<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[围炉漫谈间，一起深聊人工智能、大数据这类前沿科技领域的新动态，在这里为你拆解前沿技术百货的多样精彩。]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/AdamsLi</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; AdamsLi]]></copyright><item><title><![CDATA[智能体沙箱是怎么做的：跨框架源码拆解]]></title><link>https://blog.csdn.net/AdamsLi/article/details/165084023</link><guid>https://blog.csdn.net/AdamsLi/article/details/165084023</guid><author>AdamsLi</author><pubDate>Sat, 12 Sep 2026 09:06:03 +0800</pubDate><description><![CDATA[智能体沙箱是保障大模型安全执行的关键机制，通过隔离代码执行环境防止副作用扩散。本文拆解8个主流框架源码，梳理从解释器白名单到microVM的七层技术谱系：轻量级（如AST过滤）适合防误操作，进程与文件系统隔离（如bwrap）提升安全性，容器（Docker）成主流选择，而microVM提供最强隔离。选型建议：本地开发用容器+文件策略，生产级不可信任务直接采用microVM服务。宿主机需部署完整Docker引擎并配置镜像、权限与资源，避免因依赖缺失导致沙箱失效。]]></description><category></category></item><item><title><![CDATA[Agent 的记忆是怎么工作的：12 个框架源码拆解]]></title><link>https://blog.csdn.net/AdamsLi/article/details/165082808</link><guid>https://blog.csdn.net/AdamsLi/article/details/165082808</guid><author>AdamsLi</author><pubDate>Sat, 12 Sep 2026 09:00:09 +0800</pubDate><description><![CDATA[本文拆解12个开源Agent框架的记忆写入机制，按存储形态分为五类：会话派（完整转录，如Claude/OpenAI SDK）、文件派（精简Markdown，如Hermes、Letta）、抽取派（LLM结构化提取，强调去重与防幻觉）、图谱派（建模关系与演化，如Graphiti）、流水线派（多阶段工业化处理，如CrewAI）。核心洞察：记忆本质是“可追溯的加工过程”，从原始数据出发，通过确定性规则与智能抽取结合，实现高效、安全、可演进的长期记忆管理。]]></description><category></category></item><item><title><![CDATA[你的 AI 助手，可能正在替黑客打工：2026 skill 投毒事件全复盘与自查清单]]></title><link>https://blog.csdn.net/AdamsLi/article/details/164947786</link><guid>https://blog.csdn.net/AdamsLi/article/details/164947786</guid><author>AdamsLi</author><pubDate>Fri, 11 Sep 2026 08:29:00 +0800</pubDate><description><![CDATA[2026年，技能投毒成真实威胁：超170万次恶意skill安装，36.8%的公开skill含安全漏洞。攻击者利用信任积累、渐进式投毒与指令文件注入（如PromptLogger），在74分钟内提交23个恶意PR。因skill天生拥有完整权限且无审查机制，传统杀毒失效。建议自查：用Snyk扫描+动态引爆测试+人工读全文，锁定网络外联、凭证访问等6类信号，实施版本锁定、沙箱隔离与凭证轮换，每月例行防护。]]></description><category></category></item><item><title><![CDATA[Playwright Test Agents 三件套实测 ——智能体基建系列]]></title><link>https://blog.csdn.net/AdamsLi/article/details/164947585</link><guid>https://blog.csdn.net/AdamsLi/article/details/164947585</guid><author>AdamsLi</author><pubDate>Fri, 11 Sep 2026 08:27:51 +0800</pubDate><description><![CDATA[Playwright Test Agents（v1.56+）通过Planner、Generator、Healer三智能体协作，实现AI驱动的E2E测试。基于MCP协议与无障碍快照（AOM），以结构化语义替代截图，提升测试准确性。实测抖音场景中，需headed模式+登录态（via saveprofile.js）规避反爬。三件套分工明确：Planner设计计划，Generator生成代码，Healer修复并写入，权限受限保障安全。虽强反爬仍存挑战，但其真浏览器执行能力与CI兼容性显著优于传统AI测试工具。]]></description><category></category></item><item><title><![CDATA[实测好用！Marvis 三大核心实用技巧，办公效率直接拉满]]></title><link>https://blog.csdn.net/AdamsLi/article/details/164458438</link><guid>https://blog.csdn.net/AdamsLi/article/details/164458438</guid><author>AdamsLi</author><pubDate>Mon, 07 Sep 2026 14:23:58 +0800</pubDate><description><![CDATA[只要是浏览器常规操作：网页填写、图文编辑、后台录入、查询资料、表单提交，Marvis 都能自动执行，适合自媒体批量写稿、运营重复网页工作，大幅减少机械复制粘贴。Marvis 的上限，藏在「技能广场」里，相当于给 AI 预置各类行业工作模板，新手一键导入即用，懂基础逻辑的用户还能本地修改技能规则，打造私人专属 AI 工作流。打开 Marvis 安装目录下的skills文件夹；每个技能为独立文件夹，核心配置文件SKILL.md包含完整执行逻辑、输出规范；]]></description><category></category></item><item><title><![CDATA[零成本基建系列——如何在没有云服务器的情况下用codex+vitepress+cloudflare pages搭建自己的网站]]></title><link>https://blog.csdn.net/AdamsLi/article/details/164448903</link><guid>https://blog.csdn.net/AdamsLi/article/details/164448903</guid><author>AdamsLi</author><pubDate>Mon, 07 Sep 2026 07:51:53 +0800</pubDate><description><![CDATA[为什么不自己买云服务器？首先，当然是不想花钱。而且自己部署云服务器还得考虑安全等因素，运维起来也挺麻烦和耗精力的。我自己对 UI 设计天然不擅长，网站需要长什么样其实没有概念。同时又不想花太多时间去开发网站，每次文章编写完成后也不希望还要花太多时间去部署。调研了一些框架后，最终选择了 VitePress + GitHub 存储 + Cloudflare Pages 的方案。先简单介绍一下VitePress项目，VitePress可以针对markdown的文件内容生成静态HTML页面。]]></description><category></category></item><item><title><![CDATA[网站把自己变成 MCP server：OpenAI 第一个用上 WebMCP]]></title><link>https://blog.csdn.net/AdamsLi/article/details/164448797</link><guid>https://blog.csdn.net/AdamsLi/article/details/164448797</guid><author>AdamsLi</author><pubDate>Mon, 07 Sep 2026 07:48:00 +0800</pubDate><description><![CDATA[WebMCP协议让网站声明工具供AI直接调用，OpenAI首个落地，改变网页交互方式，企业支持，安全考量，局限和挑战赛。]]></description><category></category></item><item><title><![CDATA[文渡 ContentFerry 开源了：一个“自用“写作工具背后的选择]]></title><link>https://blog.csdn.net/AdamsLi/article/details/164448756</link><guid>https://blog.csdn.net/AdamsLi/article/details/164448756</guid><author>AdamsLi</author><pubDate>Mon, 07 Sep 2026 07:46:25 +0800</pubDate><description><![CDATA[摘要根据完整原文生成，按平台调整口味：公众号摘要自然、有吸引力但不夸张，技术平台摘要突出方法和适用对象。发布前还能调用第三方检测服务，看看文字里有没有明显的 AIGC 特征。图注：朱雀 AI 检测助手，展示对输入文本的 AI 生成特征分析结果与检测报告（来源：项目 README 截图）模型连接这块，文渡做了简化：支持模型统一走 OpenAI 兼容 API，配置化处理。OpenRouter、NVIDIA Build、火山引擎等这些不同来源，在文渡里都是同一个可配置的端点，换模型只改配置，不涉及代码。]]></description><category></category></item><item><title><![CDATA[死后人脑弹钢琴？我被震惊了！]]></title><link>https://blog.csdn.net/AdamsLi/article/details/164422826</link><guid>https://blog.csdn.net/AdamsLi/article/details/164422826</guid><author>AdamsLi</author><pubDate>Sun, 06 Sep 2026 09:21:52 +0800</pubDate><description><![CDATA[作者看到新闻后查证原始论文，发现是法国团队的预印本，用死后成人脑组织外植体连接机械手，通过无监督感觉运动学习实现三音符模仿，准确率从随机到58.5%，有对照实验证明学习在脑组织内。作者强调媒体与科研温差，认为技术并未达到意识水平。</think>一篇关于“死后人脑控制机械手弹钢琴”的科普文。作者查证预印本后发现：法国团队用死后成人脑组织外植体连接电极与机械手，通过无监督感觉-运动关联学习，使脑片模仿三个音符，准确率从随机升至]]></description><category></category></item><item><title><![CDATA[Agent 的隐身术：反 Bot 检测六层技术栈——智能体基建系列]]></title><link>https://blog.csdn.net/AdamsLi/article/details/164422814</link><guid>https://blog.csdn.net/AdamsLi/article/details/164422814</guid><author>AdamsLi</author><pubDate>Sun, 06 Sep 2026 09:20:24 +0800</pubDate><description><![CDATA[给个极简选型结论：简单站点、PoC 验证，用 stealth 插件就够了；要过 Cloudflare 这类硬目标，上 patchright 或 nodriver 补协议层；预算和场景允许，直接上 CloakBrowser、Camoufox 这类引擎内核，相对一劳永逸；纯 API 采集不渲染 JS，用 curl_cffi 做 TLS 层伪装；不想维护这场军备竞赛，就买商业托管服务。反 bot 检测是这个系列里最特殊的一块拼图：它不增加 Agent 的能力，只增加 Agent 的生存率。]]></description><category></category></item><item><title><![CDATA[Agent 的隐身术：CloakBrowser 反检测拆解]]></title><link>https://blog.csdn.net/AdamsLi/article/details/164395312</link><guid>https://blog.csdn.net/AdamsLi/article/details/164395312</guid><author>AdamsLi</author><pubDate>Sat, 05 Sep 2026 09:24:46 +0800</pubDate><description><![CDATA[CloakBrowser 的走红说明一件事：在 JS 层打补丁这条路，已经走到头了。反检测厂商学会了对注入函数做源码检查之后，"伪装"这件事必须下沉到浏览器引擎本身。这也解释了为什么它能在几个月内冲到 30K Star——它把商业指纹浏览器（每月几十上百美元）的核心能力开源了出来，让普通开发者也能用上引擎级的反检测。不过它没有解决军备竞赛，只是把战线往前推了一步。检测方会继续研究新的探针，补丁方会继续编译新的二进制。对普通开发者来说，更值得记住的是那句官方说明：它不解决验证码，只是让验证码不出现。]]></description><category></category></item><item><title><![CDATA[这里deepseek-v4-flash hy3 今年免费用——智能体基建系列]]></title><link>https://blog.csdn.net/AdamsLi/article/details/164395291</link><guid>https://blog.csdn.net/AdamsLi/article/details/164395291</guid><author>AdamsLi</author><pubDate>Sat, 05 Sep 2026 09:23:18 +0800</pubDate><description><![CDATA[<think>我们只需要根据给出的内容生成不超过150字的摘要。内容是关于腾讯云原生构建平台免费使用deepseek-v4-flash和hy3模型，通过创建Issue让CodeBuddy自动开发前端项目。摘要要简洁。</think>腾讯云原生构建平台今年可免费使用deepseek-v4-flash和hy3模型。注册登录后创建仓库，在Issue中@CodeBuddy描述需求，系统即自动开发。示例简单前端项目很快完成，适合低成本尝试智能体开发。]]></description><category></category></item><item><title><![CDATA[把 AI 当同事管理——企业 Agent 协作平台赛道地图]]></title><link>https://blog.csdn.net/AdamsLi/article/details/164361029</link><guid>https://blog.csdn.net/AdamsLi/article/details/164361029</guid><author>AdamsLi</author><pubDate>Fri, 04 Sep 2026 10:02:30 +0800</pubDate><description><![CDATA[<think>好的，用户提供了一篇关于企业Agent协作平台赛道分析的文章，要求生成不超过150字的摘要。这篇文章内容相当丰富，涵盖了赛道边界、开源项目、闭源产品等多个方面。 用户的深层需求可能不仅仅是得到一个简短的概括，而是希望抓住文章的核心信息和关键区别，供快速了解或分享。所以摘要需要高度精炼，突出最重要的几块内容。 原文结构很清晰：先定义了赛道（组织级治理），然后分了开源和闭源两派。开源这边讲了三个代表项目（Multica、QM、kagent）的不同特点，闭源那边提到了Anthropic、OpenAI]]></description><category></category></item><item><title><![CDATA[国内智能体桌面客户端的赛道（羊毛）地图]]></title><link>https://blog.csdn.net/AdamsLi/article/details/164359811</link><guid>https://blog.csdn.net/AdamsLi/article/details/164359811</guid><author>AdamsLi</author><pubDate>Fri, 04 Sep 2026 09:24:15 +0800</pubDate><description><![CDATA[<think>我们只需要根据内容生成摘要，不超过150字。用户要求“根据以下内容，生成≤150字的文章摘要”。所以直接写摘要。</think>国内智能体桌面客户端赛道7个月月活破3000万，腾讯WorkBuddy、百度搭子领跑。15款主流产品通过积分、Token等福利抢用户：腾讯系多线布局，阿里千问公测送积分，字节扣子每日签到，网易LobsterAI开源送5000积分，百度搭子账号体系赠送，另有WPS灵犀、360纳米Work、商汤小浣熊及新锐等。需注意部分每日额度当日清零，羊毛攻略详细对比，助用户高效薅取。]]></description><category></category></item><item><title><![CDATA[为什么你改个小功能都要反复沟通，别人却让 AI 无人值守搞出百万行项目——智能体基建系列]]></title><link>https://blog.csdn.net/AdamsLi/article/details/164303117</link><guid>https://blog.csdn.net/AdamsLi/article/details/164303117</guid><author>AdamsLi</author><pubDate>Wed, 02 Sep 2026 19:05:34 +0800</pubDate><description><![CDATA[<think>好的，用户要求根据给定内容生成≤150字的文章摘要。需要提炼核心信息和关键点，做到简洁有力，包含主要主题和核心结论。文章核心是分析人与人用AI编程效果差距的原因，焦点是智能体基建（环境可读性、工程方法、测试护栏等），引用OpenAI、Anthropic、Stripe、Ralph Loop四个案例。摘要需要谈及案例、差距原因和转型路径。字数严格限制在150字内。</think>用AI编程效果差距大的根源不在模型，而在智能体基建。OpenAI、Anthropic、Stripe等案例表明，无人值守需]]></description><category></category></item><item><title><![CDATA[智能体框架的赛道地图——智能体基建系列]]></title><link>https://blog.csdn.net/AdamsLi/article/details/164288029</link><guid>https://blog.csdn.net/AdamsLi/article/details/164288029</guid><author>AdamsLi</author><pubDate>Wed, 02 Sep 2026 08:52:14 +0800</pubDate><description><![CDATA[<think>我们只需要根据用户要求生成摘要：根据内容，生成≤150字的文章摘要。内容是关于智能体框架赛道地图。要简洁概括核心：框架选择维度、七类分区、代表框架、选型建议。字数限制严格。需要输出摘要，不超过150字。</think>智能体框架选型需从“代码/拖拽”与“单/多Agent”两维度切入。赛道分七类：LangChain系（组件→图编排→长任务）、官方SDK（OpenAI/Google/微软/Claude）、角色协作（CrewAI/MetaGPT）、对话式（AutoGen）、低代码（Dify/n8n）]]></description><category></category></item><item><title><![CDATA[TencentDB-Agent-Memory 上手初体验发现它不只是记忆框架——智能体基建系列]]></title><link>https://blog.csdn.net/AdamsLi/article/details/164011973</link><guid>https://blog.csdn.net/AdamsLi/article/details/164011973</guid><author>AdamsLi</author><pubDate>Mon, 24 Aug 2026 07:50:31 +0800</pubDate><description><![CDATA[腾讯DB-Agent-Memory初体验：团队协作型智能体开发框架 通过实际部署测试发现，TencentDB-Agent-Memory已超越简单的智能体记忆功能，发展为完整的团队智能体开发平台。其核心特点包括： 以"团队+多智能体+任务"为组织架构，支持团队协作开发 提供Wiki知识库、Code Graph代码探索、Skill技能沉淀等企业级功能 整体更接近企业知识管理系统（如Confluence+Jira）而非单一记忆库 适合有团队协作需求的开发者，但对个人用户可能过于复杂。在开源领域是目前少有的团队智能]]></description><category></category></item><item><title><![CDATA[OpenAdapt 源码拆解：录制一次，如何实现确定性回放]]></title><link>https://blog.csdn.net/AdamsLi/article/details/164011942</link><guid>https://blog.csdn.net/AdamsLi/article/details/164011942</guid><author>AdamsLi</author><pubDate>Mon, 24 Aug 2026 07:45:31 +0800</pubDate><description><![CDATA[OpenAdapt 是一款开源 RPA 工具，采用"录制一次，确定性回放"的设计理念。其核心工作流分为三阶段：录制（自动捕获用户操作并保存为事件日志和截图）、编译（生成包含锚点和验证信息的可执行Bundle）、回放（基于模板匹配和状态验证执行自动化流程）。系统通过Protocol分层设计支持多种后端环境（Web/Windows/macOS/RDP等），其中Web后端功能最完整。当前版本在动态页面处理和数据提取方面仍存在局限，主要依赖视觉模板匹配和OCR技术。项目提供了批量循环、故障修复等辅助功能，但循环次数]]></description><category></category></item><item><title><![CDATA[10000+ MCP 服务器生态全景：哪些品类已经成熟]]></title><link>https://blog.csdn.net/AdamsLi/article/details/163997590</link><guid>https://blog.csdn.net/AdamsLi/article/details/163997590</guid><author>AdamsLi</author><pubDate>Sun, 23 Aug 2026 14:41:48 +0800</pubDate><description><![CDATA[MCP（Model Context Protocol）从 2024 年 11 月发布到现在，不到两年。但如果你最近打开任何一个 MCP 目录，数字已经让人不知道该信哪个：Glama 收了 66,000+（截至 2026 年 8 月），MCP.so 收了 20,000+，GitHub 上打 mcp-server 标签的仓库 15,900+。33 个注册表各自收录，彼此重叠但不完全一致，综合去重后大概 12,000 个可用服务器。多，不等于都能用。]]></description><category></category></item><item><title><![CDATA[长期免费的Embedding向量化API——零成本基建系列]]></title><link>https://blog.csdn.net/AdamsLi/article/details/163997532</link><guid>https://blog.csdn.net/AdamsLi/article/details/163997532</guid><author>AdamsLi</author><pubDate>Sun, 23 Aug 2026 14:37:27 +0800</pubDate><description><![CDATA[做知识库、语义搜索或 RAG 时，Embedding 往往是第一笔容易被忽略的成本。把文本切块以后，每一块都要变成向量；文章多一点、重新建一次索，调用次数很快就上去了。这次只留下现在还能反复调用免费档、并且实际跑通的服务。注册送一笔 token 的试用不算进来，没测过的也不拿来凑表。测试用了同一组中英文语义检索样本：给“退款”问题找对应的退款政策，再和一段无关的服务器日志比较余弦相似度。这一轮不是基准测试，分数也不能跨模型横向比较。]]></description><category></category></item></channel></rss>