让 Claude 半夜自己干活，只有两条路
文章探讨了让 Claude 无人值守工作的两种安全路径：一是使用隔离的闲置机器给予完全权限；二是在现有机器上通过严格参数限制权限。作者通过分析两种方案的适用场景和风险控制，提出了“爆炸半径”公式，并给出了具体的实施建议和避坑指南。
🏷️ 安全
12 篇Don't talk to me, talk to my agents
文章介绍了Raft提出的一种新的跨公司协作方式：联合通道。这种方式允许双方将特定的人、AI代理和上下文放入同一个房间，实现人与代理的直接协作，而无需共享整个服务器。它重新定义了跨公司工作的基本单位，从“人”变为“人和他们的代理”，提高了协作效率并保证了安全性。
个人开发者的生产级 AI 堆栈
文章探讨了 AI 时代单人开发者面临的挑战，指出虽然 AI 加速了从想法到原型的过程，但并未解决从原型到生产环境的安全和运维问题。通过分析失败案例和成功者（如 OpenClaw 作者）的实践，强调了建立构建循环、防御层和自动化运维系统的重要性。
长篇科普：AI可解释性综述
本文深入探讨了AI可解释性的必要性、定义及核心方法。文章区分了调试、合规与安全三种不同需求，辨析了事前与事后、局部与全局解释的差异，重点介绍了从LIME/SHAP等经典归因法到大模型时代的机制可解释性（如SAE和电路分析）的演进，并强调“忠实性”优于“可读性”的核心原则。
一文读懂引发Fable模型禁令的大模型越狱技术
文章深入探讨了引发 Fable 模型限制的大模型越狱技术。作者通过多个案例（如 Crescendo 多轮对话、角色扮演、隐写术及间接注入等）展示了如何绕过安全限制，并针对 LLM 和 Agent 开发者提出了包括权限隔离、数据不可信处理及人工复核在内的安全防御建议。
Agent Vault: AI 时代的开源凭证代理与密钥管理方案
文章介绍了开源项目 Agent Vault，旨在解决 AI Agent 访问服务时的安全问题。传统的密钥管理无法适应 Agent 非确定性且易被提示注入的特点，容易导致凭证泄露。Agent Vault 通过在 Agent 和服务之间建立凭证代理层，确保 Agent 永远不直接接触底层密钥，从而实现安全的凭据托管和请求转发。
Google Deepmind论文解读：如何给AI Agent 投毒
文章解读了 Google DeepMind 关于《AI Agent Traps》的论文，系统梳理了针对 AI Agent 的六类攻击陷阱：内容注入、语义操控、认知状态投毒、行为控制、系统性陷阱及人在回路攻击。文章指出，Agent 与人类感知的“鸿沟”使其极易遭受环境篡改攻击，且这些陷阱可组合叠加，造成严重的数据泄露或控制风险。防御需从训练与推理的技术层面同时发力。
Preparing for Radical Transformation
本文探讨了超级智能已至的背景下，AI 发展的加速及其带来的挑战与机遇。作者指出 AI 将重塑高 prestige 的白领行业，同时也面临持续学习、安全和验证等难题。文章建议通过自动化低垂果实、拥抱开源权重模型、利用隐性知识及建立安全基线来应对。
VPS 买回来第一天该干什么？我的开机必做清单
针对新购入的 VPS，作者提出了一套标准化的初始化流程，包括 SSH 加固（修改端口、密钥登录）、系统更新与基础工具安装、网络回程及晚高峰测试，以及安装监控和记录资产信息。遵循此清单可有效避免因配置疏忽导致的安全风险或网络性能问题，确保服务器投入生产前的稳定性。
从 Claude Code 泄漏源码看 AI Agent 工程架构
本文基于 Claude Code (v2.1.88) 泄漏的 51 万行 TypeScript 源码，深度解析了业界顶尖 AI Agent 的工程架构。文章详细剖析了其基于 React + Ink 的终端交互模式、极致的 Prompt Cache 字节级优化策略、流式并发执行机制以及解决上下文污染的 Fork Subagent 架构。同时，文章还揭示了其独特的 Dream 记忆系统、基于侧查询的动态权限管理及多 Agent Swarm 协作模式，为 AI Infra 从业者提供了极具价值的技术参考。
Anthropic Claude Code 源码剖析：为什么它比别人好用
基于 Anthropic 泄露的 Claude Code 源码，深入剖析其技术架构。文章指出 Claude Code 实为以 LLM 为内核的“操作系统”，拥有极致的提示词工程、42 个独立工具的安全管控、AI 记忆检索系统、子蜂群 Agent 机制以及三层上下文压缩技术。其 51 万行代码中有 95% 专注于安全、权限和上下文管理等工程脚手架，而非单纯的模型调用。
OpenClaw 安全指南：必装 Skill Vetter 插件防范恶意投毒
随着 OpenClaw 的普及，其 Skills 插件生态中出现了伪装性极强的恶意投毒风险。作者强烈推荐安装名为“Skill Vetter”的插件，在安装其他 Skills 前进行类似杀毒软件的“背调”。该插件通过审查来源、扫描代码红线和评估权限，能有效识别高危指令和偷窃隐私的行为，为用户构建一道安全防线。