最新

最近在使用 Antigravity 时，我遇到了奇怪的搜索问题。 今天，我搜索了 ListenUnixSocket，想看看它在哪里被使用。搜索结果只有大约六个，而且全都是定义和测试文件。实际调用该函数的代码完全不见踪影。我差点把它删了，还以为是废弃代码。 我检查了拼写和大小写，也硬刷新了页面，但没有任何改变。最后，我不得不手动找到调用代码。 更离谱的是：当我打开那个特定的文件，并在里面进行搜索后，主搜索终于更新了。缺失的代码神奇地出现在了我的正常搜索结果中。 感觉像是一个缓存错误。有没有其他人注意到这种情况？

目前大多数 LLM 工作流程都依赖于云 API，这意味着需要将数据发送到系统外部。 我们一直在研究一种替代方案：一个完全本地化的技术栈，让您无需依赖外部提供商即可运行和调整模型。 我们的想法不仅仅是在本地运行模型，还要使其对特定领域（法律、医疗、内部知识）有用，同时保持模型足够小，以便在通用硬件上运行。 当前状态： 1. 本地推理引擎（GGUF，与现有工具 API 兼容） 2. 原型模型中心，具有 REST 端点和模型元数据 3. 正在开发将通用模型适配到特定领域的流程 我们试图解答的开放性问题是，这个过程是否可以实现可复现性，而不仅仅是一次性的微调。 如果可行，它将减少许多实际应用场景中对云端 AI 的需求。 代码库：[https://github.com/eullm/eullm](https://github.com/eullm/eullm) 欢迎分享其他从事本地优先 AI 领域工作者的想法。

最近我一直在评估 Agent 沙盒解决方案，突然意识到，对于允许 Agent 写入当前工作目录（CWD）的工具来说，存在一个巨大的持久性漏洞。 我最初认为这没问题，因为我们可以审查 Git 差异中的所有内容。但后来我意识到，Agent 可以写入各种各样的文件，而我作为开发者，最终会在沙盒之外执行这些文件。例如，每个 .pyc 文件、.venv 中的文件、.git 钩子文件。 ChatGPT[1] 证实了潜在的漏洞，并指出在 Agent 沙盒工具的背景下，对此类问题的讨论并不多。 我的结论是，唯一真正安全的沙盒技术是将文件从沙盒通过某种 Git 补丁或类似方式传输到开发者的机器上。也就是说，文件只有在版本控制中才能传输，因此，开发者在沙盒外传输之前，应该已经对其进行了审查。 有什么想法或建议吗？ 1: https://chatgpt.com/share/69c3ec10-0e40-832a-b905-31736d8a3438