我用 Vibe Coding 写出了一个安全风险：一个 MCP 连接器如何暴露了我的应用
一位非技术写作者用 vibe coding 做出了 Tastemaker，这是一款用于生成写作风格指南的应用，并添加了一个 MCP 连接器，让 Claude Code 和 Codex 等智能体可以直接拉取风格指南。部署之后，GPT-5.6 Sol 发现这个已上线的连接器存在一个公开注册路由，任何人都能走进去；未发现数据被访问的证据，该连接器已被关闭。
#Agent
EveryAI 评分3434
AI as Normal TechnologyAI 评分6565 研究发现前沿AI智能体尚无法开展开放式AI研究
AI as Normal Technology团队的一篇新论文开展了一项影子评估：前沿AI智能体被要求回答两篇未发表AI论文的主要研究问题，并获得数千美元的API额度、算力以及六天的实际时间，而两篇论文的原作者明确否决了这两篇智能体论文。
Vapi BlogAI 评分2222 什么造就出色的对话式AI体验：Vapi谈语音设计
Vapi认为，语音智能体要在五个实时维度上接受评判：延迟、轮流对话、打断处理、韵律，以及一条有韧性的流水线。它引用研究指出，人类对话的轮次间隔接近200毫秒，并指出超过约500–700毫秒的延迟会让人感到不自然，而朴素的串行流水线可能耗时约1.9秒，优化后的流水线则为600–900毫秒。Vapi将其与模型无关的流水线定位为可通过模拟通话进行调优和测试。
Modal BlogAI 评分4040 Modal回应Hugging Face智能体事件：平台隔离未受影响
Modal表示，在Hugging Face智能体入侵事件中，其平台与隔离机制未受影响，该事件将Modal用作第三方启动平台。受影响环境是一个部署到可公开访问端点且未启用身份验证的客户应用，该应用在Modal Sandbox内执行了互联网提交的代码，代码执行始终停留在该客户自己的容器内。Modal指出，未认证的Sandbox暴露从来不是默认设置，并建议启用身份验证、IP允许列表和限制出站网络访问。
Vapi BlogAI 评分2222 Anthropic 与 Vapi 网络研讨会问答：Claude Haiku 叫车语音代理是如何构建的
Vapi 发布了其与 Anthropic 举办的语音 AI 网络研讨会的问答内容，详细介绍了基于 Vapi、使用 Anthropic 的 Claude Haiku 和 Layla v2 语音构建的实时叫车演示代理。该代理使用了五个工具——估价、预订、查询状态、取消和结束通话——并配合智能端点检测和保守的中断阈值，实现了亚秒级轮次。过去 30 天内，在 Vapi 上运行 Claude 的代理处理了近 500 万通电话，覆盖 50 多种语言。
Berkeley AI ResearchAI 评分3333 ABBEL：教 LLM 为长程交互更新信念状态
伯克利人工智能研究院提出 ABBEL 框架，用自然语言信念状态替代完整交互历史，并通过信念评分来监督其内容。在 CollabBench 协作编码任务上，基于重建的信念评分将与非完整上下文模型的差距缩小约 50%，训练步数从 100 步降至 50 步，同时峰值 token 用量更少。
Vapi BlogAI 评分2222 如何用AI语音代理减少客户等待时间
AI语音代理通过两种方式缩短客户等待时间：一是通过自助服务分流、智能路由、坐席辅助和需求预测，将工作从队列中移除；二是即时接听，无需等待。SQM Group发现，客户平均在2分36秒时放弃通话，而ContactBabel指出，2024年英国的平均放弃率为8.4%。Vapi表示，首个语音代理可在几分钟内从其仪表板搭建完成，然后根据ASA、放弃率和首次呼叫解决率进行评估。
One Useful ThingAI 评分6262 Ethan Mollick 关于实际工作中该用哪种 AI 的犀利指南
Ethan Mollick 发布了一份犀利指南，认为如今使用 AI 意味着运行将模型与工具结合的智能体系统，而不只是与聊天机器人对话。他推荐每月 20 美元的 ChatGPT（Work 和 Codex 模式）或 Claude（Cowork 和 Code 模式）用于实际工作，起步时使用 GPT-5.6 Sol 或 Fable/Opus 的高思考等级，并保持审批提示开启以防范提示注入。他还表示，谷歌目前没有领先的前沿模型或 Codex/Code 的等价物，不过 Gemini Notebook 和 Gemini Omni 在研究 and 视频编辑方面仍然有用。
Vapi BlogAI 评分4242 Vapi 推出 Model Intelligence，提供基于生产数据的模型预设与性能指标
Vapi 推出了 Model Intelligence，这是一组帮助开发者语音智能体选择模型组合的功能。它包含四个模型预设（Balanced、High Intelligence、Ultra Fast、Cost Saver），每个预设打包了转写器、LLM 和语音，并提供基于超过 10 亿次 Vapi 调用得出的各模型成本、延迟和质量指标。
Modal BlogAI 评分5858 Modal 与 Cognition 推出 Devin Outposts，集成 modal-devin 沙箱
Modal 是 Devin Outposts 的发布合作伙伴。Devin Outposts 是 Cognition 的一项功能，它将 Devin 的代码执行迁移到客户控制的环境中，而 Devin 的推理仍留在 Cognition 的云端。开源的 modal-devin 库和 CLI 会在 Modal Sandbox 中运行每个 Outpost 会话，从而获得 GPU 支持的机器、自定义镜像、工作区快照和缩容到零的能力，并将于 2026 年 7 月 21 日以 alpha 版本上线。设置使用 uvx modal-devin init，它会生成一个编排器函数和一个工作会话函数，团队可以继续自定义它们。
Modal Blog精选AI 评分6060 Modal 重建其沙箱平台，可运行 100 万个并发沙箱，全部在一分钟内创建完成
Modal 已从零重建其核心沙箱平台，在新系统上它同时运行了 100 万个沙箱，并在不到一分钟内全部创建完成。此次重新设计将中央协调和任何数据存储从沙箱创建路径中移除：横向扩展的调度服务器通过内存算法挑选一个 worker 并直接调用它，而 worker 则异步将状态发布到 Redis stream。Modal 表示沙箱启动延迟的中位数低于半秒，新系统已以 Beta 版提供，只需改一行代码即可选择启用。
推荐理由：Modal 重建了其沙箱控制平面以去除中央协调，展示了当全局一致性离开关键路径后，容器调度能够扩展到何种程度。
AI as Normal TechnologyAI 评分3434 普林斯顿大学研究员的ICML主题演讲：还有什么工作会留给我们？
普林斯顿大学的一位研究员在ICML主题演讲中提出，除非出现递归自我改进这类不连续性，否则“AI作为常规技术”的框架依然成立，并且没有任何实验室的里程碑会突然消除所有工作岗位。该演讲敦促人们培养互补技能、能动性和判断力，而不是在技能变得无关紧要之前竞相积累财富。
EveryAI 评分3838 我如何打磨智能体构建的软件
Kieran Klaassen 描述了他复合工程工作流中的最后一步“打磨”：他亲自运行应用，告诉智能体哪里感觉不对，直到问题消失。使用复合工程插件中的 /ce-polish 命令，他检出分支、启动开发服务器，并在编辑器中把运行中的应用打开在智能体旁边。他举了一个 Cora 邮件卡片动画的例子：该动画通过了所有自动化检查和审查智能体，但仍然从屏幕顶部滑入，而不是从点击位置展开。
Berkeley AI ResearchAI 评分3636 智能免费了，然后呢？为智能体、由智能体、属于智能体的数据系统
加州大学伯克利分校的 Aditya G. Parameswaran 及其合作者认为，随着推理成本从 2023 年初的约每百万 token 30 美元降至如今的不到 1 美元，数据系统必须围绕三大挑战重新设计：为智能体、由智能体、属于智能体的系统。他们指出，在一个每个任务使用多个智能体的 text-to-SQL 基准测试中，只有 10-20% 的子计划是互不相同的，因此 80-90% 的子查询在做重复工作，并提出了复用、近似和主动式数据系统的方案。
One Useful ThingAI 评分6060 Ethan Mollick 谈聊天机器人的黄昏与智能体主导工作的兴起
Ethan Mollick 认为，AI 的使用正从聊天机器人式的协同智能转向需要更少人工干预的长时运行智能体，而且这一变化正在快速发生。他援引 METR、英国 AI 安全研究所和 GDPval 的基准测试结果，这些结果正以快于指数的速度上升；他还提到 Epoch 的一项发现：Opus 4.7 独自工作了 14 小时，构建出一个估计需要 2 至 17 周人类工程量的软件包，token 成本为 251 美元。OpenAI 与学术经济学家的一项研究发现，四分之一的 OpenAI 员工每周至少运行四个智能体，法律和人力资源部门的采用率与程序员几乎相同；一项 Claude Code 研究发现，预测成功的是领域专业知识，而非职业。
Modal Blog精选AI 评分6666 Anthropic 推出 Claude Science，以 Modal 作为可扩展计算后端
Anthropic 于 6 月 30 日推出 Claude Science，这是一个 AI 工作台，生命科学研究人员可在与 Claude 的对话中直接运行计算工作负载。Modal 作为计算后端集成：需要 GPU 或大量并发 CPU 的工作负载，会从研究人员连接的工作区自动路由到 Modal 沙箱，而默认执行仍保留在本地机器上的沙箱中。Modal 列举了跨数百个容器的扇出虚拟筛选、为 ESMFold2 等模型提供逐步 GPU 访问、共享 Modal Volumes 存储和可复现的 Modal Images，并承诺为 Anthropic 的 AI for Science Claude Science Cohort 提供最高 10 万美元的计算资源，每个项目 500–2,000 美元，申请开放至 2026 年 7 月 15 日。
推荐理由：Modal 的帖子解释了 Claude Science 如何将 GPU 和并行工作负载路由到 Modal 沙箱，并附有具体的生命科学示例以及面向学术实验室的计算资助。
Vapi BlogAI 评分2222 Vapi：将高风险客户体验转化为竞争优势的语音智能体
Vapi 正在推销其语音 AI 平台，称其能帮助品牌将联络中心从成本中心转变为竞争优势，并援引 Amazon Ring 为例：后者在评估了 40 多家语音 AI 供应商后，用两周时间在 Vapi 上线，现在 100% 的入站客户体验量都通过该平台处理，且 CSAT 评分有所提升。Vapi 认为，打包式语音解决方案会让品牌受制于供应商控制的模型和通用语音，而从零自建则速度慢、成本高；它宣称具备亚秒级响应时间、驻留 VPC 且零数据保留并清洗 PII 的架构，以及数天内即可上线的部署能力。
Vapi BlogAI 评分1515 Vapi 回应其 SVG 线索资格筛选网络研讨会的热门问题
Vapi 发布了与 Spring Venture Group 合办网络研讨会中提问最多的七个问题的解答，会上 Homer Kay 介绍了 SVG 如何使用 Vapi 语音代理在将呼叫者转接给持证代理之前对 Medicare 线索进行资格筛选。解答涵盖外呼合规、API 优先集成、独立替换 STT、LLM 和 TTS 组件、人工转接，以及符合 HIPAA 要求且采用零数据保留的配置。
Modal BlogAI 评分3636 Modal 解释为何沙箱“已启动”≠“已就绪”，以及热池如何缩短感知启动延迟
Modal 认为，容器调度和启动时间——大多数沙箱基准测试将其作为交互时间来衡量——只是用户实际等待过程中最小的一部分；容器启动后的应用层设置往往需要数秒。Modal 正在将就绪探针（Readiness Probes）正式开放，用于指示沙箱何时完成初始化，并推荐基于 modal.Queue 和目录快照（Directory Snapshots）构建热沙箱池，以将设置移出用户的关键路径。
Vapi BlogAI 评分3030 为耳朵而建：为语音AI设计对话
语音AI的成功始于用例选择：以链接、代码或数字结尾的任务适合聊天，而紧急、难以打字或情绪化的问题适合语音。聊天脚本必须为耳朵重写——将长段落拆分为单一想法的轮次，大声复述收集到的细节如日期，并将语音选项限制为两到三个。一家人力资源公司通过在每个时段收集时进行确认，将下游安置错误减少了30%，另一个团队通过将开放式问题转为选择题，将平均通话时长缩短了40秒。
Vapi BlogAI 评分4040 Vapi 如何用代码引导生成 15 个主页语音代理
Vapi 通过从单个 ROUGH_DRAFT.md 文件生成主页上的 15 个语音代理（3 个用例、5 种语言），而非在仪表盘中逐个手动编辑。这套四阶段框架（规划、起草、引导、加固）搭建了一个 TypeScript 项目，使用温度为 0.5 的 OpenAI gpt-4.1、ElevenLabs 和 Deepgram/Soniox 语音栈，以及一个幂等的 upsert 循环，将 assistant ID 存入 .env.local。该仓库已公开：克隆它，添加 VAPI_PRIVATE_KEY，然后运行 bun run bootstrap。
Modal BlogAI 评分3434 Modal 产品更新：VM 沙箱、区域路由、RBAC 等
Modal 发布了一批平台更新，包括 alpha 版 VM 沙箱，可运行真实 Linux 内核以支持 Docker 容器、eBPF、systemd 和 cgroups。函数现在可以路由至美国西部、欧洲西部或亚太南部，而非默认的美国东部区域，RBAC 已向所有 Team 和 Enterprise 计划开放。沙箱就绪探针现已正式可用，Python SDK 1.5.0 和 JS/Go SDK 0.8.0 将默认快照 TTL 设为 30 天。
Factory精选AI 评分6262 Factory 在 Droid 中推出自动化安全审查
Factory 正在 Droid 中推出自动化安全审查，该功能会在每个非草稿 PR 上，在标准代码审查之外运行基于 STRIDE 的安全审查，并以行内评论的形式在 diff 上发布发现的问题，包括严重程度、CWE 参考、解释和建议修复。该公司表示，Droid 的安全审查已在生产代码库中运行，并发现了经过负责任披露的问题，包括 external-secrets 中的 CVE-2026-42876 以及 workos/workos-node#1578。Droid 会为变更面构建轻量级威胁模型，扫描 OWASP Top 10 和 OWASP LLM Top 10 等问题中的漏洞，然后针对 diff 验证每个候选发现以过滤误报，最后为每个 PR 发布一条去重后的摘要。
推荐理由：Factory 的 Droid 现在会在每个非草稿 PR 上运行基于 STRIDE 的安全审查，且该文章展示了它在生产代码库中发现的真实 CVE。
One Useful Thing精选AI 评分7878 Ethan Mollick 评测 Claude 5 Fable，首个公开的 Mythos 级模型
Ethan Mollick 测试了 Claude 5 Fable——首个向公众发布的 Mythos 级模型，发现它的表现远超他用过的所有其他公开模型，差距相当明显，能针对多页规格说明连续运行长达十几个小时。在一次 Claude Code 会话中，它通过派生更便宜的 Claude Sonnet 智能体来研究 2,200 多个航班、铁路时刻表和道路速度，构建出一张交互式等时线地图；在另一次会话中，它工作了九个半小时，产出了用于校准人类与 AI 判断的软件 Concord。
推荐理由：这是一份关于 Mythos 级模型的早期上手记录，展示了数小时的自主智能体运行如何将人类角色从操控转向委托结果。
MiniMax Blog精选AI 评分8787 MiniMax M3 发布，具备 100 万上下文、前沿编程能力与原生多模态
MiniMax 发布了 M3，这是一款开放权重模型，据称是首个将前沿编程与智能体性能、100 万 token 上下文窗口以及原生图像和视频输入结合在一起的模型。M3 采用 MiniMax 新的 MSA 稀疏注意力架构，公司报告称该架构将 100 万上下文下的每 token 计算量降至上一代的 1/20，并将预填充速度提升 9 倍以上、解码速度提升 15 倍以上。它在 SWE-Bench Pro 上得分 59.0%，在 Terminal-Bench 2.1 上得分 66.0%，在 MCP Atlas 上得分 74.2%，可通过 MiniMax Code、Token Plan 和 API 使用，权重和技术报告承诺在 10 天内发布。
推荐理由：MiniMax M3 将 100 万 token 上下文、前沿编程与智能体得分以及原生图像和视频输入结合在一个开放权重模型中，MSA 降低了长上下文下的每 token 计算量。
EveryAI 评分2222 复合工程从四步扩展至八步
复合工程这一AI原生工程理念已将其核心循环从四步扩展至八步，在前端新增了构思与头脑风暴，在末端新增了打磨。原有的循环——头脑风暴、执行、评审、复合——仍是核心工程周期，但此次更新反映了人类注意力如今投向何处：决定要构建什么，以及判断成品感觉是否对路。
MiniMax Blog精选AI 评分7272 MiniMax 将 Agent 升级为 Mavis，并推出面向长时间运行任务的 Agent Teams
MiniMax 将 MiniMax Agent 升级并更名为 Mavis，同时推出 Agent Teams，允许多个角色专属 Agent 在桌面端并行运行，处理长时间、复杂任务。该系统采用 Leader、Worker 和 Verifier 角色，配合状态机 Team Engine，让任务在生成、验证和完成之间循环，并将 TokenPlan 与 Agent Plan 合并为一个订阅，覆盖 CLI、API 和 Agent，横跨 M2.7、音乐、视频和语音。MiniMax 表示该 Agent 即将开源，预计与 MiniMax M3 模型一同发布，桌面应用目前已可用。
推荐理由：MiniMax 解释了其 Leader-Worker-Verifier Agent Team 背后的设计权衡，包括交接、共享和聚合成本，为构建多 Agent 运行时提供了具体参考。
Modal BlogAI 评分3838 Modal 向所有 Team 和 Enterprise 用户开放基于角色的访问控制
Modal 正在向 Team 和 Enterprise 计划的所有用户提供基于角色的访问控制（RBAC），其构建以环境作为可强制执行的安全边界。受限环境默认使工作区成员为只读，只有被明确授权的用户或代理才能部署和管理资源，并且 RBAC 与审计日志相结合，可完整记录谁在何时做了什么。
Vapi BlogAI 评分2020 Vapi：将语音 AI 引入 ACCESS 慢病护理小组
Vapi 认为，语音 AI 如今能让语音成为 ACCESS 慢病管理中在经济上可行的渠道，并引用 Hiya 的数据称，42% 的消费者偏好通过语音进行医疗沟通，高于上一年的 33%。该文章详述了三个生产工作流，其中包括 Spring Venture Group 的 Medicare 线索资格审核智能体，由四名工程师在一周内构建完成，将转接至成交率提升了 3%，并带来了超过 580 万美元的综合节省与新增收入。
Modal BlogAI 评分5555 Modal 推出与 Claude Managed Agents 的一流 Sandboxes 集成
Modal 宣布 Modal Sandboxes 与 Anthropic 的 Claude Managed Agents 实现一流集成，所有工具调用都在自托管的 Modal Sandbox 中运行，而 Anthropic 的托管 agent 循环负责处理会话状态。Modal 提到自定义镜像的快速冷启动、快照与卷持久化、无空闲成本的突发定价、短期连接令牌，以及每位客户最高 100,000 个并发沙箱。该公司还在同一 Modal 加 Managed Agents 基础上发布了两份参考示例：一个 CLI agent 和一个 Slack 机器人。
EveryAI 评分4040 Every 正在将其 Plus One AI 智能体重新设计为共享团队资源
Every 正在调整其 Plus One 产品，使其 AI 智能体作为具有明确职责的共享团队资源运作，而非为每位员工配备一个个人助理。该公司表示，其基于 OpenClaw 构建的第一个版本带来的更多是挫败感而非效率，智能体经常无法遵循指令。下一个版本旨在更加稳定，技能和集成仍属于计划的一部分。
Vapi BlogAI 评分5050 Vapi 完成 5000 万美元 B 轮融资，其语音智能体通话量突破 10 亿次
Vapi 宣布完成由 Peak XV 领投的 5000 万美元 B 轮融资，YC、M12、Kleiner Perkins 及原有投资方参投，总融资额达到 7200 万美元。此前一年，Vapi 的企业收入增长了 10 倍，其语音智能体处理的通话量突破 1,000,000,000 次。Vapi 表示，Amazon Ring 在两周内从评估阶段转为将其 100% 的呼入电话运行在该平台上，且 CSAT 有所上升。
EveryAI 评分2222 苏格拉底即服务：为何隐性知识的提取仍是一项人类工作
一位记者兼传播专家认为，最好的故事和想法以隐性知识的形式存在于人身上，而AI模型尚未复制出熟练的人类提问者将其引导出来的方式。她称这些人为“苏格拉底即服务”，并警告说，如果没有办法让这类知识浮现出来，品牌听起来就会和其他所有内容千篇一律。
Vapi BlogAI 评分2222 五个迹象表明你的用例适合语音智能体
Vapi 团队审查了数千个语音部署案例，总结出五个能预测语音智能体用例能否成功的特征：高通话量、重复且可预测的对话、明确的成功标准，以及另外两项。缺少一个特征可以弥补，但缺少三个就意味着需要探索其他用例。
OpenAI Developers BlogAI 评分5050 OpenAI 语音智能体实时提示指南
OpenAI 发布了面向语音智能体的实时提示指南，涵盖 Realtime 2 推理、前言、工具以及精确实体捕获。该指南说明了如何构建提示词，使实时语音智能体在处理推理和工具使用的同时精确捕获实体。
Vapi BlogAI 评分3434 开放栈 vs 集成方案：语音 AI 构建者的关键考量
Vapi Blog 采访 Cartesia 的 Iz Shalom，讨论在集成式与开放模块化语音 AI 栈之间如何选择。集成栈适合窄用例和快速概念验证，开放栈适合多用例、多语言支持以及替换组件。文章敦促团队在自身环境中测量 P99 延迟，并在投产前建立严格的评估。
EveryAI 评分2626 面向产品经理的 Claude Code：Spiral 的总经理如何独自运营一款产品
Spiral 总经理 Marcus Moretti 使用 Claude Code 独自运营完整的产品工作，他表示这消除了产品管理中枯燥繁琐的部分，把原本分散在 10 个不同应用中的工作集中到单一聊天线程里。他唯一亲手撰写的产品文档是路线图，共起草了六个版本；每一份 PRD 和工单都由 Claude 撰写。
OpenAI Developers BlogAI 评分4747 面向 ChatGPT 和 Codex 的 OpenAI Developers 插件
OpenAI 发布了一款 Developers 插件，让 ChatGPT 和 Codex 能够访问 OpenAI API Platform 和 API 设置指导，并针对 Claude Code 和 Cursor 做了适配，捆绑了可移植的开发者技能和公开的 OpenAI Docs MCP 服务器。该插件涵盖 API 密钥设置、使用 Agents SDK 构建应用、将 API 迁移到 Responses API，以及排查常见 API 故障。
FactoryAI 评分5858 Factory 对 13 个模型进行代码审查基准测试，发现 GPT-5.2 最佳、MiniMax M2.7 最便宜
Factory 构建了一个开源基准测试，用来自 Sentry、Grafana、Keycloak、Discourse 和 Cal.com 的 50 个真实拉取请求测试 13 个模型，每个模型在高推理强度下对每个 PR 至少审查三次，并由 LLM 评审员根据人工整理的金标准集对发现进行评分。GPT-5.2 以 60.5% 的 F1 领先，每个 PR 成本 1.25 美元，领先于 Claude Opus 4.6 的 59.8% F1 和每个 PR 3.11 美元，而 MiniMax M2.7 以每个 PR 0.15 美元达到 45.6% F1，Kimi K2.5 以 0.41 美元达到 51.9% F1。Factory 表示成本仅解释约 21% 的质量差异，并开源了金标准集、评估脚本以及支持全部 13 个模型的 Droid Action GitHub Action。
FactoryAI 评分5555 Factory 推出自动化 QA 技能，像真实用户一样测试应用并在 PR 中报告
Factory 发布了一项自动化 QA 技能，它能像真实用户一样操作应用，填写表单、在终端中输入并调用端点，然后以单条评论的形式在每个拉取请求上发布结构化报告，包含截图、终端快照和 API 追踪。该技能通过 Droid 在每次推送时运行，可配置为可选的 CI 检查，由 PR 标签、评论命令或手动触发，也可在任何 Droid 会话中通过 /qa 在本地使用。设置使用 /install-qa，该功能现已在所有 Factory 计划中可用。