Apple 因 AI Agent 宣布调整 macOS 的“Full Disk Access”权限
Apple 在开发者新闻网站宣布，将针对 macOS 的“Full Disk Access”（完全磁盘访问权限）引入额外管控，原因是部分开发者对该权限的使用方式可能让用户数据暴露，而 AI Agent 的自主化趋势会放大这一风险。新管控何时落地尚未公布。
分类： AI 资讯
OpenAI, Blackstone, Softbank form US data center lobbying group —American Infrastructure Alliance’s first job is stop states from blocking AI data center
OpenAI、软银、黑石等公司联合多个工会成立了美国基础设施联盟（AIA），首项任务是游说得州、佐治亚州等七个州，阻止地方政府出台数据中心建设禁令。这背后是 AI 算力扩张与地方民意之间日益尖锐的矛盾。
Meta says it is letting go of employees it hired from AI safety startup Virtue AI four months after they joined the company, citing clashing work styles (Ashley Gold/Semafor)
Meta 确认让四个月前从 AI 安全初创公司 Virtue AI 招来的员工离职，理由是工作风格不合；这批人入职仅约四个月，属于 Meta 在超级智能实验室扩张期的一次罕见人事回撤。
三个 AI Agent，两个国家，一个不均衡的万维网
一条来自 Hacker News 的讨论聚焦于三个 AI Agent 在两个国家之间协作完成任务时遭遇的网络环境差异，讨论点不在模型本身有多强，而在于 Agent 依赖的网页抓取、API 调用和内容分发在不同地区并不平等。这件事值得关注，是因为它把「Agent 能不能真正干活」的问题，从模型能力拉回到了基础设…
格雷格·克罗赫-哈特曼——大语言模型时代的安全问题 [视频]
![格雷格·克罗赫-哈特曼——大语言模型时代的安全问题 [视频]](https://www.chat-gpts.plus/wp-content/uploads/2026/10/ai_cover_5-86-768x403.jpg)
AI 安全研究者格雷格·克罗赫-哈特曼（Greg Kroah-Hartman）在一场公开演讲中，把大语言模型时代的安全问题摆上台面：模型能力越强，围绕它的滥用、数据泄露与供应链风险就越难靠传统手段兜住。
2025年起，我反复强调的四个原则： 原则1，时代的第一性原理：LLM一定会越来越聪明，benchmark越来越高，context window越来越大，reasoning越来越长，价格越来越便宜，inference速度越来越快， 这是scaling law今天依然持续的具体方向，不用你质疑，这是你唯一的信仰和行业最大共识。 原则2， 管理学设计红利：从我提出“自动编程机”、行业提出vibe coding、SWE-Agent以来，从c…
开发者 lidang 立党在 X 上系统梳理了他从 2025 年起反复强调的四个 AI Agent 原则，核心判断是：LLM 能力持续变强是行业最大共识，但把 Agent 当人管、把管理学套在 multi-agent 工作流上的红利正在耗尽，Agent 真正的位置是嵌入生产环境的 runtime，而不是替代人…
Anthropic 的工程师说：我们内部已经不怎么写 prompt 了，写的是循环。 她在台上花了半小时，展示了 Claude 团队如何创建能够自我提示的循环。 如果这堂课卖 400 刀，今年 Agent 课的榜单大概就是它。但它是免费的。 真正拉开代际差距的，不是谁的 Prompt 写得好，而是Agent系统架构彻底换了： 1. 记忆从一份 CLAUDE.md，进化成 Agent 自己读写的 memory/ 目录 2. 记忆待在对话…
Anthropic 工程师在公开分享中透露，Claude 团队内部已从“写 Prompt”转向“设计循环”——让 Agent 自己读写记忆、夜间自动整理，次日开工时默认比前一天更聪明。这背后是从提示词技巧到 Agent 系统架构的代际切换。
视频为国内部分公司AI现状，该视频由muse直出 muse邀请码：IRH1K7，大家可以在回复留下自己的 完整提示词如下： 30秒竖版9:16，照片级超写实，电影质感。不要字幕，不要水印。 标准普通话，吐字清晰，语速适中。每句台词在说话人特写内说完，口型同步，说完停顿半秒再切镜。 全片固定人物：老板1人＋员工4人（两男两女）＋讲师1人（独立人物），人数、外貌、服装全程不变，全亚洲面孔。 学员只看幕布不看镜头；第二段老板不入镜。 0:0…
X 用户 @ystwjove 发布了一段 30 秒竖版视频，用固定人物、固定场景的剧本讽刺"公司要求全员学 AI、但为了安全禁止使用 AI"的荒诞现实，并公开了完整提示词，称视频由 muse 直出。
目前所有agent的核心其实就几行代码 包括大家常用的claude code、codeX 剥开所有花哨的包装 Agent 的本质就是一个 while 循环： 1. 把任务丢给大模型（LLM） 2. 模型决定是否调用工具（Tool Calls） 3. 如果调用，执行代码，把结果塞回给模型 循环往复 直到模型觉得任务完成，不再调用工具 所以说要学习如何“自己实现一个Agent” 代码可以不用写，直接vibe 但是得能看懂代码 不然就是纸上…
开发者 @antiAIvo 在 X 上提出，Claude Code、CodeX 等主流 Agent 产品剥开外层包装后，核心逻辑只是一个调用大模型与工具的 while 循环，因此建议学习者至少能读懂这段代码，而非只停留在“vibe coding”层面。
当1024个AI没有老板：微软Agensh与第三条扩展路线 一个模型单打独斗两个小时没解开的代码缺陷，换成128个AI协同作战，半小时就能跑通。微软研究院在论文 Agensh: Scaling Organizational Intelligence to 1,024 Agents 中开源了无中心调度系统Agensh，首次将多智能体协作推到了1024个的量级。 测试结果显示，在ProgramBench的高难度用例中，团队规模从单节点扩到…
微软研究院开源了无中心调度系统 Agensh，把多智能体协作规模推到 1024 个节点，靠环境协调而非主控模型派活，在编程任务上验证了"加节点"这条扩展路线。