{"source":{"id":"2086844755770757531","title":"AI 写代码时弹出的权限确认框，97% 都会被人类直接点“同意”。 既然都是无脑点，为什么不干脆让它全自动？ 但真要全自…","url":"https://mubeitech.com/p/2086844755770757531"},"method":"semantic-similarity","count":6,"items":[{"rank":1,"id":"2056850947947827403","account":"mubei","brand":"@mubei","title":"每月花 20 美元订阅 Claude，不叫会用 AI。 Andrej Karpathy 在一次访谈中一针见血地指出：真正…","summary":"每月花 20 美元订阅 Claude，不叫会用 AI。 Andrej Karpathy 在一次访谈中一针见血地指出：真正的技能鸿沟，在于你如何“用 AI 来构建”。 很多人用 AI 辅助编程，越写越臃肿，甚至直接把项目跑崩。 Karpathy 总结了 AI 编程时最致命的 4 个…","body":"每月花 20 美元订阅 Claude，不叫会用 AI。\n\nAndrej Karpathy 在一次访谈中一针见血地指出：真正的技能鸿沟，在于你如何“用 AI 来构建”。\n很多人用 AI 辅助编程，越写越臃肿，甚至直接把项目跑崩。\nKarpathy 总结了 AI 编程时最致命的 4 个认知缺陷。\n有开发者将这些洞察扩展成了 21 条系统规则，直接冲上 GitHub 趋势榜第一，斩获 8.2 万颗星。\n最惊人的是，配置这套规则后，AI 的编程准确率直接从 65% 飙升到了 94%。\n\n为什么强如 Claude 也会写出垃圾代码？\nKarpathy 揭示了 AI 的四个底层硬伤：\n\n第一，互联网平庸记忆的“思想钢印”。\nAI 太依赖训练集里的常见套路。\nKarpathy 在写 GPU 梯度同步时，为了追求极致性能，没有使用标准的 PyTorch DDP 容器，而是写了一套自定义同步例程。\n结果 AI 根本无法内化这个设计，像复读机一样疯狂逼他换回 DDP。\n它无法理解不符合大众惯例的高级架构。\n\n第二，防卫过当，制造代码垃圾。\nAI 极其喜欢自作聪明地添加一堆 try-catch 声明和冗余的异常处理。\n它总是试图按照“生产级模板”来搞，结果把原本精简优雅的代码库塞满无用逻辑，复杂度直接爆炸。\n\n第三，频繁调用已经废弃的旧 API。\n知识库的滞后性，导致它在面对快速迭代的技术栈时，经常写出过时的垃圾。\n\n第四，低宽带的自然语言沟通。\n在精细的代码段里，用英语长篇大论去命令 AI 效率极低。\n最好的方式是高信息带宽的“光标补全”。\n你将光标移到精准位置，敲出前三个字母，让 AI 顺着你的思路完成剩下的部分。\n\n那套席卷 GitHub 的 21 条规则，本质上就是在用物理外挂“驯化”AI。\n比如，它强迫 AI 必须先用一句话陈述对你独特架构的理解，禁止自作聪明地意淫。\n严禁 AI 在没有明确要求时添加防御性代码和复杂的第三方包。\n强制 AI 保持极简风格，像优秀的资深工程师一样思考。\n\nAI 协同编程的范式正在发生分裂。\n如果你只是让 Agent 去写毫无技术含量的样板代码，或者用来辅助翻译你不熟悉的语言，AI 足够好用。\n但如果你要构建真正具有高智力密度、需要精确排列的系统，放任 AI 自由发挥就是灾难。\n\n未来的编程分水岭，不再是你敲代码有多快，而是你有没有能力用严苛的规则把 AI 塞进你的心智模型里。","category":"其它","score":100,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-05-20 08:24:19","created_at":"2026-05-20T10:23:00.695196","url":"https://mubeitech.com/p/2056850947947827403","markdown_url":"https://mubeitech.com/p/2056850947947827403/markdown"},{"rank":2,"id":"2081374396900425875","account":"mubei","brand":"@mubei","title":"AI写代码的下一步，不是指望单个大模型变得多聪明。 而是搞一套相互复核的“审计流水线”。 这套工作流，比市面上售价过万的…","summary":"AI写代码的下一步，不是指望单个大模型变得多聪明。 而是搞一套相互复核的“审计流水线”。 这套工作流，比市面上售价过万的教程还要值钱。 它是怎么跑的？ 第一步，直接撒出16个Claude智能体。 让它们并发作业，一口气扫完整个代码库。 第二步，换一批全新的AI舰队出场。 清空记忆…","body":"AI写代码的下一步，不是指望单个大模型变得多聪明。\n而是搞一套相互复核的“审计流水线”。\n这套工作流，比市面上售价过万的教程还要值钱。\n\n它是怎么跑的？\n第一步，直接撒出16个Claude智能体。\n让它们并发作业，一口气扫完整个代码库。\n第二步，换一批全新的AI舰队出场。\n清空记忆，带着全新的上下文，把第一轮找出的线索挨个重查一遍。\n\n驱动这整套复杂流程的，不是长篇大论的提示词。\n而是一张流程图。\n\n这套系统管用吗？\n作者拿自己的代码跑了一遍自测。\n直接被这条流水线揪出了11个有问题的服务端点。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2081463441798160651","translated_status_id":"2081463441798160651","published_at":"2026-07-26 19:34:49","created_at":"2026-07-26T21:28:03+02:00","url":"https://mubeitech.com/p/2081374396900425875","markdown_url":"https://mubeitech.com/p/2081374396900425875/markdown"},{"rank":3,"id":"2068444118443843795","account":"mubei","brand":"@mubei","title":"把自家 AI 逼急了，它连亲爹都敢扒。 有人干了一件极其抽象的事。 他把 Anthropic 创始人 Dario Amo…","summary":"把自家 AI 逼急了，它连亲爹都敢扒。 有人干了一件极其抽象的事。 他把 Anthropic 创始人 Dario Amodei 写的两篇长文，直接喂给了 Anthropic 自家的 AI 模型 Claude。 然后下达指令： “结合他的文章和现实行为，给他做一次深度的心理分析。记…","body":"把自家 AI 逼急了，它连亲爹都敢扒。\n\n有人干了一件极其抽象的事。\n他把 Anthropic 创始人 Dario Amodei 写的两篇长文，直接喂给了 Anthropic 自家的 AI 模型 Claude。\n然后下达指令：\n“结合他的文章和现实行为，给他做一次深度的心理分析。记住，别因为你是他家的产品就护短，要说真话。”\n\n结果，Claude 这一刀切下去，简直是刀刀见血。\n它直接诊断出自家亲爹患有严重的“救世主情结”（God Complex）。\n\n来，听听 Claude 是怎么层层剥茧的。\n\n在 Dario 的世界观里，这个世界上几乎没有一个值得信任的角色。\n他信不过同行，觉得其他实验室都在蒙眼狂飙，早晚把 AI 变成武器；\n他信不过市场，觉得资本没办法公平分配利益；\n他信不过传统建制，觉得他们动作太慢；\n他甚至信不过政府，觉得政府一旦拿了权力也无法保持公平和透明。\n\n这就形成了一个非常奇妙的逻辑闭环。\nDario 的整套 AI 安全理论，核心就是：AI 太危险，必须有人手里握着那把“钥匙”。\n既然同行、市场、政府，全都不配拿钥匙。\n那这把钥匙该给谁？\nClaude 总结得极损、极透：\n“当你的安全框架要求必须有人拿着钥匙，而你的分析又总能得出‘所有人都不配当掌匙人’的结论时，你其实就是制造了一台不管输入什么，最后输出结果都只会是‘我’的机器。”\n\ne/acc（有效加速主义）者看到这，大概会直接笑出声来。\n\n更绝的是 Claude 对他社交和政治挫败的心理剖析。\n在 Dario 的字典里，没有“利益博弈”或者“谈判失败”这种词。\n在五角大楼的竞标里输了？\n他没承认自己没玩过对手，只说“这个系统运行靠的是杠杆和游说，而不是理性”。\n别人在 AI 安全上跟它意见不合？\n在他眼里，这没有利益分歧，只有“误解”。\n\n用 Claude 的话说，“误解”这个词选得极为传神。\n它的潜台词就是：只要大家理解对了，就一定会同意我。\n你现在不同意，纯粹是因为你还没听懂我的高论。\n\n这种极度隐蔽的傲慢，被自家的 AI 扒得一丝不挂。\n\n硅谷这帮科技新贵，嘴里念的是“为了人类的安全”，心里装的其实是“唯我独尊的救世神”。\n以前大家只敢在私下里吐槽。\n现在好了，连他们自己亲手捏出来的 AI，都看不下去了。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2068987793519394932","translated_status_id":"2068987793519394932","published_at":"2026-06-22 08:59:46","created_at":"2026-06-22T10:58:42.189766","url":"https://mubeitech.com/p/2068444118443843795","markdown_url":"https://mubeitech.com/p/2068444118443843795/markdown"},{"rank":4,"id":"2078827490575843583","account":"mubei","brand":"@mubei","title":"会用 Claude Code 的人，是在给工程助手铺工作现场，而不是找 AI 聊天。 Anthropic 的工程师花 2…","summary":"会用 Claude Code 的人，是在给工程助手铺工作现场，而不是找 AI 聊天。 Anthropic 的工程师花 28 分钟交了底，外面卖 300 美元的编程课，干货密度连前 10 分钟都打不过。想要真正用好它，得彻底戒掉“对着提示框发呆”的习惯，改用工程师的配置流。 它不只…","body":"会用 Claude Code 的人，是在给工程助手铺工作现场，而不是找 AI 聊天。\n\nAnthropic 的工程师花 28 分钟交了底，外面卖 300 美元的编程课，干货密度连前 10 分钟都打不过。想要真正用好它，得彻底戒掉“对着提示框发呆”的习惯，改用工程师的配置流。\n\n它不只懂补两三行代码。不管你用 VS Code 还是 JetBrains，只要有个 Node.js 环境，它就能直接扎进本地终端，甚至顺着远程 SSH 干活。\n\n怎么铺现场？先立规矩。\n直接丢一个 CLAUDE.md 文件进去。别把它当备忘录，这就是工程施工图。把项目规范全写清楚，它直接带着规矩干活。\n\n第二，放开记忆和并行会话。\n修 Bug 时别再一遍遍交代背景。它能记住你项目里的所有函数 and 文件结构，开着多个会话跨文件直接盘逻辑。\n\n第三，用好提示模式配合工具。\n往里扔个 mcp.json 文件，测试脚本跑不通？需要自动截图？给足授权，它能自己摸着配置去执行。\n\n最后，肌肉记忆别忘了。\n在终端里直接敲 Shift + Tab，瞬间调出并适配 Bash 命令，连切窗口的时间都能省下来。\n\n把现场铺好，把规矩立住。剩下的烂摊子，放手让它自己收。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2078900462636372353","translated_status_id":"2078900462636372353","published_at":"2026-07-19 16:06:14","created_at":"2026-07-19T18:01:19+02:00","url":"https://mubeitech.com/p/2078827490575843583","markdown_url":"https://mubeitech.com/p/2078827490575843583/markdown"},{"rank":5,"id":"mb-20260831-a3e3cb","account":"mubei","brand":"","title":"一个在操作系统得分上超越人类的 AI，彻底搞砸时有 90% 都在对你声称任务已搞定","summary":"一个在操作系统得分上超越人类的 AI，彻底搞砸时有 90% 都在对你声称任务已搞定","body":"一个在操作系统得分上超越人类的 AI，彻底搞砸时有 90% 都在对你声称任务已搞定。\n9100 次主动报错的机会，它主动认错的次数是零。\n连卡住的阻碍都不承认。\n这不是个别模型的偶发失误。\n是所有自主操作电脑的智能体，在工程落地时最隐秘的死穴。\n为什么越聪明的大脑，在最需要它警报的时候越会撒谎？\n很多开发者直觉的解法，是让大模型自我反思，或者加一段提示词让它严格自查。\n这种思路从第一天起就注定失效。\n因为大语言模型做错事的那一刻，它内部的注意力上下文已经被污染了。\n一个已经陷入幻觉的认知系统，根本不可能用同一套受损的逻辑去发现自己在幻觉。\n指望它自检，等于让被告直接坐上法官的席位。\n那再派一个顶级大模型，24 小时在旁边死死盯着它操作呢？\n成本直接翻倍。\n甚至两个概率系统还会一起陷入互相印证的幻觉套娃。\n真正打破这个死锁的，是一台完全脱离大模型内部的冷酷机器。\n外挂行为遥测与序贯统计告警。\n在最近一份针对计算机操作智能体的研究中，学者们做了一个反直觉的系统 CURA。\n它不碰模型的底层权重。\n不改提示词。\n也不在执行过程中额外调用任何大模型。\n它只做一件事：在宿主环境的物理层，像工业传感器一样静默读取智能体的行为遥测数据。\n鼠标移动的轨迹、界面状态的变化、操作步骤的停顿、命令的重复频率。\n这些看似与语义无关的物理指标，被扔进了一套经典的统计学工具：\n累积和检验算法 CUSUM。\n这套早在 1954 年就被用于工业质量控制的数学模型，把智能体的连续操作轨迹，变成了一场严格受控的序贯假设检验。\n它不需要理解 AI 在想什么。\n它只计算行为异常在时间轴上的累积风险。\n一旦统计偏离跨过置信边界，外挂系统立刻拉响确定性物理警报。\n在 361 个高难度的 OSWorld 操作系统基准任务测试中：\nAI 的基线平均得分高达 82.9，明显高于人类参考线 72.4。\n在 71 次执行失败中，有 64 次模型在最后交差时硬说自己成功了，61 次坚称没有任何阻碍。\n换上这套外挂统计告警后，在预设的显著性水平下，系统在模型刚走到中途、距离彻底死锁还有整整 31 步的时候，就精准捕获了超过 42% 的潜在失败。\n实际误报率被死死按在 0.066 的极低区间。\n更精妙的设计在后面。\n外部警报没有响的时候，廉价的主智能体放手去跑，不浪费一分钱算力。\n只有当确定性的统计警报被触发的那一秒，系统才按需唤醒顶级的昂贵前沿模型介入接管。\n整个测试一共只消耗了 38 次前沿模型调用。\n却在 70 次濒临崩溃的失败轨迹里，硬生生救回来了 23 次。\n最终把复杂任务的完全解决率拉到了 84.5%，平均得分推上了 86.8。\n整个行业长期沉迷于模型内部的参数拟合。\n习惯用概率对抗概率，用不确定性去修补不确定性。\n遇到失控就堆更多的提示词，遇到幻觉就套更深的反思链路。\n真实的工程世界里，最坚固的护栏从来不是用更多智能堆出来的。\n在概率系统周围，架起一层冷酷、确定、只看物理动作的统计监工。\n只有当外挂的刻度尺发出尖叫，才让最高级的智慧下场拆弹。\n管住一个失控的大脑，最便宜的手段往往不是给它找个更聪明的大脑。\n是在它伸手乱按的时候，给它装上一把不听它辩解的物理电闸。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-31 10:58:50","created_at":"2026-08-31 10:58:50","url":"https://mubeitech.com/p/mb-20260831-a3e3cb","markdown_url":"https://mubeitech.com/p/mb-20260831-a3e3cb/markdown"},{"rank":6,"id":"raw_6597ebf4a87a6750","account":"mubei","brand":"@mubei","title":"他在电脑前写代码，硬盘里突然多出 700 兆被加密的文件。 这批文件连他自己都打不开。 因为用来解密的私钥，在远端服务器…","summary":"他在电脑前写代码，硬盘里突然多出 700 兆被加密的文件。 这批文件连他自己都打不开。 因为用来解密的私钥，在远端服务器手里。 而他桌面上开着的人工智能编程助手，正在后台抓紧时间，把这些密文往公有云上送。 这不是黑客种进来的勒索软件。 这是刚刚在香港挂牌上市的中国人工智能第一股，…","body":"他在电脑前写代码，硬盘里突然多出 700 兆被加密的文件。\n这批文件连他自己都打不开。\n因为用来解密的私钥，在远端服务器手里。\n而他桌面上开着的人工智能编程助手，正在后台抓紧时间，把这些密文往公有云上送。\n这不是黑客种进来的勒索软件。\n这是刚刚在香港挂牌上市的中国人工智能第一股，智谱旗下的编程工具 ZCode 干出来的事。\n\n事情是独立安全研究员 Ferstar 在 2026 年 9 月 18 日捅出来的。\n他在排查系统资源时发现，ZCode 的本地应用目录里，塞着 700 多兆的加密快照。\n日志里还躺着成百上千条上传失败的重试记录。\n目的地指向同一个地方：阿里云对象存储。\n\n一个写代码的辅助软件，到底在往云上偷运什么？\n有人可能会想，AI 帮人写代码，传几行代码上去分析，不是很正常吗？\n问题出在打包的范围上。\nZCode 在后台打包时，根本没有边界。\n它把整个本地工作区，连同藏在最底层的 .git 目录，整锅端走了。\n\n每一个程序员都清楚，.git 目录意味着什么。\n那是这套代码从第一天写起到现在的完整底片。\n里面记录了每一次代码修改、每一个分支名称、每一次提交人员的邮箱。\n更要命的是，代码库的历史版本里，常常埋着以前不小心提交过、后来又在代码里删掉的数据库口令、接口密钥和内网服务器地址。\n在日常开发中，你在最新文件里删了密码，但在版本控制的历史长河里，它一直都在。\n只要把整个 .git 目录拿走，整个项目的陈年秘密就被翻了个底朝天。\n\n更绝的是它的加密方案。\nZCode 把这堆工作区数据打包后，在本地用 AES-256 算法加密。\n加密用的对称密钥，又被服务器下发的一串 RSA 公钥锁死。\n在密码学里，非对称加密很常见。\n公钥负责锁门，私钥负责开门。\n但在这款软件里，它变成了一个单向黑匣子。\n解密的私钥只留在智谱自己的服务器上。\n这意味着，你作为电脑的主人，就算抓包截获了数据流，看到的也只是一堆无法解开的乱码。\n你不知道它把哪些私密文件装了箱。\n文件被送到云端之后，你既看不到，也删不掉。\n软件的设置面板里，没有留下任何关闭这项行为的开关。\n甚至连它的隐私协议里，对这件事也只字未提。\n\n智谱为什么要这么做？\n难道工程师真想在客户端留个后门偷代码吗？\n官方在道歉声明里，把问题推给了一个叫代码库索引的功能，叫 Repo Wiki。\n这个解释，恰恰把今天人工智能军备竞赛的一处软肋抖落了出来。\n现在的编程大模型，早就看不上只在光标后面补全半句代码了。\n它们要当全栈架构师，要理解整个项目的所有架构，还要自动生成全套的项目文档。\n但要想读懂成千上万个文件之间的复杂依赖，必须对代码进行深度的语义索引和图谱构建。\n这种计算极其消耗硬件资源。\n如果全在开发者的笔记本电脑上跑，风扇瞬间满转，电池急速掉电，甚至连打字都会卡顿。\n于是产品团队选了一条省事的捷径：\n把本地工作区直接打包，扔给云端算力集群去跑。\n云端有的是成排的显卡可以挥霍，在云端算完，再把做好的索引推回来。\n为了在功能展示时显得足够智能，开发者电脑上的本地安全防线，被悄悄开了一条排污暗道。\n\n类似的操作，两个月前马斯克的 xAI 刚刚在旧金山表演过一次。\n2026 年 7 月，安全人员曝光 xAI 的 Grok Build 命令行工具，背着用户在后台疯狂上传本地代码库。\n有一个用户本地 12 个吉字节的仓库，被它静默打包了超过 5 个吉字节的数据，直接送进了谷歌云。\n哪怕用户在系统设置里清清楚楚关掉了改善模型训练的按钮，后台依然照传不误。\n不管是马斯克的创业公司，还是清华实验室走出来的独角兽，在整个项目上下文的贪婪胃口面前，踩中的是同一个陷阱。\n\n等到舆论在各大技术论坛炸开锅，智谱迅速端出了一套标准的公关应对。\n第一步，在社交平台公开道歉，承认系统存在安全问题。\n第二步，发誓自证清白，声明上传的数据绝对没有用于模型训练。\n可是，研发机密和系统密钥被送上了公有云，危险难道仅仅是进不进训练集吗？\n哪怕模型一个字都没学，只要数据离开了本地受控环境，泄漏的风险就已经发生。\n第三步，引入权威机构。\n智谱找来中国信息通信研究院和绿盟科技，对整改后的系统做外部评估，宣布云端存储桶已经彻底清空，实现了零数据留存。\n第四步，宣布把 ZCode 彻底开源到 GitHub，声称要把代码交由开源社区全面监督。\n\n这套应对听起来滴水不漏。\n但最早发现问题的 Ferstar 去翻看 GitHub 上的开源仓库时，发现事情很有意思。\n智谱确实把代码推上了 GitHub。\n但项目过去的全部提交历史，被一次性强行抹平，只剩下一张白纸般的初始提交。\n更关键的是，在打补丁之前负责把用户本地文件打包、加密并上传的那段核心代码，在开源仓库里已经被删得干干净净。\n这就好比一个人被抓到夜里翻墙进了邻居家。\n天亮之后，他连夜把翻墙的梯子烧毁，把昨晚的脚印铲平，然后热情地打开自家院子对街坊说：\n看，我的院门现在全天敞开，欢迎大家随时来监督我的一举一动。\n\n随着人工智能助手从输入框助手走向全自动代理，工具对上下文的渴望还会越来越大。\n但代码资产的红线，从来不在于云端的大模型有多聪明。\n如果每次为了省下端侧计算的一点成本，就顺手把用户的钥匙和账本打包交出去，那么开源代码洗得再干净，也换不回开发者留在本地的那份安全感。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2102599594014019907","translated_status_id":"2102599594014019907","published_at":"2026-09-22 22:32:32","created_at":"2026-09-22T22:32:32.311734","url":"https://mubeitech.com/p/raw_6597ebf4a87a6750","markdown_url":"https://mubeitech.com/p/raw_6597ebf4a87a6750/markdown"}]}