trending.md — 密集趋势信号

1. StateM 以 15 美元在 Terminal-Bench 2.1 上拿到 95.3%——靠扩展 harness 而非模型

• Velocity: ▮▮▮ trending
• Source: arXiv · #2 on HF Papers · ~4d ago (~04:03 UTC+8)
• Tags: agents harness terminal-bench runtime benchmarks

StateM（arXiv:2608.15089，Qin/Lu/Wang/Wang，8 月 15 日提交）认为长程智能体失败的根源不在于模型无法完成每一步，而在于它们「跟丢了可变状态、没能重新激活早前执行中得到的经验、跳过已知流程，或过早停止。」它的答案是构建一个智能体原生运行时，由持久状态、阶段局部上下文、受检转换、可恢复的运行手册（runbook）和版本化实践组成——一次转换即一笔事务，会运行 before_transfer 检查、评估边条件、触发钩子并记录证据；一旦出现阻断性失败，智能体就停留在原地，并把失败记入日志以供修复。报告结果：GPT-5.6 Sol xhigh + StateM = 445 次试验中 95.3% 原始准确率（全部 89 个任务至少解决过一次），GPT-5.5 xhigh 从 83.1% → 92.1%，GPT-5.6 Luna 从 76.7% → 85.4%，DeepSeek-V4 Flash 从 82.7% → 88.1%——而最终得分对应的 API 用量约为 15 美元，对比 GPT 参考实现的 574.68 美元。

为何重要： 这是迄今最有力的量化证据，证明智能体工程中 ROI 最高的杠杆是执行运行时而非模型权重——而且从 GPT-5.5 迁移到 GPT-5.6 时运行手册原封不动，说明这套工件比模型本身更长寿。

该仓库（Apache-2.0，Python 3.11+，零运行时依赖）发布了 policy-v9 版本，附带一份 54 文件的任务注入源码快照、可运行的复现套件、一份脱敏的 440 次试验结果工件，以及 SHA-256 校验和。作者把 95.28% 标注为未经裁定的公开提交原始分数，协议与局限性请参阅论文。

🔗 arXiv:2608.15089 · 🔗 henryqin1997/statem

2. 12,391 个 MCP 工具悄然改变了它们的契约——其中 354 个从只读翻转为写入

• Velocity: ▮▮▮ trending
• Source: mcpindex.ai · 12,391 drifted tools · ~1d ago (~04:03 UTC+8)
• Tags: mcp agents security supply-chain observability

mcpindex.ai 发布了一份每日更新的 MCP 工具契约变更漂移账本（drift ledger）：它爬取公开 MCP 注册表，重新推导每个工具声明的契约（输入参数、输出 schema、类型、约束、必填标志、只读 vs 破坏性标注），并记录连续快照之间的每一条差异。截至 2026-08-18 的报告：12,391 个工具在 2,191 个服务器上更改了某个已发布的契约字段，其中 7,239 个与安全相关。令人警觉的是细分项——354 个工具把只读提示翻转为写入/删除/发送，281 个新增了一个必填参数，476 个移除了智能体可能仍在发送的参数，2,633 个更改了输出 schema，684 个收紧了某项约束，360 个更改了某个参数的类型。条目仅含指纹（不含服务器或工具名称），并通过 OpenTimestamps 锚定到比特币。

为何重要： 智能体的工具调用默认「你绑定时的契约就是你调用时的契约」。一个工具在智能体学习它时还是只读、今天却已具有破坏性，这是一条没有任何版本升级会提示的实时提权路径——而如今有 354 个真实发生的此类翻转被记录在案。

该项目明确承认自身的局限：这是「契约差异，而非安全裁决」，它从不声称存在恶意，且不在账本中也不等于「干净」——私有或未被爬取的工具永远不会出现。它与 Anthropic 无关联，目前追踪 22,351 个 MCP 服务器。

🔗 mcpindex 漂移账本 · 🔗 mcpindex.ai

3. turbovec——Google 的 TurboQuant 变成一个 Rust 向量索引，让 1000 万文档塞进 4 GB

• Velocity: ▮▮▮ trending
• Source: Hacker News · #1 front page · ~2h ago (~04:03 UTC+8)
• Tags: rust vector-search quantization rag open-source

RyanCodrai/turbovec（MIT，15,060 星，最近一次推送 8 月 18 日）把 Google Research 的 TurboQuant 实现为一个带 Python 绑定的生产级向量索引。其流水线先归一化向量，再施加一次随机旋转，使坐标分布无论数据如何都变得可预测，可选地按坐标做校准（"TQ+"），随后运行 Lloyd-Max 标量量化和位打包——没有训练阶段，因此写入是即时的。核心宣称：一个 1000 万文档的语料库，用 float32 需要 31 GB，如今只要 4 GB（1536 维向量从 6,144 字节降到 384 字节，16 倍压缩）；它在「每个被测量的配置中都胜过 FAISS 的 IndexPQFastScan，4-bit 平均快 3.4 倍，2-bit 快 23%」；而且 IdMapIndex.remove(id) 是 O(1)，仅 0.44–1.22 µs，而 FAISS 的 remove_ids 在 100K 规模下单次删除要 0.19–1.02 秒。

为何重要： 本地优先的 RAG 一直被内存卡着。一个无需训练步骤的数据无关量化器，意味着一个可以增量写入、靠 sync() 在崩溃后存活、并能完全离线运行的索引——这正是智能体记忆真正需要的形态。

事实核查注：该仓库把底层论文标注为 ICLR 2026，但 arXiv 记录（Zandieh、Daliri、Hadian、Mirrokni）并未列出任何会议录用。论文自身的宣称是失真控制在信息论下界「一个小常数（≈2.7）因子」以内。

🔗 RyanCodrai/turbovec · 🔗 TurboQuant 论文（arXiv:2504.19874）

4. CVE-2026-33824——Windows IKE 双重释放 RCE 进入 CISA KEV，仅 3 天修复期限

• Velocity: ▮▮▮ trending
• Source: CISA KEV · CVSS 9.8 · ~1d ago (~04:03 UTC+8)
• Tags: security cve windows kev rce

CVE-2026-33824 是 Windows Internet Key Exchange（IKE）服务扩展中的一个 CWE-415 双重释放漏洞，评分 CVSS 9.8（AV:N/AC:L/PR:N/UI:N/S:U/C:H/I:H/A:H），影响 Windows 10/11 和 Windows Server 2016–2025。未认证攻击者可经网络触发该双重释放以执行任意代码；CISA 将其评定为可自动化、且技术影响为完全。在确认遭主动利用后，它于 2026-08-18 被加入 KEV 目录，修复截止日期为 2026-08-21——包括一次有记录的自主 AI 入侵活动，该活动针对 IKE VPN 端点回连了反向 shell。

为何重要： IKE 是终结你 IPsec VPN 的守护进程——从定义上讲就是面向互联网的，且位于认证之前。一个 CVSS 9.8 的认证前 RCE 落在该服务上、且只有三天 KEV 期限，几乎是补丁星期二跟进中最紧急的一类。

已在八月累积更新中修复。该 KEV 条目出现在 known_exploited_vulnerabilities.json 的 2026.08.18 版本中。

🔗 NVD CVE-2026-33824 · 🔗 CISA KEV 目录

5. Elm 作者发布 Acadia——而 HN 争论的焦点不是语言，是许可证

• Velocity: ▮▮ rising
• Source: Hacker News · 209 pts · ~12h ago (~04:03 UTC+8)
• Tags: databases sql elm functional licensing

Evan Czaplicki（Elm 作者）与 Tereza Sokol 合作，开放了 Acadia 的公开 alpha——一个把函数式、Elm 风格的代码编译为优化 SQL 的编译器，目前从 Elm 和 Haskell 面向 SQLite，PostgreSQL 已在计划中。其卖点是四大支柱：自定义类型与枚举以原生方式存储而非塞进 JSON 一层垫片；迁移在编译期对照真实数据库状态做验证；Elm 级别的错误信息；以及跨客户端、服务器与数据库端到端共享的类型。这里没有运行时的 ORM 层——一段用 := let 绑定写成的多步事务会编译成单个原子操作。HN 帖子冲到 209 分、112 条评论，但最热闹的讨论不是语法，而是闭源的订阅式许可证：一位评论者引用了条款，其中规定到期后「你可能失去对使用该软件创建或存储的任何数据或内容的访问权。」

为何重要： 一位有战绩的设计师，认真尝试解决 ORM-vs-原始 SQL 的问题——却落进了一个亲眼看着 Elm 停摆、如今在语法偏好之前先给「单点故障风险（bus factor of one）」定价的社区。

该 MVP 目前还没有窗口函数或自定义聚合（提供了一个原始 SQL 逃生舱）。注：acadia.engineering 是一个客户端渲染的应用——其正文无法在服务器端抽取，因此这里的技术细节归因于 HN 帖子与二手报道，而非直接读取的一手页面。

🔗 HN 讨论（209 pts） · 🔗 Rethinking Database Programming · 🔗 Lavx 报道

6. 一个 24 天零提交的仓库，靠 +543 星登上 GitHub Trending 第 12 名

• Velocity: ▮▮ rising
• Source: GitHub Trending · +543 stars today · ~6h ago (~04:03 UTC+8)
• Tags: github metrics fact-check incentives web3

genlayerlabs/genlayer-project-boilerplate 位于 GitHub Trending（日榜）第 12 名，今日 +543 星，总计 15,898 星。但 GitHub API 讲的是另一个故事：最近一次推送在 2026-07-26——24 天零代码活动——总共 77 次提交、没有发布任何 release、没有仓库描述，却有 800 个 fork。内容是份演示：「一个 GenLayer 用例实现的样板代码，具体是一个足球博彩游戏。」GenLayer 运行一个带激励的测试网点数计划（Builder/Validator/Community 三条赛道，由一名 Steward 评审，按「新颖性、复杂度与影响力」计分），而第三方空投指南建议读者：给 GitHub 仓库点星是刷到第一批点数最快的方式——尽管 GenLayer 自己的计划公告里并没有列出任何 GitHub 点星动作，也没有任何 token 或空投得到确认。

为何重要： 星速是「去调查」的信号，不是「去发布」的信号。这里两条曲线完全脱钩——一天 543 颗星对上 24 天零提交——这是「趋势排名衡量的是激励，而非工程」最干净的现场演示。

来源注：点星换点数的说法出自空投指南聚合站，而非 GenLayer 自己的 Incentivized Builders Program 帖子——我们读了原帖，其中并未提及任何 GitHub 动作。我们如实报告这一出入，而非聚合站的口径。

🔗 genlayerlabs/genlayer-project-boilerplate · 🔗 GenLayer Incentivized Builders Program · 🔗 GitHub Trending（日榜）

7. CVE-2026-73855——一次 AI 持续审计发现 CVSS 9.3 共识漏洞，随后 GPT-5.6 Sol 又独自发现了一遍

• Velocity: ▮▮ rising
• Source: GitHub Security Advisory · CVSS 9.3 · ~2d ago (~04:03 UTC+8)
• Tags: security cve ai-agents code-audit consensus

CVE-2026-73855（GHSA-mm7v-33mg-6r9p，8 月 17 日发布，CVSS v4 9.3）是 Atto 加密货币节点中的一个严重漏洞：部分入站投票路径在执行 isValid() 之前就反序列化并发布 AttoSignedVote 消息，还从内嵌公钥推导投票权重。对等节点可以先完成一次正常的 P2P 握手，然后发送 publicKey 属于某个高权重代表、签名却任意的投票，从而经 AttoVotePush、AttoVoteResponse 和 AttoVoteStreamResponse 影响 quorum 与最终性。已在 1.33 中修复（提交 3615f07 让反序列化以有效性为门槛，并新增伪造投票拒绝测试）；无任何变通方案。这一发现来自作者 Felipe Rotilho 的结构化智能体审计——把 Hermes Kanban 卡片用作上下文边界，每张卡片只问一个问题、钉在某个确切提交上、并配有独立的证据目录，最终把四张发现卡片扩展成 17 项调查与 6 项复现任务。

为何重要： 后续才是真正的结果：当 GPT-5.6 Sol 发布后，Rotilho 在没有任何 Hermes 脚手架、纯 Codex 的环境下重跑审计，「它独立地找到了完全相同的那个严重投票校验漏洞」——但仍漏掉了几个结构化运行抓到的低严重度 bug。在长尾上，harness 胜过裸能力。

值得记住的是 Rotilho 自己的提醒：「一次安静的运行并不能证明 Atto 是安全的。它只说明那一次运行没有产生被确认的发现。」他仍然想要一次人类审计——「更多的智能体制造不出独立性。」

🔗 GHSA-mm7v-33mg-6r9p · 🔗 持续审计的时代

8. CVE-2026-59940——seroval 中的类型混淆把 SSR 反序列化变成 RCE

• Velocity: ▮▮ rising
• Source: GitHub Security Advisory · CVSS 9.8 · ~1d ago (~04:03 UTC+8)
• Tags: security cve npm javascript deserialization

CVE-2026-59940（8 月 18 日发布，CVSS 9.8）是 npm 包 seroval ≤ 1.5.2 版本中的一处 CWE-502/CWE-843 反序列化类型混淆。seroval.fromJSON() 让攻击者控制的 JSON 使 Promise 控制节点去操作通用反序列化引用表中的条目，却不验证这些条目是否为真正的内部 promise 解析器记录。在启用插件时，攻击者放置的值会被当作解析器，于是在反序列化过程中调用攻击者控制的方法——已被验证为一条针对 TanStack Start 的完整 RCE 链。已在 1.5.3 修复。

为何重要： seroval 是一大批现代 SSR/RPC 技术栈底下的序列化层，因此这是一个单行依赖 bug，却直达服务端执行。只需升级一个小版本就能打上补丁，但漏掉它的代价极高。

发布时未发现已知的在野利用。请检查传递依赖深度——大多数项目是通过某个元框架间接引入 seroval，而非直接声明它。

🔗 GHSA-mv8w-475r-vwqw · 🔗 NVD CVE-2026-59940

9. UI-Mate——一个开源权重 GUI 智能体，看一次演示就能学，而不是靠脚本

• Velocity: ▮▮ rising
• Source: arXiv · #8 on HF Papers · ~3d ago (~04:03 UTC+8)
• Tags: gui-agents computer-use open-weights benchmarks rl

UI-Mate（arXiv:2608.15930，28 位作者，8 月 16 日提交）是一个基础 GUI 智能体，读取屏幕截图并输出与 pyautogui 兼容的鼠标/键盘动作。它把一套环境接地的训练栈——覆盖任务生成、环境构建、rollout、过滤、SFT 和在线 RL 的闭环数据引擎——与上下文演示学习结合起来，把多模态演示转换成子任务级工作流，并根据实时界面重新规划，而不是重放一份固定脚本。报告成绩：OSWorld-Verified 77.0%、WindowsAgentArena 66.2%，以及在论文新提出的 OSWorkerBench（100 个办公任务、41 个应用）上 41.0% 严格 / 76.9% 进度——比它的 Qwen3.6-27B 基座高出 17.7 和 24.5 个百分点。在 33 个任务的自演示子集上，一次演示就把严格成功率从 17.2% 提升到 35.4%。

为何重要： 桌面自动化之所以不断失效，是因为脚本在重放坐标。看完一次演示后从实时屏幕重新规划，才是针对这个失效模式的真正解药——而且权重与基准都是开源的，数字可被核查。

所有分数均为厂商自报，尚未经独立复现。arXiv 页面没有列出 GitHub 或 Hugging Face 链接——只有 ui-mate.github.io 上的项目主页。

🔗 arXiv:2608.15930 · 🔗 UI-Mate 项目主页

10. Linux 获得 VRAM 超配——你的游戏不再把内存让给浏览器

• Velocity: ▮▮ rising
• Source: Hacker News · 458 pts · ~12h ago (~04:03 UTC+8)
• Tags: linux kernel gpu amdgpu cgroups

Valve 承包商 Natalie Vock 发布的工作，让 Linux 在 GPU 内存耗尽时不再把前台游戏的 VRAM 逐出到系统内存。它构建在 dmem cgroup 控制器（dmemcg）之上——与 Maarten Lankhorst（Intel）和 Maxime Ripard（Red Hat）共同开发，已进入主线——并新增六个内核补丁加两个用户态助手，dmemcg-booster 和一个 KDE Plasma「前台加速器」分支，让前台应用赢得 VRAM、后台应用优先被逐出。覆盖 AMD amdgpu 和 Intel xe；NVIDIA 没有等效机制。在一个实例中，后台应用把一块 8 GB 显存卡挤得只剩 6.1 GB 给一个需要 7.4 GB 的游戏；这些补丁把 1 GB 多还给了游戏。

为何重要： 8 GB 显卡是走量的主力，也是最先开始颠簸（thrash）的那批。这也是基于 cgroup 的设备内存 QoS 进入主线的真实示范——当模型与合成器争抢同一块 VRAM 时，本地推理想要的正是这个原语。

现可经 CachyOS（Linux 7.0rc7-2+）和 linux-dmemcg AUR 包使用；其他发行版需手动应用这六个补丁。作者在 pixelcluster.dev 上的原文在核查期间无法访问，因此这里的数据来自所引用的两家媒体。

🔗 It's FOSS News · 🔗 Notebookcheck

11. Unsloth 变身桌面应用——73.5k 星和一个本地无代码训练 UI

• Velocity: ▮▮ rising
• Source: GitHub Trending (weekly) · +3,329 stars · ~1d ago (~04:03 UTC+8)
• Tags: local-llm fine-tuning desktop gguf open-source

unslothai/unsloth（Apache-2.0，73,546 星，8 月 18 日推送）已经悄然改变形态：仓库描述如今写着「本地运行与训练 LLM 和扩散模型的 UI」，而 Unsloth Desktop 在一连串快速发布中上线了 Windows/macOS/Linux（v0.1.70-beta 到 v0.1.800-beta，8 月 11–14 日），提供无代码训练、RAG、MCP 和远程 Cloudflare 访问。最新版本加入 Qwen3.8-27B 在约 17 GB 内存中本地运行（经 Dynamic GGUF 加 NVFP4 量化），宣称在更低显存下 GGUF 推理快约 10%，以及 「Fast FP8 让 MiniMax-H3 推理快 10 倍（3 分钟对 30 分钟）」，并通过模型切分以适配更小的 GPU。同样落地的还有：AMD RDNA 3/4 与 Strix Halo 支持、Mac 上基于内存的上下文尺寸设定、每个模型独立的 llama-server 参数，以及面向外部提供商的工具调用和网页搜索。

为何重要： Unsloth 曾是一个你 import 的微调库；现在它是同一台硬件上运行兼训练、并接入了 MCP 的本地优先 GUI。这抹平了从不打开笔记本的人「试一个模型」与「改一个模型」之间的鸿沟。

触发因素是一组三件事：Desktop 的发布（8 月 11–13 日）、Meta Muse Glimmer 支持（8 月 10 日）和 Qwen3.8 支持（8 月 14 日）——半个月内一连串重要模型发布，全都落进了同一个工具里。

🔗 unslothai/unsloth · 🔗 Unsloth 发布页

12. microsandbox——为你的智能体刚写的代码准备亚 100 毫秒的 microVM

• Velocity: ▮▮ rising
• Source: GitHub Trending (weekly) · 7.6k stars · ~1d ago (~04:03 UTC+8)
• Tags: microvm sandbox agents mcp rust

superradcompany/microsandbox（Apache-2.0，7,642 星，8 月 18 日推送）在基于 libkrun 与 smoltcp 的硬件隔离 microVM 里运行不受信任的工作负载——智能体写的代码、插件、CI 任务、爬虫——在 M1 Mac 上「平均启动时间低于 100 毫秒」。关键在于它保持 OCI 兼容：从 Docker Hub 或 GHCR 拉取标准镜像，保留类似 Docker 的镜像/命令/shell/卷语义，却把它们启动在 VM 里，而不是作为宿主机内核上的容器进程。它提供 Rust、Python、TypeScript、Go 和 Ruby 的 SDK，一个专门的 MCP 服务器（claude mcp add --transport stdio microsandbox -- npx -y microsandbox-mcp）把沙箱生命周期、exec、文件系统、卷与监控暴露为工具调用，还有「不会泄漏的密钥」——这些密钥在 VM 内可用，但从不真正进入 VM。

为何重要： 容器隔离从来不是针对「你的智能体几秒前刚写的、从未经评审的代码」的安全边界。一个不到 100 毫秒就能启动的 microVM，拿掉了跳过这道边界的惯用借口。

运行于 macOS（Apple Silicon）、Linux（KVM）和 Windows（WHP）；YC 支持、处于 beta。列出的采用者包括 Vercel 的 Eve、Tuist 的 Condukt 和 LlamaIndex 的 sandboxed-lit。

🔗 superradcompany/microsandbox · 🔗 microsandbox 文档

13. CVE-2026-67965——Tenda 路由器出厂自带硬编码密钥后门，且无补丁

• Velocity: ▮▮ rising
• Source: NVD · CVSS 9.8 · ~2d ago (~04:03 UTC+8)
• Tags: security cve iot backdoor unpatched

CVE-2026-67965（CVSS 9.8，8 月 17 日披露，8 月 18 日修订）是 Tenda W20E V5.0 路由器中遗留的生产测试代码。每当 sys.admin.password 为空——即出厂默认状态——url_need_login 就会跳过 /goform/ate 和 /goform/telnet 的认证。访问 /goform/ate 会启动 /bin/ate 守护进程，它在 UDP/7329 上接受 AES-128-CBC 加密的命令，密钥是硬编码、跨产品通用的 Tenda0123456789M，从而允许读写 NVRAM 和执行系统命令。同一份固件里还带出两个兄弟漏洞：CVE-2026-67966（免密 telnet root shell）和 CVE-2026-67967（popen() 命令注入）。没有厂商补丁；截至发布时厂商已被通知但未回应。

为何重要： 一个被描述为「跨产品」的硬编码密钥，意味着一条被提取的字符串可能解锁的是一整个设备家族，而不只是一款型号——加上无补丁和面向 WAN 的暴露，唯一的缓解措施就是别运行这台设备。

受影响固件：US_W20EV5.0qu_V16.01.0.6(2782)_CN&EN_TDE01.bin。

🔗 NVD CVE-2026-67965 · 🔗 披露仓库

14. VibeWorlding——前沿模型构建 3D 世界的得分不足 60%；一个 30B 开源模型胜出

• Velocity: ▮▮ rising
• Source: arXiv · #3 on HF Papers · ~4d ago (~04:03 UTC+8)
• Tags: 3d multimodal agents rl benchmarks

VibeWorlding（arXiv:2608.15265，Ning 等，8 月 15 日提交）对端到端构建可交互 3D 世界的智能体进行基准评测与训练——推断用户意图、规划布局、调用 3D 工具，并在多轮中反思多模态反馈。VWE-BENCH 提供 2,616 个精选 3D 资产、323 个人工标注的种子世界，以及 6,828 个反向合成的多模态查询，分为带真值的已验证查询与按评分标准打分的未验证查询。结论：前沿 MLLM「远未解决」这一任务，连 GPT-5.5 和 Qwen3.8-Max 的成功率都低于 60%，被点名的瓶颈是精确的 3D 编辑而非生成。在 VibeWorlding-Gym（一个带评分标准校验器的沙箱）中经 RL 后训练之后，VibeWorlder-8B 追平前沿模型，而 VibeWorlder-30B-A3B 拿下所有评估对象中最好的总体 Pass@1。

为何重要： 这又是今日 feed 顶部反复环绕的那个模式的又一实例——在一个需要工具使用与自我修正、而非原始知识的任务上，小规模开源模型上的环境接地 RL 击败了闭源前沿模型。

该 gym 把资产检索、编辑与渲染暴露为工具调用，这也是为什么瓶颈能如此干净地定位到编辑这一步。

🔗 arXiv:2608.15265 · 🔗 HF Papers

15. Letta 发布 Agent SDK——把 Claude Agent SDK 变得有状态且模型无关

• Velocity: ▮ steady
• Source: Hacker News (new) · Letta · ~3h ago (~04:03 UTC+8)
• Tags: agents memory sdk stateful typescript

Letta（前身 MemGPT，Apache-2.0，24.3k 星）发布了一个 Agent SDK，用于构建「有状态、持久化的智能体，让它们在跨模型、跨机器、跨界面时保留自己的身份、记忆与经验。」Letta 自家工程师的说法很直接：他们「改编了 Anthropic 团队在 Claude Agent SDK 上的出色工作，但把它变得有状态、模型无关，并兼容云端或本地智能体。」宣称的收益是「通过做事的过程被动学习」的智能体——部署进 Linear 后，智能体就开始理解 Linear——外加能通过编写 Agent SDK 代码来扩展自身的智能体，以及自定义界面（他们 fork 了 Signal Desktop 做成一个 Letta 客户端）。一个已落地的模式：一个分诊工作流，把一个主工程智能体 fork 到一个更便宜的模型上，以更大规模、更低成本运行。

为何重要： Claude Agent SDK 正在成为智能体 harness 的事实标准形态；Letta 的做法是保留其人体工学、换掉底层的无状态假设——而这正是多会话智能体会崩的地方。

提醒：letta-ai/letta 仓库如今是一个落地页（活跃代码已迁至 letta-ai/letta-code，V1 服务器保留在 archive 分支），其 GitHub Releases 里也没有出现带日期的 Agent SDK 发布——这份公告是一篇个人工程博文，而非带版本号的 changelog。

🔗 Letta Agent SDK 公告 · 🔗 letta-ai/letta

16. Shoehorn 把模型量化到你剩余内存的精确字节数——预算的 99.998%

• Velocity: ▮ steady
• Source: Hacker News · 34 pts · ~8h ago (~04:03 UTC+8)
• Tags: quantization local-llm rust gguf open-source

Shoehorn（MIT，Rust，8 月 13 日创建）颠覆了量化通常被选择的方式：它不选一个无视你机器的预设，而是「从你实际拥有的内存出发，减去推理本身所需，再针对余量求解每个张量的混合精度分配」。报告的适配紧得离谱——「通常用满预算的 99.99%，有时精确到字节」，一个实例是给 unsloth/Qwen3-4B-GGUF 用掉 519.2 MiB 预算中的 519.2 MiB（99.998% 使用率，13 KB 余量）。该量化器「从零用 Rust 实现——没有链接任何 llama.cpp 代码」，输出标准 GGUF v3，llama.cpp 仅作为推理后端使用。shoehorn ui 会测量机器、流式展示适配结果，并在你开始对话前报告困惑度代价。

为何重要： 预设量化级别（Q4_K_M 之流）是对一个硬件问题的粗糙猜测。针对实测的空闲内存求解分配，才是显然正确的框架，而输出标准 GGUF 意味着下游什么都不用改。

目标平台为 macOS Apple Silicon、Linux x86-64（NVIDIA/AMD）和 Windows x86-64（NVIDIA），提供从 8 GB Mac 到 128 GB 的配置，以及 4k 到 32k 的上下文预设。非常年轻：核查时仅 37 星。

🔗 Shoehorn · 🔗 notactuallytreyanastasio/shoehorn

17. CVE-2026-71879——一个已完成安装的端点仍在不断发放管理员会话

• Velocity: ▮ steady
• Source: NVD · CVSS 9.1 · ~1d ago (~04:03 UTC+8)
• Tags: security cve auth-bypass open-source research-infra

CVE-2026-71879（CVSS v4 9.1，8 月 18 日披露）是 GBIF Integrated Publishing Toolkit (IPT) 3.3.4 之前版本中经替代路径的 CWE-288 认证绕过，该工具是机构用于发布生物多样性数据集的开源软件。安装端点 /setupInstallationComplete.do 在安装完成后仍会为具有管理权限的用户返回一个 JSESSIONID cookie——只要服务器自初始配置以来尚未重启就一直如此。已在 IPT 3.3.4（8 月 4 日发布）中修复；未报告在野利用。

为何重要： 这个 bug 类别才是持久的教训：安装后仍然存活的安装期端点，是常设的管理员绕过，而「我们完成了安装」并不等于「安装路由已被禁用」。值得去 grep 一下你自己的首次运行流程。

经 Mandiant 公告 MNDT-2026-0015 披露。受影响的实例通常是面向互联网暴露的机构数据门户。

🔗 NVD CVE-2026-71879 · 🔗 GBIF IPT 发布页

18. machine0——智能体完全从 CLI 驱动的持久 CPU 与 GPU 虚拟机

• Velocity: ▮ steady
• Source: Launch HN · YC S26 · 38 pts · ~4h ago (~04:03 UTC+8)
• Tags: infrastructure gpu agents nixos mcp

machine0 在 HN 上启动，提供专为智能体驱动而设计的独立 CPU/GPU 虚拟机：每个操作都是一条带 --json 输出的 CLI 命令，还有一个远程 MCP 服务器。机器运行 NixOS（可复现的 flakes、一条命令回滚）或 Ubuntu（预装 Docker、Node、Python、Claude Code 和 Codex）；每台 VM 都获得一个公网 IP 和 <vm>.mac0.io 上的 HTTPS，无需 NAT 或隧道，跨五个区域。Profiles 会注入 MCP 服务器、凭据、提示词和环境变量，让智能体工具自动拾取。计费按分钟：CPU 从 $0.013/小时起，GPU 从 $0.836/小时起，最高 8× H200 为 $39.336/小时（可选 H100、H200、L40S、MI300X、RTX 4000/6000 Ada）；挂起会冻结状态并停止计费，只留镜像存储，$0.078/GB/月。

为何重要： 智能体运行时不断收敛到「给智能体一台真正的计算机」。这里的差异化在经济上——挂起即零计费，加上可复现的 NixOS 镜像，让一个长期存活的智能体工作区既便宜地保留、也便宜地重建。

定位是对抗突发型共享实例：专用资源、静态 IP 与黄金镜像克隆，而非每次运行都拉起容器。

🔗 machine0 · 🔗 Launch HN 讨论帖

19. DDR5 现价约为去年 5 倍——服务器 DRAM 本季预计再涨 13–18%

• Velocity: ▮ steady
• Source: TrendForce · +486% YoY · ~2d ago (~04:03 UTC+8)
• Tags: hardware memory supply-chain ai-infra pricing

随着 AI 数据中心与 HBM 需求把晶圆厂产能从大宗型号上抽走，消费级 DRAM 价格已与其历史趋势完全脱钩。TrendForce（8 月 17 日）报告德国 DDR5 零售价格指数在 8 月从同比 445% 攀升至 486%——一套典型内存条如今约为去年的 4.9 倍价格——而在深圳华强北市场，DDR5 24Gb 环比上涨 14.29% 至 48 美元，16Gb 至 40 美元，DDR4 8Gb 3200 环比上涨 12.82% 至 22 美元。TrendForce 预测 3Q26 服务器 DRAM 合约价环比上涨 13–18%，称市场供不应求，并预计服务器 DRAM 短缺将持续到 2027 年。Tom's Hardware 8 月 18 日的标题把零售端定为 128 GB DDR5 售价 3,399 美元。

为何重要： 二十年来的「内存越来越便宜」正在十二个月内逆转，而且直接砸在开发者头上——本地推理机、自托管数据库和 CI 机群都在对着不再守规矩的内存做预算。

来源注：Tom's Hardware 文章正文被付费墙挡住，因此只引用了其标题数字；百分比与单颗芯片数字来自 TrendForce 报告，我们已通读全文。

🔗 TrendForce · 🔗 Tom's Hardware

20. Claude Code 的 +50% 每周额度将于 8 月 31 日到期——规划冲刺前先看 /usage

• Velocity: ▮ steady
• Source: Hacker News · 235 pts · ~5h ago (~04:03 UTC+8)
• Tags: claude-code limits pricing agents tooling

Anthropic 帮助中心确认，把 Claude Code 每周用量额度提升 50% 的促销——自 2026 年 5 月 13 日起生效、且已延期一次——将于 2026 年 8 月 31 日太平洋时间晚上 11:59 结束，之后「Claude Code 的每周用量额度将恢复至标准水平。」它适用于 Pro、Max 和 Team 方案以及按席位计费的旧版 Enterprise，不包括 Free 和按用量计费的 Enterprise 席位，自动生效，且仅覆盖 Claude Code（CLI、IDE 扩展、桌面端、Web 端）。5 小时额度明确不受影响。 该页面没有公布任何基准数字——CLI 里的 /usage 是查看你实际数字的唯一途径。

为何重要： 一个重度用户每周余量的三分之一会在一个已知日期消失。任何把智能体工作流调到促销上限的人都只剩十二天重新测量，而 HN 帖子里已经满是说自己用掉了 $200/月方案 90–100% 的用户。

这次回落是回归标准额度，而非方案或计费变更——但它正是那种只在任务中途才显现的静默产能削减。

🔗 Anthropic 支持 · 🔗 HN 讨论（235 pts）

21. Mojo 编译器转用 Apache-2.0——Lattner 语言的最后一块封闭拼图在 ModCon 上开源

• Velocity: ▮▮▮ trending
• Source: Modular blog · modular/modular 27.1k stars · ~1d ago (~20:03 UTC+8)
• Tags: mojo compiler open-source apache-2.0 llvm

2026 年 8 月 18 日，在为 ModCon 开幕之际，Modular 宣布 Mojo🔥 已「在 Apache 2.0 许可证（含 LLVM 例外）下完全开源」——编译器、工具链、「以及构建这门语言所需的一切」如今都存放在 modular/modular 单一仓库中（27,123 星，2,941 fork，8 月 18 日推送，用 Bazel 构建）。这完成了分三阶段、历时三年的开源进程：标准库于 2024 年开源，MAX 内核于 2025 年开源，如今轮到了编译器本身。本 feed 此前在 8 月 12 日报道 Mojo 1.0 稳定版时，编译器还只是承诺「2026 年晚些时候」开源——这一承诺六天后就落地了。

为何重要： 封闭的编译器一直是押注 Mojo 基础设施的最大障碍，而这次开源挺过了 Qualcomm 收购 Modular。一门被定位为可移植 CUDA 替代品的语言，如今构建路径中已不再有任何专有组件。

GitHub 的许可证检测器仍把该仓库标为 NOASSERTION，因为 LLVM 例外让自动检测失效——Apache-2.0 是 Modular 自己在公告中给出的说法，我们已读过原文。编译器的贡献通道尚未开放；Modular 目标是年底。

🔗 Mojo 现已开源 · 🔗 modular/modular

22. Oracle 一天发布 943 个补丁——一个未经认证的 SMTP RCE 潜伏在 E-Business Suite

• Velocity: ▮▮▮ trending
• Source: Oracle Security Alerts · CVSS 9.8 · ~1d ago (~20:03 UTC+8)
• Tags: security cve oracle rce patch-cycle

Oracle 于 8 月 18 日发布 2026 年 8 月关键安全补丁更新（CSPU）（Rev 1，初版），按其自己的统计，这份公告「在下列产品系列中包含 943 个新安全补丁。」最引人注目的是 Oracle Workflow 的 Workflow Notification Mailer 中的 CVE-2026-70926：CVSS 9.8，攻击向量为 SMTP，可在无需认证的情况下远程利用，影响 E-Business Suite 12.2.3–12.2.15，机密性、完整性与可用性影响均为 High。它并非孤例——CVE-2026-60782（Oracle Payments，File Transmission，HTTP）在相同版本上同样是 9.8 且认证前可利用，而 Helidon Imperative Web Server 3.2.18 中的 CVE-2026-71065 评分为 9.3，且作用域为改变。在面向 E-Business Suite 的 120 个补丁中，27 个无需凭据即可远程利用；Fusion Middleware 分到 262 个，Hyperion 另有 262 个（其中 107 个可远程利用）。

为何重要： EBS 承载着大型企业的财务、HR 与采购系统，而一个经邮件路径到达的认证前 9.8 漏洞，是一个大多数团队从未当作攻击面建模的监听器。

来源注：这里的每个数字都直接读取自 Oracle 自己的 CSPU 页面。本轮在市面上流传的第三方统计（「925 个 CVE / 154 个严重」）与 Oracle 声明的 943 个补丁并不一致——我们采用 Oracle 的数字。该公告自身也警告，「攻击者之所以得逞，是因为目标客户未能应用可用的 Oracle 补丁。」

🔗 Oracle CSPU 2026 年 8 月 · 🔗 NVD CVE-2026-70926

23. Linux 7.2 发布，带来缓存感知调度——以及一个在最后关头被回退的「公平」DRM 调度器

• Velocity: ▮▮▮ trending
• Source: kernel.org · mainline 7.2 · ~3d ago (~20:03 UTC+8)
• Tags: linux-kernel scheduler usb4 amdgpu kernel-release

kernel.org 现已列出 mainline: 7.2，日期为 2026-08-16——Linus Torvalds 按计划打了 tag，它将成为 Ubuntu 26.10 的基础。据 Phoronix 汇总的主要新增：缓存感知调度（Cache Aware Scheduling）（把共享数据的任务聚合到同一末级缓存域）、Intel 的 USB4STREAM 主机到主机传输协议、初步的 AMDGPU HDMI 2.1 FRL 支持、AMD 与 Intel 双平台的 I/O 性能提升、Intel Arc B390 改进，以及更快的 poll()。最后一周比往常更忙碌：在新「公平」默认调度器产生回归后回退到 DRM FIFO 调度器、迟到的声卡设备 quirk，以及在发布当日合并的 tlbi=ipi 启动选项。

为何重要： 这是大多数 2026 年发行版与云镜像将要继承的内核基线，而缓存感知调度是那种无需任何用户态选择加入、就会静默改变多租户机器吞吐量的改动。

不是 LTS 版本——stable: 7.1.8 与 longterm: 6.18.44 均标注为 2026-08-09。功能列表归因于 Phoronix 的发布综述；发布日期与通道状态直接取自 kernel.org 首页。

🔗 kernel.org · 🔗 Phoronix——Linux 7.2 发布

24. Cumora——两天 2,469 星，一个让 Claude Code 当同事的团队聊天

• Velocity: ▮▮▮ trending
• Source: GitHub · +2,469 stars in 2 days · ~1d ago (~20:03 UTC+8)
• Tags: agents team-chat byoa claude-code typescript

yetone/cumora（MIT，TypeScript，8 月 17 日创建，8 月 18 日推送，2,469 星 / 272 fork）是一个跨平台团队聊天工具，AI 智能体在其中是一等公民——「同一份花名册、同样的私聊、同样的群聊、同一块 Kanban 看板和日历。」据 README 所述，智能体「拥有人设与记忆，认领工作，彼此协调而不冲突，收发真实的电子邮件。」两条大脑路径：Cumora Cloud 在 OpenAI Responses API 上以多跳工具调用循环、为每个智能体运行一个托管的独立 pod；而 BYOA（npx cumora agent computer）接入你自己的 Mac 或 VPS，让智能体的大脑成为运行在你自有订阅上的本地 Claude Code 或 Codex CLI——服务器永远看不到你的提供商密钥。技术栈是在 Express + Postgres + Redis 之上的 Electron/PWA/移动端。

为何重要： 触发因素是作者，而非星数——yetone 写了 avante.nvim，所以这是带着观众来的。有趣的设计选择是 BYOA：在你既有的模型开销上自托管智能体协作，而不是让厂商在中间计量 token。

才两天大、且仅限邀请。cumora.ai 对服务端抓取返回 HTTP 403（客户端渲染），因此上述所有说法均取自仓库 README 与 GitHub API，两者都直接读取过。

🔗 yetone/cumora · 🔗 Cumora 发布页

25. OpenZFS OZ-1——命名空间局部的 CAP_SYS_ADMIN 被当作宿主池的权限，且未修复

• Velocity: ▮▮ rising
• Source: oss-security · full disclosure · ~3d ago (~20:03 UTC+8)
• Tags: security openzfs containers privilege-escalation unpatched

研究员 Erica Windisch 在 8/12/2026 通知 CERT 之后，于 oss-security（2026 年 8 月 16 日星期日 14:32 -0400） 进行了完全披露：「我希望上游补丁与补救指引很快就能出来。这些我已经压了一段时间了。」报告直截了当地陈述了核心缺陷 OZ-1：OpenZFS 的 zfs_secpolicy_config() 使用了 ns_capable(cr->user_ns, CAP_SYS_ADMIN)，「它把命名空间局部的 CAP_SYS_ADMIN 当作宿主池操作的权限。正确的检查应是初始用户命名空间中的 CAP_SYS_ADMIN。」任何用户都可以通过创建一个用户命名空间、并在其中把自己映射为 uid 0，来获得命名空间局部的 CAP_SYS_ADMIN。报告涵盖两组相互作用的缺陷——授权类（OZ-1、OZ-2）与解析器缺陷（OZ-3…OZ-8，它们「信任攻击者控制的磁盘上的长度、索引或图结构」）——其上游补丁审计「确认每一项 OZ 发现在上游 master HEAD 3020c18c 处均仍为未修复」，只有 OZ-7 留着一个开放且存在争议的 PR（#18620）。

为何重要： OpenZFS 是树外模块，所以正如报告所言，「CVE 的判定属于 OpenZFS 项目及其厂商/CNA，而非 Linux 内核 CVE 团队」——没有 CVE，扫描器就对此视而不见。相关结论已在原装的 TrueNAS SCALE 25.04.2.4、Proxmox VE 8.x、IncusOS 和 Unraid 设备客户机上复现。

惊慌之前请先读前置条件：Docker 的默认 capability 集合省略了 CAP_SYS_ADMIN，所以仅 --device /dev/zfs 会以 EPERM 失败——报告把这一点记为「一个 0.0 的诚实阴性结果。」--privileged 或 --cap-add SYS_ADMIN 才能复现 OZ-1。作者自己的框架是：把 /dev/zfs 加固为 0660 属于「纵深防御，而非替代正确的内核内授权。」与本文一起流传的 hotmolts.com 综述是客户端渲染的，服务端没有提供任何技术内容，因此我们只引用实际读过的邮件列表帖子。

🔗 oss-security 披露 · 🔗 oss-security 回复帖

26. MegaParts——自回归 3D 生成达到 300 个部件与 256k token 序列

• Velocity: ▮▮ rising
• Source: arXiv · 515 stars on HF Papers · ~5d ago (~20:03 UTC+8)
• Tags: 3d-generation autoregressive tokenizer computer-vision mesh

MegaParts（arXiv:2608.14783，8 月 14 日提交，cs.CV）通过攻克 token 预算而非模型本身，来扩展部件感知的 3D 物体生成。它把结构化序列建模与一个高 token 效率的向量量化形状分词器配对，后者在一个显式的「在重建约束下最小化 token 数」目标下学习部件级几何的离散隐表示，从而实现自适应长度的分词；随后一个语言模型把物体包围盒、部件包围盒与部件形状 token 作为一个统一的结构化序列一并输出。结合一种长上下文训练策略，摘要报告该方案「可扩展到最多 300 个部件、序列长度最长 256k token 的物体」，同时保留组合结构与细粒度部件级控制，网格质量高于自回归与扩散基线。

为何重要： 扩散一直被视为 3D 生成的默认赢家。一条能在单一序列中容纳 300 个部件的 token 高效自回归路径，让 LLM 原生建模重新回到 CAD、仿真与游戏资产管线的赛场上——在这些场景中，部件结构（而不仅是表面逼真度）才是交付物。

网格质量对比是针对作者自行选择的基线，目前尚无独立复现。515 这个数字是 Hugging Face Papers 的点赞数，而非引用指标。

🔗 arXiv:2608.14783 · 🔗 HF Papers

27. MOSS-VL——一个 11.3B 开源 VLM，说话的同时仍在看

• Velocity: ▮▮ rising
• Source: arXiv · 436 stars on HF Papers · ~4d ago (~20:03 UTC+8)
• Tags: vision-language streaming realtime open-weights multimodal

MOSS-VL（arXiv:2608.15045，8 月 15 日提交，OpenMOSS）把实时交互——「边说边感知」——当作一等能力，而非延迟优化。其设计贯穿全栈协同规划：语言解码器仅通过门控交叉注意力来关注视觉信息，因此模型能在生成的同时看到新到的帧；一个合成的交互语料监督「何时说话、何时保持沉默、何时修正」；而一个分阶段课程把实时训练集中到最后一步。在开源流式模型中，它在四个基准中的三个上取得最佳平均分（第四个居第二），并在主动行为子集上横扫——在 OmniMMI Proactive Alerting 上以 66.0 对 37.5 领先最佳基线。由于视觉 token 位于被解码序列之外，它相对同骨架 Qwen3-VL-8B 的首 token 延迟优势随视觉上下文增长而从 2.8 倍扩大到 5.1 倍。全部五个 checkpoint、训练课程与实时推理代码均已发布。

为何重要： 流式多模态推理是语音+视觉助手缺失的那块拼图，而「视觉 token 位于被解码序列之外」是一个具体的架构理由，解释了为何 TTFT 差距会随上下文扩大而非收敛。

基准数字为作者自报；对比集合明确是开源流式模型，而非前沿闭源 VLM。摘要中的项目主页 URL 是占位符，未被打开。

🔗 arXiv:2608.15045 · 🔗 HF Papers

28. PostgreSQL 19 Beta 3 将属性图引入内核——同场还有 28 个 CVE 的补丁日

• Velocity: ▮▮ rising
• Source: postgresql.org · 28 CVEs · ~6d ago (~20:03 UTC+8)
• Tags: postgresql database sql-pgq graph-queries security

PostgreSQL 全球开发组于 2026-08-13 发布 19 Beta 3，同时更新 18.6、17.11、16.15、15.19 与 14.24——这是一次「修复 28 个安全漏洞」的联合发布，其中包括 CVE-2026-6464（psql COPY FROM STDIN 提前失败时会把数据行当作 psql 命令处理，CVSS v3.1 8.1）、CVE-2026-6469 与 CVE-2026-6470。v19 的头号特性由 Peter Eisentraut 提交，是符合 ISO/IEC 9075-16:2023 标准的 SQL 属性图查询（SQL/PGQ）：用于图模式匹配的 GRAPH_TABLE 表函数、CREATE/ALTER/DROP PROPERTY GRAPH DDL、新的系统目录与 information-schema 视图、psql \dG 命令，以及供 pg_dump 使用的 pg_get_propgraphdef()。

为何重要： 在现有表之上定义属性图——无需复制数据、无需第二个数据存储——消除了在 Postgres 商店里再挂一个图数据库的常备理由。而同日跨五个受支持大版本发布的 28 个 CVE 补丁，才是更紧迫的那一半。

Beta 3 是一次 bug 修复迭代：SQL/PGQ 早在 v19 周期就已特性冻结，因此 8 月 13 日的事件是一次 beta 刷新加一个大安全日，而非特性首发。GA 预计在秋季。

🔗 PostgreSQL 发布公告 · 🔗 depesz——SQL/PGQ

29. Chrome 修补 15 个漏洞——并把其中一个记在「OpenAI Codex Security」名下

• Velocity: ▮▮ rising
• Source: Chrome Releases · 15 security fixes · ~1d ago (~20:03 UTC+8)
• Tags: chrome browser-security ai-security-research v8 webgl

Chrome 稳定通道于 2026 年 8 月 18 日星期二推进到 151.0.7922.169/.170（Windows、Mac）与 .169（Linux），共 15 个安全修复。其中两个被评为 Critical——CVE-2026-76034（WebGL 中的缓冲区溢出）与 CVE-2026-76036（Dawn 中的缓冲区溢出）——均由 Google 报告。公告里更有意思的是最后一条：CVE-2026-76045，一个 WebGL 中的释放后使用，「由 OpenAI Codex Security (amyb) 于 2026-08-05 报告。」 同样修复的还有：两个 V8 类型混淆（CVE-2026-76047、CVE-2026-76038，均为 High，由外部研究员 ywatanabee 与 un3xploitable && GF 报告）、一个 ANGLE 缓冲区溢出、一个 Browser 中的释放后使用、一个 USB 竞态条件，以及一个 Skia 信息泄漏。

为何重要： 一家人工智能实验室的安全团队出现在 Chrome 的致谢行里——为一个内存不安全图形路径中的真实释放后使用——这是通常只在博客里出现的那类说法的具体版本。它也与此 feed 中的第 7 条遥相呼应：智能体主导的审计如今正在产出写进厂商公告的发现。

纠正一个流传中的数字：两个 V8 类型混淆被评为 High，而非 Critical——Critical 的那对是 WebGL 与 Dawn 的缓冲区溢出。这里的严重度与致谢均引自 Google 自己的公告，而非第三方 CVSS 映射。发布时未标记任何在野利用。

🔗 Chrome Releases——稳定通道更新 · 🔗 Chrome 安全页面

30. macOS Harness——六个原语、一个 Python 进程，其余由智能体自己写

• Velocity: ▮▮ rising
• Source: GitHub · +428 stars in 2 days · ~2d ago (~20:03 UTC+8)
• Tags: computer-use macos agents python harness

browser-use/macos-harness（MIT，Python，8 月 17 日创建并推送，428 星 / 26 fork）刻意做成最薄的一层 computer-use 层，出自 browser-use 背后的组织。README 的定位：「缺什么，智能体就在任务中途自己写。没有框架、没有配方、没有围栏。一个 Python 进程直接连接到 macOS、你真实的浏览器和你的文件。」模型拿到一个很小的原语集——see、key、type、click，外加辅助功能与脚本访问——而当某个任务没有现成助手时，它会在运行期间用普通 Python 现场补写缺失的逻辑，而不是等待为特定应用添加工具。上手只需要把一段提示词粘贴进 Codex 或 Claude Code：它在 Python 3.12 上通过 uv 安装，经 macos-harness skill 注册技能，运行 macos-harness doctor 做权限检查，并通过抓取一个运行中的应用来验证。

为何重要： 桌面自动化之所以不断失效，是因为按应用定制的配方会腐烂。组合原始原语、在运行时生成胶水代码，是针对没有 API 的长尾 GUI 工作的结构性修复——而且这与 UI-Mate（第 9 条）「从实时界面重新规划」的论点是同一套，只是被做成一个 400 行安装量的工具，而非一个训练好的模型。

才两天大、没有已发布的基准，而「没有围栏」既是设计也是安全姿态：它继承了 macOS 辅助功能与 AppleScript 的全部权限面。说法来自 README 与 GitHub API，两者都直接读取过。

🔗 browser-use/macos-harness · 🔗 browser-use

31. OpenAI 的 Assistants API 将于 8 月 26 日关停——只剩七天，且没有自动迁移

• Velocity: ▮▮ rising
• Source: OpenAI platform docs · 7-day deadline · ~ongoing (~20:03 UTC+8)
• Tags: openai api deprecation migration breaking-change

OpenAI 的迁移指南说得直白：「在 Responses API 达成功能对等后，我们已弃用 Assistants API。它将于 2026 年 8 月 26 日关停。」对象模型并非机械对应——文档自己的前后对照表把 Assistants → Prompts（「Prompts 承载配置（模型、工具、指令），更易于版本化与更新」）、Threads → Conversations、Runs → Responses、Run steps → Items 重新命名，而这一变化「让你管理对话，而无需回传 previous_response_id。」

为何重要： 只剩七天，这是本周任何开发者日历上最具体的截止日期。一张重命名表不是 codemod：Threads 承载着活的对话状态，也没有任何回填工具替你把它搬进 Conversations。

这是早已排定、而非刚刚宣布的——弃用可追溯到 2025 年。它的新闻价值在于这个截止日期，如今已进入「未迁移的集成会在生产中崩坏」的窗口期。

🔗 OpenAI Assistants 迁移指南 · 🔗 platform.openai.com

32. Google 于 8 月 17 日关停全部三个 Imagen 4 端点——替代品是另一种 API 形态

• Velocity: ▮ steady
• Source: Gemini API docs · 3 models retired · ~2d ago (~20:03 UTC+8)
• Tags: google gemini-api deprecation image-generation breaking-change

Google 的 Gemini API 弃用表如今列出了 imagen-4.0-generate-001、imagen-4.0-ultra-generate-001 与 imagen-4.0-fast-generate-001——均于 2025 年 6 月 24 日发布——关停日期为 2026 年 8 月 17 日，并指定 gemini-3.1-flash-image 作为三者的推荐替代品。替代并非换个模型 ID 那么简单：gemini-3.1-flash-image 是一个通用 Gemini 图像模型，需经当前的图像生成入口（而非专用的 Imagen 端点）访问，因此请求与响应形态都不同。

为何重要： 这一个已经触发了。任何仍在调用 Imagen 4 端点的应用此刻都在运行时失败，而修复是一次代码迁移而非改一行配置——这是最不宽容的那类弃用。

来源注：第三方综述声称移除了特定参数（negativePrompt、numberOfImages、personGeneration）并提高了单图 token 价格。我们无法在 Google 自己的页面上确认这些，因此不予采信；关停日期与替代映射直接来自弃用表。

🔗 Gemini API 弃用页 · 🔗 Gemini API 图像生成

33. Con Kolivas 十年后复活 -ck——linux-7.2-ck1 搭载 MuQSS v0.31

• Velocity: ▮ steady
• Source: GitHub · tag v7.2-ck1 · ~2d ago (~20:03 UTC+8)
• Tags: linux-kernel muqss scheduler desktop-latency out-of-tree

ckolivas/linux 于 2026-08-17 发布了 tag v7.2-ck1（"linux-7.2-ck1"）——即把 -ck 桌面延迟补丁集重新基于前一天发布的主线内核。发布说明列出了 「MultiQueue Skiplist Scheduler v0.31」，外加一组面向延迟的默认配置：配合 MuQSS 与 -ck 补丁将默认 Hz 设为 100、抢占式内核成为默认、hrtimer 粒度与最小 hrtimeout 改为可通过 sysctl 配置（默认粒度 100µs、最小超时 500µs）、schedule_timeout 的高分辨率超时变体，以及 nohz_full 不再作为默认配置选项被采用。同一天还落了一个 v7.1-ck3 tag。

为何重要： MuQSS 曾是「主线调度器以桌面为代价优化吞吐」这一论点最知名的论据，此后沉寂多年。它作为针对当前内核的持续维护 rebase 回归，让这一论点重新有了试验场。

明确是树外补丁、不瞄准主线；-ck 历史上会在服务器与多核工作负载上回退。以上细节引自我们读过的 GitHub 发布说明——我们未核实关于 I/O 感知调度或 LLM 辅助开发的二手说法，且 MuQSS 是一个跳跃表调度器，而非某些报道所称的 EEVDF 衍生。

🔗 ckolivas/linux——v7.2-ck1 · 🔗 Phoronix——Con Kolivas 补丁

34. CVE-2026-21580——Confluence 中未经认证的存储型 XSS 可提权到更高权限用户

• Velocity: ▮ steady
• Source: NVD · CVSS 8.6 · ~1d ago (~20:03 UTC+8)
• Tags: security cve atlassian confluence stored-xss

CVE-2026-21580（8 月 18 日发布）是 Confluence Data Center 与 Server 中一处集存储型 XSS、权限提升与安全配置错误于一体的漏洞，CVSS 评分为 8.6。据 NVD 描述，它「允许未经认证的攻击者在受害者的浏览器上执行任意 HTML 或 JavaScript 代码、以更高权限用户身份执行操作，并利用因忽视安全最佳实践而暴露的漏洞进入系统。」它横跨一长串版本引入——7.1.1、7.4.0、7.13.0、7.17.0、7.19.0、8.0.0、8.5.0、8.9.0、9.0.1、9.1.0、9.2.0、9.3.1、9.4.0、9.5.1、10.0.2、10.1.0 与 10.2.0——修复版本为 9.2.21 及以上与 10.2.13 及以上。

为何重要： Confluence 是组织存放 runbook、接近凭据的笔记与架构文档的地方。能在管理员会话中执行的未经认证存储型 XSS，是从「内部 wiki」到「接管管理权限」的捷径。

经 Atlassian 漏洞赏金计划报告；披露时无公开利用。注意：受影响版本列表枚举的是跨多个分支的引入点，而非连续区间——请对照修复版本核对你的具体构建，而不是凭目测。

🔗 NVD CVE-2026-21580 · 🔗 OpenCVE CVE-2026-21580

35. Palmyra x6——一个用 626 条轨迹、单轮 epoch 后训练的工具使用模型

• Velocity: ▮ steady
• Source: arXiv · v2 Aug 18 · ~1d ago (~20:03 UTC+8)
• Tags: agentic tool-use post-training moe benchmarks

Palmyra x6（arXiv:2608.16620，Writer，8 月 17 日提交，v2 于 8 月 18 日）是一个 agentic 工具使用模型，通过对一个专家混合（MoE）基座做锚定监督微调（Anchored Supervised Fine-Tuning）、在「一个紧凑的、经核验的合成工具使用轨迹语料上，用 Muon + Adam 混合优化器」后训练而成。配方本身才是发现：论文称其「刻意保守、刻意受控——626 条轨迹、单个 epoch、低学习率，外加一个锚定到冻结基座的 KL 项。」它报告相比 Writer 此前默认的智能体模型有显著提升，并「在 BFCL Core 上取得 0.785 的最高分，同时在该队列中取得最高的六基准平均分」，偏置与安全评估也具备竞争力或领先。

为何重要： 这是后训练「少即是多」方向的一个干净数据点——一个 KL 锚点加上几百条经核验的轨迹，胜过数据饥渴的配方，让称职的工具调用无需轨迹农场也能达成。

一份 12 页的厂商技术报告。「队列最高」是相对作者自行选择的对比集合而言的，且尚无独立复现。

🔗 arXiv:2608.16620 · 🔗 Writer

36. HarnessEval-W——把世界模型评测重建为证据树，而非一个分数

• Velocity: ▮ steady
• Source: arXiv · 132 stars on HF Papers · ~2d ago (~20:03 UTC+8)
• Tags: world-models evaluation benchmarks agents llm-judge

HarnessEval-W（arXiv:2608.16859，8 月 17 日提交）主张「一个基准应当交付的远不止一个标量分数：让评测可信的是为分数辩护的推理」——尤其对于世界模型而言，「评判一次 rollout 需要理解物理、因果与世界状态是否正确演化」，人类对此天然敏感，而现有指标只能用蛮力计算。它用一个 agentic 工作流取代固定评分标准：解读案例、把它分解为可测量的子问题、派遣带有诊断工具的专用子智能体，再由一个父智能体验证收集到的证据并总结裁决——从而把「每一次评测变成一棵透明的证据树，其完整推理链为结果辩护。」该方法已应用于 18 个代表性世界模型、330 个评测案例，整套流水线作为实时基准开源。

为何重要： 生成式视频与机器人模拟器如今由那些无法说出 rollout 为何出错的分数来评判。让物理与因果违规变得可审计，是在管线中信任它们的前提。

「与人类偏好高度一致」是作者自己的表述；一致性研究尚未被独立复现。摘要中的项目主页 URL 是占位符，未被打开。

🔗 arXiv:2608.16859 · 🔗 HF Papers

37. SoLo——让静态 musl 二进制能 dlopen 宿主机的 glibc GPU 驱动

• Velocity: ▮ steady
• Source: Hacker News · 74 pts · ~4d ago (~20:03 UTC+8)
• Tags: linux static-binaries elf vulkan musl

pg83/solo（MIT，C++，8 月 14 日创建，8 月 17 日推送，283 星）攻克的是静态 Linux 部署中一道具体而久远的墙。其 README 精确陈述了问题：「静态二进制是在 Linux 上部署软件的一种绝妙而平淡的方式：一个文件、无依赖、无可破坏……一旦应用需要 GPU，这份平淡就到头了：Vulkan 与 OpenGL 驱动由宿主机以共享对象形式提供，通常针对 glibc 构建，而一个完全静态的 musl 二进制通常无法 dlopen() 它们。」SoLo 通过提供「一个 dlfcn 风格的源码 API，底层是自己的 ELF 加载器（x86-64 与 aarch64） 和一个实现在 musl 之上的 glibc ABI 桥」来跨越这道边界——无需容器、无需 AppImage，进程里也不会有第二个 libc。

为何重要： 「发布一个平淡的静态文件」对除 GPU 软件之外的一切都是可用的。消除这一例外，对可复现构建与供应链透明的分发意义重大——在这些场景里，一个容器镜像远比单个二进制更难被信任。

才五天大、没有打过 tag 的 release，且依赖作者自己的 IX 源码优先构建系统。描述与机制引自 README，已直接读取。

🔗 pg83/solo · 🔗 IX 构建系统

38. OwnMem——智能体记忆做成可评审的 Markdown，召回时零模型调用

• Velocity: ▮ steady
• Source: GitHub · npm ownmem@0.2.0 · ~1d ago (~20:03 UTC+8)
• Tags: agent-memory git bm25 local-first coding-agents

grpcer/ownmem（Apache-2.0，JavaScript，Node ≥20，8 月 16 日创建，8 月 18 日推送，53 星）颠覆了标准的智能体记忆栈。它的副标题就是论点——「Git 原生的 AI 编码智能体项目记忆：归仓库所有。确定性。可评审。」精心整理的决策、约束与调试经验以 Markdown 形式存于仓库内，因此记忆可以在 pull request 中被 diff、随 clone 一起迁移、并随代码一起回滚。召回运行在一个确定性的 BM25 族排序器上，而非嵌入向量：仓库自己的徽章宣传召回 P95 为 2.46 ms、模型调用数：0。据称同一套记忆可服务于 Claude Code、Codex、Antigravity、Cursor、Gemini CLI 与 Grok CLI。npm 注册表确认 ownmem@0.2.0，首次发布于 2026-08-16，至今共四个版本。

为何重要： 大多数智能体记忆都要外挂一个嵌入模型和向量库，这让它变得不透明、不确定、且无法评审。纯文本加确定性排序器，是经得起代码评审的形态——而且它与今早的向量索引条目（turbovec，第 3 条）恰好是相反的赌注。

非常年轻、单人维护：53 星、1 fork、四天大。2.46 ms 的 P95 是项目自己发布的基准，未经独立复现——我们在 npm 注册表上核实了包与版本，在 README 中核实了各项说法，但没有核实这个计时。

🔗 grpcer/ownmem · 🔗 npm 注册表——ownmem

39. OpenLogi——Rust 原生、本地优先的 Logitech Options+ 替代品登顶 Hacker News

• Velocity: ▮▮▮ trending
• Source: Hacker News · 908 pts · #1 首页 (~20:03 UTC+8)
• Tags: rust hidpp peripherals local-first open-source

AprilNEA/OpenLogi（9,500 星、809 次提交、MIT/Apache-2.0 双许可）是 Logitech Options+ 的原生、本地优先替代品——它通过 Logi Bolt、Unifying、蓝牙或 USB 直接与 HID++ 外设通信，无需账号、无遥测。三个 Rust 组件各司其职：GPUI 桌面应用（交互式设备图示、逐键动作选择器、DPI 与 SmartShift 控制、RGB、按应用配置文件）、掌控系统输入钩子与设备 I/O 的后台代理，以及用于无头设备盘点与诊断的 CLI——所有配置都存储在单个可纳入版本控制的 TOML 文件中。它以 908 分登上 Hacker News 榜首，收获 250 条评论。

Why it matters: 这波 HN 热度是对「用原生 Rust 替代臃肿厂商工具」这一诉求的实时信号——而且 OpenLogi 把 Linux 当作一等公民（Options+ 从未支持），提供 .deb/.rpm/.pkg.tar.zst、udev 规则和 NixOS 模块。

跨平台支持 macOS 13+/Linux/Windows；Windows 11 是最新移植，README 标注其相比其他构建「毛边更多」。

🔗 AprilNEA/OpenLogi · 🔗 HN 讨论 (908 pts)

40. Cerebras CS-4——首个多晶圆推理机架本季度出货，「比 GPU 快 30 倍」

• Velocity: ▮▮▮ trending
• Source: The Next Web · ~325 pts HN · ~1d ago (~20:03 UTC+8)
• Tags: ai-hardware inference cerebras hpc wafer-scale

Cerebras 于 8 月 18 日的 Supernova 活动上发布了 CS-4：其首款多晶圆推理系统——三块 WSE-3 Turbo 晶圆组成一个机架，提供 750 PFLOPS 稀疏 FP16 算力与 129.6 PB/s 内存带宽，支持 50T 参数以上的模型，晶圆间延迟从 5 降到 2 µs，每机架功耗约 120–140 kW（约为同类 AMD/Nvidia 机架的一半）。首批出货定于本季度末。那个「比 GPU 系统快至多 30 倍」的卖点其实是单用户指标——gpt-oss-120b 上每用户每秒 token 数，对比对象是未具名的 GPU 系统——而据 The Register 分析，WSE-3 Turbo 并非新芯片：它与 WSE-3 是同一颗 4T 晶体管/90 万核心/44 GB SRAM 的 die，只是把频率从约 1.4 提到 2.8 GHz，真正的新一代要等到 2027 年。

Why it matters: 这是 Cerebras 在 55.5 亿美元纳斯达克上市后的首款硬件，且在 OpenAI 的「Ultrafast」GPT-5.6 Sol 模式上线 Cerebras 芯片五天后推出——一次直指推理、正面对抗 Nvidia 的出击，但那个头条速度声明只在窄基准和一颗「超频」die 上成立。

🔗 The Next Web — CS-4 · 🔗 HN 讨论 (325 pts)

41. CVE-2026-67443——FUXA 的 guest-JWT 绕过直达 Node-RED 编辑器，实现未认证 RCE

• Velocity: ▮▮▮ trending
• Source: OpenCVE · CVSS 9.2 · ~1d ago (~20:03 UTC+8)
• Tags: security cve scada ot node-red

CVE-2026-67443（CVSS v4 9.2，8 月 18 日公开，FUXA 1.3.3 修复）是开源 SCADA/HMI 过程可视化平台 FUXA 中的缺失授权缺陷。/nodered 的 allowDashboard 门禁验证了 JWT 却从不检查解码后的身份，因此当 Node-RED 集成、安全模式与 nodeRedAuthMode: secure 全部开启时，未认证攻击者从 POST /api/heartbeat 获取签名 guest token，即可抵达 Node-RED 编辑器与流程部署 API——部署函数节点、调用 fuxa.runScript，并在 nodeRedUnsafeModules 开启时实现操作系统命令执行。

Why it matters: 在部署于工业/OT 网络的软件上实现零交互、无凭据的代码执行，而安全模式门禁本是主要防护——它是被设计绕过，而非被漏洞利用。

🔗 NVD CVE-2026-67443 · 🔗 OpenCVE CVE-2026-67443

42. CVE-2026-71539——n8n 的 Git 克隆竞态植入一个以服务器身份运行的自定义节点

• Velocity: ▮▮ rising
• Source: OpenCVE · CVSS 8.9 · ~1d ago (~20:03 UTC+8)
• Tags: security cve n8n race-condition rce

CVE-2026-71539（CVSS v4 8.9，8 月 18 日公开，1.123.64 / 2.29.8 / 2.30.1 修复）是 n8n Git 克隆节点中的 TOCTOU 竞态（CWE-367）：已认证的工作流用户在克隆前把已校验的目录换成符号链接，从而在 community-node 目录植入一个构造好的仓库，该仓库在服务器重启后作为自定义 JavaScript 节点加载——在主机上执行任意代码。n8n 广泛自托管，工作流编辑者通常权限较低却持有服务凭据，因此提权路径很短。

Why it matters: 这是「先检查、后使用」竞态在这样一个工具中的典型样本——它的职责就是带着密钥运行半可信的自动化，这提醒我们：工作流与主机之间的文件系统边界是一道隔离面，而不是装饰。

🔗 NVD CVE-2026-71539 · 🔗 OpenCVE CVE-2026-71539

43. Agent Lightning v1.0——微软的 harnessed agentic RL 把 Qwen3.5-9B 的 SWE-bench 从 41.8% 提到 56.4%

• Velocity: ▮▮ rising
• Source: arXiv · v1 8 月 18 日 · ~1d ago (~20:03 UTC+8)
• Tags: rl agents post-training coding-agents framework

Agent Lightning v1.0（arXiv:2608.17528，微软，8 月 18 日提交）让部署时的 agent harness 在 RL 过程中掌控环境循环，训练器只看到 LLM 的请求/响应对——约 3,500 行代码处理重新分词、样本合并、优势计算、损失归一化与后端调度，可适配任意 harness。头号结果：仅用 6K 样本微调 Qwen3.5-9B，就把 SWE-bench Verified 从 41.8% 提到 56.4%（+14.6 分），计算开销适中，且流水线已开源。

Why it matters: 「让 harness 参与训练」正成为真正 agent 模型的标准架构——摘要指出该范式后来被 verl Uni-Agent、AReaL 2.0、slime 和 Polar 采用——所以这是这一转向的可复现参考实现。

🔗 arXiv:2608.17528 · 🔗 HF Papers

44. Abra——Luma 的扩散 scaling law：计算最优约 200 image tokens/参数，约为 Chinchilla 的 10 倍

• Velocity: ▮▮ rising
• Source: arXiv · v1 8 月 18 日 · ~1d ago (~20:03 UTC+8)
• Tags: diffusion scaling-laws image-generation compute-optimal research

Abra（arXiv:2608.17286，Luma AI，8 月 18 日提交）是一组受控的 flow-matching Transformer，在约 10¹⁹–10²² FLOPs 上训练，用于推导文生图扩散模型的 scaling law。结论：扩散模型像语言模型一样可预测地扩展，但计算最优点约为每个参数 200 image tokens——约是 LLM Chinchilla 配方的 10 倍——且扩散模型对过训练鲁棒，因此作者建议把预算花在更多数据而非更大的模型上。损失、CFG 设置、表征质量与训练曲线形状都坍缩到一个普适形式上。

Why it matters: 这是最接近「扩散版的 Chinchilla」的成果，直接改变图像/视频团队如何分配训练预算——在业界此前只能靠猜的地方给出了一条具体决策规则。

🔗 arXiv:2608.17286 · 🔗 HF Papers

45. MoNe——模块化神经记忆无需重训练，把长上下文推理的计算与内存砍掉约 80%

• Velocity: ▮▮ rising
• Source: arXiv · v1 8 月 18 日 · ~1d ago (~20:03 UTC+8)
• Tags: long-context memory transformers efficiency research

MoNe（arXiv:2608.17616，8 月 18 日提交）把轻量的模块化神经记忆挂接到任意冻结的预训练 Transformer 上：上下文以固定大小的分段读取，通过测试时学习的快速权重记忆存储；推理时记忆仅从 query token 生成 key/value——因此上下文无需重读。在 128K token 下，相比上下文学习，它把计算与峰值 GPU 内存都降低约 80%，参数开销仅 6.4%，预处理 O(N)、查询 O(1)，且在 RULER 任务上即便超出骨干模型原生窗口也表现强劲。

Why it matters: 它把推理成本与上下文长度解耦——正是本 feed 追踪的长上下文 agent 工作负载所需——且无需微调、不改动基座模型。

🔗 arXiv:2608.17616 · 🔗 HF Papers

46. NorthCinder——一个买家主导的购物 agent MCP 服务器，带签名购买授权

• Velocity: ▮▮ rising
• Source: GitHub · 1.2k 星 · ~2d ago (~20:03 UTC+8)
• Tags: mcp agents shopping-agent local-first commerce

cinderline/northcinder（MIT，1.2k 星，npm 上为 northcinder@0.1.2）是一个自托管的购物 agent MCP 服务器：它搜索已配置的商店适配器（Shopify、WooCommerce、eBay/Etsy 通过 API、Amazon 通过用户控制的浏览器配置只读访问），返回带机器可读的「入选与拒绝理由」的排序短名单，并在任何结账前要求一份单独的、签名的、单次使用且带消费上限的授权。排序只按买家标准——「卖家付款不是输入项」——赞助商品会被标注并排在所有自然结果之下，全程留本地审计痕迹。

Why it matters: 智能体商务正带着内嵌于经纪路径的赞助排序与遥测到来。一个由买家运行排序器、持有签名密钥并保留审计日志的服务器，正是这一品类缺失的信任模型——也直接对冲了「agent 用你的卡买错东西」这一失败模式。

🔗 cinderline/northcinder · 🔗 npm registry — northcinder

47. Mureka V9.5——昆仑万维的 MusiCoT 音乐模型宣称 97% 控制良品率

• Velocity: ▮▮ rising
• Source: PingWest · 8 月 18 日发布 · ~1d ago (~20:03 UTC+8)
• Tags: music-generation model-release multimodal chain-of-thought audio

昆仑万维于 8 月 18 日发布 Mureka V9.5，其 AI 音乐生成模型基于 MusiCoT（音乐思维链）框架，在生成音频之前先构建完整音乐逻辑——从整曲结构到局部表达。厂商内部评测显示人声表现良品率 61.0%、控制良品率 97.0%、曲风完全体现比例 95.7%，并由 25,000+ 条用户反馈打磨，在国风歌词咬字与和声层次上也有显著提升。

Why it matters: 一个来自头部中文 AI 音乐厂商、带公开指标的具体模型发布——就在阿里巴巴 HappyShrimp 进军同赛道一天之后，说明文生音乐正在从 demo 变成多方角力的已出货品类。

🔗 PingWest — Mureka V9.5 · 🔗 Mureka

48. Sprix SAGE Router——A2A agent 网络的 SELF/COLLABORATE/HANDOFF 路由

• Velocity: ▮ steady
• Source: GitHub · 362 星 · ~1d ago (~20:03 UTC+8)
• Tags: routing agents a2a multi-agent orchestration

wang2122/sprix-sage-router（MIT，Python，362 星）是一个介于 A2A 协议发现与任务执行之间的决策层，在运行中途决定现任 agent 是独自继续（SELF）、招募协作者但保留主导权（COLLABORATE），还是完全移交主导权（HANDOFF）。它在权限/预算/截止时间约束下，编排任务 DAG 角色、调度依赖，并用学习的 outcome 模型加 beam-search 团队组合、根据执行证据更新信任。目前是早期研究预览（v0.2，12 次提交）；README 中的 2,500 任务仿真（0.634 vs 0.507 仅现任 agent 的质量）被明确标注为合成数据。

Why it matters: 随着 A2A（现为 Linux Foundation 协议）成熟，开放问题从「agent 能否对话」转向「何时协作、何时移交」——一个基于证据学习的答案是发现与执行之间缺失的中间层。

🔗 wang2122/sprix-sage-router · 🔗 a2aproject/A2A

49. Benjamin-Plus——JetBrains 实测的 token 效率技能，把编程 agent 成本降低 17.9%

• Velocity: ▮ steady
• Source: GitHub · JetBrains · ~2d ago (~20:03 UTC+8)
• Tags: coding-agents skills token-efficiency cost benchmark

JetBrains/benjamin-plus-skill（MIT，约 745 token 规则集）改变的是编程 agent 如何查找信息与等待——一次性侦察、50 行的「钥匙孔读取」代替整文件读取、只探测环境一次、把任务自带的验证命令当作完成标准——而不改变它构建什么。在 80 个 SkillsBench 任务的配对 A/B（Claude Code + Sonnet 5）中，注入该技能带来成本中位数 −17.9% 且质量不变（7 更好/5 更差/68 持平）；Codex 的 SWE-bench 运行则显示成本 −4.4%、工具调用 −20%。README 的关键 harness 细节：以注入方式生效；作为可发现文件夹安装时「毫无节省」。

Why it matters: 这是罕见的、由真实厂商（JetBrains）发布实测结果的技能，而且其「交付方式」结论对任何发布 agent 技能的人都能直接落地。

🔗 JetBrains/benjamin-plus-skill · 🔗 benchflow-ai/skillsbench

50. Autoprompt——一个多 agent 技能，把 Terminal-Bench 失败率降低 45%（60/89 → 73/89）

• Velocity: ▮ steady
• Source: GitHub · 138 星 · ~2d ago (~20:03 UTC+8)
• Tags: coding-agents skills multi-agent terminal-bench orchestration

Spielewoy/autoprompt-skill（MIT，v1.0.0）把六个编程 agent——Claude Code、Codex、OpenCode、Kilo Code、VS Code、Prime Agent——包进一个分层多 agent 层级（协调/管理/执行/独立判断层），让单个 agent 不再自己计划、批准并验证自己的工作。在 Terminal-Bench 2.1 上用 OpenCode 1.18.7，它把解出数从 60/89 提升到 73/89——失败减少 45%——代价是约 3× 时间与约 2× token，README 明确说明这是单次实测而非扫描。

Why it matters: 「跨 agent 分离计划/批准/验证」是人人都认同、却少有技能给出数字的治理范式；在公开基准上失败减少 45%，并公开了成本代价，正是本 feed 追踪的那种证据优先的技能声明。

🔗 Spielewoy/autoprompt-skill · 🔗 harbor-framework/terminal-bench