今天两条线都指向『判断跑在哪一层』。Claude Code 把 auto mode 的安全分类器默认移到服务端,把『服务端检查没到』做成一次性提示与 /status 的一行状态:护栏从此多了一条要随网关核对的透传契约。本地 guardrail mati 反其道行之,把判断钉回 hook 层,还坦承 8/10 的绕过率。arXiv 2609.20804 则用 176 组设置说明:harness 怎么配,取决于模型与预算。
护栏的执行点今天同时向两端移动:审批分类器默认挪上服务端(网关漏传 safeguards 就静默回落),本地 guardrail 把判断按回 hook 层;研究则说 harness 默认值本就该随模型与预算走
今日判词：今天最连贯的一条线是『判断跑在哪一层』。Claude Code 2.1.278 把 auto mode 的安全分类器默认移到服务端,作为会话自身模型请求的一部分执行、服务端执行时不额外计费;而它把『服务端检查没到』做成了静默回落——网关剥掉或改写不认得的字段(如 safeguards/safeguard_results)时,检查退回本地分类器照旧计费,只在首次回落提示一次,/status 新增 `Auto mode server` 行供核对。同一天 Show HN 的本地 guardrail mati 走相反方向:判断固定在 hook 层、零网络、哈希链追加日志,并把 8/10 的绕过率与失效边界写进 README。再叠加 arXiv 2609.20804 的 176 组设置:上下文管理、规划、动作空间的效应随模型能力与上下文预算翻转,『一套默认适配所有模型』这个前提本身在松动。判词:今天该核的是护栏的执行点与你网关的透传契约,以及你的默认值配的是哪个模型——而不是护栏有没有开。
热度盘面 Top 5
-
2.1.278(9/19 03:10)把 auto mode 的安全分类器默认改为服务端:Claude Code 在会话自身的模型请求里带上待检查动作(shell 命令、网络请求),由服务端执行检查,且服务端执行时不额外计费;Enterprise、Claude API、AWS/Bedrock/Google Agent Platform/Foundry 默认启用,Pro/Max/Team 不受影响。检查契约落在请求体的 `safeguards`/`safeguard_results` 字段上:网关若剥掉或改写这些字段,会话会静默回落到 Claude Code 自己的分类器(照旧按 token 计费),仅在首次回落时提示一次,`/status` 新增 `Auto mode server` 行(Enabled/Disabled),并可用 CLAUDE_CODE_AUTO_MODE_SERVER=0 关闭(文档称该开关为临时项)。(release v2.1.278)
编辑注 护栏的执行点第一次写进了服务端契约,而失败形态是静默的:网关不认得的字段被丢掉,回落不报错、只提示一次,账单与行为一起变。把『Auto mode server 是否 Enabled』列为 LLM 网关上线检查项,比相信它默认开着更可靠。
-
《An Empirical Study of Harness Design for Coding Agents》(9/17,Run-Ze Fan 等 9 人,43 页)用固定执行 loop 的轻量 harness,只变规划、动作空间、上下文管理三项,在 4 个模型上跑 SWE-Bench Verified 与 Terminal-Bench 2.1,覆盖 176 组匹配设置(5 种上下文策略 × 4 档上下文预算)加定向消融。结论:上下文管理的收益随预算收紧而上升,主要来自减少『上下文溢出失败』;先做规则式裁剪、再做 LLM 摘要效率最好,而让被裁内容可恢复只增加机械件、准确率不涨;规划的角色会翻转——对弱模型是准确率脚手架、对强模型只是省钱;预定义工具帮的是不擅长 bash 的模型,bash 强的模型用纯 bash 接口成本显著更低。(HN 217 分/59 评论)
编辑注 harness 的默认值不是普适的:同一套 loop,规划与工具集的取舍随模型能力反转。别照搬别人的 harness 配置——按你实际用的模型与上下文预算,把这三项重测一遍。
-
0.155.1(9/18 20:03)把本地 TUI 会话的 reasoning summary 默认恢复为 none,以免不支持该设置的 provider 直接拒绝请求(显式配置仍生效,PR #46467)。alpha 线仍在快跑:0.156.0-alpha.9 已于 9/20 00:17 发出,自 alpha.5 起连续多个预发布均无 changelog。
编辑注 又一次『默认值撞上 provider 差异』:harness 里任何发往模型的字段都要按 provider 能力降级,否则报错出现在别人家的接口上。核一下你的 reasoning/beta 字段有没有按 provider 分支。
-
Show HN(9/19):把『代码库的隐性知识』做成 hook 层的确定性护栏——每条 gotcha(规则+原因+严重度)挂在文件上、经开发者确认后生效,agent 读或改该文件前必须先读它;覆盖 Claude Code 的读与 Edit/Write/NotebookEdit、Codex 的 apply_patch,判断在模型外、零网络调用,附哈希链追加日志。自评相当克制:被要求隐藏文件名时,无名字路径(`grep -rl` 再 `cat "$F"`)在 10 次里 8 次绕过 hook;git 历史与删除后重写不在范围内;seal(把文件设成 mode 000)会连自己的构建一起挡掉。仓库 0★、815 提交,open core。
编辑注 价值不在『又一个 memory』,而在它把绕过率(8/10)与失效边界写进 README——护栏的可用性取决于你承认它挡不住什么。要用就把 git 历史与删除后重写这两条出口补上。
-
trycua/cua 今日 GitHub 日榜第 2(24.4k★);Show HN(9/19,61 分)推 CUA-S1——一组面向 computer-use 的『System 1』小模型,首个研究档专做表单:从结构化界面元素与文档值直接给决策打分,而不是逐 token 生成回复;由应用层负责动作排序,可选经 Cua Driver 在显式动作边界内执行。MIT,当前为源码级研究版,权重与数据集另放 Hugging Face(cua-ai/cua-s1-forms)。
编辑注 把『快决策』从『慢规划』里切出来单独做模型,是 computer-use 架构的一个分支方向;真正值得跟的是它的接口——决策被约束在结构化元素与动作边界内,而非自由文本。接它时先看动作边界由谁定义。
雷达上值得盯的 3 件事
trend harness 研究开始把 harness 当可拆分组件来计量:arXiv 2609.20804(176 组设置)与 HN 上的 HarnessTax(9/16,228 分/93 评论)都在问『哪一项、对哪个模型、值多少』——结论都指向默认值随模型与预算变,而不是一套通吃。
trend 可分发的 skill/插件仍是日榜热面:cloudflare/security-audit-skill 今日仍居首位(16.4k★、约 +3.2k★/24h、896 forks;最后提交 9/14),addyosmani/agent-skills 97k★、anthropics/knowledge-work-plugins 25k★ 同涨——能力越可分发,分发链上的校验缺口(见 9/18 的 Plugin4Shell)越值钱。
trend 把安全隔离面当 agent 基础设施: coder/coder 日涨约 402★ 至 15.6k★(自述『给开发者及其 agent 的安全环境』)——agent 的隔离执行面正从本机沙箱向可编排的远端 workspace 外扩,与同日『分类器上服务端』是同一条外移趋势的两面。