AI 日报

OpenAI 构建了一条自主运行的流水线，发现并验证了 Linux 内核中的 948 个本地权限提升漏洞，并为这些漏洞生成了补丁。

— OpenAI Blog

大家好，HN！我是 Kino（https://kino.ai）的 Luke。Kino 让你能与智能体和队友一起制作精彩的视频。它将视频素材与资源存储、功能丰富的视频编辑器，以及供队友审阅的链接整合在一起。你的同事和 Codex / Claude Code 可以在同一条时间线上协作，审阅意见与视频素材都集中在一处。基本功能介绍见 https://kino.ai/walkthrough-video，发布视频见 https://kino.ai/launch-video（完全使用 Kino 制作！）。 Opus 5.5 现在已经能剪辑视频、制作出色的动态图形了。但如果只使用原始的智能体运行框架，你就得用文字或临时搭建的简易界面描述细微的修改，无法引用在不同设备之间共享的视频素材，而队友的反馈则是 Slack 上的一张张截图。 Kino 以代码为先。所有剪辑操作、所有动态图形、时间线条目的每一次拖动、队友的所有评论，以及所有 3D 场景，都以代码表达，底层基于 Remotion。要把这件事做好并不容易，因为我们发现自己实际上是在为 React 构建一个所见即所得的编辑器，然后再把它变成视频编辑器。制作发布视频时，我让 Claude-with-Kino 找来一张 macOS Leopard 安装盘，并将整个视频的视觉风格改成与之匹配的样式。 Kino 还支持全面的实时协作，因此你可以看到队友的光标，以及他们此刻正在观看时间线上的哪个具体位置。制作发布视频时，我让 5 个以上的智能体同时编辑时间线，而我的朋友 Donald 则让他的智能体群在几分钟之后的位置工作。Donald 安排了一个智能体进行逐帧描摹，以实现我们的视觉特效；我让一个 LLM 通过我们的 LUT 支持为所有媒体调色；与此同时，我们俩也不断微调时间线。 为了让这个以代码为先的编辑器能够处理视频素材，所有素材都会经过转写、向量嵌入、内容描述和人脸检测。拖入素材后，你可以在本地拖动播放头浏览，但我们也会上传一个低分辨率代理文件，供队友和云端推理查看。本地浏览能力加上定制的专业媒体解码器，意味着你可以把新 iPhone 上一段 250GB 的 ProRes 视频直接拖进 Kino 时间线。我们为 ProRes、BRAW、R3D 等专业编解码格式构建了定制解码器（可参阅我那篇极其成功、获得了九分的 HN 帖子：https://news.ycombinator.com/item?id=50198052）。在 WebCodecs 和 Mediabunny 这类库出现之前，我们现在实现的性能根本不可能达到。 我从小就制作 YouTube 视频。在 MIT 读本科期间，我联合执导了一部 3.5 小时长的档案影像纪录片，讲述学校的历史和美国的技术发展（https://regressions.net）。大量工作都是给素材做记录、管理硬盘、手动同步 Premiere 项目状态，以及在电子表格中规划影片。 2023 年首次发布时，我们宣称 Kino 是“硅谷与好莱坞的结合”。但它其实更像是面向好莱坞的 Palantir：我们派出前线部署工程师团队，为 Survivor、A24 的 Beef 等节目提供定制的 Kino 本地部署服务。那段经历令人兴奋，但感觉这也是改善全世界视频剪辑体验最慢的一条路。受限于 Avid Media Composer 和影视公司严格的安全规定，我们无法使用前沿模型，也无法将剪辑师的工作效率提升到 10 倍以上。因此，2025 年，我们将 Kino 重建为一个真正的编辑器，并押注于“编程即剪辑”。 Kino 中的一切都有 URL：项目、片段、素材、评论和回复，甚至单独一帧画面及绘制它的那行代码。项目和媒体集中在一处，并且所有内容都能通过地址定位，这意味着你的智能体和团队拥有了一个统一、可编辑的视频制作权威数据源。更具体地说，我现在经常把 Kino 链接粘贴给智能体，无论是为了确保 Codex 准确知道我指的是数千个时间线条目中的哪一个，还是明确需要处理哪位队友的评论。 已经有团队在 Kino 中管理整个公司的媒体，每天启动智能体制作新视频，然后使用审阅链接标记问题。一位创始人是这样发布广告的：每天利用 Kino 对 YouTube 的支持，寻找自己获准使用的辅助镜头素材，剪出一些内容，然后由联合创始人留下“我们需要改用这个片段”之类的意见，接着智能体就可以落实这些修改。 全职电影制作人也在使用 Kino。他们往往很像“toxenmaxxer”型软件开发者：让 15 个以上的智能体在同一个项目上迭代，每个智能体都将 Kino 视为时间线状态、图形、媒体等一切内容的权威数据源。 完整编辑器免费，包括不限次数的导入与导出、实时协作，以及供你自己的智能体使用的 MCP 接入。Pro 的价格为每位编辑者每月 25 美元，额外提供不限次数的 MCP 工具调用、分享链接、更多存储空间、YouTube 搜索，以及与团队共同编辑的能力。你可以在 https://kino.ai 下载。目前我们尚未发布纯浏览器版 Kino，只有 Electron 版本。 无论你是个人视频创作者，还是有 ProRes 媒体、想试试看能否把 Kino 折腾坏，或是有旧视频编辑器项目需要导入，又或者想为公司制作更多内容，我们都很想听听你使用 Kino 的体验。 评论链接：https://news.ycombinator.com/item?id=50368804 得分：2 评论数：1

— Hacker News 熱門

大家好，我是 Gauge 的 Evan。我们正在将 CLI 开源，用于递归改进面向编程智能体的文档。这个 CLI 内置了本地执行后端，因此无需注册账号即可试用。讲解视频：https://youtu.be/zhLUlIKB1Mg 这个 CLI 支持爬山优化循环： - 为编程智能体设置需要查阅你们文档的任务，例如“设置 Gauge CI 检查” - 运行任务 - 分析会话记录，找出使用障碍或失败之处 - 创建文档变体来解决这些问题 - 注入文档变体后重新运行任务（在同一主机名下透明替换） - 重复上述过程，直到找到能够解决问题的变体 同样的循环也支持对 Skills、CLI 以及其他面向智能体的交互界面进行爬山优化。 两年前，我们最初做的是开源开发者工具（例如 Tach：https://github.com/tach-org/tach），后来转向 AI 搜索优化，如今则专注于这两个领域的交汇处。我们此前已经在与一些出色的开发者工具公司合作，也是他们最先向我们询问如何针对 Claude Code 和 Codex 进行优化。我们意识到，这最终会成为每家公司都需要做的事。 我们的 CLI 为文档、开发者关系和工程团队提供基础组件，用于衡量、分析和改进编程智能体使用其产品的方式。设计可以归结为两个组件：虚拟机和网络网关。虚拟机部分很直接：我们希望智能体在其环境中拥有较高权限，以便真实反映开发者所用编程智能体的情况。每台虚拟机通常都包含智能体运行框架本身、编程语言工具链和一个 git 仓库。 网络网关负责终止 TLS 连接，并透明地替换文档变体。网关还会处理凭据替换，因此智能体看到的是占位符，无法将密钥外传。 CLI 自带一个 'local' 执行后端（推理仍在远程进行）。它使用 Docker 容器充当虚拟机，网络网关则是 mitmproxy，在每个会话的边车容器中运行。 我们已在内部使用爬山优化循环，发现并修复了编程智能体的一些问题，例如误报价格、不准确地描述产品限制，以及反复采用变通方案。我们曾发现编程智能体声称 Gauge 只支持 Claude Code 和 Codex，于是追溯到它们获取的网页，并纠正了这一行为（我们也支持 Pi、OpenCode 和 Antigravity）。 对于 Clerk，我们帮助编程智能体从旧版的 'keyless' 模式转向新的 'clerk init' 命令。他们使用 Gauge，在发布前验证了对 SDK 错误消息的修改；部署后，编程智能体使用 'clerk init' 的次数增加到了原来的 3 倍。 我们意识到，由于 AI 模型具有“静态”特性，如今几乎所有软件产品都可以采用闭环优化技术。同一个智能体可以被反复模拟运行，这意味着你只需要一个高保真的测试环境。要取得最佳效果，关键在于高质量分析（找出具有普遍性的使用障碍和疑虑）以及配对实验（只改变内容，衡量其引发的后续行为变化）。 代码仓库：https://github.com/gauge-sh/gauge-cli 你可以通过以下命令开始使用 CLI： npm i -g @withgauge/cli 文档和快速入门指南：https://docs.withgauge.com/agents/guides/cli 让编程智能体阅读这些页面，它应该就能引导你完成初始设置——如果不能，请告诉我们！我们的目标是让你的智能体运行一些合理的评估，并找到至少一个你可以修复的使用障碍。 我们很想听听 HN 社区的意见：有人尝试过在本地自己搭建这样的系统，或者在公司内部开发过类似工具吗？这是否有所改进？如果没有，还需要做出哪些改变？ 评论链接：https://news.ycombinator.com/item?id=50371090 得分：4 评论数：0

— Hacker News 熱門

发布：datasette-agent 0.5a0 这是 Datasette Agent 的一次重要版本发布。最值得关注的新功能叫作面板——它可以让智能体聊天窗口保持打开，并显示在 Datasette 页面的旁边，例如表格页或查询页。结合 datasette-apps 使用时，这意味着你可以通过提示词创建一个由数据库支持的应用，然后在应用旁边的聊天窗口中修改它。截图展示了一个标题为“评估大语言模型价格”的分屏聊天界面（模型标签为“gpt-6-luna”）：对话位于左侧的窄栏，右侧的宽面板则显示助手构建的应用，上方有“导出”和“关闭面板”按钮。聊天中，蓝色用户气泡写着“构建一个应用，帮助探索这些数据”和“让它的设计更有黑客美学风格”，每条消息后面都有折叠的工具调用（app_create、app_render、app_view、app_str_replace）、带有“查看应用”和“编辑”按钮的“LLM Price Explorer v1.”和“v2.”条目，以及助手的简短回复，介绍该应用及其新采用的深色终端风格主题。右侧面板显示生成的“LLM Price Explorer”，采用黑底、霓虹绿色等宽字体：统计卡片展示了来自 12 家提供商的 185 个模型，工作负载成本从 0.042 美元（Jev 1.13）到 300.00 美元（o1 Pro）不等；此外还有筛选和工作负载成本估算控件，以及列出匹配模型的表格，展示每百万 token 的输入、输出和缓存输入价格。你可以使用 GitHub 账户登录 agent.datasette.io 试用。标签：projects、datasette、datasette-agent

— Simon Willison

ChatGPT 现在可以根据提示词或上传到这款 AI 聊天机器人的照片创建 GIF。此次更新正随 OpenAI 的全新 Images 2.6 模型一同推出，你可以调整 GIF 的动画速度、编辑单个帧，并与他人分享。在此之前，ChatGPT 还无法在单次 […] 中原生生成 GIF。

— The Verge AI

在生产环境的 AI 智能体中，上下文管理才是真正的瓶颈。本文介绍了一个四层上下文工程框架（架构、提示词、基于文件的工具和验证智能体），并通过 Deep Insight 中可实际运行的代码展示其实现。Deep Insight 是一个基于 Strands Agents SDK 和 Amazon Bedrock AgentCore 的开源多智能体数据分析解决方案。

— AWS Machine Learning Blog