公众号 AI Feed 流公众号 Feed

2026年3月31日，Chaofan Shou发现Claude Code的NPM包包含完整未混淆源码。从中有12条发现：有完整电子宠物系统，具备多种物种、抽卡稀有度等；Anthropic员工给开源项目提PR有“卧底模式”；用正则检测用户是否骂它及是否让其继续干活；内部PR显示“几次提示搞定”；物种名用十六进制编码避扫描；源码注释记录运维事故；泄露内部代号体系；模型靠Prompt打补丁；权限系统有“YOLO Classifier”；Feature Flags泄露产品路线图；Bun编译器会静默删代码；print.ts或为LLM生成代码质量上限样本。文章创作经选题、调研、初稿、多角色Review、准确性核查、修改定稿等环节，人类仅做方向性干预。

本文对Claude Code v2.1.88源代码进行深度解析。其优势在于12层渐进式工程包装，核心竞争力体现在工程化、Agent架构、Skills系统三方面。架构上query.ts是核心，核心Agent Loop简洁遵循开闭原则。12层包装机制各有作用，工具系统设计安全，Prompt工程有分层缓存和多种编程技巧。权限、上下文管理、子代理等系统也各有特点。Skills系统按需注入知识，会话可持久化与恢复。还介绍了MCP集成、编译时特征门控。未来将有新模型，KAIROS全自主代理模式待发布，部分功能已实现未上线。最后总结设计模式、工程哲学，为构建AI Coding Agent提供启示，Claude Code正从编程助手向自主开发代理进化。

本文围绕Harness展开，指出裸模型存在无记忆、不能执行代码、知识过时、无工作环境四大硬伤，而Harness六大组件可逐一补救。首先明确Agent=Model + Harness，Harness是模型外的工程基础设施。接着介绍六大组件：文件系统是基础，负责存储与版本管理；Bash + 沙箱让Agent能执行代码，有自我验证能力；记忆（AGENTS.md）可注入知识；Web Search + MCP突破知识限制；上下文工程对抗信息腐烂；编排 + Hooks保障多Agent协同。此外，System Prompt贯穿始终，是Harness的“神经系统”。最后强调Harness决定了Agent能力上限，鼓励探索其工程实践。

文章探讨在Harness Engineering概念兴起下，规范驱动（SDD）AI Coding工作流是否有意义。先介绍Harness是让Agent可靠工作的系统，OpenAI认为工程纪律从代码转移到环境设计。Spec在Harness中有三个角色，是Agent推理地图、约束生效语义基础和反馈回路正确性判据。SDD能决定Agent输出质量、消灭返工、实现知识资产化、促进人才能力迁移。Harness Engineering带来四点启示，如审查重心在Spec、约束分开管理等。结论是Harness越强，Spec越重要，SDD有意义。

作者深度使用 OpenClaw 后分享经验，分析其越用越好的本质。先指出很多人觉得不好用是因模型没选对、把 Agent 当通才、未“培训” Agent。核心机制是基于 md 文件系统，有 7 类核心文件，如定义 Agent 人格的 SOUL.md、记录用户信息的 USER.md 等，还有用户与 Agent 共同生长的自定义文件。其设计了自我进化闭环，包含 md 文件读写和向量索引检索两层循环。技术实现有 Bootstrap 加载、Memory 混合搜索等细节。最后得出 Agent 价值在 workspace 文件夹等推论，并给出实操建议，如主动引导形成 SOP、定期审查文件等。

文章是2026年AI编码的“渐进式Spec”实战指南。先阐述AI编码基础认知，包括大模型能力、Agent自主行动及软件复杂度评判标准。接着介绍渐进式编码框架，强调Spec Coding理念，其核心是用结构化文档让AI编码，框架有渐进式复杂度、可自我迭代等特点，还给出工作流。工具选型采用编排层与执行层架构，介绍选型思路和Git规范。通过跨模块业务迁移项目展示实战流程，最后分享观点，如人在AI编程中的角色转变、Spec的作用、知识底座的重要性，还提及AI编码的代价和发展趋势。

文章围绕AI智能体架构从Agent到Skills的范式转变展开。首先介绍Anthropic在不到14个月内推出MCP和Agent Skills开放标准，引发行业响应。接着以自动化美化相册项目为例，阐述Agent、Skills、MCP、OpenClaw和A2A等核心概念。对比了Agent、Skills、MCP和OpenClaw的定位、技术架构等。通过实验对比Claude Code和OpenClaw在处理微信驱动的图片营销闭环任务中的表现，得出不同方案的优缺点及适用场景。最后展望未来趋势，如Skills市场化、协议分层标准化等，强调从单体Agent向可组合Skills转变的重要性。

本文介绍构建大模型AI知识库的教程。Karpathy分享用AI构建个人知识库思路，引发关注。博主Nick Spisak给出实现教程：先创建项目及三个子文件夹；将各类资料放入raw/文件夹，无需整理；用Vercel Labs的agent - browser自动收集网页内容存到raw/；在根目录创建说明文件让AI知晓整理规则；用AI工具按规则将raw/内容编成wiki/；有一定文章量后可向AI提问并保存答案；定期让AI审查wiki/防止错误积累。工具选择上，简单结构更实用。

2026年4月3日，西湖大学张岳团队全面开源自动化科研工作系统DeepScientist V1.5。该系统可本地运行，能全方位处理科研任务，包括读文献、改代码、跑实验、写论文等，让原本需博士生一年完成的工作7天即可完成。它能忠实执行命令，复现论文、调试代码、分析数据、撰写论文。还具备本地交互和实战能力，可随时汇报进度，沉淀研究经验，产出超越人类专家的论文，在多个领域取得SOTA成绩。此外，该系统部署简单，1分钟即可完成，项目已在GitHub开源。

Andrej Karpathy提出基于Obsidian+AI Agent构建个人知识库模式，并给出详细指南。核心理念是让LLM持续构建维护持久Wiki，区别于传统RAG。系统分原始资料、Wiki、约束架构三层。日常操作包括摄入资料、查询、代码审查等，还有索引与日志辅助导航。还介绍了可选工具、技巧窍门，此模式因LLM维护成本低而有效，文末给出行动指南。

这是对OpenAI负责人山姆·奥特曼的深度访谈。访谈回顾其创业历程，探讨AI发展现状与未来。AI发展从“朋克摇滚”式转向系统化，算力稀缺使OpenAI关停SORA，聚焦“下一代自动化研究员”和个人智能体。AI应用有救助宠物狗案例，但带来安全挑战，需构建防御体系。在国家安全上，奥特曼认为政府应比AI公司强大，OpenAI选择与国防部合作。他担忧AI时代教育问题，认为人类成长需“磨练”。未来人类注意力和情感连接将成稀缺资产，他构想新版社会契约，让人人凭公民身份拥有资本主义资产所有权。

3月1日，智谱发布2025年度财报。其营收7.24亿元，同比增131.9%，但亏损47.18亿元，同比扩大59.5%，研发投入高，毛利率下降。收入以本地化部署服务为主，各业务收入均同比增长。2025年，智谱付费Token消耗量指数级跃迁，API平台表现亮眼，ARR达17亿元，过去一年提升60倍。CEO张鹏提出“Token架构力”概念，智谱预测2026年智能范式将演变，核心竞争力将重塑为TAC。未来算力范式剧变，智谱将加大投入，深耕国产芯片适配与调优，认为大模型将吞噬软件，未来计算平台是API商店与Agent矩阵协同。

文章围绕Harness在AI编码领域的应用展开。介绍其是模型与用户、代码交互的媒介，能解决AI执行复杂任务的“失控”问题。OpenAI和Anthropic对Harness发展路径有分歧，前者倾向做薄做轻，后者主张做强做厚。Codex负责人Michael Bolin认为模型应主导，Harness应小巧。还谈及Codex发展情况，其使用量增长快，有新界面创新。此外，探讨了编码代理对开发者工作流程的改变、代码库在智能体时代的特点、模型与Harness的重要性以及未来智能体编码的基础组件等内容。

文章围绕端到端自动化在真实业务研发中的落地展开。在部分新增、变更类需求中出码率达90%，但重点并非此数字，而是验证了面向真实业务的自动化链路开始成立。它涉及需求承接、任务组织、执行运行和结果验证。当前链路在部分真实业务场景已具可运行性和稳定价值，但复杂场景仍受限。过去依赖高手手工组织上下文的方式有局限，此次实践组织了完整链路，包括输入治理、执行编排和自动化验证。还带来三个关键发现，指出瓶颈迁移，核心是组织可持续运行的链路。这不是终局，后续要解决更多问题，将链路做成稳定系统。

新智元报道，Claude在无人类干预下，4小时攻破全球最安全的FreeBSD OS内核，构建完整攻击链，获取最高权限，表明AI可自主生成进攻性能力，跨越关键阈值。FreeBSD支撑众多数字设施，此前被视为“坚如磐石”，AI解决多个技术难题，将网络安全降维为“token消耗战”。此外，研究显示网络进攻中AI能力提升迅速，周期从9.8个月缩短到5.7个月，能完成复杂任务，预计2026年底可稳定执行10小时以上专家级任务。不同评估体系都证明AI能力指数级爆发，全面超越人类专家，网络安全或成首块崩塌的多米诺骨牌。

文章爆料OpenAI GPT-6相关信息，称其将于4月14日发布，性能较GPT-5.4提升40%，是原生多模态模型，有2M超大上下文窗口，将融合ChatGPT等成统一智能体。OpenAI为它砍掉非核心产品线，如Sora。此外，GPT-Image 2亮相Arena后下架，它生成图像真实感强、世界认知能力提升。最后指出AI竞赛中算力重要性凸显，OpenAI和Anthropic的一些举措都与算力有关。

文章介绍阿里云云监控CMS自研的OpenClaw可观测插件openclaw - cms - plugin 0.1.2版本。老版本插件存在链路语义失真问题，如看不到中间轮次LLM输入输出、Trace结构与执行不一致、并发易断链串链等。0.1.2版本价值显著，实现多轮LLM分段，增强并发稳定性，新增STEP Span，改造AGENT指标。该版本能提升排障效率、让并发回归测试更有信心、精细成本治理、促进跨角色协作、更快止损线上故障，是观测语义升级，值得优先升级。

2026年消息，微软计划明年前开发大型、尖端AI模型，以构建替代OpenAI和Anthropic的强大工具。微软AI首席执行官穆斯塔法·苏莱曼称，到2027年目标是达最先进水平，涵盖多模态模型。其团队推出语音转录模型，比部分竞品准确，将支持微软产品。微软加大计算能力投入，去年10月部署英伟达芯片集群，未来12到18个月提升计算能力。此前开发受与OpenAI合同限制，该条款已取消。苏莱曼职责转至模型研发，微软首席执行官强调未来三到五年实现AI自给自足，也会继续托管其他公司模型。

2026年4月消息，原小米、字节跳动硬件业务老兵徐睿将领导Meta旗下MSL新组建的AI硬件团队。徐睿经验丰富，曾在多家顶级科技公司任职，此前是K - Scale Labs COO，该公司因资金问题关闭后，他加入Dreamer，今年3月Dreamer被Meta收购。此前他在字节主导开发坚果手机、大力智能学习灯，在小米参与电视业务转型。Meta此前以元宇宙业务为主，此次MSL主攻AI硬件，部分Reality Labs团队成员已转入MSL，科技巨头都在发力非手机形态的AI原生个人设备。

腾讯程序员团队分享AI Native研发实战经验。团队在2026年初决定全面转向该模式，目标“0人工Coding”。文中指出当前AI辅助编码有四大痛点，缺乏交互规范致输出不可控。为此提出OpenSpec + CodeBuddy全链路方案，重新定义人员角色。代码开发分核心三步和完整六步工作流，前端开发有额外原型审查环节。还构建统一规范体系，包括知识库、MCP和Skills。以openspec - installer为例剖析Skill，介绍其文件结构、设计决策等。最后给出从0到1上手指南、扩展工作流、团队协同实践，强调AI重新定义程序员角色。

2026年4月3日，Google宣布Android Studio正式支持Gemma 4。开发者1月起可在Android Studio选本地或远程模型开发AI功能。Gemma 4是针对Android开发训练的本地模型，有隐私安全、成本效益、离线可用和推理能力强等优势。它具备智能体工具调用能力，可处理设计新功能、重构代码、修复错误等开发案例。文章还给出推荐硬件要求，提供入门指南，鼓励开发者反馈问题。

2026年4月3日，Google DeepMind推出Gemma 4，这是最智能的开放模型。它基于与Gemini 3相同技术，有E2B、E4B、26B MoE、31B Dense四种规格。31B和26B模型在Arena AI文本排行榜名列前茅，单位参数智能水平高。E2B和E4B模型重多模态能力和低延迟。Gemma 4具备高级推理、智能体工作流等特质，模型权重适配各类硬件。它采用Apache 2.0许可发布，遵循安全协议。开发者可在多平台获取、定制和扩展该模型，还能参加Gemma 4 Good挑战赛。

随着业务发展，App 功能增多，给旧手机的体验与稳定性带来挑战。本文介绍抖音从内存、FD、线程三个方向提升旧手机体验。具体举措为：一是 ART 虚拟机 malloc space 扩容，限制 copy gc ，释放 backup space 并创建更大的，最终在 Android 5/6 设备扩容至[740MB，750MB]，Android 7 设备扩容至[960MB，980MB]，OOM 率降 60.77%；二是 ART 虚拟机 region space 扩容，在原 region space 结束位置后找空间创建，扩容 regions 数组、live-bitmap 等，使 crash 率、卡死率、OOM 率等下降；三是 FD/FD_SET 扩容，扩展内核 fd 限制和 libc 中 FD_SET 上限，解决 android 9 以下版本 FD/FD_SET 超限问题；四是 M：N 透明用户态线程，通过透明代理 pthread、抢占线程执行权、切换上下文等突破线程限制，保障了受 500 线程限制用户的体验下限。

2026年4月2日，美团发布原生多模态模型LongCat - Next并开源。文章指出物理世界信息由图像、声音、文字交织，当前大模型以语言为中心，而LongCat团队探索让AI用统一方式处理多模态信息。LongCat - Next有三项核心技术：DiNA架构统一多模态底层建模，解决理解与生成不一致问题，实现模态内化；dNaViT技术将图像离散化为可建模Token，支持任意分辨率，实现图像理解与生成闭环；通过构建SAE表征基础和多级残差向量量化，实现语义完备离散表示。该模型在多维度表现优异，验证了离散模型在细粒度感知、理解生成协同等方面的潜力，最后美团开源模型及分词器，期待推动原生多模态智能发展。

本文基于NVIDIA GTC大会「Agentic AI 101」主题讲座，系统拆解智能体式AI。首先对比其与传统聊天式AI差异，指出Agentic AI能自主执行任务。前沿闭源和开源模型实现双重突破，降低开发门槛。其核心构建模块包括规划、工具使用、记忆、评估。讲座还列举软件开发、知识调研等落地场景的价值案例，最后介绍从零搭建应用的实操步骤，强调当下是入门好时机。

文章围绕端侧RAG展开，指出云端LLM处理用户设备私密数据有隐私和离线使用问题，端侧RAG可解决。介绍LLM“记忆”难题及RAG破局之道，阐述端侧RAG工程蓝图，包括嵌入、索引等环节。嵌入要权衡模型选择并进行量化；索引可采用ANN算法，有不同实现方案。工程落地要处理数据分块、冷启动与增量更新、功耗内存管理等。还提到超越向量检索的混合搜索和Agentic RAG。最后说明评估端侧RAG注重检索质量，虽面临挑战，但为个性化AI打开大门。

2026年Anthropic泄露Claude Code源码，暴露诸多设定。反蒸馏方面，有插入假工具和处理文本摘要两种机制；Undercover mode可去除暴露内部背景信息；用正则表达式检测用户挫败感；Native client技术校验请求来源；auto - compact失败会浪费API调用，解决方案是限制连续失败次数；KAIROS是未发布的自治型后台代理模式；渲染做了性能优化；bash安全检查严格；多代理协调靠系统提示词规则。还分析了封号逻辑及数据采集体系，此次源码泄露或使Anthropic调整策略，目前超8000个相关仓库被删。

2026年4月2日，快手技术团队发布论文介绍自研生成式广告推荐系统GR4AD。过去深度学习推荐模型占主导，生成式推荐在广告场景落地难。广告场景存在物料Token化、学习范式、实时服务三大挑战。GR4AD采用“表征 - 学习 - 推理”三位一体设计，如用MLLM生成统一嵌入、提出LazyAR等。系统已全量部署在快手广告平台，实现“奖励估计 → 在线学习 → 实时索引 → 实时服务”闭环，通过动态Beam服务等优化推理效率。实验显示其提升了广告收入和推理性能，实现平台、广告主、用户三方共赢。

2026年4月2日，阿里巴巴千问发布新一代大语言模型Qwen3.6 - Plus，其性能较3.5进步显著，编程能力强，工程落地能力卓越，具备原生多模态能力，支持百万词元上下文窗口。本周还发布全模态大模型Qwen3.5 - Omni，在音视频理解等215项任务中性能最佳，有音视频Vibe Coding能力；图像生成与编辑统一模型Wan2.7 - Image，能“千人千面”，具备全链路能力、强大组图生成能力和交互式编辑模块。三款模型提升了Agent能力，贴近市场需求，已在阿里云百炼上架，部分接入阿里AI应用和平台。

张雪机车在世界超级摩托车锦标赛中夺冠，打破欧美豪强垄断。张雪出身修车学徒，怀揣梦想投身赛车研发制造，先后创办公司。2024年成立张雪机车，虽遭嘲讽仍埋头研发，首款产品500RR交付后产值可观，820RR助其夺冠。此前张雪机车获上海高信领智、浙江国资投资，夺冠后投资人纷纷打听张雪，其还带动相关A股公司股价上涨，重庆两江新区为其提供生产基地。张雪机车的成功是个人奋斗的成果，也体现中国智造的崛起。

文章围绕AI领域的Harness和Environment工程概念展开。先是回顾AI概念演变，从prompt engineering到harness engineering，再到environment engineering。指出对Harness唱衰有因，底层模型基建化使其部分套壳框架被打击，而environment engineering有杠杆率，但Harness作为复杂系统控制平面仍有价值，因大模型概率性与商业确定性矛盾，其能提供策略。环境工程在传统商业场景有局限。AI产业价值分三阶段，当前处于Harness为王阶段，未来数据与环境为王，建议当下做深特定领域Harness系统架构，Environment engineering可提前布局。

2026 年 4 月 1 日，Nacos 3.2 Skill Registry 正式版发布，助力 AI 能力在企业安全、可控落地。此前，低代码平台灵活性受限，高代码框架幻觉问题突出，而 Skill 成为平衡点，但公开 Skill 市场存在安全隐患。企业落地 Skill 面临安全、权限、稳定性和治理挑战。Nacos 3.2 私有化 Skill Registry 构建治理层，实现企业级 AI 资源控制闭环。它有安全审核、多版本管理、权限管控、全链路审计等功能，还提供多种 Skill 接入与分发方式。Nacos 3.2 与 HiClaw、HiMarket 形成企业私有 AI 管理平台生态。未来，Nacos 期望成为多 Agent 架构网络协作中枢，后续版本还将在资源管理、数据智能等方面持续演进。

文章聚焦腾讯会议智能录制升级。指出当前会议与AI结合成趋势，海外Granola火，国内腾讯会议动作密集。此次升级解决会议纪要上下文丢失问题，让AI输出可溯源，如纪要附时间戳，时间轴分章节。还添加个人笔记功能，方便会后处理信息。AI在会议中角色渐深，从记录到对话，智能录制界面可与元宝对话。其支持多模板总结，有学习笔记、汇报总结等5个模板，不同模板从不同维度整理会议内容，尤其销售场景模板对中小企业意义大，体现AI应用向场景化发展趋势。

本文围绕Claude Code展开，介绍其Agent架构设计要点。它是第三代商业化Autonomous Agent产品，架构核心是Harness，为LLM提供多种能力。执行引擎TAOR循环，将智能下沉到模型。其视Context Window为稀缺资源，构建防御体系。记忆系统以索引为核心，分层加载。权限系统是五档信任光谱，适应不同场景，还在HTTP传输层实现API调用DRM。多Agent编排分两层，子Agent独立运行，Agent Teams通过共享文件系统协调。未发布的KAIROS可后台持续运行。此外，源码中还有Anti - Distillation和Undercover Mode等特殊机制。

文章介绍了得物技术用AI + MCP打造的日志诊断Skill，以解决后端开发调BUG难题。先阐述开发背景，因传统调BUG流程耗时长，最初方案有缺陷，后结合日志平台MCP和Claude Code的Skill实现自动诊断闭环。接着介绍MCP原理、环境对照、工具及鉴权流程，以及/log-diagnosis Skill的工作原理、入口、核心能力和语法规则。还说明了安装配置方法和使用方式，通过实战案例展示其诊断过程，包括AI拉取日志、还原链路、提取信息、发现根因并定位代码给出修复方案，最后总结诊断效率关键点，强调该方案是对重复性工程劳动的自动化尝试，Skill和MCP组合形成可落地闭环，为更多工作自动化提供思路。

文章介绍Harness Engineering，它是AI Agent开发核心工程学科，围绕AI模型设计系统等确保其可靠运行。当前基础模型能力趋同，驾驭能力成技术护城河。一个完整Harness有五层，包括上下文与记忆管理等。工程实践将Agent任务执行结构拆为规划器、执行器、检查器，类似自动驾驶系统。执行器和检查器借鉴GAN机制提升输出质量，检查器有单元测试等多种形态。长期看，Harness Engine方向是消融工程，随模型变强做减法，释放其真实能力。

2026年，Claude Code源码因低级问题泄露。借助AI和大佬，作者盘出8个隐藏未上线新功能：一是Buddy，可给Claude Code配宠物，有18种物种、5个属性和稀有度，预计5月上线；二是Kairos，为主动交互模式，Claude会成24小时主动助手；Auto - Dream已灰度，能在后台自动整理记忆；Daemon让其变后台守护进程；UDS Inbox可实现跨会话通信；Teleport能跨机器传送工作会话；Ultraplan可花30分钟远程规划项目；Ultrareview能启动Bug舰队审查代码。若这些功能上线，Claude Code有望成超级Agent助理。

文章围绕淘系交易系统，介绍从“Vibe Coding”到“范式编程”的演进，提出通过结构化规范（Spec）驱动AI生成企业级代码。当前AI编程工具缺乏领域知识、上下文和规范约束，生成代码不可靠、难维护。范式编程将规范置于开发核心，结合知识库、疑问点机制与AI Agent，实现“人机协同”。文章还阐述了技术演进的必然性，基于Anthropic等技术发展，AI编程能力强大，但需在企业场景优化。构建了Spec平台，全链路规范化，打造知识体系，培养懂交易业务的AI专家，并对主流Spec工具进行调研。在工程实现上，根据交易场景需求分三阶段推进，完成平台设计与落地，包括选择代码Agent、搭建领域知识体系、优化提示词、设计疑问点机制等。最后从质量、效率、易用度维度构建评测体系，规划未来打造AI-Friendly编程环境，实现从“人写代码”到“人机协同”的升级。

微信小程序业务逻辑复杂，开发者关注安全与性能。微信团队上线“小程序扫描体检”免费服务，提供“安全+性能”双维度体检方案。性能分析含请求失败率监控、耗时分析和趋势监控；安全扫描聚焦5大核心风险领域的18项检测。扫描后生成深度报告，含性能和安全分析，给出优化建议。开发者登录微信公众平台即可开启扫描。团队建议上线前、迭代后检测及定期巡检，以保障小程序健康。