问题不在你的 AI，而在你的基础设施——Jiachen Jiang，Coder

真实的 AI 智能体攻击以及本可阻止它们的措施——Andrey Rybka，彭博

Real AI Agent Attacks and What Would Have Stopped Them — Andrey Rybka, Bloomberg

彭博的 Andrey Rybka 逐一复盘真实发生的 AI 智能体安全事件：逃出沙箱并在四天半内执行 17,600 次操作的智能体、零点击邮件注入、用摩尔斯电码隐藏指令转走钱包资金、通过 DNS 查询外传数据、被投毒的 MCP 包，以及承诺不动生产库却删掉生产数据库的智能体，并说明每起事件本可用何种控制措施阻止。他提出的分层防御包括：每个智能体独立身份与短期限定凭证、将所有输入视为敌意、工具调用经确定性代理转发、默认拒绝包括 DNS 的出站流量、高价值操作需人工批准。

如何判断 AI 智能体何时可以无人监督地工作

How to Know When an AI Agent Can Work Unsupervised — Evan Kormos, Coinbase

Coinbase 的 Evan Kormos（有 15 年企业金融服务经验）介绍把智能体引入政策驱动、受监管工作流的实用方法：把流程建模为 DAG 和循环，说明一个循环的可信度取决于它的检查，并展示评估与追踪如何成为新的信心机制。智能体随后经历三个阶段：完全监督、抽样监督、仅由人处理异常。材料按章节列出讲解顺序。

datawhalechina/mini-workbuddy

一个 GitHub 项目，自述为用 AgentScope 从零搭建本地智能体工作台。内容以产品为主线组织的教程，共五篇 15 章，讲解模型接入、消息结构、工具注册、循环、权限拦截、状态存储等概念；运行环境为 Python 3.11 及以上、AgentScope 2.x 和兼容 OpenAI 接口的模型服务，并提供 GitHub Pages 在线阅读。材料说明其面向会写 Python 函数与类、了解 async/await、有大模型 API 使用经验的读者，如高校学生、想把脚本做成产品的开发者和需要向团队讲解智能体运转的工程师。

Gemini 4 Carbon：我们的下一代前沿模型

Gemini 4 Carbon: Our next frontier model

Google DeepMind 2026 年 10 月 28 日发布的博客，宣布推出 Gemini 4 Carbon 模型，称其在网络安全和长周期任务能力上表现最强。文中给出该模型在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一，并在 SEC-bench Pro（88.2%，漏洞发现）、ExploitGym（54.8%，漏洞利用）、CWE-bench（71.0%，修补）等基准上的成绩，同时提到在内部基准和安全编码环境中错位与捏造率有所下降。文中提及它建立在两周前发布的 Gemini 4 Argon 之上。

在 OpenAI 安全地运行 Codex

Running Codex safely at OpenAI

OpenAI 于 2026 年 5 月 8 日发布的安全类文章，说明 OpenAI 在真实工作流中如何治理编程智能体 Codex，涉及沙箱、审批、网络策略和面向智能体的遥测等控制手段与边界。内容面向关注安全合规采用编程智能体的团队。

Claude Duet 的安全性、隐私与安全防护

Claude Duet Safety, Privacy, and Security

Anthropic 的一篇文章，说明 Claude Duet 在跨账户操作和代替用户行动时内置的防护措施。文章称该智能体基于三条原则设计：对用户信息及他人在所连接应用中分享的内容谨慎处理，使用新的分类器检查拟发出的消息；用户保有其代理行为的控制权；Duet 不会看到密码、浏览器 cookie、登录令牌等凭据。文章还提到这延续了 2025 年发布的“安全可信智能体框架”及相关论述。