最新内容
让 AI Agent 调 GitHub、Slack 或 Google Workspace，最省事的方案往往也是风险最大的方案：把 OAuth access token 或长期 Bearer token...
很多 Agent 测试停留在“模型有没有调用正确工具”“最终回答是不是包含某个字符串”。这种测试对确定性函数很有用，但对真实的 Agent 工作流还不够：敏感数据可能先从工具结果进入上下文，再被模型改...
AI Agent 开始替人做事以后，身份认证已经不够了。一个 GitHub Token 或 OAuth 会话或许能说明“请求来自某个账号”，却很难让接收方判断：这个 Agent 是谁授权的、只能访问哪...
代码审查 Agent 最容易落地的地方，往往不是“再接一个聊天窗口”，而是 Pull Request 本身：它能看到明确的 diff、仓库上下文和讨论线程，也能把结果留在团队已经使用的工作流里。问题是...
当 Codex、Claude Code 或 Cursor 需要读取真实项目时，真正棘手的往往不是模型能力，而是请求里混着不该离开电脑的内容：内网地址、客户名称、数据库密码、云平台令牌，以及带有上下文关...
让编码 Agent 操作浏览器，常见路线是启动一个隔离的自动化实例，再通过 Playwright、Puppeteer 或 DevTools Protocol 驱动它。这条路线适合测试，也适合可重复的网...
AI Agent 的风险并不只在模型回答。一个能调用 shell、文件系统、HTTP 服务或浏览器的 Agent，实际继承了工具实现、MCP 配置、依赖版本和提示词里的执行边界。很多团队会在上线后才加...
AI 编程 Agent 最让人紧张的时刻，往往不是它写错了一个函数，而是它在修复错误的循环里继续执行了不可逆命令：git reset --hard 丢掉还没提交的改动，rm -rf 清空构建目录，或者...
让 Agent 搜索商品、生成购物清单，和让它真正提交订单，是两个安全等级完全不同的问题。前者出错通常只是答案不佳；后者一旦被提示注入、错误路由或上下文污染影响，就可能把外部动作带到不该去的商家、金额...
Agent 能决定“下一步想做什么”，不等于它应当直接拥有网络、数据库或内部 API 的执行权限。一个常见的实现把模型、编排框架和工具函数连在一起：模型输出工具调用，框架就执行函数。这样开发很快，但授...
