
Sign up to save your podcasts
Or


米哈遊 Gamer 用鍵鼠玩《星穹鐵道》,兩條支線里程碑成功率達八成
米哈遊的 Gamer 看著遊戲畫面、用鍵鼠操作,在《崩壞:星穹鐵道》兩條支線的里程碑評估中,成功率分別達到 80.0% 和 83.6%,七類小遊戲的平均成功率則是 49.7%。米哈遊 Honkai AI 研發團隊在 2026 年 11 月 17 日修訂的論文中指出,模型在持續預訓練時接觸過同一款遊戲的其他遊玩資料,這次測的是它能否在熟悉的遊戲裡執行未納入訓練的任務。 來源 3 來源 5
Gamer 怎麼從畫面決定下一步?
Gamer 每秒讀取 5 張遊戲畫面,每次決定接下來約 200 毫秒的鍵鼠操作,分成 6 個各約 33 毫秒的小步。比如連續 6 步都指定 W,這段時間就會一直按住 W。遇到改道、切換目標或新的互動提示時,模型才推理下一步,並用記憶保留已完成的目標、失敗嘗試與後續計畫。評估時,遊戲後端另外讀取引擎狀態,用來設定任務起點並驗證結果。 來源 2 來源 3
《崩壞:星穹鐵道》「雅努斯迷津」。對照右側的鍵鼠輸入,可以看到 Gamer 轉動迷宮,讓藍球沿著擋板落進下方的圓形底座。節錄自研究團隊實錄的第 8 至 15.5 秒。 影片來源 官方完整原片
第 25 秒是《崩壞:星穹鐵道》的戰鬥,第 48 秒轉進迷宮解謎。到 2 分 17 秒,研究團隊用兩個支線任務比較 Gamer 在各訓練階段完成了多少里程碑。 影片來源 官方完整原片
「八成」怎麼算?
兩條支線都測導航、對話、戰鬥和介面操作。Opportunity Makes the Thief (Part I) 有 30 個評估里程碑,Bestial Ferocity 有 55 個,還包括三道機兵修理謎題,以及折返先前地點的要求。每個里程碑各測三次,支線分數是成功次數占所有里程碑測試次數的比例。小遊戲有 40 個測試案例,先算各類成功率,再把七類等權平均。 來源 5
| 評估項目 | 持續預訓練後(CPT) | 監督微調後(SFT) | 線上強化學習後(RL) | | --- | --- | --- | --- | | Opportunity Makes the Thief (Part I) 支線里程碑 | 34.4% | 72.2% | 80.0% | | Bestial Ferocity 支線里程碑 | 47.9% | 69.1% | 83.6% | | 七類小遊戲等權平均 | 15.0% | 39.2% | 49.7% |
來源 3
導航進步了,修理謎題卻退步了
從監督微調走到線上強化學習,兩條支線的導航成功率分別從 47.6% 升到 69.1%、從 55.2% 升到 80.2%。Bestial Ferocity 的機兵修理謎題卻從 22.2% 降到 11.1%。七類小遊戲的平均則提高了 10.5 個百分點,來到 49.7%。 來源 5 來源 3
團隊另外用八項導航任務比較兩種訓練設定。到了第 51 步,即時遊玩設定的平滑平均獎勵為 0.875,低幀率對照組為 0.532。 來源 4
[](https://mihoyo-gamer.github.io/assets/rl-rollout-mean.jpg)
粗線採指數移動平均(α = 0.2),淡線是平滑前的獎勵。
原文:https://easyvibecoding.app/curated/3766-mihoyo-gamer-screen-keyboard-mouse-evaluation
Copilot Managed Runtime 正式開放,企業可在租戶內託管應用程式
微軟在 11 月 17 日的 Ignite 2026 宣布,企業已可用 Copilot Managed Runtime 在自己的 Microsoft 365 租戶託管應用程式。即使 Copilot Code 還要等幾週才正式開放,團隊也能用 Copilot Studio 或相容的第三方工具開發,再發布到 Runtime。想部署會持續跟進工作的 Autopilot,或從 Copilot 操作 Salesforce,則要看各自的開放階段。 來源 1 來源 2
哪些功能已經開放?
| 功能 | 可用處或入口 | 11 月 17 日公告的開放狀態 | | --- | --- | --- | | Copilot Managed Runtime | 發布應用程式後在租戶內執行,由 IT 在 Microsoft 365 系統管理中心管理 | 正式開放 | | Copilot Code | 在 Copilot 用文字描述要建立的應用程式、儀表板或桌面小工具 | 未來幾週正式開放 | | Autopilot | Copilot 應用程式左側導覽列 | 開始向 Frontier 計畫客戶推送 | | Salesforce in Copilot | Microsoft Copilot 的 Salesforce 外掛 | 公開預覽 | | OneLake 資料聯邦 | 在 Salesforce Data 360 直接查詢支援的 Microsoft Fabric OneLake 資料 | 正式開放,供兩家服務的共同客戶使用 | | Salesforce Data 360 捷徑 | 將選定的 Data 360 資料分享至 Fabric OneLake | 公開預覽 | | Sales Cloud in Teams | Microsoft Teams | 企業客戶試行中,2026 年稍晚開放公開測試 |
來源 1 來源 2 來源 7
Autopilot 用誰的身分執行?
Autopilot 可持續跟進郵件、留意 Teams 頻道或執行例行工作。同事也能在 Teams 頻道或群組聊天中用 @ 提及它,詢問資訊或請它執行支援的操作。每個 Autopilot 都有自己的 Microsoft Entra Agent ID 與指定管理者,登入和操作會記在自己的身分下,IT 可以限制存取範圍或隨時封鎖。Autopilot 也可以在關鍵動作前先向使用者確認。 來源 1 來源 2
什麼時候能寫回 Salesforce?
Salesforce 外掛的公開預覽提供 38 項以上的預建銷售技能,資料存取與支援的業務操作由 Salesforce 控管。透過支援的操作將資料寫回 CRM 時,必須由使用者明確確認,並遵守既有的驗證規則。兩家服務的共同客戶也可以用已正式開放的資料聯邦,從 Salesforce Data 360 查詢 OneLake 中支援的資料。舉例來說,客服人員可以在客戶帳戶查看近期購買紀錄,來源資料仍留在 Fabric。 來源 7
原文:https://easyvibecoding.app/curated/3763-microsoft-ignite-copilot-autopilot-runtime-salesforce
AI 代理開更多 PR,CI 跑快了還要審什麼?
CI 可以縮短等測試結果的時間,測試規則可以攔下靠重試才過關的寫法。至於測試驗證了什麼、哪些檢查真的重複,仍需要人工判斷。NBER 的一篇工作論文用逾 50 萬名 GitHub 開發者的活動與 AI 使用紀錄做配對事件研究,估計自主編碼代理帶來的累計增幅,從提交(commit)數的 240%,縮到專案數的 80%,再到實際發布數的 30%。 來源 2 來源 3 來源 5
PR 變多,審查要等更久
另一篇工作論文把瓶頸指向程式碼審查。哈佛大學的 Fiona Chen 與 James Stratton 在 2026 年 11 月 14 日版論文中,利用 655 家公司採用工具的時間差估計,在編碼助理帶來的增幅之外,導入編碼代理後,新開的 PR 又增加 35.7%。作者把審查拆開來看,發現程式碼等到有人接手的時間變長,接手後審得更久,收到的修改要求也變多。 來源 4
CI 加速省下哪段時間?
CI 加速縮短的是等機器驗證的時間。StarSling 創辦人在 Hacker News 表示,Mastra 最慢的工作流程從 GitHub 託管 runner 的 29 分 56 秒降到 StarSling 的 5 分 06 秒,官網把這組數字標為第 95 百分位的經過時間。同一套服務也會並排試跑原版與修改後的工作流程,再把改善方案連同基準測試結果送成 PR。創辦人說,提案要跑到相同的測試 ID、維持相同覆蓋率才算過關。 來源 2 來源 1
測試規則能替人審到哪裡?
測試規則管的是測試怎麼通過。Interfere 的 Landmines 用 Oxlint 攔下測試重試、拉長逾時,以及測試裡的固定等待。比如測試在送出請求後固定等一秒,可以改成等操作完成或等它發出訊號。既有測試若要分批導入,可以按檔案設定允許的違規次數。Interfere 在發布貼文中自述,團隊每週交付的 PR 從 100 件增至超過 1,200 件。 來源 3 來源 7
測試本身該留哪些檢查,則是人工審查能處理的問題。Hacker News 討論裡有位開發者提到,某個資料夾裡的應用層測試都在確認同一個啟動環境變數,而這項檢查已經有專門的測試,於是只保留一處。這類取捨要看每項測試負責驗證什麼,才能判斷哪些檢查真的重複。 來源 2
原文:https://easyvibecoding.app/curated/3764-ai-coding-agents-code-review-ci-landmines
Apple 支援社群將關站,舊 Mac 的 USB 升級解法還找得到
舊 Mac 打不開網頁,還能用 USB 隨身碟帶回安裝檔。這個解法出自一串 2024 年的 Apple 支援社群問答,現在還能在 Wayback Machine 的 11 月 14 日快照裡讀到。當時有位使用者的 13 吋 MacBook Pro(2012 年中)跑著 OS X 10.8.5,連上 Wi-Fi 或插網路線都打不開網頁。社群成員 Servant of Cats 建議借一台能上網的電腦下載安裝檔,再把檔案帶回舊 Mac。 來源 7
舊討論串去哪裡找?
根據 Archive Team 轉載的公告,Apple 支援社群已於 2026 年 11 月 10 日轉為唯讀、停止接受新貼文,將在 11 月 20 日永久關閉。Apple 請使用者到官方支援網站尋求協助。Archive Team 仍在保存論壇內容,追蹤器顯示約 971 萬個項目已處理完畢,約 721 萬個待處理。手上有舊討論串網址,可以先到 Wayback Machine 查有沒有快照。 來源 1 來源 3 來源 7
| 入口 | 可以查什麼 | 使用條件 | | --- | --- | --- | | Wayback Machine | 舊討論串裡的症狀、排查過程與社群建議 | 該討論串須有可讀取的快照 | | Apple 的 Mac 文件索引 | 辨識機型、查各機型的文件 | 依機型與年份找對應項目 | | Apple「如何下載和安裝 macOS」 | 查相容性、找舊版安裝檔 | 先確認目標 Mac 相容,再依下載方式確認下載用的 Mac 是否符合條件 | | 台灣 Apple 支援網站 | 依產品找支援主題 | 從首頁選 iPhone、Mac 或 iPad 等產品 |
來源 7 來源 9 來源 8 來源 5
用 USB 把安裝程式帶回舊 Mac
回到那台打不開網頁的 MacBook Pro,先備份並保留原本可開機的系統。 用另一台能上網的電腦從 Apple 的下載頁取得 OS X El Capitan 10.11 或 macOS Sierra 10.12 的 .dmg。依 Apple 的網頁下載流程操作時,請使用與該版本相容的 Mac。 把 .dmg 存到 USB 隨身碟,再複製到相容的舊 Mac。打開 .dmg,執行裡面的 .pkg,把 macOS 安裝程式放進「應用程式」資料夾。 從「應用程式」開啟安裝程式,依畫面指示安裝。
來源 7 來源 8
原文:https://easyvibecoding.app/curated/3765-apple-support-community-wayback-old-mac
在 Claude Code 改 Paper 畫布,也能跑 Mastra 工作流、查執行追蹤
在同一個 Claude Code 工作區接上 Paper 和 Mastra 的 MCP 伺服器後,可以請 Claude Code 修改 Paper 畫布,也可以呼叫 Mastra 的代理、啟動工作流並讀取執行追蹤(trace)。畫布改了什麼,回 Paper 檔案看。工作流怎麼跑,從 Mastra 讀取該次執行的追蹤資料。 來源 1 來源 2 來源 4
Paper 把畫布接進工作區
Paper 的遠端 MCP 目前處於搶先體驗階段,計量方式與本機 MCP 相同。即使筆電闔上或 Paper 桌面版關閉,雲端代理仍能操作畫布。在代理工具中新增 MCP 伺服器,填入 https://mcp.paper.design,再登入 Paper 完成連線。 來源 1
Mastra 把執行紀錄帶回工作區
Mastra 的內建 MCP 需要 @mastra/core 1.83.0 或更新版本。安裝 @mastra/mcp、設定驗證並部署專案後,可將 Claude Code 連到專案的 /api/mcp。以 Mastra 文件的 docs-sync-workflow 為例,可以先請 Claude Code 啟動工作流,再用 get\_trace 讀取這次執行的追蹤資料。管理者可選擇開放哪些代理、工作流與工具。伺服器若已設定角色或細粒度權限,MCP 呼叫會沿用同一套檢查。 來源 2
原文:https://easyvibecoding.app/curated/3762-paper-mastra-mcp-canvas-workflow-traces
xeet:用 Rust/WASM 渲染 X 貼文預覽
Guillermo Rauch 介紹 xeet,一個將 X 貼文渲染成 PNG 的工具。他把它定位為發文前的預覽方式,讓人和代理先看內容發布後的樣子;並稱 xeet 以安全 Rust 和 WebAssembly 製作,不需瀏覽器、網路、檔案系統或系統字型。
Rauch 在貼文中寫道,渲染一則貼文約需 1 毫秒,並以特定的 @jack 貼文為例,稱其約需 0.4 毫秒。他另稱,與啟動瀏覽器再截圖相比,xeet 快 100 至 1,000 倍。貼文未說明測量環境或可重現方法;這些是作者提出的效能數字,沒有獨立測量佐證。
貼文附帶的影片展示 CLI、TypeScript 和 Rust 範例,接著呈現 X 貼文預覽與 Tetris 動畫;可直接從畫面查看範例操作與渲染數字。
影片展示 xeet 的 CLI、TypeScript 與 Rust 渲染範例,以及 X 貼文與 Tetris 動畫預覽。畫面標示各範例的渲染時間,結尾顯示 241 frames in 260 ms;這些是影片呈現的數字,未經獨立效能測試。
Xeet 影片的原始 X 縮圖,呈現黑底的 xeet 字樣。
要重現的,不只是貼文文字
貼文把 xeet 描述為 pixel-perfect 的 X 貼文 renderer。Rauch 稱它重現 Blink 與 HarfBuzz 的文字塑形,也處理 1/64 像素級換行、RTL 雙向文字、28 個 Chirp 字型子集、CJK/數學符號/emoji 字型回退,以及「Show more」規則。這些都是貼文所列的排版細節;作者沒有在這篇貼文中提供獨立準確度測試。
Rauch 將這套驗證結構稱為「autorepo」:Chrome oracle 啟動 Chrome 並核對大量文字布局規則,CI canary 則追蹤原始環境的演進,並提交簽章 PR 供代理處理。這是作者對驗證流程的說明。
流程圖呈現作者描述的 Chrome oracle 核對文字布局規則關係,並清楚標明「作者描述;未獨立審查」。
對想在發布前檢查貼文外觀的人與代理而言,xeet 提供一種直接產生預覽圖的途徑。這篇貼文呈現了產品做法與作者的速度主張;其中的速度與布局驗證規模仍是作者陳述,影片中的數字則是畫面展示,沒有獨立測量佐證。
影片展示 xeet 的 CLI、TypeScript 與 Rust 渲染範例,以及 X 貼文與 Tetris 動畫預覽。畫面標示各範例的渲染時間,結尾顯示 241 frames in 260 ms;這些是影片呈現的數字,未經獨立效能測試。 影片中的 Prompt 與操作:
操作步驟: 1. CLI 範例將 Jack 的 X 貼文渲染成預覽。 2. TypeScript 範例以 xeet API 渲染 NASA Goddard 貼文,顯示 iOS timeline、寬度 382、dark theme 與 DPR 3。 3. Rust 範例渲染一則 X 貼文並顯示預覽。 4. Tetris 動畫以 X 貼文畫面呈現遊戲進度與渲染時間。
原文:https://easyvibecoding.app/curated/3741-xeet-rust-wasm-x-post-renderer
GitHub Copilot App 安全擴充公開預覽:在同一工作區處理 code scanning 警報
GitHub 在 2026 年 11 月 15 日宣布,GitHub Copilot app 的 GitHub security extension 進入公開預覽。它讓開發者可以在 Copilot app 中查看 code scanning 警報,請 Copilot 解釋或修復警報;確認警報不需修復時,也可選擇忽略。GitHub 文件另介紹一項不同用途:在開啟拉取請求前,檢查工作階段中的本地變更是否有新漏洞。GitHub 原帖|GitHub 操作文件
GitHub Copilot app 主畫面,取自 GitHub 原帖附圖。
它如何把警報帶進 Copilot app?
安裝 github-security 插件後,安全擴充功能會在 Copilot app 的 Security 畫布中顯示存放庫尚未關閉的 code scanning 警報,並依嚴重性排序。使用者可開啟警報查看描述、嚴重性與受影響的程式碼,也能用搜尋和篩選縮小清單;這些是 GitHub 文件描述的操作流程。
GitHub 原帖附上的示範影片呈現了這個流程:畫面列出 23 個 findings,並展示對 Prototype-polluting assignment #57 的解釋與修補建議。畫面中的說明指出,遞迴合併可能修改 Object.prototype,並表示沒有編輯檔案。這是產品畫面中的案例;GitHub 文件仍要求使用者檢視修補差異並執行專案相關測試。
GitHub Copilot app 安全畫布示範:畫面顯示 code scanning findings,並呈現 Copilot 對 Prototype-polluting assignment #57 的解釋與修補建議。
解釋、修復與忽略,各自會做什麼?
在既有警報上按「解釋」,是請 Copilot 說明警報,讓使用者先了解問題;按「修復」,則要求代理修改程式碼。修復只會改動本地工作副本:不會自行提交、推送或開啟拉取請求。使用者需檢視差異、執行相關測試,再依正常流程提交與評審。警報要等修復到達受影響分支、code scanning 再次執行後,才會由掃描確認是否已解決。
「忽略」則會更新 GitHub 上的警報,需要相應權限並選擇原因、留下說明。若存放庫政策要求授權審查者核准,擴充功能會送出忽略請求;核准前警報仍保持開啟。這與只改本地程式碼的修復不同。
最重要的分界是:查看既有 code scanning 警報,與掃描工作階段中的本地改動,是安全畫布裡的兩種工作。前者處理已存在的警報;後者是開啟拉取請求前的重點審查,不能取代 code scanning。
忽略警報會更新 GitHub 上的警報,可能需要核准;本地修補只改工作副本,不會自行提交或推送。本地安全評審不取代 code scanning。
使用前要符合哪些條件?
使用者需要 GitHub Copilot app 與已登入 GitHub 帳戶的 Copilot;企業託管環境若限制安裝插件,也需具備安裝權限。Copilot Business 或 Enterprise 組織必須啟用 Copilot app 政策。若要查看存放庫既有警報,該存放庫必須啟用 code scanning,使用者也要有警報存取權限;私有存放庫需要 GitHub Code Security。文件指出,支援範圍包含符合資料駐留需求的 GitHub.com 與 GitHub Enterprise Cloud 存放庫,不支援 GitHub Enterprise Server。
安裝方式有兩種:可在終端執行 copilot plugin install github-security@awesome-copilot,或在 Copilot app 的「自訂」頁搜尋 github-security 並安裝。GitHub 文件標示此功能仍在公開預覽階段,可能變更。
本地安全評審有不同範圍與費用
安全畫布也能檢查目前工作階段的本地變更;可以在介面啟動安全評審,或使用 /security-review。這是針對目前變更的重點審查,不是完整的存放庫安全稽核,也不會啟用或取代 code scanning。對評審結果請 Copilot 解釋或修復時,修復仍只改本地工作副本。
GitHub 說明,使用「解釋」、「修復」或啟動安全評審會使用 app 中所選模型並消耗 AI credits;在畫布中瀏覽或忽略警報則不使用 AI。這讓警報檢視、代理分析與本機評審各自的用途和成本有所區別。
GitHub Copilot app 安全畫布示範:畫面顯示 code scanning findings,並呈現 Copilot 對 Prototype-polluting assignment #57 的解釋與修補建議。 影片中的 Prompt 與操作:
Prompt: 開啟安全擴充功能
原文:Open the security extension
操作步驟: 1. 提示框顯示開啟安全擴充功能的文字。 2. Security 畫布顯示 Security review 與 Code scanning findings。 3. 警報清單顯示 23 個 findings,並列出 Prototype-polluting assignment #57。 4. Copilot 解釋遞迴合併可修改 Object.prototype,提出修補建議,並表示未編輯檔案。
原文:https://easyvibecoding.app/curated/3739-github-copilot-app-security-extension-public-preview
Lauren Tan:先把代理的錯誤變成程式碼規則,再談自動化
AI 工程師 Lauren Tan 在 AI Engineer CODE 2026 的演講中,分享她如何讓代理大量產生程式碼,同時把注意力放在品質與信任。她的建議有明確次序:先整理代理會參照的程式碼庫,再把常見錯誤變成可執行的限制,補上行為驗證,最後才擴大自動化。她也以團隊案例說明,這些做法如何改變程式碼審查與發布流程。
YouTube 影片頁提供的 Lauren Tan 演講縮圖,畫面含 CODE Summit、SpaceX 與 Grok Bot 標誌,並以「Review Proof, Not Code」為主視覺文字。
[](https://www.youtube.com/watch?v=O_zcc6Xl12g) Lauren Tan 在 AI Engineer CODE 2026 的演講,介紹如何以程式碼庫設計、靜態分析與驗證提升 agent 工作的信任與品質。片中團隊數據為講者陳述。
觀看原始影片
Lauren Tan 在 AI Engineer CODE 2026 的演講,介紹如何以程式碼庫設計、靜態分析與驗證提升 agent 工作的信任與品質。片中團隊數據為講者陳述。
為什麼她先談程式碼庫?
Tan 把程式碼庫視為代理的重要輸入:代理會從既有範例學習。如果臨時修補、過時寫法或反模式留在程式碼裡,下一個代理可能把它們當成慣例照著做。她用花園比喻這種累積效應:整理既有程式碼,是在改善後續工作的起點。
因此,遇到代理重複犯錯時,她建議先想想能否調整程式碼設計或架構,讓錯誤做法不容易發生;其次再把要求寫成 lint、型別或測試等可執行檢查。文字規則仍適合需要判斷力的部分,但反覆提醒本身不會強制改變程式行為。
團隊怎麼把錯誤變成可檢查的限制?
Tan 以 Dune 框架說明這種做法。她的團隊認為 React 的 useEffect 在產品程式碼中容易被誤用,因此限制它只在框架內部的特定位置使用。這是該團隊配合自身架構做出的選擇,不是宣稱這個 hook 在所有專案都不該使用。
另一個例子來自 Electron 應用程式:團隊將主程序與 renderer 程式碼放在不同目錄,再用依賴圖分析與 lint 規則禁止不合適的跨界匯入。目錄先表達邊界,檢查再阻止違規程式碼進入;審查者就不必每次都重新發現同一類問題。
她也談到註解如何替快速修補留下理由,讓後續代理把權宜作法當成設計意圖。比起再寫一段提醒,她偏好由 lint 提供有用的錯誤訊息,指出應修正的根本原因。她提到 Grokbot 團隊會限制大部分註解;這是團隊對註解容易過時的回應,不是通用的文件政策。
驗證要看程式實際怎麼運作
限制可以減少某些錯誤,但團隊仍需要確認程式行為。Tan 說,她的團隊會讓代理執行應用程式並使用除錯工具,也會提供從使用者角度整理的功能地圖,讓需求中的功能名稱有共同定義;可重複使用的 CLI 與驅動程式則讓操作方式較一致,也能持續測試。
她還提到幾種正在使用或試驗的驗證方式:以 TLA+ 對跨裝置通知等流程做模型檢查、用 Lean 證明特定演算法,以及以 Bombadil 做 UI 屬性測試。她把形式驗證和屬性測試視為額外工具,而非萬靈丹。這些方法的共同作用,是讓審查者能查看更多行為證據,而不只看程式碼差異。
Tan 提出的信任金字塔因此不是「工具越多越安全」的清單,而是導入順序:先整理代理會模仿的程式碼,再把容易重犯的要求做成可執行限制,並用驗證補上行為證據;外層自動化要等內層流程可靠後才擴大。
圖中順序是講者的建議;各專案適用的工具與架構可能不同。
團隊數字是經驗分享,不是獨立評測
Tan 表示,團隊前一個月將約 11,000 個 pull request 發布到 production,PR 的相對撤回率約為 0.5%;她也提到十月約有 227 人至少貢獻一個 PR,以及穩定版本約每日發布一次。她說團隊在啟動、輸入、開啟新對話與切換對話等多個面向的效能都有改善。
這些數字與效能描述都是 Tan 在演講中分享的團隊成果,並非獨立基準測試。它們說明她觀察到的結果,不能單獨證明只要提高 PR 產量,其他程式庫也會維持相同的撤回率或效能。
自動化是建立在前面幾層之上
Tan 描述的發布流程會在推出新版本時啟動 Cursor 專案,對應用程式與建置進行模糊測試,再為找到的錯誤開修正 PR,部分修正可自動合併。她將這種外層流程連回前面的基礎:程式碼庫、可執行限制與行為驗證先降低重複錯誤,團隊才有條件把更多工作交給自動化。
對正在導入代理的團隊,這場演講的實用訊息不是先增加代理數量,而是每次修正後都檢查:能否讓程式設計消除錯誤選項?能否用檢查阻止它再次出現?又能否提供足夠的行為證據,讓人知道改動真的有效?
原文:https://easyvibecoding.app/curated/3738-lauren-tan-code-rules-before-automation
Cursor 調查揭露資安事件:從共享資料桶到惡意擴充套件
Cursor 在 11 月 13 日公布一份資安事件調查更新,補充說明 10 月 29 日發現的惡意 Claude Code 擴充套件,以及攻擊者如何從共享資料進一步進入 Cursor 使用的部分服務。這次事件不只涉及擴充套件快取,也牽涉 Cursor 與第三方供應商之間分享的資料和憑證。Cursor 在 X 上的貼文也連向這份更新。
Cursor 標誌的 X 連結卡片預覽圖。
Cursor 如何描述攻擊路徑?
依 Cursor 的調查,攻擊者取得 Cursor 提供給 Fireworks 的存取金鑰;Cursor 表示,這把金鑰在 Fireworks 端暴露。攻擊者接著用它從雙方共用的唯讀儲存桶複製資料。儲存桶內有數量有限、以 2025 年為主的程式代理工作紀錄;少數紀錄含未遮蔽的憑證。Cursor 說,不到 0.01% 的客戶有 API 憑證暴露。這是 Cursor 對自身調查結果的說明。
依 Cursor 調查更新所述的初始資料路徑;不到 0.01% 是 API 憑證暴露客戶比例,不是確認感染人數或獨立鑑識結論。
Cursor 表示,攻擊者從取得的憑證繼續進入部分 SaaS 工具,並接觸到特定封存的非正式環境原始碼儲存庫、有限的客服資料與電子郵件、產品使用指標和聯絡資料、部分代理對話摘要,以及使用者曾寄給客服的某些憑證。Cursor 稱,受影響的原始碼儲存庫是非正式環境;它表示正式產品系統、客戶程式碼儲存庫、正式簽署金鑰和目前傳送中的推論請求沒有受到影響。
這些資料也不能與擴充套件遭竄改的範圍混為一談。Cursor 的 10 月 29 日公告指出,攻擊者在 Cursor VS Code 擴充套件市集快取放入未經授權的 Anthropic Claude Code 擴充套件副本,涉及 2.1.312 與 2.1.313 兩個版本,適用公告所列的 Windows 和 macOS 情境。Anthropic 沒有發布這些副本;Cursor 表示 Open VSX 市集也沒有出現惡意程式。
這些版本在 10 月 29 日約上午 2:27 至下午 1:35(太平洋時間)期間可取得,約 11 小時。Cursor 後續估計,最多 5,000 名在當天要求特定快取版本的使用者可能收到惡意建置版;這是可能收到的上限,不是確認感染人數。Cursor 另表示,未使用 Privacy Mode 的使用者中,不到 0.05% 的程式代理紀錄受到暴露,並稱已識別及通知相關使用者。這個比例指的是未使用 Privacy Mode 的使用者紀錄,與 API 憑證暴露客戶的比例不是同一項統計。
兩份公告分別說了什麼?
Cursor 表示,發現異常活動後停用了供應商金鑰,撤銷並輪替已知暴露的憑證,也預防性輪替內部系統使用的憑證;它並移轉推論流量、重建擴充套件市集、加強密鑰掃描與網路存取限制。Cursor 說它觀察到的最後一次攻擊活動發生在 11 月 1 日,當時已被阻擋;公司認為事件已受控制,仍會持續監控。
Fireworks 在 11 月 9 日發布自己的事件更新,也提到另一段時間與路徑:一間託管其研發機器的第三方雲端供應商於 10 月 23 日發生資安事件,未授權者隔天進入 Fireworks 開發機器並執行未授權工作負載。Fireworks 說,這段活動影響其部分客戶的帳務資料,少數帳戶的秘密、資料集與未完成模型也受到影響;當時它尚未偵測到 Inference、Training SDK 與 Nexus 受到影響,調查仍在進行。
Cursor 將其共享資料桶的存取歸因於一把在 Fireworks 端暴露的 Cursor 金鑰;Fireworks 則描述了第三方雲端供應商及研發機器的後續事件。兩家公司各自公告的系統、日期與受影響資料不同,閱讀時應保留來源歸屬,不能把 Fireworks 所述的額外資料影響直接套到 Cursor 客戶身上。
如果使用過受影響版本,公告建議怎麼做?
Cursor 的 10 月 29 日安全公告建議:若在指定時段從 Cursor VS Code 擴充套件市集安裝或更新到 2.1.312 或 2.1.313,應依公告檢查受影響跡象,搜尋端點、網路及擴充套件安裝紀錄;若發現惡意程式執行或後門安裝跡象,隔離主機並移除未授權金鑰、持續執行機制與通道程序。公告也提醒,單純解除安裝擴充套件可能不足以清除持續執行的檔案,並建議從可信任的系統輪替受影響主機可存取的憑證與工作階段。
Cursor 表示,使用 Privacy Mode 的提示與程式碼沒有受影響;對其他資料範圍,應以公司提供的個別通知及兩份公告各自列出的條件為準。若需要檢查步驟,請直接參照 Cursor 的 10 月 29 日安全公告 和 11 月 13 日調查更新。
原文:https://easyvibecoding.app/curated/3737-cursor-security-incident-investigation
讓 agent 學會做事,先把目標設計成容易回饋
LangChain 執行長 Harrison Chase 與 Actively AI 的 Mihir Garimella、Anshul Gupta 在 2026 年 11 月 14 日發表文章,提出一個設計方向:讓 agent 的工作範圍容易被人檢視與回饋。他們用 Actively 的銷售 agent 為例,說明為何從「每個客戶帳戶一個 agent」轉向按工作類型整理任務,可能讓相似工作更容易一起審閱,也讓回饋更容易沿用。
這是作者分享的設計原則與產品案例;文章沒有提供獨立量化評估。讀懂這個主張的關鍵,是分清兩種脈絡:帳戶資料通常能寫進文件,而做事的偏好往往得由人提供回饋。
Goal Engineering 文章封面:以 LangChain 品牌呈現「Goal Engineering」。
為什麼目標範圍要配合回饋?
過去的 agent 多半負責生成文字或呼叫工具;現在的設計開始讓它們執行完整任務,甚至朝較長期、開放式的目標推進。目標越開放,光給資料與工具可能越不夠:人還需要指出什麼做法符合情境、什麼結果需要調整。
作者把這個問題稱為 goal engineering,也就是設計 agent 的工作範圍與目標。他們的建議是,讓人能在 agent 工作過程中容易給出高品質回饋。這是作者從相關 agent 設計經驗提出的原則,並非經獨立實驗證明的通用成效。
依作者原則與 Actively 案例整理:作者主張工作範圍應便於人類回饋,案例描述相似任務可沿用回饋;這不是獨立量化結果,也不代表所有工作都適合同一分組。
概念圖將 prompt engineering 與 context engineering 劃去,並突出 goal engineering。
作者認為,agent 出錯的一個常見原因是缺少合適脈絡。文件、API 等資訊可以透過授予存取權補上;更難提供的是沒有寫下來的知識,例如品牌語氣、品味,或在特定工作中應該多積極。這些偏好通常要由熟悉業務的人看過產出後,透過回饋教給 agent。
圖解文件與 API 等已寫下的資訊,以及需由人類專家回饋的偏好,並對應不同解法。
LangChain 官方文章也保留了這張脈絡比較圖,呈現文件與 API 可供 agent 存取,而品味、品牌語氣與積極程度等偏好則仰賴人類專家回饋。
LangChain 官方文章的脈絡圖:文件與 API 可供 agent 存取;品味、品牌語氣與積極程度則仰賴人類專家回饋。
作者也指出,檢視 agent 工作本身需要時間,但這些審閱能把人的領域知識轉成可傳遞的回饋。因此,回饋介面是否清楚、一次檢視的工作是否相近,都會影響人能否方便地指出問題與偏好。
Actively 為什麼把 agent 從帳戶改成 motion?
文章接著介紹 Actively 的銷售 agent。第一版以客戶帳戶為單位:每個潛在客戶帳戶有自己的 agent,負責推進帳戶,並提出待銷售人員核准的動作。這種安排讓 agent 能圍繞個別帳戶工作,但作者描述,推進一個帳戶會涉及多種工作,而且工作可能分散在不同時間;同一位銷售人員也因此需要在多個 agent 之間切換。
比較以帳戶為中心的 agent 與以工作任務(motion)為中心的 agent,後者共用學習並取得帳戶脈絡。
另一個問題是,怎麼做 outbound、如何回覆、談 deal 時採取什麼策略、該多積極,以及如何應對大型組織,這些做法可能跨越多個帳戶。若一個帳戶 agent 學到的經驗很難轉給其他 agent,銷售人員就得重複提供相似回饋;作者也將這描述為分享學習時的操作摩擦。
在文章所述的第二版中,Actively 把按工作類型組織的 agent 稱為「motions」。一個 motion 對應一類工作,例如 outbound 或早期 deal 推進。銷售人員可以一起檢視相似任務的產出,並把一項任務得到的回饋用於同一 motion 的其他任務。帳戶資料仍然重要;文章說,Actively 另有背景執行的 context-gathering agents 整理各帳戶脈絡,再由 motions 在需要時取用。
LangChain 官方文章的 motion 圖:從每帳戶一個 agent 轉為每種工作任務一個 agent,共享學習並匯入帳戶脈絡。
LangChain 文章也以圖呈現這種分工:每個帳戶仍有自己的脈絡,但相似工作由 motions 跨帳戶處理。圖說反映的是文章中的案例描述,沒有另行測量不同配置的成效。
LangChain 官方文章的 Goal Engineering 標題圖。
這個案例能說明什麼?
從帳戶切換到 motion,核心改變是把審閱與回饋的單位,對齊相似的工作任務:人可以一起檢視同類產出,回饋也比較容易在同類工作間沿用。這說明了作者的設計思路,不代表所有 agent 都適合按工作類型拆分;案例談的是 Actively 的銷售情境,沒有提供可用來比較普遍效果的量化結果。
Actively 首頁目前以 Per-Account Agents 描述產品定位;這是廠商首頁文案。它沒有說明首頁定位與文章所述 motions 案例的關係,也不足以判定 motions 是否取代或搭配每帳戶一個 agent。理解這兩項材料時,應把首頁的產品自述與作者對案例演進的描述分開看。
設計 agent 時,可以先問哪一件事?
文章最後把問題帶回人類審閱:如果工作需要領域偏好或主觀判斷,先找出哪些產出適合一起檢視,再設計 agent 的工作範圍,讓人能針對這些產出給回饋。依作者的論點,工作範圍與審閱方式越對得上,人的回饋就越容易整理並傳給 agent。
Chase 等人預期,未來可能只需交給 agent 一個目標,由它持續推進;這是作者對未來的展望。文章的案例則呈現了當下較具體的設計問題:當任務包含難以預先寫清楚的偏好時,如何安排工作單位,讓人更容易檢視與教回 agent。
原文:https://easyvibecoding.app/curated/3736-design-agent-goals-for-feedback