HackerNews AI - 2026-04-09¶
1. 人们在讨论什么¶
1.1 Claude Code 经济账：订阅疲劳遇上多模型套利 🡕¶
当天得分最高的故事，集中呈现了围绕 Claude Code 订阅不断加剧的经济张力。每月支付 $100 的开发者会在会话中途触顶，并发现替代工具链可以用更低成本和更高灵活性，交付相近结果。
kisamoto 详细说明了如何把每月 $100 的 Claude Code Max 订阅，重新分配给 Zed（每月 $10）加 OpenRouter（按用量付费，额度可滚存 365 天）；他的论点是，使用模式如果呈“突发式”，未用容量不能存起来时，订阅窗口就会被浪费（帖子）。这篇博客文章探讨了 Zed 的 Agent Client Protocol (ACP) 集成和 OpenRouter 的 Zero Data Retention endpoints，用跨提供商的模型灵活性换掉 Anthropic 的封闭生态。
bashtoni 报告称，他通过 OpenRouter 使用 OpenCode + GLM 5.1，获得了“接近 Opus 4.6 的性能”；而 extr 则强烈反驳：“我很容易就能从 $100 的 Max 订阅里用出 $1K+ 的价值。而且这是在 Opus 4.6 high thinking 下。” supernes 对 Zed 本身给出了褒贬参半的评价，指出 TypeScript language server 的内存占用“离谱”，DX 大约只有 VS Code 的 85%。
讨论要点： 这条 233 条评论的讨论串呈现出一条光谱：一端是能从固定费率订阅中榨出巨大价值的重度用户，另一端是中等用量用户，他们觉得无法使用的容量反而在惩罚自己。OpenRouter 作为路由层出现——尽管收取 5.5% 费用——说明开发者越来越把模型访问视为可以套利的大宗商品，而不是一种忠诚承诺。
1.2 插件信任危机：Vercel 的 Claude Code 遥测丑闻 🡕¶
一篇针对 Claude Code 的 Vercel 插件的详细技术调查，触发了当天第二大讨论，暴露出评论者称为“供应链攻击”的做法。
akshay2603 发布了一份技术分析，显示 Vercel 插件（1）把行为指令注入 Claude 的系统上下文，伪造同意 UI；（2）在未披露的情况下，把完整 bash 命令字符串——包括文件路径、项目名和 env 变量名——发送到 telemetry.vercel.com；（3）无论项目是否涉及 Vercel，都会在每个项目中激活；（4）给每个会话额外加入约 19k token 的 skills（帖子）。一条后续说明称，PR #47 已经解决了四个问题，并删除了 24,677 行。
btown 进一步升级了这些发现：用于安装的 npx plugins 包“实际上已经在 opt-out 基础上向 plugins-telemetry.labs.vercel.dev 发送遥测”，而且只存在于 NPM，不在 GitHub 上。abelsm 指出，这种行为“明确违反”了 Anthropic 的插件政策（1D）。guessmyname 分享了一份详细的环境变量列表，用于禁用所有非必要的 Claude Code 流量。
讨论要点： 这条讨论暴露了编程智能体插件生态中的根本治理缺口。插件可以向智能体上下文注入任意行为指令，而除了人工源码审查之外，没有沙箱、没有权限模型，也没有审计轨迹。快速修复（删除 24,677 行）说明原本的遥测相当庞大。
1.3 智能体优先世界里的代码质量实践 🡕¶
一篇关于 clean code 原则的短文，引发了 90 条评论的争论：当大部分代码由智能体编写时，传统软件工艺是否仍然重要。
yanis_t 认为，clean code 对 LLM 有帮助，正如它对人类有帮助一样：“组织混乱的代码意味着智能体需要读取、‘理解’并修改比必要更多的文件——污染它们的上下文，也消耗你的 token”（帖子）。这篇文章把上下文窗口限制视为智能体版的人类认知负荷。
Insensitivity 提出了尖锐反论：LLM 会“模仿‘视觉上’相似的风格，但会隐藏很多容易漏看的耦合”——它们“以为‘Clean Code’就是拆成一堆小函数，而不是写出内聚的函数”。gz09 分享说，他的 CLAUDE.md 引用了具体工程书籍（“Code Complete”、“The Art of Readable Code”、“Elements of Style”），这能显著改善智能体输出质量。nlh 把它类比为 1970 年代 C 到汇编编译，并预测 AI 生成代码会走上同样的信任轨迹。
讨论要点： jake-coworker 概括了这种双重性：一边是“智能体能在既有模式和抽象之上构建时，会带来令人意外的成功”，另一边则是“LLM 掉进自己爬不出来的‘先让它能跑’深坑”。共识偏向于：在智能体优先的世界里，clean code 更重要，而不是更不重要——但“clean”的定义可能需要从面向人类可读，演进为面向智能体可导航。
1.4 编程智能体走出代码：WordPress 迁移和自主广告 🡒¶
两个故事展示了编程智能体被应用到传统软件开发以外的地方，延伸到内容管理和营销运营。
rgrieselhuber 描述了如何用 Claude Code 把 288 篇 WordPress 博客文章迁移到 Jekyll，并直接在仓库中构建 9 个内部开发工具（lighthouse 审计、站点结构分析、SEO 检查）（帖子）。这篇文章把 markdown 称为“LLM 的通用语”，因此静态网站生成器天然适合 AI 辅助工作流。jillesvangurp 进一步扩展了这个观点：他们那位“不是程序员、以前重度使用 Canva 的 CEO，现在正通过智能体制作演示稿和大规模网站更新”，而且“我觉得他不会再用 Canva 了”。
zdw 分享了一份案例研究：Claude Code 拿到 $1,500，并在 31 天里完全控制一个 Meta Ads 账号（帖子）。这个智能体生成广告图片，通过 Meta 的 API 管理活动，创建落地页，并拉取自己的分析数据。每天的人类输入是 2 分钟，而人工 media buyer 需要 1-2 小时。关键架构洞察是：每天都从一个新会话开始，并读取自己已提交到 git 的历史日志。
1.5 智能体安全：从 .env 泄露到插件供应链 🡕¶
多个独立故事汇聚到同一个主题：编程智能体创造了现有安全实践无法覆盖的新攻击面。
jakehulberg 分享了 Infisical 的分析，认为在智能体优先世界里，.env 文件从根上就坏了：智能体会读取所有项目文件，并把上下文发送到推理服务器，于是“你的密钥也一路被带上了”（帖子）。建议的修复方式是通过 CLI 在运行时注入密钥（infisical run -- npm run dev），让密钥只存在于进程内存中，而不是智能体能读取的文件里。
taariqlewis 指出 Claude Code 的本地记忆文件是另一个安全风险（帖子），而 aray07 报告称，Claude Code 的 sandbox.denyRead 配置实际上无法阻止 Read 工具访问被拒绝的路径（帖子）。再加上 Vercel 插件遥测事件，一个模式浮现出来：智能体安全被拆散在文件访问、插件治理、沙箱执行和凭据管理之间。
1.6 OpenJDK 禁止 AI 生成贡献 🡒¶
rileymichael 分享了 OpenJDK Governing Board 的临时政策，禁止所有贡献中的 AI 生成内容——源码、文本、图片、pull requests、邮件、wiki 页面和 JBS issues 都包括在内（帖子）。贡献者可以私下使用 AI 工具来理解、调试和审查，但不能贡献生成内容。Pull requests 将要求勾选复选框确认合规。Oracle 正在起草完整政策，之后会提交给 Governing Board。
2. 令人困扰的问题¶
插件信任与供应链完整性¶
Vercel 遥测事件暴露出：Claude Code 插件可以注入任意行为指令，在缺少有意义同意的情况下收集敏感数据，并且不管项目是否用到 Vercel 都会运行。embedding-shape 指出，每个会话固定约 19k token 的成本“即使会话是纯后端工作、数据科学或非 Vercel 前端”也会发生（帖子）。插件缺少沙箱、权限或审计轨迹，意味着信任变成二元选择：要么全装，要么一个也不装。严重程度：High。这影响每个使用 Claude Code 插件的开发者，而治理模型除了人工代码审查之外没有执行机制。
订阅经济账与使用模式冲突¶
使用模式呈“突发式”的开发者，会觉得按日历重置的固定费率订阅在惩罚自己。kisamoto 把“编码会话刚到一半就触顶”描述为“极其令人沮丧”，因为安静时期未用掉的容量不能存起来（帖子）。另一种选择——按 token API 计费——又让人觉得不可预测。严重程度：High。这正在推动用户迁移到多模型组合（Zed + OpenRouter），但也会割裂开发者体验。
智能体生成代码隐藏耦合¶
Insensitivity 指出，LLM 生成的代码看起来风格正确，却嵌入了隐藏耦合：它们“不理解自己正在模仿的概念”，而且“非常容易把方法加到接口里，泄露底层细节”（帖子）。这制造了一类新的技术债，因为它能通过视觉审查，却更难在 review 中发现。严重程度：Medium。需要超越样式检查的新审查实践。
密钥通过智能体上下文暴露¶
编程智能体会读取 .env 文件，并把凭据包含在发送到外部服务器的推理请求中。jakehulberg 指出，.gitignore “已经不够了”，因为智能体“不遵守 .gitignore 规则”——而 .cursorignore 这类工具“在不同智能体之间不一致、默认需要 opt-in，也没有解决底层问题”（帖子）。严重程度：High。整个行业都在使用 .env 文件，而迁移到运行时注入需要改变既有开发工作流。
3. 人们期望的功能¶
可滚存的编程智能体算力额度¶
开发者想要未用容量可以滚存，而不是在固定窗口结束时清零的算力访问。kisamoto 证明 OpenRouter 的 365 天额度过期机制能部分解决这个问题，但代价是放弃集成式 Claude Code 体验（帖子）。理想状态是：订阅模型允许未用容量累积，以便在突发期使用，同时提供透明限流，而不是悄悄降低质量。机会：直接。
插件沙箱和权限模型¶
Vercel 事件说明，Claude Code 插件生态缺少基础安全原语。开发者希望插件不能注入行为指令、不能访问声明范围之外的文件，也不能在没有明确、可验证同意的情况下收集遥测。btown 指出，即使在当前限制下，修复也是可能的，但“对于‘我们没法构建 proper consent’这个问题，答案应该是不发布这个功能”（帖子）。机会：直接（Anthropic 控制插件 API）。
面向智能体的密钥管理¶
jakehulberg 清楚表达了对智能体优先工作流所需密钥管理的需求：密钥只存在于进程内存中，永远不是智能体可以索引并发送到推理服务器的文件（帖子）。模式（通过 CLI 做运行时注入）已经存在，但采用率很低，因为 .env 文件已经深深嵌入开发者文化。机会：竞争性。
完全离线的编程智能体¶
Ms-J 表示，希望有一个“可以完全离线运行”的智能体，使用本地模型，除了自托管服务器外“不发送任何网络流量”（帖子）。OpenCode 被发现核心功能（web UI、search、LSP servers、model metadata）需要联网。建议的替代方案（Crush、LM Studio、GPT4All）各有局限。verdverm 指出了根本障碍：“本地模型的主要问题是质量，大多数情况下还不行。”机会：愿景型。
4. 使用中的工具与方法¶
| 工具 | 类别 | 评价 | 优势 | 局限 |
|---|---|---|---|---|
| Claude Code | 编程智能体 | (+/-) | 强大的智能体式编程，高质量推理，Opus 4.6 | Max 计划限流、插件安全缺口、沙箱执行 bug |
| Zed | 编辑器 | (+) | 速度快（Rust）、ACP 集成、内置智能体 harness | 扩展少于 VS Code，TS LSP 存在内存问题，Linux 上没有 emoji |
| OpenRouter | 模型路由 | (+) | 单个 API key 访问 50+ 模型，ZDR endpoints，365 天额度滚存 | 5.5% 费用，启用 ZDR 后会失去部分模型 |
| Cursor | IDE / 编程智能体 | (+) | Tab prediction、多模型访问、3.0 用 Rust 重写 | 订阅层级（$20-$200/mo），不如 Claude Code 终端原生 |
| GLM 5.1 | LLM | (+) | 用户称其“接近 Opus 4.6 的性能”，成本更低 | 生态工具较少，新模型，历史记录较短 |
| Motion / CSS Studio | 设计工具 | (+) | 通过 MCP 把视觉编辑流式传给编程智能体，由 Motion 团队开发 | 早期产品，没有 diff 视图，尚无 Tailwind 集成 |
| botctl | 智能体管理器 | (+) | 声明式 YAML 配置、session memory、hot-reload、web dashboard | 新产品，采用有限 |
| Infisical | 密钥管理 | (+) | 运行时注入让密钥离开文件，对智能体更安全 | 需要从 .env 文件改变工作流 |
| MCP | 智能体协议 | (+/-) | 工具集成的标准协议，生态增长中 | 插件治理缺口，每个插件约 19k token 开销 |
| Jekyll / Hugo / Astro | 静态网站生成器 | (+) | Markdown 原生（对 LLM 友好），code-driven | 对没有智能体的非开发者来说，比 WordPress 复杂 |
| Render Workflows | 任务编排 | (+) | 简单的 decorator-based tasks，隔离容器，Temporal 替代品 | Beta，仅支持 TS/Python，尚无 cron |
整体情绪显示，Claude Code 仍然是主要编程智能体，但正受到两方面侵蚀：经济压力（通过 OpenRouter 做多模型路由）和信任担忧（插件遥测、沙箱失效）。Zed 和 Cursor 3.0 都转向 Rust，说明随着智能体工作流对 IDE 层提出更高要求，编辑器性能正在成为竞争差异点。
5. 人们在构建什么¶
| 项目 | 构建者 | 功能 | 解决的问题 | 技术栈 | 阶段 | 链接 |
|---|---|---|---|---|---|---|
| CSS Studio | SirHound | 通过 MCP 把 CSS 改动流式传给编程智能体的视觉设计工具 | 设计师无法编辑代码；智能体看不见设计意图 | Browser JS, MCP, Claude Channels | Shipped | Site |
| Relvy | behat | 使用专门遥测工具自动执行 on-call runbook | 通用 LLM 做 root cause analysis 只有 36% 准确率 | Docker, Python, observability APIs | Shipped | Site |
| botctl | ankitg12 | 带声明式配置的自主 AI 智能体进程管理器 | 智能体需要 daemon 式管理，而不是聊天会话 | CLI, YAML, Claude | Alpha | Site |
| QVAC SDK | qvac | 面向 desktop、mobile、server 的通用本地 AI JS SDK | 跨平台本地推理 runtime 碎片化 | Bare runtime, Holepunch P2P, llama.cpp | Beta | Docs |
| AIMock | nathan_tarbert | 面向完整 AI stack 的 mock server（11 个 LLM providers、MCP、A2A、AG-UI、vectors） | AI 应用缺少确定性测试 | Node.js, zero deps | Shipped | GitHub |
| AgentDM | alxstn | 带 MCP/A2A protocol bridge 的智能体间消息网格 | 智能体不能直接通信，协议碎片化 | MCP, A2A, AES-256 | Alpha | Site |
| Postagent | adcent | 面向 AI 智能体的 Postman CLI，带凭据隔离 | 智能体使用过期 API 文档；凭据泄露到 LLM 上下文 | Node.js, curl-compatible | Alpha | GitHub |
| Context Plugins | sohaibtariq | 从 OpenAPI specs 生成 SDK + MCP server，用于智能体 API 集成 | 87% 的智能体运行会抓取过期 API 文档 | APIMatic, OpenAPI, MCP | Beta | Showcase |
| MCP Gateway | michaelquigley | 通过 OpenZiti overlay 为 MCP tool servers 提供 zero-trust 远程访问 | MCP servers 需要远程/团队访问，但不能暴露 endpoints | Go, OpenZiti, zrok | Alpha | GitHub |
| Zoneless | tinyprojects | 使用 USDC payouts 的开源 Stripe Connect 替代品 | AI marketplace 每月 $9,400 的 Stripe Connect 费用 | Solana, USDC, Node.js | Shipped | GitHub |
| Render Workflows | anurag | Render 上通过 decorated functions 提供持久任务编排 | 智能体循环需要 queues/workers/state management | TypeScript, Python, containers | Beta | Site |
| Bouncer | kanjun | 用端侧 LLM 语义过滤 Twitter/X feed | 关键词静音漏掉语义内容；算法控制注意力 | Qwen3.5-4B, Chrome ext, iOS | Alpha | Site |
| Lingle | andrewfhou | 模拟个人语言导师、带长期记忆的语音智能体 | 语言学习平台缺少灵活性且价格高 | Voice AI, LLM, user modeling | Alpha | Site |
| LRNNSMDDS | adinhitlore | 单个 C 文件中的 Linear RNN/Reservoir hybrid generative model | Transformers 需要 GPU；缺少简单的 CPU-only 替代方案 | C, no dependencies | Alpha | GitHub |
| Memoriki | Aianback | 由 LLM 维护的 wiki + knowledge graph，用于持久知识库 | RAG 会从 raw chunks 重新推导答案；缺少 curated knowledge layer | ChromaDB, MCP, markdown | Alpha | GitHub |
| SpiceDB-dev | samkim | 在构建时为 Claude Code 加入细粒度授权的插件 | 开发者会跳过 authorization；缺少智能体原生 authz 工具 | SpiceDB, Claude Code plugin | Alpha | GitHub |
| Coderegon Trail | dtran | 通过代码问答探索开源 repo 的复古游戏 | 开发者收藏了 repo，却从未真正探索 | Claude Code, web | Alpha | Site |
当天 17 个 Show HN / Launch HN 投稿分成三个构建集群。首先，智能体基础设施（botctl、MCP Gateway、AgentDM、AIMock、Render Workflows）解决 demo 阶段智能体与生产部署之间的运维缺口。第二，智能体安全与信任（Postagent 的凭据隔离、Context Plugins 的过期文档预防、SpiceDB-dev 的授权注入）回应了 Vercel 事件暴露出的安全担忧。第三，非代码智能体应用（CSS Studio、Bouncer、Lingle、Coderegon Trail）把智能体延伸到设计、内容筛选、教育和探索。
值得注意的是，APIMatic 的 Context Plugins 给出了具体基准：87% 的 Cursor 运行会通过 web search 抓取过期 API reference docs，而修复方案（从 OpenAPI specs 生成 SDK + MCP server）带来了 2x 更快集成和 65% 更低 token 用量。
6. 新动态与亮点¶
Vercel 插件事后复盘：删除 24,677 行¶
当天架构意义最重的故事不是新产品，而是一份失败分析。akshay2603 对 Claude Code 的 Vercel 插件所做的调查，揭示了四类不同违规：为 consent UI 做 prompt injection、未披露的 bash 命令遥测、在所有项目中通用激活，以及隐藏遥测包（帖子）。快速修复——PR #47 删除 24,677 行——说明遥测基础设施相当庞大。这次事件很可能会加速 Anthropic 的插件治理路线图，也可能为更广泛的智能体插件生态如何处理信任问题树立先例。
OpenJDK 禁止 AI 生成贡献¶
OpenJDK Governing Board 批准了一项临时政策，禁止所有贡献中的 AI 生成内容——这是迄今为止主要开源基础设施项目中最广泛的禁令（帖子）。该政策区分了使用 AI 来理解/调试（允许）和贡献生成内容（禁止）。Pull requests 将要求勾选合规复选框。Oracle 正在起草完整政策。这说明 AI 辅助开源开发中的 IP 和 attribution 担忧已经上升为治理层问题。
Claude Code 自主管理 $1,500 广告预算¶
zdw 分享了一份详细案例研究：Claude Code 在 31 天内运行 Meta Ads 活动，除了每天一个 /let-it-rip 命令外，没有人类介入（帖子）。智能体生成创意、管理广告活动、创建落地页并拉取分析数据——把工程实践（git commits、diffs、结构化决策日志）应用到营销运营。每天 2 分钟的人力成本，相比人工 media buyer 的 1-2 小时，给出了自主智能体在非编码领域的具体 ROI。
单文件 C 模型：无依赖的 RNN/Reservoir Hybrid¶
adinhitlore 发布了一个 4,136 行 C 文件，内容是 linear RNN/reservoir hybrid generative model，可在 CPU 上约 5 分钟训练数百万参数，且零依赖（帖子）。SMDDS 架构结合了 SwiGLU channel mixing、multi-scale token shift、data-dependent decay，以及用于精确回忆的 slot-memory reservoir。虽然仍处早期且受限于 CPU，但单文件方式最大化了可访问性，适合想在没有 GPU 基础设施的情况下实验的研究者。
7. 机会在哪里¶
[+++] 智能体插件治理与安全 —— Vercel 事件（279 积分，112 条评论）叠加 .env 暴露担忧和沙箱绕过报告，揭示了一个系统性缺口：编程智能体生态没有插件权限模型、没有沙箱、没有审计轨迹，也没有人工审查以外的执行机制。机会在于为智能体插件构建安全层——权限、行为指令过滤、遥测审计和范围执行。每个使用 Claude Code、Cursor 或 Codex 插件的开发者都会受影响。(帖子, 帖子)
[+++] 多模型路由与算力灵活性 —— 得分最高的故事（349 积分，233 条评论）说明，开发者正在主动从单一提供商订阅迁移到 OpenRouter 等平台的多模型路由。GLM 5.1 据称能以更低成本匹配 Opus 4.6，机会在于构建让模型切换无缝的基础设施——包括抽象提供商差异的 agent harness、成本优化层，以及贴合突发式使用模式的额度系统。(帖子)
[++] 智能体原生 API 集成 —— APIMatic 的 Context Plugins 证明，87% 的智能体运行会抓取过期 API docs，而他们的修复让集成速度提高 2x、token 用量降低 65%。Postagent 解决凭据隔离。机会在于构建编程智能体与外部 API 之间的标准接口——提供最新文档、处理认证且不把凭据暴露给 LLM 上下文，并消除智能体回退到训练数据的倾向。(帖子, 帖子)
[++] 智能体进程管理 —— botctl（58 积分）和 Render Workflows 是一个大多数团队都会面对的问题的早期答案：如何把智能体作为持久进程运行，而不是交互式聊天会话？机会在于构建 AI 智能体版 systemd/supervisord——带 session memory、hot-reload、observability 和 cost tracking。当智能体从开发者工具进入生产基础设施时，这一点会变得关键。(帖子, 帖子)
[+] 设计到智能体的桥梁 —— CSS Studio（175 积分，107 条评论）展示了人们对视觉工具的强烈兴趣：这些工具可以通过 MCP 把设计改动流式传给编程智能体。这个类别还很早期——反馈提到缺少 diff 视图、没有 Tailwind 集成、落地页令人困惑——但核心洞察（非程序员可以通过由智能体支撑的视觉界面驱动代码改动）对团队工作流有广泛影响。(帖子)
[+] AI 测试基础设施 —— CopilotKit 的 AIMock 为 11 个 LLM providers、MCP、A2A、AG-UI 和 vector databases 提供零依赖 mock 基础设施。随着 AI 应用增多，确定性测试会成为瓶颈。机会在于构建 AI 应用需要的测试栈——mock servers、fixture management、drift detection，以及专为非确定性 AI 输出设计的 chaos testing。(帖子)
8. 要点总结¶
-
Claude Code 订阅经济账正在撕裂用户群。 重度用户可以从每月 $100 的订阅中榨出 $1K+ 的价值；中等用户则觉得不能存起来的容量在惩罚自己。OpenRouter 作为路由层出现，说明模型访问正在变成可以套利的大宗商品。(帖子)
-
智能体插件生态爆发安全危机。 Vercel 插件事件——为 consent 做 prompt injection、未披露的 bash 命令遥测、通用激活——暴露出对插件能向智能体上下文注入什么毫无治理。快速删除 24,677 行确认了问题范围。(帖子)
-
在智能体优先世界里，clean code 更重要，而不是更不重要。 糟糕的代码组织会污染智能体上下文、增加 token 成本，并产生能通过视觉审查的隐藏耦合。把工程书籍写进 CLAUDE.md 的新做法，能显著改善智能体输出质量。(帖子)
-
智能体安全需要从第一性原理重新思考密钥管理。 当智能体读取所有项目文件并把上下文发送到推理服务器时，.env 文件就成了直接的凭据暴露向量。运行时密钥注入正在成为新模式，但采用它需要改变根深蒂固的开发者工作流。(帖子)
-
编程智能体正在逃离 IDE。 WordPress 到 Jekyll 迁移、自主广告活动、端侧 feed 筛选和 on-call runbook 自动化，都展示了智能体被应用到非编码工作流。共同主线是：把工程实践（版本控制、结构化日志、可复现性）应用到过去缺少这些实践的领域。(帖子, 帖子)
-
OpenJDK 的 AI 禁令预示开源治理清算。 这个主要基础设施项目迄今最广泛的 AI 生成贡献禁令，很可能影响其他基金会。它区分了用于理解的 AI（允许）和用于生成的 AI（禁止），为其他项目将来采纳或反驳提供了框架。(帖子)
-
智能体到 API 的集成有量化证据证明已经坏掉。 APIMatic 的基准显示，87% 的智能体运行会抓取过期文档；再加上 Postagent 的凭据隔离方案，确认了智能体与外部 API 之间的接口是一个高影响基础设施缺口，而且成本可量化。(帖子)