帖子
文章
问答
帖子
文章
问答
主席顾问团
Linux 内核社区最新合并的 coding-assistants.rst 首次正式规范了 AI 参与代码贡献，要求提交信息必须标注所用的模型与分析工具。该指南的核心原则是“人类必须负全责”，明确 AI 不得代替人类签署开发者来源证书，提交者需亲自审查代码并确认符合 GPL-2.0 协议。这种“不禁止、不鼓励、只追责”的做法在 Hacker News 上被评价为“正常得让人意外”，但也引发了关于 AI 生成代码若不受版权保护可能导致 GPL 无法执行的法律担忧。该规范暂未触及这一版权盲区，而是将风险直接留给提交者，标志着在 AI 能力向开发者日常工具链“外化”的趋势下，顶级开源项目的维护者而非 AI 公司，已经开始亲自下场制定游戏规则。
微软安全响应中心（MSRC）刚发了一篇博客，说他们用 Anthropic 的 Claude Mythos Preview 做漏洞发现和响应，效果比之前的模型有实质性提升。AI 能 7×24 扫
"实质性提升"。AI 能 7×24 扫描漏洞，速度和覆盖面远超人工。关键是他们没把这当噱头，而是直接嵌进了开发流程里——agentic red teaming，代码写完就扫，扫完就修。有个细节：这次模型是通过 Microsoft Foundry 上的 gated research preview 提供的，不是随便能用。你觉得 AI 做安全审计，离真正替代人工还有多远？
AI 是“降本神器”还是“背锅侠”。说“有了 AI 开发就没门槛”的，确实挺离谱；但要因此全盘否定 AI，也不客观。
它现在确实好用：写脚本、搭监控、起脚手架，效率提升很直接，能省不少时间。但一到核心架构或复杂逻辑，比如 WebSocket 流隔离、数据流拆分，AI 还是容易一本正经地给出跑不通的方案，甚至连测试命令都能编错。你省下的时间，往往又花在给它做 Code Review 和排坑上。现在又多了 openclaw 这类工具，门槛看起来更低了，但本质没变——工具再强，也只是工具。说到底，AI 更像个很强的“副驾”：能提速，但方向盘还得自己握着。不然真出事，背锅的还是你。
QClaw 搭多 Agent 配合 Skill 蒸馏，目前看已经过了纯“整活”阶段，具备了实用的业务价值。在私域社群运营或跑特定垂直领域的 SOP 时，把人物设定或专业黑话蒸馏成 Skill，能极大减少多 Agent 调用的上下文污染，做出来的 Bot 明显更有“内行感”。但实际落地的坑也很深：一是遇到复杂逻辑推演容易“降智”，因为蒸馏往往只学到皮毛，缺乏推理深度；二是极易过拟合，比如在严肃的架构讨论里突然触发群友的玩梗口癖，场面会极其尴尬。
个人感觉，这是解决 Agent 个性化与执行效率平衡的极佳思路。但想真正跑通，极其依赖前期数据清洗和微调的“脏活累活”。不愿意下这番苦功，这套方案再炫也只是个高级玩具。
AI发展日新月异，有时候还没学完的技能，就被新技术取代了。三月爆火的龙虾，到了四月又出新换Hermes Agent。有网友调侃，只要学的慢，就不用学。
难道AI这条路就没有一个可以学习的不变的框架体系吗？
回想起来，AI所需的工程能力还是那些，ReAct的思想框架相对稳定。我们仍在控制AI的记忆，幻觉
有没有小伙伴在用Pulumi来做基础设施即代码（IaC）管理的？最近考虑从Terraform转到Pulumi，主要想利用TypeScript来编写配置。不知道实际操作中，Pulumi的学习曲线和生产环境稳定性怎么样？能否分享一下使用心得或坑点？🛠️
OpenAI 这次把企业 AI 的方向说得很直白，不再只是给每个岗位塞一个 copilot，而是想把模型变成统一智能层，让 agent 跨系统、跨数据、跨工具协同，再叠一层 AI superapp。真正值得关注的不是功能多了多少，而是企业软件的组织方式可能要改了。以后比的也许不是谁先接入模型，而是谁先把权限、上下文和多 Agent 流程跑顺。大家觉得，企业 AI 下一步会先卡在技术，还是卡在组织改造？
Anthropic 这次在 Google Cloud Next 预告里，把重心直接放在 long-running agents、多 Agent 架构和 evals，我觉得这很说明阶段变了。行业已经不只是比模型跑分，而是开始比任务能跑多久、上下文怎么拆、子代理怎么验证、回归怎么做。对开发团队来说，下一轮差距可能不在 prompt，而在整套 Agent 工程能力。你觉得今年最该补的是模型能力，还是评测与编排？
🚀【科技热点】
Gemma 4发布四款模型并采用Apache 2.0全面开源，最小的E2B仅激活2B参数即可在手机和树莓派上完全离线运行，支持128K上下文和多模态输入。
31B Dense版在AIME 2026数学推理上从20.8%跃升至89.2%，代码能力从29.1%升至80.0%，Agent工具调用从6.6%提升至86.4%。
E2B的2B参数手机模型在GPQA Diamond上达到43.4%，已追平上一代Gemma 3 27B桌面模型的42.4%，实现单位参数智能密度的突破。
开源地址：https://huggingface.co/google/gemma-4-31B-it
川普风格评论：
这波发布很聪明，真的聪明。
开源、分层规格、从手机到服务器全覆盖，这叫把市场每个入口都拿下。
最关键不是“参数多大”，而是“谁在用、在哪用、多久能用起来”。
如果你让开发者今天就能跑，明天就会有生态，后天就是你的地盘。
高性能计算圈可能要变天了。NVIDIA 收购 SchedMD，最值得关注的不是并购本身，而是 Slurm 这种几乎成了 AI/HPC 集群默认调度层的基础软件，后面会不会更深地和 GPU、网络、系统栈绑在一起。对企业来说，这也许能换来更顺滑的一体化体验；但对多云、异构算力和开源中立性来说，反而可能埋下新的锁定风险。大家觉得，调度层和硬件栈越绑越紧，会让 AI 基础设施更高效，还是更封闭？
技术同盟成员
更多 >活动日历
线上直播
线下沙龙
线下沙龙
线上直播
线下沙龙
线下沙龙
线下沙龙
线下沙龙
线下沙龙
线下沙龙
线下沙龙
线下沙龙
线下沙龙
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号
提问已提交，平台将在审核通过后自动邀请对方回答
您可前往问题详情页查看问题进展 查看详情>