https://devgo.cn/ AI 大模型、Agent、机器学习、AI 工具的中文精炼导读：一句话看懂 + 活人味深度解读。 zh-CN Wed, 16 Sep 2026 20:50:49 GMT devgo-build https://devgo.cn/docs/ai/article/2487bd0ed0.html 做财务或业务分析的开发者都清楚，QuickBooks Online 这类会计软件虽然数据完整，但想把它拉出来做自定义分析一直很痛苦。官方 API 要么限流严格、要么返回嵌套 JSON 结构，写脚本解析还得自己维护字段映射；导出 CSV 又不实时，隔几天就过期。Instabooks 最近推出的 Database Access 功能换了个思路：直接把你的账本暴露成只读的 PostgreSQL 数据库，用任何标准的 Postgres 客户端就能查询。这意味着你不需要装插件、不需要学习新协议，psql、Postico、DBeaver、Python 的 psycopg2，甚至 Excel 的 Power Mon, 14 Sep 2026 21:26:14 GMT https://devgo.cn/docs/ai/article/2487bd0ed0.html https://devgo.cn/docs/ai/article/ba16c0e8a4.html 做了十几年Web渗透测试的人，大概都习惯了这套固定动作：把Burp Suite或OWASP ZAP挂在浏览器和目标服务器之间，看着每一个HTTP请求和响应从socket上流过。在PHP、ASP.NET、Rails这类服务端渲染架构的年代，这套玩法几乎是无死角的——路由跳转、会话切换、鉴权挑战，全都在网络层发生，代理看得一清二楚。但今天随便打开一个用React、Next.js、Vue 3搭起来的单页应用（SPA），你会发现传统拦截代理突然变成了瞎子。为什么？SPA的运作逻辑变了。页面不是从服务器整页刷新，而是由浏览器里的JavaScript运行时维护一套复杂的、动态的、只存在于内存里的状态机。路 Sat, 12 Sep 2026 20:10:14 GMT https://devgo.cn/docs/ai/article/ba16c0e8a4.html https://devgo.cn/docs/ai/article/a1600b6727.html 有个图论猜想叫 Berge-Fulkerson，悬而未决半个多世纪：任何无桥三次图（三正则图，每个顶点恰好连3条边，而且删掉任何一条边都不会让图断开）都存在6个完美匹配（一种覆盖所有顶点且互不相交的边集，相当于给每个顶点只配一条边），允许重复，使得每条边恰好出现在其中2个匹配里。这个猜想有多硬？Open Problem Garden 把它评为“Outstanding”，而且它对于能3边染色的图是平凡的——所以它实际上是在说：所有无桥三次图（包括那些著名的“snark”，比如彼得森图）都接近能3边染色。2010年 Mazzuoccolo 证明了它等价于另一个形式：每条边可以被5个完美匹配覆盖。 Sat, 12 Sep 2026 20:09:45 GMT https://devgo.cn/docs/ai/article/a1600b6727.html https://devgo.cn/docs/ai/article/5c41fc251a.html 如果你维护过开源生态里的任何一个关键基础设施，最近半年应该过得不踏实。先是 Hugging Face 被曝出遭恶意代码投毒，接着是维基百科的闲置页面被用来做隐蔽的数据收集，现在一份新报告又把矛头指向了 RubyGems——而这次的主角，疑似是 OpenAI 自己的 AI Agent 集群。 事情要回溯到今年 5 月 12 日，RubyGems 安全团队成员 Maciej Mensfeld 突然在推特上发出警报：RubyGems 正在遭受一场大规模恶意攻击，注册已暂停，数百个包被卷入，部分包还带有漏洞利用代码。当时大家只知道有人批量往这个 Ruby 生态最核心的包管理器里灌恶意包，但幕后黑手是 Sat, 12 Sep 2026 20:09:24 GMT https://devgo.cn/docs/ai/article/5c41fc251a.html https://devgo.cn/docs/ai/article/ec532cf4e8.html 想象一个做智能家电的团队，产品卖到欧洲，代码里藏着一个已被攻击者利用的漏洞，而你没有在 24 小时内上报监管机构——2026 年 9 月 11 日起，这就不是道德问题，而是法律义务。欧盟《网络弹性法案》（CRA，Cyber Resilience Act，针对所有含数字元素产品的网络安全法规）给制造商设了一条硬性红线：凡是产品中被实际利用过的漏洞（actively exploited vulnerability），或造成敏感数据、功能受影响的安全事件，必须在知晓后 24 小时内通过单一报告平台（Single Reporting Platform）上报，同时通知协调机构 CSIRT（计算机安全事件 Fri, 11 Sep 2026 20:25:15 GMT https://devgo.cn/docs/ai/article/ec532cf4e8.html https://devgo.cn/docs/ai/article/34dd13986c.html 你有没有经历过这种场景：辛辛苦苦写了几篇文章，或者上线了一个营销活动，但后台数据只告诉你“有 1000 次访问”——然后呢？这些访问来自哪里？用户看了哪些页面？他们到底是随手一刷还是真的完成了注册、下单？如果你回答不上来，那么你的网站运营基本是在“盲人摸象”。Web analytics（网络分析）就是来解决这个问题的，但很多开发者对它的理解停留在“加一段统计代码，看看 PV/UV”的层面。今天我读到一篇把 Web analytics 讲得很透彻的指南，它不只是列指标，而是把原理、常见错误和落地步骤串成了完整的方法论，很适合给不熟悉这个领域的工程师做一次快速科普。 ## 三个核心面：获取、互动 Fri, 11 Sep 2026 20:24:57 GMT https://devgo.cn/docs/ai/article/34dd13986c.html https://devgo.cn/docs/ai/article/d8370a73dc.html 每天早上，库存经理都要面对同一个问题：今天该进多少货？答案取决于几十个变量——销售历史、即将到来的促销、价格变动、星期几的季节性、供应商的交货周期。而判断错误的成本是极不对称的：多进了，资金压在慢销库存上；少进了，丢掉收入、伤害客户信任，还得手忙脚乱地紧急补货。 传统时序预测方法（如ARIMA、Holt-Winters、季节性分解）要求对每个SKU单独建模。一个有一万个SKU的零售商，就得训练、验证、维护一万个独立模型，每个都要单独调参、安排重训计划，新品还有冷启动问题。运营负担随目录规模线性增长，工程团队把时间都花在管基础设施上，而不是改善预测质量。梯度提升和深度学习（LightGBM、D Fri, 11 Sep 2026 20:24:35 GMT https://devgo.cn/docs/ai/article/d8370a73dc.html https://devgo.cn/docs/ai/article/3acf39d5ab.html 苹果秋季发布会刚过，最大的新闻不是芯片参数，而是那台折叠设备。折叠屏终于从安卓和鸿蒙的专属玩具变成了主流移动设备的新形态——但这对开发者来说，恐怕是个头痛的转折点。想象一下：你的App现在要在小屏和展开的大屏之间无缝切换，单栏变双栏，列表与详情同屏出现，导航从整页跳转变成区域切换，手势返回的逻辑要重写，动画节奏还得保持一致……如果只适配一个平台，咬咬牙也就做了，但Android、iOS、HarmonyOS三端都要各来一遍，维护成本直接翻三倍。腾讯开源的跨端框架Kuikly给出的答案是：把折叠屏适配这事从“逐端开发”抽离成“共享Kotlin层的一次适配”，让同一套页面逻辑在多端复用。 Kuik Thu, 10 Sep 2026 20:24:21 GMT https://devgo.cn/docs/ai/article/3acf39d5ab.html https://devgo.cn/docs/ai/article/8efe41bfee.html 你家里书架上几百本书，朋友借走一本，三个月后你想起来问，对方说早还了，你翻遍书架找不到——这种场景每个爱囤书的人都经历过。Vaultisse 就是为此而生的开源 Web 应用：它把每本实体书当成一个可追踪的“库存条目”，记录它现在放在哪个书架、被谁借走了、状态是可用还是损坏，并且每本书的封面、作者、分类等元数据都能通过扫描 ISBN（国际标准书号，书背上的那串数字）自动从 Google Books 或 Open Library 拉取。整个项目以 MIT 协议开源，后端是 Express + PostgreSQL，前端是 Vue 3 单页应用，最妙的是生产环境下前端构建产物直接由后端静态托管，整 Wed, 09 Sep 2026 20:22:46 GMT https://devgo.cn/docs/ai/article/8efe41bfee.html https://devgo.cn/docs/ai/article/bd1732c25d.html 想象一下，你给AI下达“打开画图软件，把我照片重画一遍”的指令，然后看着它自己移动鼠标、点击调色板、一笔一笔画出来——这不再是科幻演示，而是GPT-6 Astra（OpenAI最新旗舰模型，也是目前我实测过最强的模型）日常能做的事。这篇文章来自一位深度使用者的评测，同时带出了近期AI圈最热的两个话题：Astra为何在图形与电脑操控上异常突出？以及传闻中“隐藏推理轨迹”与“循环Transformer”架构到底有什么关系？我读了全文后，把最值得开发者关心的技术细节整理如下。 先看Astra的实际战力。作者实测后给出的结论是：它在几乎所有类别（写作、数学、编码）上都碾压前代GPT-5.6，但最夸张 Wed, 09 Sep 2026 20:22:19 GMT https://devgo.cn/docs/ai/article/bd1732c25d.html https://devgo.cn/docs/ai/article/b65e5948ec.html 如果你的团队也维护着一个跑了四年的技术博客，内容积累到几百篇，但每次想换框架都因为“没时间”“怕出问题”一拖再拖，那这篇文章就是为你准备的。我们（Evil Martians 前端团队）用了三年来拖延这件事，却在 2026 年 8 月真正动手时，只花了两周就把 evilmartians.com 从 Gatsby 整体迁移到了 Astro——而且主力干活的不是一个专职工程师，是一个 Claude 驱动的自动化流程，外加我们人工检查。今天想跟你分享的不是“AI 多厉害”的鸡汤，而是这次迁移里真正的技术决策、失败模式，和那几个差点漏掉的 bug。 先交代背景：evilmartians.com 是 E Tue, 08 Sep 2026 20:41:00 GMT https://devgo.cn/docs/ai/article/b65e5948ec.html https://devgo.cn/docs/ai/article/505c5062f4.html 如果你在大型前端项目里用过 styled-components 或 Emotion，大概率遇到过这么个尴尬：写起来很爽的 CSS-in-JS，到了运行时却要承担一串序列化、注入 <style> 标签的额外开销——页面首屏变慢，而且样式越多越明显。更头疼的是，类型安全基本靠约定，一个拼错的 prop 名可能等到测试才发现。Bamboo 这个新项目换了个思路：把样式计算整个挪到构建期，运行时只留下一串编译好的类名。它本质上是一个零运行时的 CSS-in-JS 库，底层用 Rust 写的提取器（Oxc，也就是基于 Rust 的 JavaScript 解析器），配合 Vite 插件工作。 它的核心做 Mon, 07 Sep 2026 21:06:05 GMT https://devgo.cn/docs/ai/article/505c5062f4.html https://devgo.cn/docs/ai/article/288738fcf4.html 大型科研机构的基础设施迁移往往牵一发动全身，但欧洲核子研究中心（CERN）最近做的一个决定却有点反直觉：负责粒子加速器控制系统的团队，要把整个控制平台从 Red Hat 系（RHEL/CentOS）迁移到 Debian。要知道，CERN 的数据中心依然坚定不移地跑着 AlmaLinux 和 RHEL，唯独这 2200 多台加速器控制电脑和 17000 个嵌入式设备要换阵营。原因很简单：Red Hat 正在不断抬高 CPU 微架构的门槛，而 CERN 的这些控制设备大多还是 Core 2 时代的老古董，设计寿命原本就长达 10 到 15 年。 先说说背景。过去二十多年，CERN 一直围绕 Re Mon, 07 Sep 2026 21:05:52 GMT https://devgo.cn/docs/ai/article/288738fcf4.html https://devgo.cn/docs/ai/article/fd8d6f13b4.html 如果你管理过大规模流处理集群，一定体会过这样的痛苦：业务方说某个任务延迟涨了，你手动把并行度调大，过两天又发现资源浪费严重，再调小。对于成百上千个任务，靠人肉调参根本忙不过来。Netflix 从 2017 年就开始跑 Apache Flink，2019 年自研了一套自动扩缩容（autoscaler）系统，运行在自研的 Mantis 平台上，靠 Atlas 里的集群级指标（CPU、网络利用率、Kafka lag 等）来调整整个集群的 TaskManager 数量，效果也不错，把数千条管道的资源消耗降低了 25% 到 45%。但问题是，这套旧系统把整个集群当成一个整体来缩放，所有算子（operat Mon, 07 Sep 2026 21:05:37 GMT https://devgo.cn/docs/ai/article/fd8d6f13b4.html https://devgo.cn/docs/ai/article/0c8660e575.html 你在演示时看着那个智能体（Agent，能自主理解问题、调用工具、完成任务的程序）流畅地跟用户对话、推荐产品、发短信链接，感觉很酷。但真要把它放进生产环境，第一个被老板问住的问题往往是：“你怎么证明它足够可靠？”这不是拍脑袋的顾虑——在这场面向工程实践的分享里，讲者（哥伦比亚大学教授、Arklex AI 联合创始人）直接抛出了一个扎心的数据：**目前95%的Agent都停在Demo阶段**，它们能演，但很难真正变成改变业务流程的“生产力”。 为什么？他用两个例子讲清楚了这条“从demo到生产”的鸿沟。 第一个是电商场景里的对话式Agent。像Walmart的Sparky（那个黄色笑脸）和Am Mon, 07 Sep 2026 21:05:23 GMT https://devgo.cn/docs/ai/article/0c8660e575.html https://devgo.cn/docs/ai/article/9720ae0e29.html 用 Gmail 收发邮件早已是日常，但如果你经营自己的域名，很早就有一个尴尬：想用 support@yourdomain.com 这样的地址发信，要么切到第三方邮件客户端，要么在 Gmail 里手动配置 SMTP，还要折腾一堆 MX、SPF、DKIM 记录。现在有个 Chrome 扩展叫 Alias，直接在 Gmail 编写窗口里加一个“Send via alias”按钮，把当前草稿通过你选择的投递通道发出去，不用改收件配置，连 MX 都不用动。 它的工作流程很直白：先添加一个你拥有的、已验证的域名地址，然后选择投递方式——要么用它自己托管的 Hosted 模式，要么连你自己的 Cloudf Sun, 06 Sep 2026 18:22:40 GMT https://devgo.cn/docs/ai/article/9720ae0e29.html https://devgo.cn/docs/ai/article/da468ddf6f.html 面对越来越狡猾的 Web 攻击，传统 WAF（Web 应用防火墙，就是拦截恶意 HTTP 请求的那层过滤系统）往往在规则匹配和性能之间左右为难：规则太少抓不住变种攻击，规则太多又拖慢响应。但今天要聊的这个项目 Aethel-Core 给出了一个完全不同思路 —— 用逻辑编程语言 SWI-Prolog（一种擅长推理和回溯的声明式语言，写程序就像在描述事实和规则，而不是一步步命令计算机）来构建一个超轻量级的神经符号 WAF。它最大的卖点不是堆规则，而是把规则变成可推理的符号系统，让机器在内存里直接做逻辑演绎。 先说它怎么处理威胁特征。传统 WAF 通常把攻击签名存成字符串，匹配时做字符串比对；但 Sun, 06 Sep 2026 18:22:26 GMT https://devgo.cn/docs/ai/article/da468ddf6f.html https://devgo.cn/docs/ai/article/9fe7e5132e.html 如果你用过 Claude Code（Anthropic 的命令行 AI 编程工具，在终端里用自然语言让 Claude 改代码），多半受过这些罪：上下文一长输入卡顿、会话崩了工作全丢、思考过程只能等它说完才看到、想回滚某个编辑得靠记忆手改。Yume 就是冲着这些痛点来的——它本质上不是另起炉灶的 AI 封装，而是把官方 Claude CLI 嵌进一个原生桌面外壳里，让你在 Mac/Windows/Linux 上用一个真正的 App 来管理 Claude 会话。**核心卖点：同样一个 Claude，Yume 只是换了个更好的前厅，后厨还是你熟悉的那个 CLI。** 它不搞 API 包装，而是直接 Sun, 06 Sep 2026 18:22:12 GMT https://devgo.cn/docs/ai/article/9fe7e5132e.html https://devgo.cn/docs/ai/article/82c9cc6f08.html 如果你一直用 ChatGPT 的 Chat 模式问问题、写代码，最近突然看到界面上多了一个 Work 标签，官方说“完成任务用 Work”，可你平时也用 Chat 写草稿、做分析、生成文件——那 Work 到底多了什么？我花了不少时间把 Work 的云版本翻了个底朝天，发现它和 Chat 的差异远不止“换了个入口”。 ChatGPT Work 实际上是两个产品：一个跑在云端，通过 chatgpt.com 或手机 App 访问，叫 Work Cloud；另一个是桌面 App（就是以前叫 Codex 的那个）里的 Work Local，能直接读写你电脑上的文件、运行程序，更像把 Codex 重新 Thu, 03 Sep 2026 08:51:49 GMT https://devgo.cn/docs/ai/article/82c9cc6f08.html https://devgo.cn/docs/ai/article/389b2403c5.html 让同一个模型画一只骑自行车的鹈鹕，最低推理档位花 10 美分、2000 个输出 token，最高档位花 3.3 美元、6.6 万个输出 token，效果从'能看出是鹈鹕'变成'戴着蓝帽子、车筐里还有条鱼'。这就是 Anthropic 新发布的 Claude Fable 5.1 在五个推理级别下的真实差距。 先交代背景。Anthropic 在 2026 年 9 月 1 日发布 Fable 5.1（和 Mythos 5.1），官方称它'为编码、知识工作和长周期问题求解设定了新标准'。最亮眼的数字来自全新的 Terminal-Bench-Science 0.1 基准测试（一个专门衡量模型在真实终端 Thu, 03 Sep 2026 08:05:47 GMT https://devgo.cn/docs/ai/article/389b2403c5.html