2026 年 10 月 15 日 · 周四 · 10 条
← 10月14日下一期 →
Anthropic 的 Lydia Hallie 发帖称，Claude Code 新增 idle compaction。长时间空闲的会话会在 prompt cache 过期前（约 1 小时）自动压缩。用户回到会话时，Claude 只需重新处理摘要，不必重新处理整段对话，以此节省用量。
代价是 Claude 之后从摘要继续，看不到完整上下文。在 settings.json 中设置 "idleCompaction": false 可以关闭该功能；用环境变量 CLAUDE_CODE_IDLE_COMPACT_MIN_TOKENS 可以自定义触发阈值，默认值为 200k token。
为什么值得关注：该功能默认开启，会改变长会话恢复后模型能看到的内容。依赖完整上下文的长任务，回来前先确认会话是否已被压缩，必要时关闭 idleCompaction。
延伸阅读：关闭方法与阈值
Claude Code 官方账号宣布更新桌面应用，方向是同时运行多个会话。官方称新版启动会话更快，更容易把工作拆分到几个会话里，并且可以随时看到每个会话正在做什么。
Claude Code 团队的 Thariq 转发时说，桌面应用现在更了解自身能力，例如会主动拆出子会话，他把这次更新看作接近 v2。官方帖子以视频演示为主，没有给出版本号和启动速度的测量数字。
为什么值得关注：并行跑多个 agent 会话的人，原先要靠多个终端或 worktree 手动管理。想在桌面应用里并行开工的话，先用一个小任务验证子会话的结果怎样回到主线程。
延伸阅读：Thariq 转发
安全公司 XBOW 公开一条 Chrome 全链漏洞利用，Google 为此支付 25 万美元，这是 2026 年 4 月新规则下的首笔 Chrome 全链奖励。漏洞链由 V8 Maglev 编译器、animated WebP 解码器和 Crashpad 的三个漏洞组成，在 Windows 上穿越 V8 沙箱和渲染器沙箱，最终在主机上执行代码。三个漏洞均已修复。
Brendan Dolan-Gavitt 的技术文章称，团队在 8 月 2 日至 7 日完成这条漏洞链。AI agent 使用公开可用的 gpt-5.6-sol 搜索源码、验证假设、编写 PoC；研究员负责选目标、补充背景、质疑结果和决定如何拼接。根据归档的 Codex 日志估算，六天的 API 费用约为 4 万美元。第一版链条中的 Gin 漏洞与他人报告重复，团队改用 animated WebP 阶段替换。
为什么值得关注：这是公开模型配合 agent 编排做出顶级漏洞利用的一手记录，成本和人机分工都有数字。维护大型 C++ 代码库的团队，要预期外部研究者会用同类 agent 批量扫描，并为漏洞撞车准备更快的分诊流程。
延伸阅读：XBOW 公告
Vercel 公布 Vercel Sandbox 逃逸挑战的结果：两周内收到 1,285 份报告，支付 24.2 万美元赏金。其中 877 份重复，319 份不适用，57 份有效，有效报告包括 1 个 Critical 和 5 个 High。最严重的是研究员 Paulos Yibelo 在 Linux 内核网络子系统中发现的零日漏洞：从 microVM 内发送特制数据包，可以泄露主机内存、让主机崩溃，或在主机上执行代码。
Vercel 称没有报告显示客户数据被读取，内核补丁仍在私下评审，CVE 尚未分配。另一个案例中，快照存储位置由 guest 内的软件上报，主机直接信任，研究员借此在自己的两个账号之间互换快照。Trail of Bits 做了四个工程师周的白盒审计，提出 20 项发现；Vercel 已改为由主机侧服务创建快照，并把快照对象绑定到所属项目。Vercel 把报告量归因于研究者用 AI 加速挖洞。
为什么值得关注：给编码 agent 跑不可信代码的沙箱，风险集中在 guest 与主机的信任边界。自建沙箱时，检查控制面是否信任任何来自 guest 的返回值，并为下一个内核零日准备 jailer 和补丁节奏。
延伸阅读：Vercel 帖子
Arena 基于 5,000 多次真实 agent 会话公布结果：Meta 的 Muse Wonder (Max) 在 Agent Arena 排第 12，净提升 +6.4%。它比排第 16 的 Muse Spark 1.3 (Max) 高 2.8 分，每个任务的中位成本为 $1.13，约为 Spark 1.3（$0.54）的 2.1 倍。
Arena 称，Muse Wonder (Max) 与第 10 名 GPT-5.6 Sol (xHigh) 相差不到 1 个百分点，成本低 25%；与第 9 名 Claude Fable 5 (High) 相差 2 分以内，成本低 67%。分类排名中，Code 类排第 15（+5.2%），Muse Spark 1.3 排第 18（+4.2%）。
为什么值得关注：昨天收录的 WebDev 榜第 15 名只测网页生成，这次是真实 agent 会话的结果，并附任务成本。选 agent 主力模型时，可把 $1.13/任务 与自己当前模型的单任务成本对比；Code 类排名低于总榜，编码场景仍需自测。
Context.dev 开源 sgrep，定位为给 agent 用的本地 ripgrep 扩展，用 Rust 编写。它用约 32MB 的 CPU 静态嵌入模型，首次下载模型后完全离线运行，代码和查询都留在本机。
Context.dev 称，在自家的 SWE-bench Verified 评测中，sgrep 比 ripgrep 节省 21.3% 的 LLM API 费用，100 次尝试解出 70 次，ripgrep 为 68 次。据 shao__meng 的拆解，sgrep 用 Tree-sitter 按语法单元分块，最终得分按 75% 语义加 25% BM25 加权，精确标识符匹配排在最前；静态嵌入会丢失 token 顺序信息。
为什么值得关注：agent 在大仓库里反复 grep 会消耗大量上下文和费用。可以先在自己的仓库上对比 sgrep 和 ripgrep 的检索轮次；21.3% 的节省来自发布方自测，样本只有 50 个任务。
LangChain 发文介绍开源 agent harness Deep Agents 处理 context rot 的五种做法：卸载大结果、摘要压缩、按需加载 skill、子 agent 隔离和长期记忆。每种做法都以 middleware 的形式挂在 agent 循环的某个节点上，默认内置。
文中给出具体阈值：工具结果超过约 20,000 token 时，FilesystemMiddleware 把全文写入 /large_tool_results/，模型只看到首尾预览和路径；用户消息的阈值为 50,000 token。上下文用量达到模型窗口的 85% 时，SummarizationMiddleware 压缩旧消息，原文保存在 /conversation_history/，之后可以读回。长期记忆是一个 markdown 文件，更换模型提供方后仍可沿用。
为什么值得关注：这些阈值可以直接拿来对照自己的 harness。自建 agent 时，压缩前先把原文落盘，保证摘要之后还能找回细节。
Epic 公开发布新版 Epic Games Launcher 的 Preview 版本，官方说法是用 vibe coding 重写，比现有版本更快、响应更灵敏。Epic Games Store 总经理 Martin Keely 表示，团队从零开始，在新的技术选型上用 AI 编写和审查新功能，只复刻旧版功能，不沿用旧代码。
Keely 说，AI 让小团队能更快重写代码库并跨平台发布，目前支持 Windows 和 Mac，Linux 版本在计划中。Ars Technica 实测冷启动到商店页面比 Steam 快几秒。Epic 提醒预览版会有 bug，部分社交和账号管理功能尚未迁移。
为什么值得关注：这是大型消费级客户端公开承认由 AI 重写的案例。做类似重写时，可参考 Epic 的做法：按功能清单复刻，并以公开预览版收集 bug；代码质量和缺陷率尚无外部数据。
Lovable 推出增长工具。用户在构建应用的同一个对话里设定目标，例如「前 100 个注册」，Lovable 根据应用、目标受众和当前流量生成增长计划。它可以连接 Google Ads 与 Meta 广告账号，安装 Google Tag 或 Meta Pixel，并生成图片和视频广告。
创建广告活动前，Lovable 会列出日预算、投放地区、语言和追踪设置，用户批准后才会上线。广告费在 Google Ads 与 Meta 账号内结算，Lovable 不加服务费；生成计划和素材消耗 Lovable 额度。SEO 部分内置 Semrush，可检查 sitemap、robots.txt 并接入 Google Search Console。该功能对 Free、Pro 和 Business 套餐开放。
为什么值得关注：应用生成工具开始接管上线后的推广环节，agent 会直接改动应用代码和追踪脚本。使用前确认它插入的 Pixel 和 Tag 是否符合自己的隐私政策。
蚂蚁百灵宣布开源 Ling-3.1-flash。模型总参数约 560B，每个 token 激活约 25B，上下文最长 1M。
官方称它面向实际工作，可以把粗略的需求说明生成为网页、移动端 UI 或可交互原型，供团队评审和修改，并附演示视频。官方帖子没有给出编码基准分数、许可证和推理硬件要求。
为什么值得关注：这是一款可本地部署的长上下文 MoE 模型，主打前端与原型生成。考虑用它做前端生成前，先核对许可证并在自己的设计稿上实测；官方暂未公布可对比的编码评测。