科技资讯总览
今日科技资讯聚焦 AI Agent 的加速落地与随之而来的治理挑战。Anthropic 同时公布了 Claude 的系统提示词与水印技术细节，Kimi Work 与 ChatGPT 桌面端的功能则引发了关于 AI 数据采集边界的讨论。基础设施与开源生态方面，DuckDB 异步 I/O 深度解析、Firefox iOS 原生广告拦截以及前端工具链的 Rust/Go 混合架构同样看点十足。科学界则在单层超导体研究和核安全事件中带来值得关注的新进展。
🤖 AI 与机器学习
Claude 系统提示词全面公开，Agent 设计迎来“官方教程”。
Anthropic 将 Claude 系列模型的系统提示词作为官方文档公开发布，详细披露了模型在工具调用、权限边界、Prompt 注入防护等方面的设计准则。这些提示词不仅是产品安全机制的浓缩，更是一份难得的 Agent 设计蓝图——开发者可以从中看到 Anthropic 如何在自主性与可控性之间做平衡，也能借鉴其应对提示词注入的具体语法和策略。HN 上 272 分、131 条评论的热度说明，社区对系统提示词的透明化普遍持欢迎态度，对 AI 应用开发者而言，这相当于拿到了一份来自头部厂商的一手设计模板。
原文链接：https://platform.claude.com/docs/en/release-notes/system-prompts
DeepSeek 装个开源 Skill 就能识图，纯文本模型有了“眼睛”。
DeepSeek 以低价和强推理能力吸引了大量用户，但纯文本模型的定位让它无法直接处理图片。现在开发者推出了一款开源 Skill，能将图片转换为结构化文本描述后再交给模型处理，从而在不改变模型本身的情况下补上视觉能力。这一方案的现实意义在于：视觉理解模型成本仍然偏高，纯文本模型+工具链是一条务实的中间路线，让更多场景能以极低成本绕过模型能力的天花板。该话题以 8 👍 / 11 ⭐ 登上掘金热榜，收藏量说明开发者对这种可落地的解决方案需求强烈。
GitMCP 让 AI Coding Agent 先读懂项目再写代码，告别“API 猜测”。
GitMCP 通过 MCP 协议将 GitHub 仓库的文档和代码结构接入 AI Coding Agent，使其在生成代码前先理解当前项目的 API 设计与架构，再产出更贴合实际的代码。在 CAD 类复杂项目中，这种“先理解、再编码”的工作流显著减少了 API 误用和生成错误。它代表的趋势值得关注：AI 编程正在从“模型单打独斗”走向“Agent+项目上下文”的复合工作流，工程化能力将比模型参数量更能决定生产力上限。
ChatGPT 桌面端新增 Computer History，你的每次点击都在喂给 AI。
The Verge 报道称，ChatGPT 的 macOS 桌面应用上线了名为 Computer History 的新功能，会记录用户的点击和键盘操作，构建一条行为时间线供 ChatGPT 与 Codex 参考，从而学习用户习惯、推荐自动化操作，甚至接手用户未完成的任务。这标志着 AI 从“对话助手”向“操作系统代理”迈出了实质性一步，但将用户操作数据直接纳入模型的训练与推理闭环，也让隐私边界变得前所未有的模糊。桌面端 Agent 的数据采集问题，接下来会成为监管和用户关注的焦点。
AI 安全扫描器：三分钟识别你是不是狗
一位开发者用整个周末搭建了一款 AI 安全扫描器：一个实时视频扫描器，采用自我反馈式 AI 循环，识别到狗时会发出叫声。作者坦言，项目里每个绿色勾选标记都曾“在坏掉的东西上显示为通过”，这恰恰体现了快速原型开发中“看起来能用”与真正可靠之间的巨大鸿沟。虽然技术深度有限，但它展示了个人开发者借助大模型与自动化迭代实现想法的低门槛路径，也侧面反映出 AI Agent 快速试错的工作方式正成为常态。
原文链接：https://dev.to/gde/i-built-a-security-scanner-that-checks-if-you-are-a-dog-357n
Claude Impact Lab LA：社区如何改变代码方向
Anthropic 在洛杉矶举办 Claude Impact Lab 活动，一名参与者在与三位陌生人共同构建 80 分钟后，决定重新命名原本带来的项目想法。这则纪实不仅呈现了 Claude 辅助编程的实际体验，更折射出 AI 协作时代“结对设计”的新形态：项目方向不再是个人闭门造车，而是在即时反馈中快速演化。对关注 AI 社区生态的人而言，这是一个典型的共创案例，也说明大模型产品正在通过线下工作坊强化开发者黏性。
原文链接：https://dev.to/earlgreyhot1701d/claude-impact-lab-la-community-changed-the-code-1mg2
🚀 DevOps 与基础设施
DuckDB 官方深度解析异步 I/O：Work, Thread, Work。
DuckDB 博客详细拆解了异步 I/O 从任务提交、线程调度到结果合并的全链路实现，核心目标是在查询执行期间让计算和存储 I/O 互相重叠，而不是彼此等待——这一设计在 S3、GCS 等远程对象存储场景中的收益尤其显著。随着数据湖与对象存储成为主流，查询引擎与存储之间的“网络化延迟”已是不可忽视的瓶颈，DuckDB 的这篇技术拆解对理解现代 OLAP 引擎如何应对存储远程化提供了很好的参考。文章在 HN 上获得 242 分，属于近期数据库领域讨论度最高的技术内容之一。
不接 PgBouncer 的 Postgres，到底行不行？
一位开发者向社区抛出一个略显叛逆的问题：是否有人真的在 Postgres 上跑生产负载而不使用 PgBouncer？答案是肯定的——部分团队正依赖云数据库厂商提供的托管连接管理或应用层连接池，并成功摆脱了 PgBouncer 带来的额外运维负担。PgBouncer 虽然是 Postgres 生态的标配组件，但它引入的事务池模式、连接耗尽排查和版本维护等成本，在许多场景下可能超过收益。这种“给架构做减法”的思路对 DevOps 团队来说是很好的反思契机，特别是在云数据库服务日趋成熟的当下，传统组件的必要性正在被重新评估。
原文链接：https://brandur.org/fragments/postgres-without-pgbouncer
vLLM 的 Rust 前端跑上 Graviton，ARM 上的 AI 推理又进一步。
AWS 构建者在 G5g 实例上提供了在 aarch64 架构编译运行 vLLM Rust 前端的完整指南，涵盖 rustup、setuptools-rust、protoc、release flag 等关键步骤，并给出了验证 Rust 前端确实生效的方法。vLLM 是当前 AI 推理的事实标准，其 Rust 前端带来性能和安全性提升；Graviton 则代表低成本 ARM 算力，两者结合为 AI 推理的降本增效提供了新路径。对于正在评估 ARM 架构部署 LLM 的工程团队来说，这是一份实操价值很高的参考手册。
原文链接：https://dev.to/aws-builders/installing-rust-for-vllm-on-graviton-a-g5g-walk-through-599a
微信小程序自定义字体避坑：主包 2MB 才是真敌人
一位开发者从「句拾」小程序的实践中整理了一份中文字体接入手册，覆盖 loadFontFace 适配、主包体积限制、Canvas 海报渲染兼容性等难点。中文字体文件动辄数 MB，在主包 2MB 限制下尤为棘手；文章给出了字体子集化、网络字体按需加载等工程方案。这是微信小程序开发中一个高频但文档分散的痛点，对涉及内容型小程序和海报生成的团队有直接的实操参考价值。
原文链接：https://juejin.cn/post/7673490766200225807
🔒 安全
Firefox iOS 迎来原生广告拦截，隐私保护门槛大幅降低。
Mozilla 在 Firefox for iOS 中加入了原生广告拦截能力，无需额外扩展即可过滤广告和跟踪器。由于 iOS 的 WebKit 内核不允许浏览器像桌面端那样自由安装扩展，此前 iOS 用户要实现内容拦截往往需要借助独立的拦截应用或复杂的配置流程，原生方案显著降低了普通用户保护隐私的门槛。这一更新对 iOS 上的隐私敏感用户是实质性利好，也会给 Safari 和其他 iOS 浏览器带来竞争压力。HN 上 249 分、98 条评论的热度，足见社区对移动端隐私工具的关注程度。
原文链接：https://support.mozilla.org/en-US/kb/block-ads-firefox-ios
Anthropic 详解 Claude 文本水印机制，AI 内容溯源走向工程化。
Anthropic 披露了 Claude 新增文本水印的技术细节：模型在生成文本时嵌入不易察觉的统计模式，设计上对编辑和改写具备一定鲁棒性，普通删改难以完全消除水印痕迹。文章还专门回应了两个关键问题——通过深度编辑能否隐藏水印，以及水印对代码生成场景的影响。在深度伪造和 AI 滥用日益严重的背景下，水印技术让“一段内容是否由特定 AI 模型生成”第一次有了可验证的手段，是 AI 治理工具箱中的重要一块。不过其鲁棒性仍有限，距离大规模强制落地还有距离。
Kimi Work 被曝反馈报告附带 5 个原始会话，隐私设计需警惕。
一位安全研究员逆向 Kimi Work 桌面应用后发现，用户提交反馈报告时，应用会在没有任何单独提示的情况下，自动附上最近 5 个 Agent 会话的原始记录一并上传。这些会话中可能包含用户的私密文档、聊天内容甚至 API 密钥——而用户对此毫不知情。虽然反馈报告的初衷是帮助排查问题，但“未经明确告知的本地数据外传”已然触及 AI 应用的数据合规红线。此事也暴露了一个普遍风险：AI Agent 时代的本地会话记录比普通聊天记录敏感得多，厂商的数据采集战略必须更加透明。研究员表示已邮件通知官方，使用 Kimi 的用户在提交反馈前应特别谨慎。
开源项目 Sniffnet 安全加固经验：GitHub 基金怎么花
网络流量监视工具 Sniffnet 的作者分享了利用 GitHub Secure Open Source Fund 进行安全加固的全过程，包括安全审计、依赖修复与最佳实践落地。这一案例对大量“有人用但缺资金”的开源项目很有参考价值：安全基金不只是钱，更是把项目推向生产级标准的契机。作者也坦言，有些修复并不复杂，但缺少外部压力时优先级总是被无限延后。开源安全已不再是单纯的技术问题，而是资金、社区与治理共同作用的系统工程。
原文链接：https://sniffnet.app/news/github-secure-open-source-fund/
🛠️ 工具与开源
Oxc 拥抱 TypeScript 7：Oxlint 迎来 Rust + Go 的跨语言性能跃升。
Oxc 宣布其 Oxlint 采用 tsgolint 作为类型感知引擎——tsgolint 是基于 Go 语言驱动的 TypeScript 7 实现，为 Oxlint 补齐了此前缺失的类型感知规则检查能力。此前 Oxlint 虽然凭借 Rust 实现取得百倍性能提升，但在需要类型信息的 lint 规则上仍依赖传统方案；tsgolint 的加入让 Oxlint 在维持高性能的同时也能提供类型级检查能力，Lint 速度和深度终于可以兼得。这篇文章折射出前端工具链的新趋势：Rust 和 Go 分别在不同层级各司其职，跨语言混编正在成为一种值得关注的架构范式。