调查显示,96%的安全团队已使用AI,但仅18%拥有规范框架;多数要求人工审批AI决策,89%看好“智能体工作流+人工监督”。AI虽提升调查速度,85%的团队也报告成本上升等负面影响,且高管与一线对AI效果的认知存在明显差距。建议统一数据基础、默认人工审批、控制成本并保留可审计记录,确保AI决策可解释、可追责。
谷歌发布面向开发者的Gemini 4 Hydrogen模型,主打高效日常编码与智能体工作流,支持代码库编程调试、交互式网页开发和多模态任务,可独立运行并设四档思考级别,也能与Gemini 4 Carbon、Argon等前沿模型配合。该模型指令遵循更准、虚构更少,助开发者更快交付生产级代码,可通过Gemini API、AI Studio、Android Studio及Antigravity使用。
谷歌发布Gemini 4 Carbon模型,在网络安全和长周期任务上性能领先,专为持续智能体工作流设计,可处理软件工程、全栈开发、科研等复杂多步问题,对齐性更强、执行更可靠。开发者可通过Google AI Studio和Android Studio付费API使用,Ultra订阅者还可在AI Studio及Antigravity平台试用。
Stacklok对520名技术负责人的调查显示,企业普遍同时使用多个模型,仅8%只用一家。迁移难点主要在模型之上的集成层:53%认为内部系统或MCP集成最难迁移,多步智能体工作流次之。81%担心被厂商锁定,但“可切换供应商”在采购标准中仅排第六。使用五家以上模型的企业更早构建可移植性。建议将工具定义保留在开放协议上、编排代码自有、评估可跨模型运行,并自建而非租用harness。
A社因Claude参与开发,代码合并量从日均2500项增至3万项,Git难以支撑,遂用自研系统Scion替代。Scion采用客户端服务器架构,缓存命中率超99%,资源占用降至0.05%,检出速度提升百倍。该系统由7人团队5个月完成,专为超大型单体仓库和高密度智能体工作流设计,不适合替代Git,且无开源计划。
微软CoreAI的Batu Ozturkler和Shengyu Fu为GitHub Copilot开发智能体模型编排与路由技术,研究自适应模型选择、多模型协调、长周期智能体工作流及开发者安全,并通过优化模型和上下文学习提升Copilot在补全、聊天、代码审查等场景的开发者生产力。
SpaceX AI工程师Lauren Tan分享了个人智能体工作流pstack,每月可向生产环境提交2000个PR,核心在于验证技能:智能体自主检查输出并迭代。但分布式系统缺乏可驱动运行时,共享暂存无法隔离并发变更。Signadot提出共享稳定栈加按需隔离环境方案,让每个智能体获得真实依赖视图,成本仅一两个服务,从而将智能体并行转化为实际交付代码。
智能体工作流通过上下文文件、定制技能和工程实践,显著提升WebRTC开发效率。核心是编写清晰的AGENTS.md文件,设置安全规则,并利用Claude Code技能自动生成Playwright测试和代码审查。通过Playwright MCP模拟网络条件,捕获会话上下文,确保测试和文档完整。工程实践保障了智能体的速度与安全性,将生产力转化为可靠交付。
百时美施贵宝宣布部署基于NVIDIA DGX Vera Rubin NVL72的第二代超级计算机,打造生命科学领域最先进AI工厂,性能提升10倍。该平台将开放给所有科学家,加速药物发现,包括靶点识别、CELMoD化合物扩展及“预测优先”优化,并通过智能体工作流整合跨项目学习,推动研发效率与创新。
本文探讨了本地AI模型在编程辅助和智能体工作流中的应用,使用Gemma-4-12b-qat模型,结合LM Studio和Pi框架,在Docker中构建开发环境。记录了本地模型从不可用到基本可用的演变,并提供了具体的配置和部署方案。
完成下面两步后,将自动完成登录并继续当前操作。