 3. 使用相同的评分将它们与 API 模型进行比较 构建这个项目让我意识到，如今一台 32GB 的 Mac 已经可以完全在本地、免费运行一个得分与 GPT-5 相当的模型（例如 4-bit 的 Qwen 3.8 27B）。 每个模型都会获得一个综合分数，该分数基于 18,731 项已发布的基准测试结果拟合得出，并且每项结果都附有其来源链接。 方法见 https://whatmodel.sh/method，数据、评分代码和基准测试脚本均已开源：https://github.com/jakemanger/whatmodel 如果你愿意贡献，可以使用基准测试脚本收集真实场景下的 tok/s，也可以在 github 上提交任何新模型和基准测试分数，并附上其来源。 评论 URL：https://news.ycombinator.com/item?id=50053608 得分：1 评论数：0
推荐理由：可操作性 88 / 深度 78，来自 Hacker News AI。
Show HN：Atticus——在 macOS 上运行于 Claude -p 的按住说话语音助手
大家好！我是 Saarth。我上九年级，制作了 Atticus。Atticus 是一款速度极快且价格低廉的 Mac 助手，可以帮你完成各种任务。你只需按住 Control-Option-Space，说出或输入任务，无论任务复杂还是只是简单的浏览器搜索，Atticus 都会立即处理。有趣的是，打开应用、播放 Spotify 播放列表或进行网页查询等简单任务不会调用 AI，而是在本地处理，通常不到一秒就能完成。例如，让 Atticus 打开应用大约需要 0.08 秒，有时甚至在你说完句子之前就已完成，有点像 Jev。更复杂的任务会通过 claude -p 发送给 Claude，这意味着你不需要 API 密钥，Atticus 会使用你现有的 Claude Pro 或 Max 方案。采用这种方式也能大幅降低成本，平均每项任务只需不到一美分的一小部分。为了实现 Atticus 的速度，它会记住每项已完成任务的快捷操作。第一次正确完成任务后，它会保存执行步骤，下次无需 AI 就能重放这些步骤。例如，创建新会议这一工作流第一次大约需要 30 秒。随后，Atticus 会将确切步骤记录到记忆中，下一次执行只需 5–8 秒。此外，随着你使用 Atticus 的次数增加，以及通过读取电脑中的信息——包括你的姓名、应用和你希望它记住的内容——Atticus 还会逐渐了解你，从而为你提供个性化的回答。为应对让 AI 不受限制地访问设备所带来的安全问题，Atticus 提供了可切换的限制选项：在删除、发送、购买任何内容或写入文件之前，都会先提示用户确认。我目前正在开发的一些功能包括会议副驾驶，它将利用 Atticus 的速度，让 Atticus 能够监听会议，并在问题出现时实时回答，同时结合会议上下文以及它所了解的你的信息进行个性化处理。要运行 Atticus，需要 macOS 26 或更高版本，因为其语音转录功能依赖该版本。语音转录同样由 macOS 在本地完成。Atticus 免费、开源，而且还非常新。我完全清楚它还有许多不完善之处，因此非常希望听到大家的反馈：哪些地方会出问题，以及你们希望 Atticus 实现哪些功能！评论链接：https://news.ycombinator.com/item?id=50049588 得分：11 评论数：0
推荐理由：了解一款结合本地快捷操作与Claude的低成本开源Mac语音助手，提升日常效率。
10月10日
通过 ChatGPT 将代码发送到你的 IDE
了解 ChatGPT 如何帮助将生成的代码传输到你的 IDE，从而加快开发工作流程。
推荐理由：了解如何用 ChatGPT 将生成代码快速导入 IDE，提升开发效率。
ChatGPT 中的视觉和语音
了解 ChatGPT 中的视觉和语音功能如何帮助团队处理多模态输入并进行更自然的交流。
推荐理由：了解 ChatGPT 如何用视觉与语音提升多模态协作和自然沟通效率
使用 ChatGPT 中的 canvas 写作
了解 ChatGPT 中的 canvas 如何帮助将笔记、文字稿和草稿润色成完善的文章。
推荐理由：了解 Canvas 如何将笔记、记录和草稿高效打磨成精 polished 文稿。
在 ChatGPT 中创建上下文工作区
了解 ChatGPT Projects 如何帮助整理文件、保存上下文，并让不同工作流中的对话保持一致。
推荐理由：帮助读者用 ChatGPT Projects 整理文件、沉淀上下文，让多项工作持续高效推进。
使用 ChatGPT 进行市场调研
了解 ChatGPT 如何规划、搜索、阅读来源并编写详细的研究报告，为市场分析提供支持。
推荐理由：帮助读者借助ChatGPT高效完成市场调研与分析报告。
在 ChatGPT 中使用 canvas 进行原型设计
了解如何使用 ChatGPT 中的 canvas，将产品需求文档转化为可运行的 HTML/React 原型。
推荐理由：学习用ChatGPT canvas将产品需求快速转为HTML/React原型，提升开发效率。
连接来自 Google Drive 的内部知识
了解 ChatGPT 如何连接到 Google Drive，利用内部知识并结合相关上下文回答问题。
推荐理由：帮助用户连接 Google Drive，让 ChatGPT 基于内部知识提供更具上下文的答案。
使用 OpenAI o3 自动化复杂工作流
了解 OpenAI o3 如何推理复杂任务，并帮助自动化多步骤工作流。
推荐理由：帮助读者了解如何用OpenAI o3拆解复杂任务并自动化多步工作流。
通过图像生成创建符合品牌调性的视觉素材
了解 ChatGPT 图像生成功能如何根据提示词、草图或上传的图像，帮助创建品牌视觉素材和产品效果图。
推荐理由：通过提示词、草图或图片，快速生成符合品牌的视觉素材与产品模型。
使用自定义指令个性化 ChatGPT
了解自定义指令如何根据你的角色、偏好和工作帮助个性化 ChatGPT。
推荐理由：帮助读者用自定义指令定制更符合个人需求的 ChatGPT】【。
将工作委托给 ChatGPT 智能体
观看 ChatGPT 智能体演示，了解它如何进行研究、编写代码并在线采取行动，在几分钟内完成一份商业计划。
推荐理由：了解ChatGPT智能体如何调研、编程并执行线上任务，快速完成商业计划。
OpenAI 如何使用 Codex 加速工程开发
详细介绍 OpenAI 团队如何使用 Codex 理解代码、重构系统、提升性能、加快开发速度并优化工程工作流程。
推荐理由：了解OpenAI如何用Codex提效工程，获取代码理解、重构与性能优化的实践方法。
深入了解 GPT-5 for Work
简明指南：了解 GPT-5 如何驱动营销、工程、财务、战略、法律和 IT 领域的实际业务流程，以及如何为你的团队进行评估。
推荐理由：帮助读者了解 GPT-5 如何赋能业务流程，并评估其团队应用价值。
Asana 在使用 GPT-6.1 Sol 进行浏览器测试时将模型成本降低了 76 倍
借助 Codex 中的 GPT-6 Astra，Asana 在测试中将其浏览器代理的成本降低了 76 倍、速度提升了 5 倍，从而为客户提供能力更强的模型。
推荐理由：展示浏览器智能体降本76倍、提速5倍的实践，为AI应用优化提供参考。
Anthropic 的 Claude 现可通过动态工作流并行协调多达 1,000 个 AI 代理
Anthropic 正在为 Claude Managed Agents 添加动态工作流，使主代理能够同时将任务分配给多达 1,000 个子代理。在测试中，单个代理最多发现了代码库中 70 个隐藏漏洞里的 27 个，而多代理工作流则稳定发现了 66 个。文章《Anthropic 的 Claude 现可通过动态工作流并行协调多达 1,000 个 AI 代理》最初发表于 The Decoder。
推荐理由：了解Claude多智能体协作如何显著提升代码审查与复杂任务处理能力
Postman 如何在 Amazon Bedrock 上为 4000 万开发者运行 Agent Mode
构建一个能在演示中运行的 AI agent，与为 4000 万开发者运行一个 AI agent 是两个不同的问题。Postman 和 AWS 分享了 Agent Mode 背后的架构模式：控制工具泛滥、提供基于 schema 的读取，并将上下文视为真正的瓶颈；此外，还介绍了它如何在 Amazon Bedrock 上实现大规模运行。
推荐理由：掌握大规模运行 AI Agent 的工具治理与上下文管理方法。
如果你错过了：2026 年 9 月为 AI 开发者带来了什么
2026 年 9 月 Amazon Bedrock、Amazon Bedrock AgentCore 和 Strands 的最新更新月度回顾：更广泛的模型选择、内置评估功能且速度更快的无服务器代理，以及借助原生企业连接器实现的知识库自动同步。
推荐理由：帮助 AI 开发者快速掌握模型、智能体与知识库的最新能力。
10月9日
Anthropic's Claude Science 首次创建完整的天空紫外线地图
Johns Hopkins University 的天体物理学家 Brice Ménard 使用 Anthropic's Claude Science 首次绘制了整个天空的紫外线图。AI 智能体从多个太空任务中下载数据，对其进行校准，并使用图像修补技术填补空白。预测结果与实际测量值的平均偏差约为百分之十。Ménard 认为，这个项目体现了一类如果没有 AI 就根本无法完成的研究。文章《Anthropic's Claude Science creates the first complete ultraviolet map of the sky》最先发表于 The Decoder。
推荐理由：了解AI如何协助绘制首张完整紫外线全天图，拓展天文学研究边界。
Sophos 借助 OpenAI Daybreak 将威胁调查时间缩短 96%
了解 Sophos 如何利用 OpenAI 的 Daybreak 将网络威胁调查时间缩短 96%，并在保留人工监督的同时，实现 52% 的 MDR 案件自动化。
推荐理由：影响力 75 / 新颖度 70，来自 OpenAI Blog。
One Skill Too Many: How Co-Installed Skills Conflict in Coding Agents
Coding agents are extended with agent skills, directories whose SKILL.md tells the model when and how to perform a task. Because skills come from independent sources (teams, developers, plugins, copied collections), an installed skill can be co-installed with a similar skill doing the same job, and the model picks between them by name and description alone. In a conflict, the installed skill loses core functions (e.g., a ban on touching git) because the similar skill runs instead or changes what it does. The task still passes, so benchmarks that check only task completion miss such cases. We present the first empirical study of such conflicts. From snapshots of 20,947 repositories, we mine 822,109 candidate similar-skill pairs, have an LLM judge a stratified sample of 3,754, and run 312 confirmed pairs on three models (6,368 runs, 169,294 tool calls, 542 agent-hours). We report five findings. (1) Conflict-prone skills are common: nearly one in four installed skills is co-installed with one that does the same job, and 37% of judged skills sit inside copied collections. (2) Most such pairs involve normative skills, then capability skills. (3) Without lowering task completion, a similar skill takes one in five runs from the installed skill, and runs that open the similar skill first lose over a third of the exclusive core functions that only the installed skill fulfills. (4) Install location decides which skill runs, listing order barely matters, and the final reply names the skill used in only 0.9% of substituted runs. (5) Conflicts are decided at the first skill read, almost always before any file is changed, and a pre-tool hook at that read restores fidelity on exclusive core functions to the level of runs that open the installed skill first. Benchmarks should thus score exclusive core functions, and platforms should guard the first read and show which skill ran.
推荐理由：深度 95 / 新颖度 90，来自 arXiv cs.AI。
Anthropic 为开源项目推出免费 AI 安全扫描服务
Anthropic 推出了一项名为 OSS Scanner 的新服务，帮助开源项目查找安全漏洞。该公司表示，选择加入的开源项目将“免费获得由我们最强大的模型进行的全面、定期安全扫描”。这可能意味着开源项目能更早收到潜在安全问题的提醒，但代价是 OSS Scanner 的 […]
推荐理由：帮助开源项目免费发现并及时修复安全漏洞，提升软件供应链安全。
Show HN：免费开源的 Adobe Lightroom 替代品，完全本地化运行并配备 AI
推荐理由：了解一款免费开源、完全本地运行并支持 AI 的 Lightroom 替代方案。
进入 Omniverse：开发者如何借助 Frontier AI Agents 将创意转化为仿真
将仿真创意转化为可运行的应用程序，意味着整合资产、连接物理与渲染，并检查场景是否按预期运行。开发者正将 Frontier AI 模型与 NVIDIA Omniverse 库结合起来，以协助完成这项工作——构建用于探索各种场景、调查故障和改进设计的应用程序。开发者通过 […] 引导 AI agents。
推荐理由：了解前沿AI智能体如何借助Omniverse加速仿真开发、验证与设计优化
Show HN：Pocketty – 当 agent 受阻时提醒你的 iPhone SSH 终端
你好~！Pocketty 是一款适用于 iPhone 和 iPad 的 SSH 终端，专为 herdr 打造。herdr 会让你电脑上的 agent 窗格持续运行，并了解每个窗格的状态：工作中、需要你的介入，或已完成。最近休陪产假的后半段时间里，我是在恼火和绝望中做出这个应用的。被宝宝午睡困住的时光很甜，但我能承受的无休止刷屏和看电影时间毕竟有限……无论如何，过去几个月我一直在使用它，现在终于不必守在书桌前也能保持高效。如今，被宝宝午睡困住的时候也能继续产出（只要我想）！ 工作方式： - 应用通过普通 SSH 直接连接你的电脑。Tailscale 是从任何地方访问电脑的简单方式，但只要是你能连接到的 SSH 主机都可以。 - 主机上运行的一个小型 Rust 守护进程会监视 herdr。当某个窗格需要你处理时，它会使用 HPKE（X25519、ChaCha20-Poly1305）将提醒加密到你手机的密钥上。Cloudflare Workers 上的无状态中继（属于 Pocketty）会把加密后的字节传给 APNs（Apple 推送通知服务器），然后由通知扩展在手机上打开。中继无法读取这些内容，也不会保存任何东西。 - 你的 SSH 密钥会在 Secure Enclave 中生成，无法导出。 - 终端使用 libghostty-vt 管理状态，并通过 wgpu 在 Metal 上进行绘制，因此全屏 TUI 的显示效果和在电脑上一样，只是宽度更窄。 - 每个 agent 回合的差异、文件浏览器，以及 agent 启动的 `localhost` 开发服务器预览，都通过同一个 SSH 连接提供。无需设置端口转发。 herdr 和该守护进程都是可选的。不使用它们时，这就是一个普通的 SSH 客户端。无需注册账号，应用中也没有分析或跟踪功能。 应用提供 14 天免费试用，期间可使用全部功能。之后，如果你也像我一样喜欢它，只需一次性购买即可永久拥有：前两周为 99 美元（发布优惠价），之后为 129 美元。 欢迎询问任何关于加密推送设置或在 iOS 上运行 libghostty 的问题。 评论链接：https://news.ycombinator.com/item?id=50009634 分数：7 # 评论数：0
推荐理由：让你用 iPhone 远程管理 SSH 中的 AI 代理，任务卡住时及时收到提醒。