AI调用专业软件不再踩雷！安全指南封神了，后悔没早看_网络存储

1. 360发布“养龙虾”安全指南！ #大有学问 #养龙虾 #OpenClaw #AI工具 #红衣聊AI

2. 最近，360安全团队发现了OpenClaw一个高危漏洞。 OpenClaw创始人随后邮件确认了这个漏洞。而发现这个漏洞的，不是某个安全专家，而是一个我们刚发布不到一周的智能体。#openclaw #网络安全 #红衣聊AI #安全漏洞

3. 未来管AI，要像管股市一样管？ #大咖观察 #红衣聊AI #人工智能

4. 一键接入OpenClaw，谷歌开源CLI狂揽15k Stars，Agent开始接管Workspace

5. Effective Agent Design概述了高效AI智能体（Agent）设计的核心原则，强调上下文管理是提升自主性的关键挑战。1. 现代智能体正趋向于采用类Unix架构，通过赋予模型访问文件系统与命令行（CLI）的权限，来扩展其行动空间并减少对模型内置窗口的依赖。2. 详细讨论了上下文工程的多样化策略，包括利用渐进式披露来优化工具调用、通过缓存技术降低成本，以及利用子代理隔离来处理复杂任务。3. 文章预判了持续学习与自我进化的趋势，即智能体能反思过去经验以更新记忆或技能。4. 展望了多智能体协作与长期运行任务的基础设施建设将成为未来的重要演进方向。访问：x.com/RLanceMartin/status/2009683038272401719#ai创造营# #程序员#

6. AI 智能体驾驭 (Harness) 工程的兴起

7. AI的安全从来不是加个补丁的事。而是要把安全基因嵌进模型的每一步。#大咖观察 #红衣聊AI #网络安全

8. Claude Code 源码泄露之后，更严重的木马问题被发现你什么也没点，摄像头就被悄悄打开，电脑被直接控制！#大有学问 #红衣聊AI #claude #木马病毒 #网络安全

9. 盘点一周AI大事(3月15日)｜首次上传大脑成功工程师开源龙虾办公室Claw3D 龙虾彻底出圈，，百虾大战正式开打工程师开源一键装龙虾AlphaClaw 斯坦福开源科学家龙虾LabClaw 工程师Karpathy 开源龙虾版GitHub AgentHub Chrome上线龙虾Web协议 WebMCP 工程师开源龙虾软件协议CLI-Anything 吴恩达开源龙虾上下文工具Context Hub 研究员开源最强动漫图像模型Anima-v2 研究员开源最强视频分割模型MatAnyone 2 科学家成功上传了一只果蝇的大脑 #AI新星计划 #AI #AIGC #龙虾 #openclaw

10. 京东自研的企业级大模型安全框架 JoySafety，正式开源啦！🚀在 AIGC 应用日益普及的今天，大模型的安全防护至关重要。如何有效防范提示词注入、恶意内容生成等新型安全风险？JoySafety 为生产级大模型应用提供了一套从输入到输出的全链路、高实战性的解决方案。🌟 核心亮点一览：🛡️ 全链路安全防护集成敏感词识别、向量库比对、恶意内容检测、提示词注入特征识别等多种原子化能力，覆盖数据流入到流出的完整过程。📈 京东实战强力验证在京东内部复杂且海量的业务场景中反复锤炼，能有效将提示词注入等恶意攻击的成功率降低95%以上！⚡ 独创“流式检测+撤回”机制我们独有的“活水”监测机制，能对AI的流式输出进行实时风险检测，实现毫秒级响应和处置，在不影响用户体验的前提下保障内容安全。⚙️ 灵活架构与精细化策略以可插拔的原子能力与 DAG 策略编排为核心，可实现多个业务场景策略精细化配置，轻松应对未来的新威胁。📦 一键部署，开箱即用提供 Docker Compose 部署方式，只需简单操作，分钟级即可在您的业务中构建起强大的大模型安全护盾。我们希望通过开源 JoySafety，与全球的开发者和企业共同构建一个更安全、更可信的 AI 生态。欢迎大家 Star、Fork 和共建！GitHub项目地址：网页链接

11. 吴恩达DeepLearning AI 新的课程：Semantic Caching for AI Agents，讲“语义缓存”，一个能显著降低 AI 应用推理成本、同时提升响应速度的关键技术。比如：如果有人问“如何退款？”，另一个人说“我想把钱退回来”，虽然表达不同，但语义相同。语义缓存能识别这种等价性，直接复用缓存结果，而不是每次都重新调用模型。这门短课从零开始带你搭建一个可工作的语义缓存，然后再教你如何基于 Redis 的开源工具做成真正可上线的生产级方案。内容包括：从头构建语义缓存、用 Redis SDK 实现生产化特性、通过命中率/精准率/召回率/延迟等指标评估效果、通过阈值调整、交叉编码器、LLM 校验和模糊匹配来进一步提高准确性。访问：learn.deeplearning.ai/courses/semantic-caching-for-ai-agents/#ai创造营##程序员# 黄建同学的微博视频

12. 浏览器自动化工具 Selenium，Playwright，Puppeteer 做爬虫有哪些弊病？

13. 【2026年AI工程师学习路线：从调用模型到构建系统的九个关键能力】AI工程和传统机器学习工程正在分道扬镳。机器学习工程师从零训练模型，AI工程师则在基础模型之上构建应用。这个转变意味着你需要学习的东西完全不同了。一、理解基础模型GPT、Claude、Gemini、Llama这些基础模型是现代AI应用的基石。你不需要从头训练，但必须深入理解它们的能力边界、分词机制、上下文窗口和定价策略。成本控制能力往往决定了一个AI应用能否活下去。入门项目：做一个模型对比笔记本，用同样的10个提示词测试不同模型，记录质量、速度和风格差异。二、提示词工程在AI工程领域，提示词就是你的代码。一个平庸的AI应用和一个优秀的AI应用，差距往往就在提示词设计上。少样本学习、思维链、结构化输出这些技术能大幅提升效果，而且不需要任何模型训练。入门项目：选一个任务，写五种不同风格的提示词，在电子表格里打分对比。三、检索增强生成大模型有知识截止日期，还会产生幻觉。RAG让它们扎根于你的数据。从客服机器人到内部知识助手，这是生产环境中最常见的AI应用模式。分块策略、嵌入模型、向量数据库、检索指标，这些都是必修课。入门项目：用你自己的笔记文件搭建一个简单的RAG应用，50行代码就能跑起来。四、评估与测试凭感觉评估无法规模化。你需要系统性的方法来衡量AI应用是否在进步：构建评估数据集、选择指标、跑AB测试、检测性能退化。没有好的评估体系，你就是在盲飞。入门项目：准备20个问答对，写个脚本自动评分，每次改提示词都跑一遍。五、智能体与工具调用智能体把大模型从文本生成器变成行动执行者。它们能浏览网页、执行代码、查询数据库、调用API。理解智能体架构、工具设计和失败模式，是构建自主AI系统的关键。入门项目：做一个计算器智能体，让它通过调用工具来回答数学问题。六、结构化输出与数据提取真实应用需要结构化数据，JSON、SQL、API调用，而非自由文本。JSON模式、函数调用、约束生成这些技术确保大模型输出能与下游系统对接。这是对话式AI和软件工程之间的桥梁。入门项目：做一个食谱提取器，把网页上的乱七八糟的文本变成干净的JSON结构。七、护栏与安全AI应用可能被越狱、产生有害内容、泄露敏感信息。输入输出护栏、隐私检测、内容过滤、对抗测试，这些在生产部署中不可或缺。入门项目：给你的聊天机器人加上简单的输入输出过滤，用关键词匹配检测提示词注入。八、可观测性与监控无法衡量就无法改进。生产级AI系统需要日志、追踪、成本跟踪、质量监控和告警。入门项目：给你的应用加上调用日志，记录时间戳、提示词、响应、延迟、token数量和估算成本。一周后分析数据，你会发现很多优化空间。九、AI系统架构真实的AI应用是多个组件的组合：检索器、模型、护栏、缓存、数据库。理解复合AI系统的设计模式，才能构建可维护、可测试、可扩展的架构。综合项目：做一个个人助手机器人，整合RAG、结构化输出、输入验证和日志记录，部署到免费平台上。这就是一个能展示真实能力的作品集项目。有评论提出了一个值得深思的观点：2026年AI工程师真正的核心能力，是知道哪些层该自己掌控，哪些层该交给框架处理。这个答案每个季度都在变。智能体正在以超出学习速度的节奏压缩技术栈，RAG、结构化输出、护栏越来越多地被内置到平台中。学会构建固然重要，学会判断何时不必亲自构建，可能更重要。x.com/manthanguptaa/status/2018297734995075200

14. 钉钉的这个变革很及时，其实 OpenClaw 给钉钉带来最大的启发就是：AI 时代的软件不一定会被 Agent 淘汰，而是未来的软件并不是基于人而开发的，而是适合 AI 调用和操作的软件。只有软件拥抱 AI，给 Agent 提供土壤，Agent 才能真正在企业里扎根干活。钉钉做的 CLI 化改造就是一个典型案例。过去所有的企业软件都是给人设计的，按钮、菜单、弹窗，一切交互逻辑都围绕人的眼睛和手指展开。但 Agent 不需要这些，它需要的是干净的接口、明确的指令、可编程的操作通道。这其实是一次软件设计哲学的根本转变：从"人机交互"走向"机机交互"。未来真正有生命力的软件，一定是同时服务两类用户的，人用 GUI，Agent 用 API 和 CLI。谁先把这层基础设施铺好，谁就能在 Agent 生态里占住身位。那些还在死守图形界面、不愿意把能力开放出来的软件，大概率会被绕过去。#How I AI##科技先锋官#

15. 【最新玩法】n8n工作流秒变MCP工具，直连各种MCP客户端，零代码实操！

16. Anthropic最新发布的Claude Developer Platform功能，开启了AI代理工具使用的新纪元。未来的AI代理将无缝调用数百甚至数千种工具，像IDE助手整合Git操作、文件管理、测试框架，或运维协调连接Slack、GitHub、Jira等多个系统。他们面临的最大挑战是：如何避免因预加载海量工具定义而导致的上下文爆炸？传统方式可能消耗十万以上tokens，严重影响模型性能。Anthropic提出“工具按需发现”策略——Tool Search Tool，让Claude只加载当前任务真正需要的工具，节省85%上下文空间，大幅提升准确率和响应速度。另一方面，传统自然语言调用工具方式带来的上下文污染和多次推理开销，也被Programmatic Tool Calling（编程式工具调用）彻底革新。Claude通过生成Python代码来批量调用、处理工具数据，只把最终结果放入上下文，极大节省token消耗（约降37%），降低延迟，并提高了复杂流程的执行准确度。此外，JSON Schema虽能定义参数结构，却难以表达正确用法和参数间的关联。Anthropic引入Tool Use Examples，允许开发者通过示例明确工具调用规范，显著提升复杂参数场景下的调用准确率（测试中从72%提升到90%）。这三项功能——工具搜索、编程调用、用例示范——协同解决了大规模多工具场景下的发现效率、执行效率和调用准确度问题。它们不仅适合构建跨多个服务的大型系统，也为开发者提供了灵活、高效的工具管理和调用新范式。开发者可根据应用场景分层使用，先从最大瓶颈入手： - 上下文爆炸优先用Tool Search Tool - 中间数据过多用Programmatic Tool Calling - 参数复杂易错用Tool Use Examples Anthropic的实践证明，这样的设计大幅提升了AI代理的实用性和稳定性，推动智能代理从简单调用迈向智能编排。期待更多创新应用在Claude平台上诞生。原文详见 anthopic.com/engineering/advanced-tool-use—— 这项技术展示了AI工具集成的未来方向：动态发现、代码驱动执行和示范引导，三者合力打造高效、精准、可扩展的智能代理生态。对希望打造复杂多工具AI系统的开发者来说，Anthropic的方案无疑提供了宝贵的参考和实践路径。

17. 谷歌三星推出AI 手机，未触及安卓权限而是依靠模型能力，为何谷歌、三星、豆包手机的AI路径差异这么大？

18. #传阿里即将推出企业级AI旗舰应用# 千问模型加持，B端服务整合再下一城 🚀据彭博社及多家媒体报道，阿里巴巴最快将于本周推出全新的企业级AI智能体应用。该产品基于千问（Qwen）模型开发，由钉钉团队打造，旨在为企业提供强大的Agent能力。知情人士透露，该工具不仅能协助企业自动操作电脑、浏览器和云服务器，还内置了专门的安全功能以保障企业数据隐私。未来，阿里计划逐步将淘宝、支付宝、阿里云等集团旗下的B端商业服务整合进这一AI智能体产品中。目前，关于该产品的收费模式及初期整合程度尚不明确。此前，阿里CEO吴泳铭已宣布将在AI领域投入超530亿美元，并将AGI作为长期目标。【评论】从C端爆款到B端深耕，阿里正用“智能体”切开企业服务新战场当OpenClaw在C端引爆“养龙虾”热潮，阿里迅速将千问模型的触角伸向企业市场。这款由钉钉操刀的AI智能体，瞄准的不是“聊天”，而是“干活”——自动操作电脑、调用云资源、整合内部服务，直击企业效率痛点。这背后是阿里“AI+云”战略的深化：用智能体将淘宝、支付宝等B端能力串联，让企业像用“数字员工”一样调用阿里生态。在AI Agent从概念走向落地的关键窗口期，阿里正用最擅长的“生态整合”打法，卡位企业服务的下一个十年。

19. 4650万条聊天记录，72.8万份绝密文件， 5.7万个用户账户信息，全部泄露！最近，一个AI攻击智能体，在没有账号、没有密码的情况下，只用了2个小时，就成功入侵大厂AI平台。#大有学问 #红衣聊AI #网络安全 #AI工具 #泄密

20. 聊一聊OpenClaw和之前其它AI的区别：AI聊天软件：由用户给定的有限输入，由AI运行环境能力边界限制的输出内容Manus：由用户给定的有限输入，由AI运行环境能力边界限制的输出内容，但通过使用沙箱环境，输出能力极大增强Claude Code等本地智能体工具：由用户给出需求，AI自己在本地运行环境中取得需要的输入，通过使用本地运行环境，输出能力极大增强OpenClaw：AI使用本地环境无限制地取得输入且自主增强输出能力，用户给出需求不再是AI执行任务的主要触发源

21. 开发 AI Agent 应用时，直接使用 LangChain 或 LangGraph 等框架虽然方便，但复杂的抽象往往像个“黑盒”，让开发者难以理解底层的调用逻辑和决策机制。ai-agents-from-scratch 是一个专注于教学的开源项目，主张从零开始构建 AI Agent。它不依赖现有的成品框架，而是通过 Node.js 和本地大模型，带你一步步拆解 Agent 的核心原理。项目不仅涵盖了基础的模型调用，还深入讲解了函数调用、长期记忆、ReAct 推理模式等关键技术，帮助开发者在掌握底层逻辑后再去更明智地选择和使用框架。GitHub：github.com/pguso/ai-agents-from-scratch主要功能：- 基于 node-llama-cpp 实现本地大模型运行，无需依赖云端 API；- 循序渐进的学习路径，从基础交互到复杂的系统提示词与角色设定；- 深入解析函数调用原理，展示 LLM 如何决定调用工具并处理返回结果；- 实现持久化存储与记忆管理，让 Agent 具备跨会话的信息记忆能力；- 详解 ReAct 推理模式，演示“思考-行动-观察”的循环逻辑；- 提供进阶教程，手写实现类似 LangChain 的 Runnable 接口和状态机图结构。该项目要求 Node.js 18 以上环境，建议配置 16GB 内存以流畅运行本地 GGUF 模型。它非常适合希望深入理解 Agent 架构、提升 AI 应用底层开发能力的工程师参考学习。

22. 【浏览器就是API：让AI直接用你的登录态】快速阅读：bb-browser让AI agent直接调用你浏览器里已登录的Twitter、知乎、B站等任何网站，无需API密钥或反爬技术。社区驱动的适配器库已覆盖36个平台103条命令，AI自己就能在10分钟内逆向任何新网站并写出可用适配器。---互联网本来就是为浏览器设计的，但AI一直在试图通过API访问它——问题是99%的网站根本没有API。bb-browser的做法反过来：别逼网站提供机器接口，让机器直接用人类接口。适配器在你的浏览器标签页里执行`eval`，用你的cookie调用`fetch()`，或者直接调用页面自己的webpack模块。网站以为是你在操作。因为确实就是你。Playwright要在隔离的无头浏览器里重新登录，爬虫库得跟反爬机制玩猫鼠游戏。bb-browser什么都不用做，因为它本来就是用户本身——登录态已经在那里了，复杂的OAuth流程由页面自己处理，反爬系统看不见任何异常。GitHub: github.com/epiral/bb-browser#AI创造营##人工智能#

23. AI的未来不仅仅是要比以前更聪明，还得要更安全。用安全守护创新，这才是大模型时代的生存法则。#大咖观察 #红衣聊AI #网络安全 #大模型

24. 硅谷大佬对2026年的反直觉预测：软件不行了，反而金属值得关注#AI#2026年预测 #美国经济 #铜 #白领 #职场

25. 软件正在为智能体重写，公司正在为智能体重构互联网正在为智能体重建，我们可能正站在软件行业第四次迁移的起点。#大有学问 #红衣聊AI #互联网 #AI工具

26. Manus 把 Agent 的工具分成了 3 层：第 1 层：函数调用 (Function Calling)这是最基础的一层，只保留一小组固定的、原子化的函数，比如：读写文件、执行 Shell 命令、搜索文件等。在 LLM 的系统提示词中就只有这一层的工具定义，相对比较少，15 个以内，输入格式和输出格式都很清晰，不容易出错，但这里面有两个工具很特殊，一个是 Shell，一个是 File。第 2 层：沙箱工具 (Sandbox Utilities)每个 Manus 会话都运行在一个完整的虚拟机沙箱里。就是原推文提到的，虚机预装了很多命令行工具，比如格式转换器、语音识别工具，甚至一个 mcp 命令行客户端。然后这些工具都通过第 1 层中定义的 Shell 来调用，就是命令行工具，命令行调用。但是这么多工具模型怎么知道呢？Manus 在系统提示词里会直接告诉 LLM，在一个特定的文件夹里有很多预装的命令行工具。对于最常用的工具，直接列出它们的名字。不常用的，LLM 可以直接通过原推提到的命令列出所有命令行工具，通过 --help 参数来查看任何一个工具的用法，因为所有这些工具都是他们自己开发的，格式统一。第 3 层：代码包与 API (Packages and APIs)这一层其实就是 LLM 实时编写 Python 代码，通过代码实现更复杂的功能。比如用户想查询某个 API 的数据，可以直接用 Python 写一个函数，fetch API 的数据，并解析成需要的格式。其实在 Codex 中，用 Python 代码当工具已经用的很多了。由于复杂的运算都是代码完成的，返回给主 Agent 的知识计算后的结果，所以并不会占用主 Agent 的上下文。这样 3 层设计的好处是，从模型的角度看，它需要调用的工具就固定是第 1 层的十几个，而借助命令行和代码，它又可以衍生出无数的工具组合。还有一点就是我在之前推文提到的子智能体，Manus 也是大量采用“智能体即工具 (agent as tool)”的模式。把子智能体当工具用，比如负责检索是一个子智能体，但是这个子智能体在主 Agent 看来就是一个工具。同时也可以很好的起到减少上下文的效果。

27. AI都能自己操作3D打印机了！钉钉悟空接入3D打印工作流测试

28. 每个 Vibe Coder 在部署到生产环境前都必须读这篇文章：AI Vibe Coding 安全手册。认证与会话管理01 – 会话时长控制。设置会话过期时间，JWT 会话最长不超过 7 天，必须启用刷新令牌轮换机制。02 – 别用 AI 生成的认证代码。老老实实用 Clerk、Supabase 或者 Auth0。03 – 因为有聊天功能，API 密钥必须严格保护。用 process.env 来存储密钥。API 安全开发04 – 密钥至少每 90 天轮换一次。05 – 让 AI 在安装之前先检查所有推荐包的安全性。06 – 优先选择更新、更安全的包版本。07 – 每次构建后都跑一遍 npm audit fix。08 – 所有输入都要做清理，永远使用参数化查询。API 与访问控制09 – 数据库的行级安全策略从第一天就要开启。10 – 部署到生产环境前，删掉所有 console.log 语句。11 – 用 CORS 限制访问，只允许白名单里的生产域名。12 – 所有重定向 URL 都要对照白名单验证。13 – 每个接口都要加上认证和频率限制。数据与基础设施14 – 在代码和控制面板里设置 AI API 的费用上限。15 – 通过 Cloudflare 或 Vercel 边缘配置添加 DDoS 防护。16 – 锁定存储访问权限，用户只能访问自己的文件。17 – 验证上传文件大小时看签名，别只看扩展名。18 – 处理支付数据前，先验证 webhook 签名。其他规则19 – 权限检查要在服务端做，UI 层面的检查不算安全措施。20 – 记录关键操作日志：删除、角色变更、支付、导出。21 – 做真正的账号删除流程。被罚款可不好玩。22 – 自动备份之后记得测试。没测试过的备份等于没用。23 – 测试环境和生产环境要完全隔离。24 – 测试环境里的 webhook 绝对不能碰真实系统。#科技先锋官##How I AI##AI编程#

29. 开发者在调用不同 AI 模型时，常面临账号管理繁琐、API 协议不统一以及配额限制等问题，在不同平台的 Session 和 API 之间来回切换非常耗时。Antigravity Tools 是一个高性能 AI 调度网关与账号管理工具，旨在打破不同 AI 厂商间的调用壁垒，提供一站式的本地 AI 中转方案。它不仅能将 Google 或 Anthropic 的 Web 端 Session 转化为标准 API 接口，还支持智能账号轮换与协议转换，确保 AI 业务调用稳定且低延迟。GitHub：github.com/lbjlaq/Antigravity-Manager主要功能：- 智能账号仪表盘，实时监控各账号配额健康状况并自动推荐最佳账号；- 支持一键无缝切换账号，集成 OAuth 2.0 自动授权、批量导入及权限检测；- 全协议适配，提供兼容 OpenAI、Anthropic 和 Gemini 标准格式的 API 端点；- 智能状态自愈，遇到限流或授权过期时自动触发毫秒级重试与静默轮换；- 模型路由中心，支持自定义正则表达式映射，实现专家级的请求重定向；- 深度适配多模态功能，支持 Imagen 3 高级画质控制及超大 Payload 传输。该工具基于 Tauri v2 和 Rust 构建，确保了极高的运行效率与本地数据安全性。支持 Windows、macOS 和 Linux 多平台使用，适合需要深度整合各类 AI 模型的开发者与爱好者使用。

30. AI安全就像一场军备竞赛，攻击者和防御者都在不断进化。 #大咖观察 #红衣聊AI #网络安全

31. MCP已死，CLI当立！Perplexity首先放弃使用MCP，全网赞成

32. Harness项目推荐丨CLI-Anything 、CrewAI、LangGraph、EigenFlux....

33. 先别急“养龙虾”，这些AI安全问题你可能还不知道！附安全解决方案...

34. 什么是 AI 智能体？

35. 数字安全从来不是少数人的责任，而是我们每个人的必修课。 #大咖观察 #红衣聊AI #数字安全 #网络安全

36. #AI接管手机有风险吗#豆包手机助手的走红，让AI接管手机成为热议焦点。其跨App自动操作的便捷性令人瞩目，但淘宝、闲鱼等多款App的登录限制，以及金融类App的风控升级，恰恰暴露了安全隐忧。AI实现智能服务的核心是权限开放，而无障碍权限、屏幕读取等高敏感权限的启用，相当于向AI敞开了手机里的所有“抽屉”，聊天记录、交易信息等隐私数据面临泄露风险。尤其金融类应用，涉及资金安全，AI自动操作可能引发误操作或盗刷风险，谨慎对待实属必要。风险管理需双管齐下：一方面要明确权限边界，建立“双重授权”机制，让用户自主掌控数据使用；另一方面企业需强化技术防护，对数据全周期加密，同时行业应尽快统一安全标准。唯有平衡便利与安全，才能让AI手机走得更远。#秒懂热点就用智搜# ai接管手机有风险吗

37. Obsidian AI 的4种使用方法知识管理效率完全不同了

38. 西方靠“营销剧本”博眼球，我们用“技术实证”守安全。 #大咖观察 #红衣聊AI #网络安全 #热点追踪 #anthropic

39. 千亿智能体爆发前夜，谁来保护我们的AI安全？｜甲子光年

40. 港大神器，让AI一条命令操控桌面软件！

41. 阿里开源了一个OpenSandbox↓OpenSandbox 是一个面向 AI 应用场景设计的「通用沙箱平台」，为大模型相关的能力（命令执行、文件操作、代码执行、浏览器操作、Agent 运行等）提供多语言 SDK、沙箱接口协议和沙箱运行时。访问：github.com/alibaba/OpenSandbox/blob/main/docs/README_zh.md#ai创造营##程序员#

42. 今年将会是“Agent（智能体）”爆火的一年，前些天的“大养龙虾”就是一个例子，后面的日子，肯定还会出现新的玩意儿红遍网络。人类委托和依赖各种各样的“智能体”，去完成越来越多的工作，是必然的，但与此同时，会出现新的问题。当前，人类与大模型交互所使用的，基于纯文本格式的、人类易读易改的提示词，实在太脆弱和危险了，简直和裸奔没啥区别。如果给智能体高的权限，让它可以直接与外部环境交互，甚至可以操控物理设备（比如机器人、无人机、汽车……），存在潜在的风险。 AI时代，怎样安全地使用智能体，防范其中的风险，会成为一个需要严肃对待的问题。

43. 官方出手！OpenClaw “龙虾” 智能体首份安全指引发布，个人与企业必看实操规范

44. AI智能体安全必读

45. 第八章

46. 还在让 AI 裸奔运行代码了？这 6 款 AI 代码沙箱彻底解决代码执行隐患

47. 以Trae为例，拆解AI编程工具沙箱

48. 忘掉MCP吧！CLI才是AI世界连接的终极接口

49. 企业微信最新官宣

50. 即梦CLI 全量发布！可一键接入Openclaw，Seedance 2.0开放命令调用

51. Docker与安全性

52. Claude哥提示词注入与命令执行防御机制

53. 深度理解大模型的函数调用机制

54. AI 智能体全面爆发！2026 年 40% 企业将嵌入任务型智能体，但这 3 个风险你必须知道

55. AI智能体安全威胁频发？七大风险全景解析，全链路防御方案请收好

56. AI 大模型提示词注入攻击详解

57. “龙虾”智能体持续走热,如何确保使用安全

58. 2025AI智能体安全治理白皮书

59. AI智能体安全技术洞察

60. AI安全智能体时代:企业安全防护如何迈向“全自动驾驶”？

61. AI智能体权限失控根源在哪？

62. 财务智能体AI数据安全与脱敏方案

AI调用专业软件不再踩雷！安全指南封神了，后悔没早看

精选参考来源