每日手冲｜2026-10-20
时长约 25 分 20 秒（贴片后）。主播：Gemini Puck。
昨天还在谈“哪些结果能被验证”，今天换到模型外面那一层：同样的模型换一套 harness，分数能差出一大截。本期分五段：先看社区的 harness 对照和 Google 自动优化外围的 Harness²；再看 Meta 把编排器做瘦，以及上线自己看不懂的 AI 代码该怎么办；接着是大模型只在编译期跑一次的 Strot 和潜空间推理的争议；然后是微软给智能体单独发身份、按任务授权，以及 AI 智能体压低进攻成本之后防守方该盯什么；最后落到自建 LLM 代理的可观测，和中文圈里正在重做的工具调用级隔离与执行原语。
本期听点
- 小墨同学：同一模型换 harness 分数差很大：中文社区整理的 DeepSWE 对照：固定模型只换 harness，分数相差可达三十多分。
- Google Research Harness²：Google Research 开源的框架，在不改模型权重的前提下递归优化 agent 外围。
- HN：Harness²：Hacker News 上关于 Harness² 的讨论。
- Harness Engineering 101：用约三百行 Python 从零搭建玩具智能体、讲解 harness 工程的教程仓库。
- HN：Harness Engineering 101：Hacker News 上关于 Harness Engineering 101 与 agent 加固的讨论。
- Meta Thin Orchestrator（AIHOT 条目）：Meta 把全能 agent 拆成瘦编排器加十四个隔离子智能体的工程实践条目。
- Meta Thin Orchestrator（转述）：第三方对 Meta 瘦编排器实践的转述报道。
- Ask HN：上线看不懂的 AI 代码：Hacker News 讨论：上线自己看不懂的 AI 生成代码该怎么办。
- Strot：让大模型只在编译期跑一次、运行时交给本地小模型做分类路由的开源项目。
- HN：Strot：Hacker News 上关于 Strot 的 Show HN 讨论。
- Hybrid Reasoning Agents 论文：让智能体在潜空间思考、用文本行动的混合推理论文。
- HN：Hybrid Reasoning Agents：Hacker News 上围绕潜空间推理与可解释性的讨论。
- Satya Nadella：扩展 Project Perception：纳德拉宣布把「模型外的安全控制」原则落到 Project Perception 扩展上。
- 微软博客：Securing the agentic insider：微软官方博客介绍如何把 AI 智能体当作内部风险来管理。
- 微软安全博客：Agents are your newest insiders：微软安全博客详解智能体发现、Agent ID 与动态权限等能力。
- The Verge：AI agents 入侵报道：The Verge 关于 AI 智能体被用于自动化渗透多家企业网站的报道。
- NorForge：Inside Cairn：安全公司 NorForge 对暴露在公网的 AI 渗透控制面板 Cairn 的调查。
- 不自建 LLM 代理，你怎么知道发生了什么？：主张自建 LLM 代理来统一端点、记录调用和管理密钥的文章。
- HN：LLM proxy：Hacker News 上关于是否自建 LLM 代理的讨论。
- shim-cli（Product Hunt）：在模型读到工具结果前遮蔽密钥和个人数据的开源命令行工具。
- KC：工具调用级沙箱隔离：中文社区关于把多 agent 沙箱缩到每次工具调用的设计讨论。
- KC：联系 Anthropic Scion：同一讨论中把工具调用级隔离与 Anthropic 重做源码控制的 Scion 相联系。
- WeZZard：多步 computer-use 代码加快执行：让模型写多步操作代码而非逐步点击，computer use 执行快近一半的实践分享。
说明
本期只复述公开来源中的信息，公司或项目自述的数据未经独立核实，文中以“据称”标注；AI 智能体自动化入侵事件的规模与涉及企业来自媒体与安全公司的公开报道，本期只从防守角度讨论。
音乐致谢
片头/片尾音乐：Ondrosik — Short piano jingle，经剪辑淡入淡出后用作 his.fm 贴片。原曲以 CC0 1.0 发布于 Free Music Archive。CC0 不要求署名；此处致谢作者。
