Agent可靠性的三个层次:从Harness、Loop 到 Graph
最近,关于 Agent Harness Engineering、Loop Engineering 和 Graph Engineering 的讨论越来越多,这三个概念都围绕大模型展开,也都涉及工具调用、状态管理和任务循环,因而经常被混在一起。
最近,关于 Agent Harness Engineering、Loop Engineering 和 Graph Engineering 的讨论越来越多,这三个概念都围绕大模型展开,也都涉及工具调用、状态管理和任务循环,因而经常被混在一起。
过去谈 DevSecOps,很多团队关心的是怎样把安全更早地放进研发流程里。现在,AI 已经进入软件开发生命周期,于是 DevSecOps 面临一个更现实的问题:当 AI 开始参与写代码、改代码、审代码,安全、合规和工程效率应该怎么重新组织?
今天在微信群里看到一组聊天记录,大概的说法是:只要在微信里看过一张包含某款手办的图片,再打开拼多多,首页推荐中就会出现同名的商品。这是怎么回事呢?
本文基于 Gartner 2016 年 9 月发布的研究报告《DevSecOps: How to Seamlessly Integrate Security Into DevOps》整理。虽然报告发布已经过了十年,但其中提出的理念和实践至今仍是理解 DevSecOps 的根本。
最近 Cloudflare 发布了一篇关于 Project Glasswing 和 Mythos Preview 的文章,表面上看,这是一篇关于“AI 模型帮助发现漏洞”的技术博客,但如果放到企业安全工作的实际场景中,它讨论的其实是一个更大的变化。
过去听到许多模型直接做代码审计发掘安全漏洞的例子,以至于许多人认为当下的模型已然可以解决代码安全分析,传统的SAST工具已经无用武之地了。事实上,并不是这样。
AI技术的盛行如今让许多人认为产品开发已然是容易的事情,是可以让产品经理岗位消失的可能性,但实际上却并非如此
这是一篇迟到的文章,至少相比现在AI发展的速度,但其思路依然适用于当前的CVE漏洞分析,甚至会因为目前更强的模型而变得更强。在 AI 技术快速变革的当下,除了模型能力之外,我们更应当多思考如何基于 AI 构建和形成有效的工作流。
上周,笔者参加了一个闭门沙龙。席间谈起一个当下很热、却也极易被谈浅的话题:当AI浪潮真正压到企业面前,安全人员和安全组织究竟会发生什么变化?
OpenClaw最大的价值,并不是 OpenClaw 自己。
自大语言模型(LLM)震惊世界后,XBOW利用LLM构建的智能漏洞挖掘一跃成为HackerOne排名第一,他们是怎么做到的?
几个月前,边界AI安全公司Irregular与OpenAI携手,针对GPT-5模型进行了一次基于模拟网络场景的自动化渗透能力的评估,通过该评估,旨在考查最新的GPT模型在逻辑性与精确性之于网络安全攻防方面的自动化能力。
今天,笔者想复盘一个前段时间发生在朋友身边的真实案例。这是一起典型的商务电子邮件入侵攻击。
最近,国外AI安全研究团队PromptArmor 发表了一篇文章,称利用谷歌Antigravity的特性功能可以构造攻击获取用户(开发者)的数据。
最近小米汽车的安全事故会让人不禁疑惑,安全测试不是做了许多,为何还是经不起事故考验?通过安全测试,就真的意味着产品是安全的么?不是。
记录一次SSD硬盘故障排查和解决的过程,好是折腾。
如何更好的进行Vibe Coding降低了开发的门槛和边界,但如何更好地开发出稳定地软件和程序,笔者总结了一些经验和模式。
本文是对Docker Desktop逃逸漏洞(CVE-2025-9074)的简要分析。
多年的开发经验、安全经验和管理经验,我总结了技术学习门道的7条心得,无论是从事软件开发,或者网络安全,又或者是其他的技术。
该系列是根据《从Top20开源组件漏洞浅谈开源安全治理困境》中我们梳理的最常见组件漏洞制作的漏洞分析系列。本篇是该系列的第二篇分析报告。