
Sign up to save your podcasts
Or


Supabase 開發示範:代理參與流程,權限範圍要分開看
Supabase 分享了一段產品團隊的開發示範,描述團隊成員帶著一名承包者走過入職第一天的代理協作流程。貼文列出 ChatGPT 登入與 scoped access tokens、Supabase MCP server 與 agent skills、使用 pg-delta 的宣告式 schema,以及用 Supabase Notebooks 診斷即時 deadlock 等片段。影片畫面也展示 migration 套用成功與資料庫日誌查詢;這些是示範畫面,不能據此判定每種設定都適用於其他專案。原始貼文
Supabase 產品團隊的現場示範,從範圍權杖與 MCP/skills 設定,走到宣告式 schema 與使用 Supabase Notebooks 進行即時死鎖除錯。
原始影片縮圖:講者站在投影幕前進行產品示範。
「範圍」要看它限定的是哪一種存取
「scoped」表示存取有範圍,但單看這個標籤,還不知道它限制的是什麼。Supabase 的 MCP 文件說明,遠端 MCP 可以限定到單一專案;若沒有選擇專案,則可存取所有專案。這是 MCP 的專案範圍設定,文件沒有指出影片中的使用者採用了哪種配置。Supabase MCP 文件
另一種容易混淆的設定是個人存取權杖(PAT)。Supabase 的 PAT 文件指出,建立 token 時可以依組織、專案和所需權限設定範圍。這說明 PAT 的設定方式;貼文沒有指出其中的 scoped access token 是 PAT。Supabase PAT 文件
影片畫面展示了哪些開發步驟?
貼文把幾段內容標在 02:28、03:03、05:05 和 07:07:依序提到 ChatGPT 登入與 scoped access tokens、Supabase MCP server 與 agent skills、使用 pg-delta 的宣告式 schema,以及用 Supabase Notebooks 診斷即時 deadlock。這些時間點提供各段主題,不是逐步操作說明。原始貼文
在約 05:16 的畫面中,終端機顯示 CLI 產生 migration、建立資料表與政策,並顯示 migration 已成功套用。約 07:44 的畫面則呈現對資料 API 回應日誌的查詢,表格列出不同 HTTP 狀態的請求數。這些是影片中展示的操作畫面,並未提供可推廣到其他環境的測試條件或完整操作紀錄。
影片約 05:16 的畫面:CLI 顯示 migration 已套用成功;這是示範中的一個操作結果。
把開發環節和權限設定分開理解
貼文列出代理協作涉及的登入、MCP、skills、schema 與診斷等開發環節。官方文件補充兩種不同的設定背景:MCP 可以限定專案範圍;PAT 可以依組織、專案與權限設定。兩者設定對象不同,文件也沒有確認示範中使用的 token 類型、專案選擇或具體權限。
因此,這段示範呈現了代理參與開發流程的幾個環節;要判斷代理能存取什麼,仍須查看實際採用的 token 與 MCP 設定。
依 Supabase MCP 與 PAT 文件比較設定範圍;文件不證明影片採用特定配置。圖形不表示數值比例。
原文:https://easyvibecoding.app/curated/3688-supabase-agent-assisted-development-demo
METR估 Anthropic AI研發進展約快一倍,公開證據仍有缺口
METR 於 2026 年 11 月 5 日發布對 Anthropic 的 AI 研發加速評估。報告估計,截至 2026 年 10 月,Anthropic 在明確規格任務上的模型能力進展速度,約為 2024 年 3 月至 2025 年 10 月的兩倍;但 METR 同時強調這是高度不確定的判斷,不能直接推廣到所有工作,也不等於 AI 已進入超指數成長。
報告估計的「兩倍」指什麼?
METR 團隊在 2026 年 8 月至 10 月間,使用 Anthropic 提供的內部資料評估 AI 是否正在加速 AI 研發。報告區分了對能力進展的整體判斷與基準分數的統計估計:前者是截至 2026 年 10 月,明確規格任務的進展速度約為過去的兩倍;作者認為實際加速可能更接近 1.3 倍或 3 倍。
另一項估計來自 AECI,也就是 Anthropic 版本的 Epoch Capabilities Index。METR 認為,Anthropic 模型的 AECI 基準分數自 2025 年 10 月起,以此前速度的 1.9 倍成長,95% 信賴區間為 1.5 至 2.8 倍。報告將其概括為:過去一年在基準上的進展,約等於此前兩年的進展。
METR 的 AECI 圖顯示,納入內部模型與基準後,截至 2026 年 10 月的基準分數成長速率約為 2025 年 10 月前的 1.9 倍(95% 信賴區間 1.5–2.8 倍);圖中並以誤差棒和前後期趨勢線呈現資料。
METR 的 Probit robustness 圖估計截至 2026 年 10 月的 AECI 成長速率為 2025 年 10 月前的 1.8 倍(95% 信賴區間 1.3–2.7 倍);這是不同 link function 下的敏感度分析。
METR 的 Cauchit robustness 圖估計截至 2026 年 10 月的 AECI 成長速率為 2025 年 10 月前的 2.8 倍(95% 信賴區間 1.5–4.1 倍);這是不同 link function 下的敏感度分析。
這兩個 Cauchit 信賴區間的下限不同:METR 報告正文的穩健性表格列 2.8 倍(95% 信賴區間 2.0–4.1 倍),圖中則列 2.8 倍(95% 信賴區間 1.5–4.1 倍)。報告沒有說明差異來源,因此本文並列兩個原始標示,不推定哪個數值已校正,也不調和其精度。這是不同 link function 下的敏感度分析;主設定仍是 AECI 估計的 1.9 倍(95% 信賴區間 1.5–2.8 倍)。
METR 的 complementary log-log robustness 圖估計截至 2026 年 10 月的 AECI 成長速率為 2025 年 10 月前的 1.1 倍(95% 信賴區間 0.8–1.5 倍);這是不同 link function 下的敏感度分析。
METR 比較三種 AECI 擬合使用的 link function:Logistic 作為基準、complementary log-log 假設容易題較長尾、log-log 假設困難題較長尾。圖註明這是函數示意,並非資料擬合。
閱讀時要把三個數字分開:約兩倍是 METR 對截至 2026 年 10 月明確規格任務能力進展的主觀估計;1.9 倍(95% 信賴區間 1.5–2.8 倍)是 AECI 基準分數自 2025 年 10 月以來的估計成長率;約 80%則是 METR 對目前加速中 AI 貢獻占比的推測。它們的對象、期間和證據性質不同,不能互換。
METR 以標示「Illustrative/Fake Data」的圖示範歷史成長率 2 倍/年、當前 9 倍/年與反事實 3 倍/年,並算出相對反事實約 2 倍、相對歷史約 3.2 倍;參數是虛構示例,並非報告實測估計。
三項估計的對象與證據性質不同;AI 歸因約80%是 METR 的主觀推測。
加速有多少可歸因於 AI?
METR 表示,評估期間未找到訓練算力成長加快的證據能解釋這次加速;至於其他原因,團隊沒有取得決定性證據。報告推測,截至 2026 年 10 月,當前加速可能多數來自 Anthropic 使用 AI 進行研發,或許約占八成,但作者明確稱這項判斷有重大不確定性,也認為 2025 年後期的加速可能受非 AI 因素影響。
METR 以明確標示「FAKE DATA」的示意圖,區分含 AI 的 AECI 觀察值、未使用 AI 的最佳估計與歷史趨勢,並示意 2026 年 10 月的增量可能來自 AI 或非 AI 因素。這不是實測資料。
METR 的架構圖將演算法、資料品質與算力連到預訓練能力與強化學習能力,再連到模型能力;圖中呈現影響路徑,沒有數值資料。
報告也整理員工訪談與非正式問卷。Anthropic 員工在 2026 年 10 月的 Slack poll 中,自陳使用 AI 後的助益最高達 12 倍;METR 將這類回答視為寬鬆證據,並提醒個人感受到的工作加速倍數,不等同於模型能力進展的加速倍數。
這張圖彙整 Anthropic 員工非正式問卷與 Slack poll 的自陳助益,呈現不同模型時點與估計曲線;圖註提醒這類結果只能視為寬鬆證據。
為什麼訪談說「很難確認」?
METR Live 的訪談摘要提出另一個問題:現有方法能否辨識比指數成長更快的「雙曲線式成長」?訪談者用「能力先提升 1%,再提升下一個 1% 是否因此更容易」說明這個概念。受訪者表示,當時能檢視的內部模型數量有限、資料約只有一年,而且重要證據遭刪節;現有方法未必能有把握地確認或排除這種成長。
METR 訪談片段討論:現有方法與有限資料,可能無法可靠判定 AI 研發是否已進入雙曲線式成長;受訪者指出,目前缺少足夠公開證據確認或排除這種情況。
這與報告估計的基準分數加速並不矛盾:AECI 顯示的是某組基準分數在特定期間的成長率;「雙曲線式成長」則是更強的命題,涉及進展是否會讓後續進展本身愈來愈容易。報告估計能力進展加快,不代表它已證明後一種情況正在發生。
公開報告有哪些限制?
Anthropic 對報告中的非公開資料行使刪節權。METR 表示,多數最能幫助判斷結論的證據遭到刪節,因此讀者無法直接檢視全部依據,必須更大程度依賴 METR 的判讀。報告也指出,AECI 著重可明確評分的任務,基準變化未必能完整代表較不明確的實際工作;而模型評估資料較稀疏,也可能落後於研發變化。
所以,這份報告提供的是帶有重要不確定性的評估:METR 認為 Anthropic 的模型能力在明確規格任務上進展加快,且 AI 可能是其中主要因素;公開材料仍不足以讓讀者獨立檢視所有關鍵證據,更不足以確認超指數或雙曲線式成長已經發生。
METR 訪談片段討論:現有方法與有限資料,可能無法可靠判定 AI 研發是否已進入雙曲線式成長;受訪者指出,目前缺少足夠公開證據確認或排除這種情況。
原文:https://easyvibecoding.app/curated/3683-metr-estimates-anthropic-ai-rd-progress-about-twice-as-fast
讓代理自己檢查介面:Rune 把 Rust UI 接上 headless 渲染
Rust Bytes 介紹的 Rune,是一套面向桌面與 Web 的 Rust UI framework。它把自己的 renderer、文字、版面與動畫 spring 放在同一套框架裡;這次值得注意的地方,是每個 app 都能在沒有可見視窗的情況下執行,讓代理可以輸出 PNG、檢視元素樹,並用腳本操作介面。這使「做完再看一眼」能成為開發流程中的具體步驟,而不是只靠讀程式碼猜畫面。
Rune 展示片段依序呈現開關、照片圖庫、音樂節拍面板與 Rune 標誌。
短片是產品畫面展示;來源未說明各項功能的規格或成熟度。
Rune 展示預覽:深色畫面中央顯示「Lights off」與關閉狀態的切換鈕。
從畫面到可檢查的結構
一般介面開發常要啟動視窗、找到控制項,再人工確認呈現是否符合預期。Rune README 描述的 headless 路徑,則讓 app 在沒有視窗時也能渲染 PNG、輸出元素樹,並接受腳本輸入。PNG 回答「畫面長什麼樣」,元素樹則提供可檢視的介面元素;兩種輸出讓代理能檢查不同層次的結果。
README 的範例把一個燈光切換鈕表示為帶有角色、標籤與 checked 狀態的元素,並設定按下後切換狀態。這讓讀者看到 Rune 所說的「檢視元素」可以對應到哪些介面資訊;README 也建議讓代理從 examples/hello 和 crates/rune/README.md 開始,再以 headless PNG 與元素樹檢查成果。
依 Rune README 整理範例流程;.checked(s.on) 是程式設定,圖中的元素樹只列 role 與 label,不代表完整品質保證。
Rune repository demo 畫面呈現深色程式助理介面,對話標題為「Fix flaky reconnect in the event stream」。
Rune 標誌圖以金屬方塊字呈現,附有「Native, GPU-rendered UI in Rust」與專案網址。
跨平台框架仍在預發布階段
Rune 專案頁將它描述為支援 macOS、Windows、Linux 與 Web 的 native GPU-rendered Rust UI framework,並提醒使用者目前是 pre-release,依賴時要固定 dev 分支的 revision。平台支援的描述和預發布限制要一起看:README 展示了代理可採用的檢查方式,但這些資料本身沒有提供效能基準、與其他框架的比較,或穩定版承諾。
延伸閱讀
Rune 官方 repository:README 說明 headless PNG、元素樹與 scripted input 的工作方式,並提供範例及預發布提醒。 Rust Bytes 的 Rune 介紹:介紹 Rune 的桌面與 Web 定位,以及代理可使用的 headless rendering 和元素檢視能力。
原文:https://easyvibecoding.app/curated/3680-rune-rust-ui-headless-agent-rendering
Claude Personal Finance 開始在美國推出 beta:可連結帳戶查看支出並規劃目標
Anthropic 表示,Claude Personal Finance 正逐步向美國的 Pro、Max 與 Ultra 方案用戶推出 beta。它讓使用者在 Claude 的 Personal Finance hub 連結金融帳戶,查看支出資訊並討論財務安排;官方說明 Claude 的帳戶存取為唯讀。這次公開的是一項仍在逐步推出的功能,不代表所有符合方案的使用者已經取得使用權。官方文章;X 貼文
它能協助整理哪些財務資訊?
官方文章中的示例展示了幾種使用方式:查看月度帳單後的可用餘額、整理各類支出,以及檢視薪資入帳前的支出項目。另一段產品示範畫面則呈現帳戶選取、支出與帳單檢視,以及儲蓄和旅遊規劃。這些是文章範例與展示畫面,說明介面如何呈現資訊;不等於對任何使用者的財務結果作出保證。Anthropic 也提醒,Claude 的回答可能出錯;讀者可以追問某個數字依據哪些交易,並向銀行核對重要金額。官方並說,Personal Finance 並非為提供投資建議而設計。Anthropic 官方文章
Personal Finance 首頁示範查詢月度帳單餘額與餐飲支出。
來源:Anthropic 官方文章
Claude 回覆月度支出摘要,列出分類、金額與交易筆數。
來源:Anthropic 官方文章
帳戶連結與資料使用有哪些條件?
Anthropic 表示,使用者須自行透過 Plaid 登入銀行以連結帳戶,Claude 對帳戶的存取是唯讀。影片畫面展示了帳戶選取與理財介面;本文對連結方式與存取權限的說明依據官方文章,而非影片語音。
使用者透過 Plaid 連結帳戶,Claude 唯讀查看支出並討論規劃。依 Anthropic 官方文章;銀行與帳戶支援情況各異。
Claude Personal Finance 示範帳戶選取、支出檢視、儲蓄與旅遊規劃。
來源:TestingCatalog 原貼文
Claude 列出薪資入帳前的支出項目與帳戶餘額計算示例。
來源:Anthropic 官方文章
官方也說,在 Personal Finance hub 內與 Claude 的對話不會用於訓練其模型;若在 hub 外分享對話,則適用一般隱私設定。這項說明的範圍是 Personal Finance hub,不宜擴大解讀為所有 Claude 對話都適用同一規則。
若要理解一般消費者產品的資料保留方式,Anthropic 隱私中心另稱:刪除對話後,內容會立即從聊天紀錄移除,並在 30 日內從後端儲存系統刪除;符合條件的新開或續接對話,若使用者允許用於改善 Claude,可能以去識別形式在訓練流程保留最多五年。該政策另列幾種保留例外:若對話或工作階段被信任與安全系統標記為違反 Usage Policy,輸入與輸出可保留最多兩年,信任與安全分類分數最多七年;使用者提交回饋後,相關資料保留五年。Anthropic 也表示,法律要求、處理爭議或防止 Usage Policy 違規所需時,可能保留聊天與程式工作階段。這是一般保留說明,並非 Personal Finance hub 專屬條款。Anthropic Privacy Center
beta 推出仍有範圍限制
Anthropic 將 Personal Finance 描述為 beta,並表示功能正逐步向美國 Pro、Max 與 Ultra 方案推出。實際可用性因此取決於推出進度。文章日期為 2026-11-05;產品圖片未標示各自的版本或日期。
原文:https://easyvibecoding.app/curated/3672-claude-personal-finance-beta-us
Sean Rickerd 主張以代理權限邊界界定 AI 事故責任
2026 年 11 月 5 日,Red Hat OpenShift 的 X 貼文以「五歲孩童」比喻 AI 代理,並附上一段約 2 分 18 秒的影片。貼文連結到資安作者 Sean Rickerd 的文章;Rickerd 問的是:誰批准了它具備採取這些行動的權限?這是作者提出的治理觀點,不是 OpenShift 標準或產品功能的獨立驗證。
OpenShift 貼文附帶的 AI 代理治理影片。
影片來源說明:OpenShift 官方 X 貼文,2026-11-05。影片以口述比喻介紹代理治理;本文不據此確認特定產品控制的實作。
OpenShift 貼文所附影片縮圖。
來源圖:OpenShift 官方 X 貼文附帶的影片縮圖。
核准代理,實際上核准了什麼?
Rickerd 從事故情境切入:代理可能暴露資料、變更基礎設施、對外傳送內容、刪除資料,或把各自看似合理的操作串在一起。事故後,人們會追問代理做了什麼、為什麼這麼做、哪些控制失效;他認為還得追問誰接受了讓代理可以這樣做的風險。
傳統核准通常對應較明確的對象,例如服務用途、使用者角色或應用程式的資料庫存取權。代理的情況不同:核准的可能不是一個指定動作,而是讓它自行決定下一步的能力。模型、提示、工具、憑證、可讀資料、可執行動作、支出與可修改系統等權限,單看或許都說得通,組合起來卻會改變風險。問題不只在代理可能出乎意料,也在於它手上有多少權限,能讓意外造成實際後果。
Sean Rickerd LinkedIn 文章封面。
文章發布於 2026-10-13。
Rickerd 也區分了不同角色的責任:資安團隊可以評估控制措施是否合理,平台團隊可以說明現有權限,AI 團隊通常說明預期行為;若代理獲准執行業務動作,授權所帶來的剩餘風險應由該業務功能的負責人承擔。不過,若沒有人能說清代理實際擁有哪些權限,業務負責人也難以有充分資訊地接受風險。這是作者對責任分工的主張。
把核准落在可說清楚的權限邊界
Rickerd 認為,逐一核准代理未來每個動作並不實際;較可行的做法,是先界定它可以活動的範圍。作者列出的邊界包括:代理能接觸哪些系統、能執行哪些類別的動作、使用誰的身分、權限維持多久、交易上限為何、哪些情況要升級處理,以及哪些動作必須禁止。風險決定應對應這一整組權限,而不是籠統地說「代理已獲核准」。
依 Sean Rickerd 的文章整理代理權限邊界;不是 OpenShift 產品控制清單。
他用幼兒安全作比喻:大人無法預測孩子在家中每個決定,但可以移除危險物品、設置門閘,限制孩子能接觸的環境。這個比喻要說明的是控制環境與權限邊界的思路,並非代理系統的技術模型。
事故發生後,文章建議至少能回答:誰授予了這些權限、授權的理由是什麼、誰接受剩餘風險,以及有什麼證據顯示核准者理解自己批准了什麼。若權限散落在身分與存取管理、代理框架、OAuth 同意畫面、API 設定和久未整理的服務帳號中,能力可能逐步累積,最後難以追溯誰曾核准整體能力。
因此,Rickerd 把代理治理連回較早就存在的資安問題:權限過大、授權範圍不清、已被遺忘的授權,以及能力遠超過管理者記憶的憑證或工具。他的文章提供的是治理建議與事故追責問題;OpenShift 貼文和影片則是品牌方對代理治理的介紹。兩者都不能單獨證明某個產品已實作文中列出的全部控制。
查看 OpenShift 原始貼文 · 閱讀 Sean Rickerd 原文
原文:https://easyvibecoding.app/curated/3670-sean-rickerd-agent-authority-boundary-risk
OpenAI 用 AI 資安管線分析 Linux 核心:從 2,308 個候選發現到 948 個獨特 LPE
OpenAI 公布一項 Linux 核心資安研究:研究團隊用一套以新一代資安模型為核心的管線,依序搜尋、重現並評估漏洞,再產生候選修補供研究人員審查。OpenAI 表示,這次研究找出 2,308 個候選發現,動態重現 1,724 個漏洞,並以 948 個獨特的本機權限提升漏洞(local privilege escalation,LPE)計算成果。這些數字描述的是不同階段的結果,不能把候選發現直接當成已確認漏洞,也不能把工作中的 exploit 數量等同於獨特漏洞數。
這項研究值得注意之處,在於它呈現了大規模自動化資安研究的工作方式:模型可以加快掃描與驗證,但每一階段仍要篩選證據,並由人員檢視結果。OpenAI 說,原型在受控研究環境中分析 Linux 核心;公司也表示,在掃描與人工分析完成時,部分漏洞已有上游修補或 staging patch。這是研究當時的狀態紀錄,不代表所有候選修補都已合併。
管線如何把候選發現變成可審查結果
研究流程先讓 Scout agents 找出值得檢查的程式碼範圍,再由 Analyst agents 提出候選漏洞。接著,triage agents 在隔離的虛擬機中嘗試重現候選問題,留下執行證據;後續再評估已重現漏洞可能造成的影響,並產生候選修補。最後,OpenAI 的安全研究人員檢視 exploit、修補與嚴重度,再向維護者通報。
這種分階段設計回應了研究中一個實際難題:大量候選結果無法逐一靠人工從頭調查。候選發現必須經過動態重現,才有證據確認它是否能在指定環境中造成問題;重現成功後,還要進一步判斷它能跨越什麼安全邊界。OpenAI 將重現與 exploitability 評估分開,讓讀者看見「發現問題」與「證明問題能造成特定影響」並非同一件事。
OpenAI 描述的研究流程分階段產生不同結果,候選修補仍需審查。
幾組數字各自代表什麼
OpenAI 表示,系統去重後產生 2,308 個候選發現;研究團隊在 30 小時內動態重現其中 1,724 個,約占 74.7%。沒有重現的候選不全是錯誤分析:文章提到,有些需要更高權限,或因競爭條件、特定觸發條件及驗證時間而未能在預算內重現。公司另稱,只有 3.1% 的候選屬於模型建立在不可能條件上的錯誤分析。
漏洞重現後,系統再篩選可能造成資訊洩漏或本機權限提升的結果。文章報告了 1,169 個可運作的 LPE exploits;經變體分析後,團隊為相關漏洞製作了 948 個不同的候選修補,並以這個修補數計算獨特 LPE 數量。因此,1,169 是工作 exploit 的數量,948 是 OpenAI 用來計算獨特 LPE 的數量。候選修補仍需維護者審查,不能視為已合併修補。
原 X 圖將 948 標為 working LPE exploits;完整文章分列 1,169 個工作 exploits 與以不同候選修補數計算的 948 個獨特 LPE。
| 指標 | OpenAI 報告的數字 | 代表的階段 | | --- | ---: | --- | | 候選發現 | 2,308 | 經去重的候選結果 | | 動態重現 | 1,724(約 74.7%) | 在研究環境中成功重現的漏洞 | | 可運作的 LPE exploits | 1,169 | exploit 開發結果 | | 獨特 LPE 計數 | 948 | 依不同候選修補數計算 |
成本是這次研究的估算,不是通用單價
OpenAI 的 X 貼文稱,整次執行的 API 成本約 120 萬美元;完整文章提供較精確的數字:1,213,430 美元,平均每個 LPE exploit 約 1,279 美元。文章另稱,成功 exploit 的開發成本平均約 359 美元。這些數字依該次使用的模型、目標設定與工作流程而定。
OpenAI 表示,這項研究著重於方法與模型能力,不以成本最佳化為目標;公司預期,改進 harness 工程可降低各階段成本,因此將報告成本視為上限估計。文章也把歷史漏洞獎金套用到研究結果,推算出可能的獎金價值;那是依公開獎金作的假設比較,不是已領取的報酬。
修補進度與人工審查仍是流程的一部分
文章記錄,這次掃描與人工分析完成時,OpenAI 報告 61 個 LPE 已在上游修補、43 個已有 staging patch,另有約 299 個正被公開通報或討論。這些是研究完成時的狀態快照;staging patch 不等於已合併,公開討論也不代表漏洞已修復。
OpenAI 說,團隊已依 Linux 核心社群的建議,先通報嚴重漏洞並提交部分修補,其他報告與修補則與合作夥伴逐步推進。這使人工檢視不只是流程末端的形式確認:它負責檢查 exploit 是否真的利用了指定漏洞,也讓維護者能檢視漏洞根因與候選修補,再決定如何處理。
這次研究提供的是 OpenAI 對單一受控 Linux 核心研究的自述結果。它展示了自動化管線如何把大量候選逐步縮小成可重現、可評估、可交由維護者審查的材料;數字的解讀仍須保留各階段差異、成本條件與修補狀態。
OpenAI 的 Linux 核心漏洞研究數據圖:列出 2,308 個候選發現、1,724 個驗證結果,以及資訊洩漏與本機權限提升的篩選和利用結果;圖中 API credits 為 120 萬美元,並註明圖形寬度不按比例。
原文:https://easyvibecoding.app/curated/3666-openai-linux-kernel-ai-vulnerability-pipeline
agent-desktop 1.2.0 將桌面控制命令提供為 MCP 工具
Vercel Labs 的 agent-desktop 在 v1.2.0 加入 MCP 支援,讓 AI 代理可透過 MCP 呼叫桌面操作命令。貼文特別提到,type、set-value 和 clipboard-set 可從標準輸入讀取文字;macOS 上也能點選只有清單本身可以選取的列,例如 Spotlight 搜尋結果。這次更新把既有桌面控制命令接上 MCP,讓採用 MCP 的代理有另一種呼叫入口。
MCP 怎麼接上桌面命令?
MCP 是讓模型或代理透過一致的工具介面呼叫外部功能的協定。agent-desktop 的 README 說明,執行 agent-desktop mcp 後,命令會透過標準輸入/輸出(stdio)以 MCP 工具形式提供;工具名稱對應命令,例如 desktopsnapshot、desktopclick 和 desktopsessionstart,呼叫時傳入該命令的參數,並取得 JSON 回應。README 也示範如何在 MCP 用戶端設定中指定 agent-desktop mcp 作為伺服器啟動命令。
這裡的分工是:MCP 提供代理呼叫工具的介面,agent-desktop 則提供桌面操作命令。README 指出,agent-desktop 透過作業系統的輔助使用樹讀取桌面介面,回傳可操作元素的參照;代理可以點選或輸入後再次讀取畫面資訊。產品本身不包含模型,操作流程仍由代理負責。
README 所述的 MCP 工具介面流程,圖中標示「呼叫工具」、「提供命令介面」與「回傳」;不代表本次實機測試。
貼文與示範涵蓋什麼?
貼文列出三項更新:每條 agent-desktop 命令都可作為 MCP 工具、部分文字輸入命令可讀取 stdin,以及 macOS 可點選 Spotlight 結果等由清單容器選取的列。Vercel Labs 的 v1.2.0 發行紀錄也列出 MCP 支援與 agent-desktop MCP 功能。貼文和發行紀錄說明了功能公告與版本變更;它們本身不等於在特定電腦上完成安裝或實測。
隨貼文的短片是無聲螢幕錄影:畫面展示 MCP 命令與工具清單、以 agent-desktop type @e2 --stdin 將文字送進文字編輯器,以及點選 Spotlight 結果列。這能說明影片展示了哪些操作畫面,但沒有呈現一次完整的 MCP 呼叫往返,也未驗證工具在實際應用中的運作結果。
README 另提醒,桌面快照、剪貼簿讀取、截圖、命令輸出和除錯資料可能含有私人桌面內容,應避免放進公開記錄或上傳。對會把桌面資料帶入代理工作流程的使用者來說,這是設定與資料處理時需要一併考慮的範圍。
Agent Desktop MCP 示範:展示 MCP 工具清單、從 stdin 輸入文字,以及 macOS Spotlight 結果列的點選操作。
Agent Desktop MCP 示範:展示 MCP 工具清單、從 stdin 輸入文字,以及 macOS Spotlight 結果列的點選操作。 影片中的 Prompt 與操作:
操作步驟: 1. (00:01)畫面輸入 `agent-desktop mcp`,接著顯示 desktop MCP 工具清單。 2. (00:04)畫面顯示 `agent-desktop type @e2 --stdin`,文字編輯器內容隨後呈現從 stdin 輸入的文字。 3. (00:07)展示 macOS Spotlight 結果列,並以點選列項目呈現選取操作。
原文:https://easyvibecoding.app/curated/3665-agent-desktop-mcp-tools
Images 2.6 上線:GIF、編輯工具與兩份不同的圖像榜單
OpenAI 宣布 Images 2.6 已進入 ChatGPT、Codex 與 API,新增 GIF 生成,並擴充影像編輯功能。這次發布也把 Flare、Sunburst 兩種 API 模型帶入比較:官方將 Flare 定位為較快的選項,Sunburst 則面向更高細節與編輯一致性。兩者的品質設定會影響比較結果,因此榜單上的模型名稱和設定需要一起看。
OpenAI 表示,新版生成速度比前一版快 50%;在 API 中,Flare 設為低品質時最快可在 6 秒內生成影像。這些是官方公布的描述,摘錄未交代 50% 比較的測試條件。官方另稱 Sunburst 在中、高品質設定下能提供更高品質與更好的跨次編輯一致性。公告也列出 API 的影像標記與 SVG 匯出,以及控制模型規劃程度的 complexity 參數;品質設定控制影像細節,complexity 則調整模型為符合要求所做的規劃。這些是功能與定位說明,並非本文獨立測試結果。
兩個榜單各自回答什麼?
DesignArena 的 Image 榜單快照標示更新於 2026 年 11 月 5 日 10:10 UTC。它把 GPT Image 2.6 Sunburst(quality: max、complexity: high)列在第 1 名,Elo 1382、2,762 場對戰;GPT-Image-2.5 Sunburst 列第 2 名,Elo 1378、10,414 場。GPT Image 2.6 Flare(quality: auto、complexity: high)列第 4 名,Elo 1358,平均生成時間 12.6 秒。這些數字對應榜單列出的特定版本與設定。
另一份資料是 Arena 的文字摘錄,頁面標示日期為 11 月 2 日,並非完整頁面擷取。該摘錄列出 GPT-Image-2.6 Sunburst(Medium)第 2 名、分數 1409、2,967 票;GPT-Image-2.6 Flare(Medium)第 4 名、分數 1384、2,792 票。它同時標示當時涵蓋 84 個模型、約 696 萬票。這些是另一日期、另一榜單與 Medium 設定下的快照。
DesignArena 與 Arena 各自快照中的排行與分數;日期、設定與榜單不同,分數不可跨榜合併。
兩站的分數、模型設定、日期與統計方式不同,不能把 Elo、名次或票數直接併成一張共同排名。DesignArena 說明其排名來自社群偏好投票:參與者在匿名呈現的模型作品間比較,成對比較結果用於 Bradley–Terry 評分。這反映該平台參與者的選擇,不等同於 OpenAI 公告中的速度測試,也不能單獨代表所有影像任務的表現。
從公告到可用範圍
OpenAI 表示 Images 2.6 已在 ChatGPT 與 Codex 的桌面、行動及網頁版提供,涵蓋所有訂閱層級;Flare 與 Sunburst 則可透過 API 使用。官方影片展示了在 ChatGPT 介面輸入提示、生成不同風格影像,再要求加入粉紅色雷射的編輯操作。這提供了功能操作的展示例子;影片沒有呈現數值圖表,本文也不把示範畫面當成獨立品質評估。
對一般使用者,這次更新的直接變化是可在 ChatGPT 中生成 GIF 並延續影像編輯;對開發者,重點則是 API 可選 Flare 或 Sunburst,並使用影像標記、SVG 匯出及 complexity 控制。要比較結果時,先核對榜單日期、模型版本與 quality/complexity 設定,再把生成時間和偏好排名分開理解。
OpenAI 示範在 ChatGPT 介面輸入提示生成不同風格的影像,並展示後續編輯;影片以 OpenAI 標誌收尾。
OpenAI 示範在 ChatGPT 介面輸入提示生成不同風格的影像,並展示後續編輯;影片以 OpenAI 標誌收尾。 影片中的 Prompt 與操作:
Prompt(00:01): 你可以做一隻跳舞的貓嗎?
原文:can you make a dancing cat
操作步驟: 1. (00:20)好,可以加上粉紅色雷射嗎?
原文:https://easyvibecoding.app/curated/3663-openai-images-26-gif-editing-image-leaderboards
Google 開放 Gemini TTS 提示式調聲:可微調音色、音高、語速與口音
Google 宣布,Gemini 3.8 Flash TTS 的 Voice Remixing 已在 Google AI Studio 與 Gemini API 上線。使用者可以從預設聲音或自訂聲音開始,再用文字提示調整聲音特徵;這讓調整方式從挑選聲音延伸到用自然語句描述想要的聽感。這是 Google 的上線公告,實際可用狀態可能依帳戶或地區而異。
提示可以調整哪些聲音特徵?
Google 列出的調整方向包括音色、音高、語速與口音。公告舉例,提示可以要求加入淡淡的美國南方口音,或把聲音改得像噴火龍。這些是提示範例,公告沒有提供各種提示在不同聲音上的一致性或效果評估。
依 Google 公告整理提示可微調的四種聲音特徵;連線不代表各提示效果一致。
影片展示了什麼?
附帶的產品展示影片呈現另一個例子:在 Google AI Studio 中,提示要求保留 Puck 的聲音,同時改成溫暖的英式口音、稍低且從容的語調。畫面接著播放並比較生成的語音版本,之後在 Playground 顯示選定的自訂聲音「Fireside Storyteller 2」。這說明畫面展示了提示調整、版本比較與選擇聲音的操作流程;本文不把未核實的影片語音辨識內容當作逐字稿或額外產品承諾。
目前公告與展示影片提供的是功能描述和操作示例,沒有交代 API 使用細節、價格、帳戶適用條件,也沒有獨立測試不同提示或聲音的結果。
Google AI Studio 的 Gemini 3.8 Flash TTS 畫面展示以提示調整自訂聲音,並比較生成的語音版本。
Google AI Studio 的 Gemini 3.8 Flash TTS 畫面展示以提示調整自訂聲音,並比較生成的語音版本。 影片中的 Prompt 與操作:
Prompt(00:20): 保留 Puck 的聲音,但改成溫暖的英式口音,音高稍低、語速從容,像在爐火旁朗讀童話的說書人。
原文:Keep Puck's voice, but shift to a warm British accent with a slightly lower, unhurried pitch, like a classic fairy-tale storyteller reading by the fire.
操作步驟: 1. (00:20)播放並比較生成的語音版本 1 與版本 2。 2. (00:38)在 Playground 顯示已選取的自訂聲音 Fireside Storyteller 2。
原文:https://easyvibecoding.app/curated/3662-google-gemini-tts-voice-remixing
Repo Doctor 示範 Antigravity 代理修復 CI,並在操作前請你核准
CopilotKit 發布 Repo Doctor 教學,示範如何讓 Google Antigravity 代理處理 GitHub CI 失敗:讀取檢查結果、執行測試、重現問題、修改程式,再把差異與修復證據交給使用者確認。這篇內容值得注意的地方,是它把修復步驟和高風險操作的核准流程放進同一個介面,並將推送限制在本機副本。
Repo Doctor 是一份 cookbook,聚焦在如何組合代理介面與工作流程。CopilotKit 的 X 貼文將它描述為一個「修復失敗 CI、並在高風險操作前與使用者確認」的 Antigravity 代理;貼文也提到會建立聊天介面、即時更新與核准功能。這些是作者對教學內容的介紹,並非獨立測試報告。
教學中的修復流程怎麼走?
官方教學描述的步驟,從讀取 GitHub CI 結果開始。代理接著執行測試、重現失敗、修改程式,展示差異並驗證修復,最後才進入推送步驟。使用者可以逐步核准,也可以選擇讓系統自動核准。
依教學內容整理;推送範圍是本機副本。
影片畫面補上了流程中的介面細節:先從 repository 清單查看 CI 狀態,再於對話中檢查 GitHub Actions 和 workflow 檔案。安裝依賴與執行檢查前,畫面都出現核准卡片;測試先顯示失敗,後續再顯示通過,結尾則呈現修正摘要和推送至本機分支的畫面。影片沒有音訊,因此這裡只描述可見畫面,不引用口述內容。
核准與推送的範圍
教學文章表示,安裝、檔案編輯、shell 命令與推送都要等待使用者核准或拒絕。它也明確說明,推送目標是 repository 的本機副本,因此這份教學展示的流程不會把變更送到 GitHub。理解這個範圍很重要:畫面中的「push」是推送到本機分支,不是已建立遠端 PR 或完成正式部署。
Repo Doctor 呈現的是一套教學應用所描述的操作流程與介面示範。來源沒有提供獨立的實際部署驗證,也沒有證明某次真實 CI 故障已由它修好;能確認的是教學所列步驟,以及影片畫面展示的核准卡片、測試狀態與本機分支推送。
Repo Doctor 介面展示 CI 故障排查流程:查看失敗工作流程與測試、核准安裝和檢查命令、查看通過的測試結果,最後顯示修正摘要及推送到本機分支的畫面。
Repo Doctor 介面展示 CI 故障排查流程:查看失敗工作流程與測試、核准安裝和檢查命令、查看通過的測試結果,最後顯示修正摘要及推送到本機分支的畫面。 影片中的 Prompt 與操作:
操作步驟: 1. (00:00)Repo Doctor 首頁顯示 CI 故障問題與 repository 選擇卡片。 2. (00:04)介面顯示檢查 GitHub Actions 狀態與 repository 工作流程。 3. (00:08)安裝依賴前出現需要使用者核准的操作卡片。 4. (00:13)顯示測試執行結果,其中畫面呈現測試失敗。 5. (00:16)執行檢查前再次顯示核准卡片。 6. (00:20)介面顯示檢查與測試通過的結果。 7. (00:24)結尾摘要修正內容,並顯示推送到本機分支。
原文:https://easyvibecoding.app/curated/3655-repo-doctor-antigravity-ci-approval
From the publisher's feed