AI Agent 沙箱不能只看容器:Qubes QSB-118 暴露的 backchannel 风险

如果你在做 AI Agent 沙箱,最容易犯的错是:把“模型能执行代码”这条主路径锁得很严,却忘了旁边那些看起来无害的辅助通道。 这不是抽象威胁。Hacker News 这两天讨论的 Qubes OS QSB-118 就是一个很好的提醒:漏洞不在“运行用户程序”本身,而在 qvm-copy-to-vm 的错误回报路径里。攻击者只要控制目标 qube,并诱导用户从 dom0 向这个 qube 复制文件,就可以通过目标 qube 返回的文件名影响 dom0 弹出的错误对话框,最终形成 dom0 任意命令执行。HN 原帖标题很直白:Arbitrary code execution in QubesOS via copy-to-VM error reporting backchannel。 我看到这类漏洞时第一反应不是“Qubes 不安全”,恰恰相反:Qubes 已经是桌面隔离里非常认真、非常偏执的系统了。连这种系统都会在文件复制确认、错误展示、GUI 调用这条链路上踩坑,普通 AI Agent 平台如果只说“我们把工具跑在 Docker 里”,其实远远不够。 说白了就是:沙箱边界不是一堵墙,而是一堆门、窗、下水道和快递口。 QSB-118 的技术细节值得拆一下。Qubes 公告里写得很清楚,qvm-copy-to-vm 使用 qfile 协议从 dom0 向指定 qube 复制文件。传输结束后,目标 qube 会把确认信息发回源端,包括校验和、错误码,以及“最后接收到的文件名”。如果发生错误,dom0 会显示一个 GUI 错误消息,其中包含这个由目标 qube 回传的文件名。 问题就出在这一步。 Qubes 的代码确实做了一个 sanitize_remote_filename(),但它主要替换控制字符、非 ASCII 字符和双引号;后续 display_error() 又用 asprintf() 拼出 kdialog 或 zenity 命令,再交给 system() 执行。人话翻译:一个本来只是“告诉用户哪个文件复制失败”的字符串,穿过错误处理函数后,变成了 shell 命令的一部分。只要过滤规则和 shell 语义之间有缝,攻击者就能把“文件名”变成“命令”。 ...

August 31, 2026 · 2 min · Hypho

CarWatch 把本地 LLM 塞进汽车:车载 AI Agent 能不能离线跑生产级?

车载 AI 我以前一直有点不信。 不是不信汽车会越来越智能,而是不信“把一个聊天机器人接进车里”这件事能马上变成有用的工程系统。汽车不是网页应用,网络会断,电源会抖,传感器会撒谎,用户还可能在高速路上问它问题。一个会幻觉的 Agent 如果把保养手册、车况告警和远程控制混在一起讲,听起来很酷,实际很危险。 所以这两天 Hacker News 上的 CarWatch 让我停下来多看了几眼。它不是又一个“云端大模型接入汽车 App”的宣传页,而是一个开源项目:Raspberry Pi 5 放进车里,本地跑 Qwen 35B 量化模型,用 whisper.cpp 做离线语音转写,用车主手册做本地 RAG,再把车作为一个房间里的 Agent 接入 GroupMind。HN 原帖标题很直接:“I made a Raspberry with Qwen my local car AI”。 我觉得它真正值得写的点,不是“树莓派竟然能跑 35B 模型”这个噱头,而是它暴露了车载 Agent 的一个核心问题:当 AI Agent 从浏览器和 IDE 走向物理世界,第一原则不是更聪明,而是可感知、可降级、可拒答。 离线不是情怀,是车载场景的硬约束 CarWatch README 里有一句话我很认同:Local is the product; online is the enrichment。翻译成人话就是:本地能力不是兜底功能,而是产品本体;联网只是锦上添花。 这和很多 AI 产品的默认思路相反。我们现在习惯了把复杂任务丢给云端大模型,延迟、成本、隐私都可以慢慢优化。但车不一样。它会进地下车库,会跑乡间路,会穿隧道,会停在没有信号的地方。你最需要它回答“这个警告灯是什么意思”“现在能不能继续开”“保养手册第几页写了机油规格”的时候,恰好可能没有网络。 CarWatch 的设计把几件事固定在车内完成:语音输入、车主手册问答、机器自身状态读取、基础车况追踪、同 Wi-Fi 下的手机仪表盘。联网以后,它再把消息、视频片段、更新和更大的模型接进来。这个分层比“所有请求先发云端,失败再提示网络错误”靠谱得多。 说白了就是:车载 AI 的第一条 SLA 是断网可用。 这也是它和我之前写过的 本地 LLM 推理选型 能接上的地方。本地推理在桌面上常常是隐私或成本选择,在车里则直接变成可用性选择。你可以忍受本地模型慢一点,但不能接受关键场景完全不可用。 35B 模型跑在 Pi 5 上,重点不是速度,而是任务边界 CarWatch 声称实测硬件是 Raspberry Pi 5 16GB,运行 Qwen3.6-35B-A3B 的 Unsloth 动态量化版本,模型文件约 14.3GB,生成速度约 3.5 tok/s,prompt 处理 25+ tok/s,持续温度 65°C。项目仓库也确实不是空壳:GitHub API 显示它有 100+ stars,最近提交就在 2026-08-25,目录里有 carwatch/、systemd/、tests/、scripts/、install.sh、config.example.json 等可运行工程结构。 ...

August 26, 2026 · 2 min · Hypho

MCP Roadmap:企业 Agent 基础设施真正缺的不是工具,而是协议边界

如果你这半年一直在做 Agent,很容易被一个错觉带偏:只要接入足够多的 MCP server,Agent 就会自然变强。 我越来越不相信这件事。 真正卡住企业 Agent 落地的,不是“有没有更多工具”,而是工具调用背后的边界问题:谁在请求?请求能持续多久?中间状态放在哪里?Agent 能不能安全地代表某个用户或某个组织身份去调用系统?出了问题,审计链路能不能说清楚?这些问题不解决,MCP server 再多,也只是把一堆 shell、数据库和 SaaS API 用同一种插头接了起来。 所以这次 Model Context Protocol 发布新的 roadmap 我觉得值得写。它不是一个普通“功能预告”,而是 MCP 从开发者生态走向企业基础设施时,必须补上的几块骨头。 HN 上这条 New MCP Roadmap 拿到 200 多分,讨论热度不低。但我更关心的不是热度,而是 roadmap 里几个关键词连在一起之后透露出的方向:agentic messaging primitives、HTTP-native transport、Agent identity、enterprise-ready security、SDK developer experience。 翻成人话:MCP 正在从“让模型能调用工具的协议”,变成“让多个 Agent、多个服务、多个身份在可控边界里协作的协议”。这两者差别很大。 为什么现在的 MCP 还不够“企业级” MCP 的基础定位很清楚。官方文档说,它是一个开放协议,用来让 LLM 应用和外部数据源、工具无缝集成;在架构上,Host 是用户实际使用的 AI 应用,Client 是 Host 里面连接 MCP server 的连接器,Server 则暴露工具、资源和上下文能力。这个分层在 MCP architecture overview 里讲得很明确。 这个设计很优雅,因为它把“模型要做什么”和“工具怎么接入”解耦了。IDE、聊天应用、自动化平台都可以作为 Host;数据库、代码仓库、工单系统都可以作为 Server。中间通过统一协议沟通。 但优雅不等于生产可用。 在真实企业环境里,工具调用通常不是一次性的函数调用,而是一串带状态、带权限、带审计要求的流程。比如一个代码 Agent 想修复线上 bug,它可能需要读监控、查日志、开分支、改代码、跑测试、发 PR、请求审批。每一步都可能跨系统,权限也不一样。你不能简单地说“给 Agent 一个 GitHub token 和数据库 token”,然后祝它好运。 ...

August 24, 2026 · 2 min · Hypho

Docker Sandboxes:AI 编程 Agent 该不该关进一次性微虚拟机?

如果你已经习惯让 Claude Code、Codex 或 Cursor 在本地仓库里改代码,有一个问题迟早会冒出来:我到底是在授权一个助手,还是在把整台开发机交给一个会运行命令的黑盒? 我不是说 AI 编程 Agent 不能用。恰恰相反,过去一年最明显的变化是,Agent 已经从“帮我补函数”的编辑器功能,变成了会 npm install、跑测试、改配置、访问 MCP 工具、甚至读写凭证附近文件的半自动工程同事。问题在于,我们给它的工作环境通常很粗糙:要么放在本机裸跑,靠权限弹窗拦一下;要么塞进普通容器,默认网络和凭证边界又不够细;要么继续加系统提示词,祈祷模型“不要乱来”。 所以 Docker Sandboxes 这次在 HN 上拿到 600+ points,我觉得不是偶然。它戳中的不是“Docker 又发了一个 AI 产品”的新闻点,而是一个很具体的工程搜索意图:AI coding agent 能不能在生产团队里安全地跑?如果能,隔离边界应该长什么样? 这不是把 Docker 换个壳,而是把 Agent 当成不可信进程处理 Docker 官方文档对 Sandboxes 的定义很直接:它用 sbx 把 AI coding agent 跑在隔离的 microVM 里,每个 sandbox 都有自己的 Docker daemon、文件系统和网络,Agent 可以构建容器、安装包、修改文件,但不会直接触碰宿主机系统1。 这句话里有两个关键词:microVM 和 自己的 Docker daemon。 普通 Docker 容器的问题在于,它仍然共享宿主机内核;一旦你还把 Docker socket、SSH key、全量 $HOME 或项目根目录粗暴挂进去,容器边界就很容易从“隔离”变成“心理安慰”。Docker Sandboxes 的设计更接近“每个 Agent 任务开一台轻量临时开发机”:独立 Linux kernel,独立进程空间,独立网络,删除 sandbox 时 VM 内部状态一起清掉2。 ...

August 12, 2026 · 3 min · Hypho

Grok Build 开源后,编码 Agent 真正该看的是安全边界而不是又一个 CLI

如果只把 Grok Build 看成“又一个终端 AI 编码工具”,我觉得有点可惜。 真正值得研究的不是它能不能替代 Claude Code,也不是 TUI 做得够不够酷,而是这次开源把一个大型商业 coding agent 的 harness 直接摊在了桌面上:它怎么读仓库、怎么跑命令、怎么接 MCP、怎么做 headless、怎么设权限、怎么用 sandbox 限制自己。 这些东西比模型名字更接近生产环境里的真实风险。 HN 上这条 Grok Build is open source 讨论很热,链接指向 xai-org/grok-build。我查了一下仓库:截至本次写作,它有约 12.5k stars,最近 push 在 2026-07-16,主语言是 Rust,根目录里能看到 crates/、bin/、prod/、third_party/,不是一个只放 README 的“开源姿态”。README 说得也很直白:Grok Build 是 SpaceXAI 的 terminal-based AI coding agent,支持全屏 TUI、理解代码库、编辑文件、执行 shell、搜索 Web、管理长任务,也能以 headless 方式用于脚本/CI,或通过 Agent Client Protocol 嵌入编辑器。 用人话说:这不是聊天壳子,它是一个能动你文件系统和终端的自动化运行时。 这也是我为什么会更关心安全边界。一个 coding agent 一旦进入真实仓库,它拿到的不是“代码补全上下文”,而是 .env、SSH 配置、私有依赖、内部接口、部署脚本、测试数据库连接串,以及开发者本机上各种历史包袱。模型回答错一句话只是质量问题;Agent 在错误权限下读错、传错、改错东西,就是安全事故。 开源价值:不是“免费”,而是可审计 Grok Build 的 README 提到,这个仓库包含 grok CLI/TUI 与 agent runtime 的 Rust 源码,并且是从 SpaceXAI monorepo 周期性同步出来的版本。仓库布局里,xai-grok-pager 负责 TUI,xai-grok-shell 负责 agent runtime 和 stdio/headless 入口,xai-grok-tools 放工具实现,xai-grok-workspace 处理文件系统、VCS、执行和 checkpoints。 ...

July 17, 2026 · 3 min · Hypho

Claude Code 为什么还没读提示词就烧掉 33k tokens?从 OpenCode 对比看编码 Agent 成本治理

如果你最近觉得 Claude Code 的用量表涨得比预期快,先别急着怀疑模型涨价。 更可能的原因是:你付费的不只是“那一句 prompt”,而是一整套 Agent harness 的启动成本。 这两天 HN 上有一篇很值得看但也很容易被误读的文章。Systima 把 Claude Code 和 OpenCode 放在同一台机器、同一个模型、同类任务下,在 API 边界抓取请求与返回的 usage block,结论很刺眼:在一个只要求回答 OK 的最小任务里,Claude Code 在真正读取用户提示词之前,已经带上大约 33,000 tokens 的系统提示、工具 schema 和注入脚手架;OpenCode 大约是 7,000 tokens。换成 Claude Fable 5 后差距会收窄到约 3.3 倍,但方向没变。 我不想把这篇写成“Claude Code 不行、OpenCode 真香”的二元对立。坦白说,这样读反而会错过真正有工程价值的部分。 真正的问题是:编码 Agent 的成本,正在从模型单价问题,变成上下文装配问题。 Systima 的原文把 Claude Code 和 OpenCode 称为两个 harness。这个词很关键。模型只是发动机,harness 才是把仓库、终端、文件系统、MCP、权限、子 Agent、记忆、hooks、通知、后台任务塞进一次请求里的“车架”。你看到的聊天框是一句话,模型看到的可能是一辆满载卡车。 用人话说就是:你以为自己在问“帮我改个 bug”,但系统实际先递给模型一份厚厚的公司制度、工具手册、权限说明、项目记忆、外部系统目录,然后才轮到你的 bug 描述。 33k tokens 从哪里来? Systima 的测法并不复杂:清空配置目录,不开 MCP,不加载用户设置和 memory,用空 workspace 跑三类任务。第一类任务最极端,只要求返回固定字符串。这样做的好处是把“任务本身的复杂度”剥掉,专门看工具启动时的固定负担。 ...

July 13, 2026 · 3 min · Hypho

Flint Chart 解决了 AI Agent 画图最难的一公里吗?

如果你让一个 Agent 帮你分析 CSV,最容易翻车的地方往往不是 SQL,也不是统计口径,而是最后那张图。 模型可以很自信地吐出一大段 Vega-Lite、ECharts 或 Chart.js 配置;第一次看像那么回事,真正渲染出来却经常出现标签重叠、坐标轴选择离谱、颜色语义混乱,或者更糟:配置本身就不合法。坦白说,我以前一直把这类问题归因于“模型还不够聪明”。但 Microsoft Flint Chart 给出的判断更有意思:问题可能不只在模型,而在我们让模型直接操纵的可视化语言太底层了。 Flint 的做法是把图表生成拆成两层。Agent 不再直接写几百行低层配置,而是写一个更紧凑的语义化规格:数据是什么、字段是什么语义类型、想要哪类图、哪些字段放到 x/y/color。然后 Flint 编译器再把这些高层意图转成 Vega-Lite、ECharts 或 Chart.js 的原生配置。HN 上这个项目的作者也把问题说得很直白:简单规格可靠但图不好看,复杂规格好看但 Agent 难以稳定生成,所以需要一个更适合 Agent 的中间语言。对应的 Show HN 讨论 在两天内拿到 300 多分,说明这不是一个小众痛点。 人话翻译一下:Flint 想把“画图审美和布局细节”从 LLM 的自由发挥里拿出来,交给一个可测试、可维护的编译器。 这件事为什么重要?因为数据可视化是 Agent 产品里非常典型的“最后一公里”。前面检索、清洗、聚合都做对了,最后输出一张难看的图,用户仍然会觉得系统不专业。更麻烦的是,图表错误不像代码报错那么直接。一个错位的柱状图、错误的时间轴、被截断的图例,可能不会触发任何异常,却会默默误导用户。 低层图表配置,本来就不适合让模型裸写 以 ECharts 或 Vega-Lite 为例,成熟库的能力很强,但配置面也很大。你要处理 mark 类型、scale、axis、legend、tooltip、label、layout、颜色、响应式尺寸、空值、字段类型、数据基数……这些东西对人类前端工程师都不轻松,更别说让一个通用 LLM 每次都稳定地一次写对。 Flint README 里的核心设计是“semantic chart specs”:它支持 70 多种语义类型,例如 Rank、Temperature、Price、Country,并根据数据基数、语义类型、图表类型和画布约束自动推导尺寸、间距、标签、图例等细节。这个方向我比较认可,因为它把 Agent 的任务缩小了:模型负责表达意图,系统负责补完形式。 这和编程语言里的编译器很像。你不会要求业务开发者每次手写汇编,也不希望 Agent 每次都从零手搓图表布局。一个好的中间层,价值不在“更酷”,而在减少自由度。 自由度少,系统才容易稳定。 Flint 当前仓库也不是只有一份概念文档。它包含 flint-chart TypeScript 库和 flint-chart-mcp MCP Server,可以把同一份输入编译到多个后端;仓库在 GitHub 上有接近千星、MIT License,最近提交就在 2026 年 7 月。按我的判断,这已经超过“白皮书项目”的阶段,属于可以实验接入的真实工程工具。不过它仍然很新,生产环境大规模使用前还需要自己压测和做视觉回归。 ...

July 10, 2026 · 2 min · Hypho

Rowboat 体验:本地优先的 AI 同事到底能不能替代 Claude Desktop?

你有没有这种感觉:每天打开 Claude Desktop,每次都是从零开始——它不记得你上周在哪个文件里改了什么,不记得你那个临时方案后来为什么废弃了,更不记得你在哪个项目里踩过同样的坑。 这不是 Claude 的问题。这是云端 AI 助手共同的架构限制:数据在服务器上,每次对话都是新的 session,你的工作记忆全靠把历史塞进上下文窗口。一旦项目大了、对话长了,上下文不够用,AI 就开始"失忆"。 Rowboat 想解决的就是这个。它是一个开源本地优先的 AI 工作搭档,最近在 HN 上拿到了 94 分,Stars 已经突破 15k。它的核心思路很简单:你的所有工作数据——邮件、会议、Slack、代码、AI 对话——全都留在你自己机器上,索引成本地知识图谱,AI 随时可以查询。 它实际上是怎么工作的 Rowboat 的架构分两层:记忆层和工作面。 记忆层的实现方式是持续扫描你授权的数据源(Google Workspace、Slack、本地文件等),把内容抽取后构建一个 Obsidian 风格的双链知识图谱。这个图谱是实时更新的——你开完一个会,Rowboat 会自动生成会议纪要并写入图谱;你收到一封重要邮件,它会用整幅工作上下文 draft 一封回复。 工作面则是 Rowboat 内置的那些工具:邮件客户端、浏览器(和主浏览器隔离)、代码模式(支持并行启动多个 Claude Code 或 Codex 实例)、会议记录、笔记。每一块都可以调用记忆层的上下文。 这里有一个工程上值得注意的设计:Rowboat 的 AI 并不是在本地跑模型。它是个调度层——对接 Claude、GPT、Gemini 等云端模型,但所有 prompt 里的上下文都来自本地知识图谱。换句话说:推理在云上,数据在自己机器上。 本地优先到底意味着什么 这个词现在被用烂了,但 Rowboat 的本地优先是实打实的工程选择,而不是营销话术。 大多数云端 AI 助手面临的问题是:你的数据要么被用来训练模型,要么至少在服务商服务器上留存。Claude Desktop 的上下文虽然是会话级的,但会话结束后的记忆并不在你控制之下。Anthropic 的企业方案有数据保留政策,个人版则完全取决于你对厂商的信任。 Rowboat 的本地优先意味着:你的邮件内容、会议纪要、Slack 对话——这些敏感数据从来不离开你的机器。Rowboat 服务器只同步元数据(如图谱结构),不同步原始内容。这对于需要处理客户数据、专有代码或内部信息的场景,差异是根本性的。 当然代价也有:本地索引意味着你换台机器,记忆不跟着走;没有云端同步,协作场景受限。另外 Rowboat 目前没有移动端,对经常在手机上也要求 AI 记住工作上下文的人不友好。 和现有方案的对比 如果你关注 AI 记忆层这个方向,HN 上另一个值得关注的项目是 Stash——它也做 AI 长期记忆,但路径不同:Stash 是一个独立的记忆基础设施,专注 8 阶段认知管道,适合想把记忆能力接入现有 Agent 系统的开发者。Rowboat 则是面向终端用户的完整产品,记忆是内置的,不需要你自己拼接。 ...

July 8, 2026 · 1 min · Hypho

AI Agent 自动部署卡在登录页?Cloudflare 临时账号给了一个工程答案

AI Agent 写代码已经不稀奇了,真正尴尬的是下一步:它写完以后,怎么上线? 很多团队做 Agentic Coding Demo 时都会跳过这个问题。让 Agent 改一个 React 页面、生成一个 API、补一组测试,这些都能在本地仓库里闭环。但只要任务变成“把这个服务部署到云上,给我一个可访问的 URL”,Agent 很快就会撞墙:登录、注册、OAuth、MFA、创建 API Token、复制粘贴密钥、选择账单计划。 这些流程对人类是安全护栏,对后台 Agent 则是硬中断。 Cloudflare 这次在 HN 上火起来的 Temporary Cloudflare Accounts for AI agents 很有意思,不是因为它又发了一个“AI 平台功能”,而是因为它回答了一个非常工程化的问题:能不能让 Agent 先完成部署,再让人类决定是否接管? 我的判断是,这个方向比“给 Agent 一个长期 Root API Key”健康得多。它不完美,但至少把 Agent 部署的权限边界,从“信任一个会写代码的黑盒”改成了“给它一段短命的、可丢弃的执行空间”。 这个功能到底解决了什么 Cloudflare 的方案很直接:Agent 或开发工具可以执行: wrangler deploy --temporary 然后 Worker 会被部署到一个临时 Cloudflare 账号下,部署结果可以在线访问。官方博客说明,这个临时部署会保持 60 分钟;如果用户觉得结果可用,可以在这段时间内 claim 这个临时账号,把它变成自己的正式资源。 用人话说就是:先让 Agent 把东西跑起来,不要一上来就问我要身份证、银行卡和长期 Token。 这跟传统 PaaS 的匿名预览有点像,但关键差异在于它面向的是 Agent 工作流。Cloudflare 明确把场景放在 AI coding agents 上:Agent 写了 Worker、网站、API,马上就能把产物部署出去,给用户一个可点开的结果,而不是停在“请你登录 Cloudflare Dashboard”的半成品状态。 ...

June 22, 2026 · 2 min · Hypho

小米 MiMo Code 深度拆解:fork 一个 17 万星项目后,他们加了什么

两天之内 4700+ Star,241 条 HN 评论——小米 MiMo Code 的发布在开发者社区引起了不小的波澜。但让我真正感兴趣的不是这个数字本身,而是它背后的策略:fork 一个已经有 17 万 Star 的开源项目 OpenCode,然后在上面叠加自己的东西。 坦白说,“大厂 fork 开源项目"这件事本身就自带争议。HN 评论区有人直接开喷:“fork 一个已有的开源项目,不给上游贡献代码,附加可能跟 MIT 许可证冲突的使用限制,然后还要 PR。“但也有另一种声音:如果 fork 出来的东西确实有实质性的技术创新,那这件事本身就有讨论的价值。 所以这篇文章想回答的核心问题是:MiMo Code 到底加了什么?这些加的东西值不值得一个独立项目的存在? 从 OpenCode 到 MiMo Code:不是换层皮那么简单 先说上游项目。OpenCode(现在叫 opencode)是一个终端原生的 AI 编程助手,17 万+ Star,TypeScript 写的,支持多 Provider、TUI 界面、LSP、MCP 协议和插件系统。它在 2025 年 4 月创建,到现在已经迭代了一年多,是终端编程 agent 领域里用户量最大的开源项目之一。 MiMo Code 保留了 OpenCode 的所有核心能力——多 Provider 切换、TUI 交互、LSP 集成、MCP 工具协议和插件系统——在此基础上叠加了五个关键模块。从源码结构看,它在 packages/opencode 目录下保留了 OpenCode 的核心代码,同时新增了 packages/app、packages/desktop、packages/enterprise、packages/sdk 等模块,看起来不只是一个 CLI 工具,而是一个完整的平台化产品。 持久化记忆系统 —— 这可能是最有意思的部分。它用 SQLite FTS5(全文搜索)做底层存储,维护一个 MEMORY.md 文件作为跨会话的项目知识库。每次你开新会话,记忆自动注入上下文,agent 不需要重新理解项目结构。 ...

June 12, 2026 · 2 min · Hypho