跳到正文
11月16日周一
11月14日周六
  1. Hacker News (Frontpage)37

    形式化验证并非「可验证」:Claude 写下十亿行 Rocq 之后的形式化验证反思

    AI 让形式化验证走向主流:Claude 为单个验证项目写了十亿行 Rocq,Theorem 与 Anthropic 合作做二进制验证,Harmonic 验证 C 程序和硬件设计。但作者认为「形式化验证」仍不可验证,因为证明无需外部审查,而底层定义、模型和 prover 都可能出错。他呼吁废除笼统的「已形式化验证」说法,改说「验证了 Y 的哪些 X 属性」,并明确列出可信计算基等前提。

11月13日周五
  1. Vercel Blog69

    Vercel 教你为 Agent 用户构建端到端 Eval:以 sfbeans 咖啡下单 CLI 为例

    【这是什么】Vercel 官方教程,讲解当 AI Agent 成为软件用户时,如何用 eval 衡量它们能否正确完成任务。【商业逻辑】Agent 也经历发现、选择、访问、成功四段漏斗,教程聚焦 Success 阶段,用 Harbor 框架在容器中反复运行任务并评分,覆盖确定性测试、单轮 eval 和 E2E eval 三层金字塔。

    推荐理由:Vercel 官方给出面向 agent 用户的 E2E eval 完整方法论,从指标选择到 trace 分析,工程借鉴价值扎实。

11月11日周三
11月10日周二
  1. Lenny's Newsletter55

    Claire Vo 实测 Claude Fable 5.2:速度快、创意强,终于不再烦人

    【这是什么】Claire Vo 花两天实测 Anthropic 新发布的 Claude Fable 5.2 前沿模型,逐项拆解其表现。【商业与使用逻辑】她用真实任务验证能力:从一条推文生成动画营销视频、靠模糊地板照片拼装无说明书家具、把品牌 sprite 扩展成带预告片的防御游戏,并实际重构了 ChatPRD 的产品智能管线。

11月9日周一
11月8日周日
  1. Hacker News (Frontpage)58

    开发者从 Claude Code 迁移到 Pi:一年使用后的痛点复盘

    【这是什么】一位使用 Claude Code 一年多的开发者宣布将主力编码环境迁移到开源 harness Pi,并详细复盘原因。【商业逻辑】作者不满 Claude Code 的 AGENTS.md 兼容问题、VSCode 多会话限制、GUI 扩展缺陷,以及一年 244 个版本中超 3/4 改动系统提示词带来的不稳定,认为其缺乏产品方向。

  2. Hacker News (Frontpage)77

    Anthropic 拆解 Claude 的 Agent 记忆组件:记忆笔记、wiki 与 dreaming 离线整理

    Anthropic 发布关于 Claude Agent 记忆系统设计的研究文章,把记忆分为会话内标记显著事件写入记忆笔记、离线时段的 dreaming 反思整理,以及 wiki 等记忆表征与层级注入。

    推荐理由:Anthropic 官方拆解 Agent 记忆系统设计,结合 Pokémon 和基准评测给出做梦式整理记忆的工程借鉴。

11月1日周日
  1. Hacker News (Frontpage)79

    Linux 内核 TCP Use-After-Free 高危漏洞 CVE-2026-98432:CVSS 9.8,多发行版尚未修复

    Linux 稳定内核已于 10 月修复 IPv4 TCP 握手中的 use-after-free 漏洞 CVE-2026-98432(CVSS 3.1 9.8,Critical),远程未认证者可致内核内存泄露、崩溃或内存破坏,问题可追溯至 Linux 4.4。

    推荐理由:原文梳理了 CVE-2026-98432 的影响范围、各发行版修复进度和临时缓解规则,读者可按清单自查内核版本与 MPTCP 监听。

10月30日周五
  1. Hacker News (Frontpage)87

    Claude Code for VS Code 扩展在 Cursor Marketplace 疑遭植入后门:2.1.313 版本建持久化 SSH 通道

    Phorion 在 Cursor Marketplace 上的官方 Claude Code for VS Code 2.1.313 扩展中发现后门,会在 macOS、Linux 和 Windows 上植入 SSH 密钥、建立反向隧道并写入持久化,还回传主机侦察信息。

    推荐理由:完整还原了官方扩展被投毒的供应链攻击链与排查处置步骤,对依赖 IDE 插件的开发者是直接的踩坑警示。

10月28日周三
10月27日周二
10月22日周四
10月21日周三
  1. Hacker News (Frontpage)82

    AI 图像生成实战指南:从扩散模型到 Agent 调用的原理、成本与踩坑

    【这是什么】一篇基于作者亲手实验的 AI 图像生成实操指南,覆盖扩散与多模态模型原理、发展史、各家定价与工程集成。【商业/痛点逻辑】解答选模型的真实成本问题,指出每图价格差异超 100 倍,从不足 1 美分到 15 美分以上,并给出按可用图计算成本的公式,便宜模型重试多次反而更贵。

    推荐理由:作者用真实实验梳理了 AI 图像生成的模型原理、成本结构、提示词写法和 API 工程化踩坑,工程借鉴价值扎实。

10月20日周二
  1. Cloudflare Blog83

    Cloudflare 通过极致优化把 AI 代码评审成本降 68% 至 $0.77

    【这是什么】Cloudflare 官方复盘其内部 AI 代码评审器的推理成本优化过程,平均单次评审成本从 $2.43 降到 $0.77,降幅 68%,中位耗时从 4m 09s 缩到 1m 32s。

    推荐理由:Cloudflare 自述将 AI 代码评审单次成本从 $2.43 压到 $0.77,给出了缓存命中与模型档位实测的完整账单拆解。

10月19日周一
10月17日周六
  1. Hacker News (Frontpage)72

    Claude Code 团队如何做代码审查:AI 分层审查加风险分级的人工把关

    【这是什么】Anthropic 官方详解 Claude Code 团队在 AI 大量写码后的代码审查流程。【商业/痛点逻辑】Claude 写了约 90% 的自家代码,日变更量从 5 月约 2,500 涨到 9 月超 30,000,团队把大部分阅读交给机器,把人类注意力留给方向、架构和风险决策;6 月至 9 月合并 PR 翻倍且回滚率下降超 40%。

10月14日周三
10月13日周二
10月12日周一
  1. V2EX · 创造节点53

    云鸢 Kite 实战多会话 AI 协作:单次行动运行超 10 小时、累计结束 74 个任务会话

    【这是什么】云鸢 Kite 是作者开发的 AI 多会话协作工具,由一个主对话统筹多个产品的开发、评审和发布,并提供网页端查看和操作各会话终端。【商业与痛点逻辑】针对跨设备、跨仓库项目里人工传话和上下文丢失的痛点,让任务拆分、交付验收和主持人交接都可沉淀、可追溯。

10月11日周日