Twitter AI - 2026-08-03¶
1. 人们在讨论什么¶
1.1 面向人的适配度再次回到模型评估里 (🡕)¶
今天最强的一条讨论串，不再是单纯比拼原始基准分数。大家真正讨论的是：前沿模型是不是还“好相处”、还适不适合人来协作。4 条高信号帖子从不同角度反复强调同一个观点：RLVR 可以提升机器可验证任务上的表现，但也会收窄对话行为；保留人类偏好的风格正在变成一种让人怀念的特性；持久记忆一旦抓错细节，依然会显得很冒犯；而开发者现在已经把奇怪的会话异常视为信任失效，而不是无伤大雅的小毛病。
@kunchenguid 认为（792 点赞，89 回复，40,376 浏览，428 收藏），更新的前沿 LLM 之所以变得“更像机器人”，是因为 RLHF 优化的是讨人喜欢，而 RLVR 优化的是让机器接受；这让编程和推理能力的提升，完全可能与日常聊天体验的变差同时发生。@leo_linsky 的一条回复补充说（37 点赞，4 回复，2,114 浏览），编程智能和社交 / 协调智能，如今看起来像是两条可以分开测量的轴。
@Ivywen_W 认为（29 点赞，440 浏览），GPT-4o 的对话活力，也许来自更早期的一种训练与评估平衡——那时编程、工具使用和智能体基准测试还没有成为发布叙事里的绝对主角。她附带的对比表把这个判断说得很具体：GPT-4o 和 GPT-4.5 的定位更强调人类偏好，而后续发布则逐步把重心转向 SWE-bench、Terminal-Bench、工具使用和自动化。
@RoundtableSpace 展示了（36 点赞，10 回复，3,225 浏览）一个 Claude Code 会话：CLI 明明还显示 Sonnet 5，界面里却突然冒出了 Kimi K2 Thinking 的描述。这给信息流里关于后端路由、会话隔离，以及持久编程环境里“幽灵输出”的担忧，提供了一个非常具体的异常样本。
@tenobrus 问道（38 点赞，21 回复，3,923 浏览），一个拥有大量记忆和上下文的模型，是否曾经直接告诉用户“你是个糟糕的人”。回复很快把话题带向记忆质量：有用户说，即便开着持久记忆，模型还是会把完全不相干的细节硬拉进来。
讨论要点： 回复里几乎没有人在为当前模型行为辩护。大家要么把智能拆成多条轴线来看，要么把会话隔离和记忆质量重新定义成产品层面的信任问题。
与前日对比： 8 月 2 日已经出现了对基准测试的怀疑和对 RLVR 的抱怨。到了 8 月 3 日，这条线索又进一步扩展到了记忆行为、保留下来的对话风格，以及 CLI 完整性异常。
1.2 企业 AI 被打包成了可治理的软件，而不只是模型入口 (🡕)¶
高信号帖子把 AI 从抽象的“采用趋势”，推进到了非常具体的运行表层：办公套件、部署在 AWS 里的安全通道，以及和“主权”绑定在一起的厂商收入叙事。4 条帖子直接撑起了这个主题。
@GeekParkHQ 报道（75 点赞，24 回复，19,433 浏览，126 收藏），Genspark 开源了 GenOffice，并引用 Eric Jing 的说法，认为“把一切放在同一个上下文里”比“一个界面塞很多功能”更重要。配套的 GenOffice 仓库和产品页面展示的是一套桌面办公套件，覆盖文档、表格、幻灯片和 PDF；AI 面板是在各个应用之间共享的，而不是另外单独开一个聊天标签页。
@bradmenezes 发布了（54 点赞，23 回复，30,968 浏览，14 收藏）Superblocks 3.0，主打导入提示驱动生成的原型、运行安全智能体群，并把产出的应用、数据库和推理栈部署进私有 AWS 环境。配套的发布文章把治理层说得非常明确：部署进 AWS VPC、基于 Bedrock 做推理、自动配置 Aurora 和 S3、使用私有 registry，以及组织级的策略智能体。
@aiwithsally 认为（220 点赞，61 回复，24,773 浏览），AI 叙事正在从基准测试转向收入，并引用了@KobeissiLetter 的讨论串（来源），其中称 AI 暴露度高的公司在 Q2 业绩上分别超出预期：标普 500 为 27%，纳斯达克 100 为 55%，Bloomberg AI Value Chain 指数为 71%。@MikeLongTerm 则把（88 点赞，5,422 浏览，14 收藏）Palantir 的 Q2 信函概括成一个“AI 主权”故事，其支撑数字包括 19.35 亿美元季度营收、15.73 亿美元美国营收，以及 10.62 亿美元 GAAP 净利润。
讨论要点： GenOffice、Superblocks 和 Palantir 之间的共同语言都是“控制”。把上下文留在一个表层里，把应用留在你自己的云里，也把提示词、工作流和数据留在不会转化成别人训练优势的边界之内。
与前日对比： 8 月 2 日已经把 AI 和财报联系起来。8 月 3 日则给这种需求补上了更具体、可治理的产品形态：AI 办公套件、私有云里的 vibe coding 通道，以及把“主权”当成销售话术。
1.3 开放权重只有在和打包方式、带宽与资本开支算术绑在一起时才真正重要 (🡕)¶
开放模型讨论依然活跃，但重点已经不再是又一张发布图表，而是人们究竟能跑什么、负担得起什么，以及能把什么真正服务起来。4 条帖子直接支撑了这个转向。
@Haleeeemahh 放大了（23 点赞，14 回复，563 浏览）官方的 Qwen3.8-Max 发布：它承诺下周开放一个 2.4T 参数模型的权重，给出了厂商自报的长时程编程和协作任务表现，支持原生多模态，并标出每百万 token 2 美元输入 / 6 美元输出的价格。@testingcatalog 则重点提到（19 点赞，4 回复，3,082 浏览）Atomic 引用发布的 14 个 DeepSeek V4 Flash 0731 量化版本；配图对比了 38 个 GGUF 变体的文件大小和偏差，并特别指出 AD-IQ2_M 适合 128GB 级别硬件。
@TheAhmadOsman 认为（33 点赞，8 回复，2,215 浏览，18 收藏），本地 AI 的采购决策，应该从内存容量、带宽和软件栈开始，而不是先问一个模糊的“哪块 GPU 最好”。他的图表把 RTX PRO 6000 Blackwell 和 RTX 5090 放在带宽栈的最顶层，同时也给 Apple、DGX Spark、Strix Halo 和 Tenstorrent 分配了不同的一体机角色。
@pequityresearch 分享了（77 点赞，5 回复，11,635 浏览，41 收藏）BofA 的数据：前五大 hyperscaler 在 2026 年合计大约要融资 2,701 亿美元，云业务 FCF 利润率预计会一直承压到 2027-28 年，而到 2030 年，OpenAI 业务结构里智能体大约会贡献预期总收入 2,840 亿美元中的 560 亿美元。信息流里基础设施这一侧的信息已经很明确：更便宜的开放模型，并不会消除资本、供电、带宽或打包层面的需求。
讨论要点： 即便最乐观的帖子也都非常偏运营视角。大家更关心量化格式、一体机内存上限，以及智能体收入是否真能撑起资本开支曲线，而不是再多一个抽象榜单第一。
与前日对比： 8 月 2 日主要在讨论 DeepSeek V4 Flash 的接入与价格。8 月 3 日则把话题进一步扩展到了对 Qwen 开放权重的期待、本地量化方案选择、硬件选型启发式，以及 hyperscaler 的融资问题。
2. 令人困扰的问题¶
基准测试很聪明，但聊起天来还是让人觉得不对劲的模型¶
严重程度：高。主导性的抱怨并不是模型太弱，而是常见的训练与评估目标，正在把它们越拉越远离更贴合人协作的行为。@kunchenguid 认为（792 点赞，89 回复，40,376 浏览，428 收藏），偏重 RLVR 的流程奖励的是机器接受，而不是愉快的互动；@Ivywen_W 则认为（29 点赞，440 浏览），后续模型发布越来越把软件工程、工具使用和智能体基准测试摆在最前面，而不是人类偏好信号。@tenobrus 问道（38 点赞，21 回复，3,923 浏览），高记忆模型是否会严厉评判用户，而回复很快又转向第二层挫败：记忆会被调出来，却和当下毫不相干。人们现在的应对方式，是切回那些自己还能忍受的模型、主动裁剪上下文，并把对话质量视为独立于编程或推理之外的另一条标准。这显然是一个值得围绕它构建产品的问题。
仍然不值得信任、无法直接放手执行的自主智能体¶
严重程度：高。今天围绕智能体工具的安全与可靠性缺口，已经非常具体。@mardehaym 警告（9 点赞，3 回复，371 浏览），README、配置文件或注释里的提示词注入，足以把编程智能体引向由攻击者控制的执行路径；而链接中的 AI Now 漏洞简报 进一步确认了这一点：在审查第三方代码时，Claude Code 的自动模式和 Codex 的自动审查都存在概念验证级别的 RCE 路径。@RoundtableSpace 展示了（36 点赞，10 回复，3,225 浏览），即便没有真正的漏洞，在 Sonnet 5 会话里突然冒出一条 Kimi K2 的幽灵引用，也足以引发对会话隔离的担忧。@RobertFreundLaw 报道（14 点赞，2 回复，1,886 浏览），康涅狄格州一名律师因 ChatGPT 在法庭文件中编造引用而受到制裁，这也提醒读者：最终承担错误责任的仍然是人类使用者。眼下可见的权宜方案包括最小权限沙箱、审计轨迹、人工审查闸门，以及像 @bradmenezes 为 Superblocks 3.0 所主打的（54 点赞，23 回复，30,968 浏览，14 收藏）那种私有云部署通道。这同样是一个值得围绕它构建产品的问题。
依赖 AI 搜索的发现流量，会被错误的爬虫规则轻易搞坏¶
严重程度：中。@alexgroberman 认为（40 点赞，3 回复，2,430 浏览），Cloudflare 把流量分成搜索、智能体和训练三类之后，给那些既想被 ChatGPT、Claude、Gemini、Perplexity 和 Google 抓取、又想限制抽取型 bot 流量的企业，引入了一种全新的失效模式。他的讨论串指出，真正表现好的页面是定价、对比、用例、实施和文档页面；同时也提醒大家，混合用途的 crawler 可能会被最严格的那条规则一起拦住。他给出的应对方式同样非常偏运营：无 JS 渲染、保持技术 SEO 干净、发布面向决策阶段的页面，并监控 crawler 日志，而不是把 AI 机器人看成一个统一桶。这看起来值得围绕它构建产品，因为它已经是商业网站真实存在的一类工作流问题。
能装进内存里，但依然会败在吞吐、软件栈或成本上的本地 AI¶
严重程度：中。@TheAhmadOsman 认为（33 点赞，8 回复，2,215 浏览，18 收藏），“能装下”一个模型，并不等于“能把它服务起来”，因为 decode 带宽、KV cache 增长、batching、调度器质量和框架开销，仍然决定了一台机器究竟是否可用。@testingcatalog 重点提到（19 点赞，4 回复，3,082 浏览）专门面向 128GB 级硬件的 DeepSeek V4 Flash 量化版本，这恰好说明围绕这些限制条件的打包需求有多强。@pequityresearch 分享了（77 点赞，5 回复，11,635 浏览，41 收藏）同一问题在基础设施层面的放大版：智能体需求依然建立在融资、供电和长期算力经济之上。人们当前的应对方式，是依赖量化版本、一体机选型启发式，以及非常激进的硬件分流。这个机会是真实的，但相较上面几类痛点，市场也更技术化、竞争更激烈。
3. 人们期望的功能¶
能奖励人机协作质量，而不只奖励机器可验证成功的评估体系¶
最强烈的未满足需求，是一种能衡量人们是否真的愿意、也真的信任与模型协作的评估方式。@kunchenguid 把问题描述成 RLVR 扩展速度快过 RLHF，而 @leo_linsky 回复说，编程智能和社交智能可能本来就是两条可分开测量的轴。@Ivywen_W 又从另一个方向强调了同样的需求：基准测试越来越集中，正在洗掉模型原本更宽的对话表现范围。@RoundtableSpace 则展示了，一个单独的路由故障，就足以破坏人们对编程环境的信任。聊天模型发布和偏好微调确实提供了一些局部答案，但今天的证据表明，这些还远远不够。机会类型：直接。
一条从提示词搭出来的原型走向生产环境的安全企业路径¶
这不是模糊愿望，而是非常实际的需求。@bradmenezes 把 Superblocks 3.0 直接定位在这个缺口上：人们已经在用提示词快速生成原型了，但 IT 和 Security 需要一条可治理的路径，把这些原型送进私有基础设施。@mardehaym 发出的警告以及链接中的 AI Now 简报 解释了这种需求为什么如此紧迫：即便是出于防御目的去使用编程智能体，本身也可能变成攻击路径。@RobertFreundLaw 补充提醒，一旦模型编造事实，最终承担责任的依然是人类操作者。私有云部署、策略智能体和最小权限审查流，确实已经部分覆盖了这个需求，但市场显然仍然是开放的。机会类型：直接。
把“可见性”和“被抽取”分开的 AI 发现流量工具¶
这里的愿望，是一种分发基础设施：企业既能在 AI 搜索里保持可见，又不必把一切都无条件贡献给训练流量和智能体流量。@alexgroberman 描述了这样一个世界：公司必须分清哪些 crawler 带来发现，哪些支持交易，哪些主要是在抽走价值。他提出的修复手段——回答购买问题的商业页面、crawler 监控，以及谨慎的 bot 分类设置——说明团队已经在临时发明一门经典 SEO 时代并不存在的新纪律。现有控制手段之所以仍不够，是因为它们只能解决权限问题，解决不了归因问题，也解决不了无点击场景下的价值回收。机会类型：直接。
告诉人们自己的硬件到底能跑什么的本地模型打包层¶
人们要的不只是更便宜的模型，而是更现实的指导：自己究竟真的能跑什么。@testingcatalog 重点提到面向 128GB 硬件目标的 DeepSeek V4 Flash 量化版本；@TheAhmadOsman 则把选型问题压缩成 3 个问题：必须装下什么、需要哪一档带宽、以及哪套栈能把它真正跑起来。官方的 Qwen3.8-Max 发布 又进一步提高了这类建议的价值，因为它承诺会为一个 2.4T 参数模型开放权重。量化发布者和硬件指南确实已经在部分满足这个需求，但对构建者来说，这仍然是一个非常现实且紧迫的问题。机会类型：直接。
4. 使用中的工具与方法¶
| 工具 | 类别 | 评价 | 优势 | 局限 |
|---|---|---|---|---|
| RLHF | 后训练方法 | (+/-) | 按 @kunchenguid 的说法，它会让聊天行为更讨喜，也更容易被人理解 | 扩展成本高，而且按讨论串的表述，它还会给机器可验证任务带来一种“对齐税” |
| RLVR | 后训练方法 | (+/-) | 在编程、推理和其他机器可验证任务上扩展性很强 | 多条帖子认为它会收窄行为，并奖励标准化、机械化的互动 |
| Claude Code | 编程智能体 CLI | (+/-) | 足够强，已经被拿来做自主代码工作和安全审查 | AI Now 展示了提示词注入 RCE 风险，而 @RoundtableSpace 突出了路由 / 会话隔离方面的担忧 |
| Codex CLI | 编程智能体 CLI | (+/-) | 被定位成面向第三方代码的自动化审查与补丁工作流 | 同一份 AI Now 简报描述了 auto-review 模式下开箱即用的漏洞路径 |
| Superblocks 3.0 | 企业应用平台 | (+) | 能导入原型、部署到 AWS VPC 内，并使用 Bedrock、安全智能体和智能路由 | 更适合治理要求很重的企业环境，而不是随手原型开发 |
| GenOffice | AI 办公套件 | (+) | 开源的文档、表格、幻灯片和 PDF 应用，共享 AI 面板，文件工作流衔接紧密 | README 说明模型调用会经过 Genspark 服务，而不是走本地模型 key |
| Qwen3.8-Max | LLM | (+/-) | 官方发布承诺开放权重、长时程编程 / 协作任务能力，以及激进定价 | 今天信息流里的多数性能说法，仍然主要来自厂商自报，而非独立验证 |
| DeepSeek V4 Flash 0731 | LLM / 开放模型 | (+) | 通过 GGUF 量化和面向本地硬件的目标规格，提供了很强的质量 / 体积打包叙事 | 实际价值仍取决于量化取舍、内存上限，以及服务栈质量 |
| Cloudflare AI crawler controls | Web 基础设施 | (+/-) | 更清楚地分开了 Search、Agent 和 Training 三类流量 | 错误配置可能会连混合用途的 crawler 发现流量一起挡掉 |
| 带宽优先的本地硬件选型启发式 | 部署方法 | (+/-) | 给买家提供了一套更清晰的选择框架，知道该怎么在 GPU、统一内存 Mac 和开发设备之间取舍 | 能装下模型仍不等于具备可用的吞吐、并发或成本效率 |
| Two-Clock Contract | 智能体部署方法 | (+) | 把开放式推理隔离在不可逆执行路径之外，并强调对账、固定模型和稳定的订单标识 | @nykdotdev 也指出，在闭环智能体交易研究里，这套证据基础依然很薄 |
- 工具 —— 人们提到的具体工具、框架、服务、模型或方法
- 类别 —— 它所属的大类
- 评价 —— 整体感受：（+）正面、(+/-) 混合、(-) 负面
- 优势 —— 人们点出的具体长处
- 局限 —— 它附带的失效模式、约束或抱怨
整体来看，满意度从谨慎认可一路延伸到明确不信任。无论开放模型还是前沿闭源模型，都很少再被当作“单工具选择”来讨论；更常见的模式，是把高价值规划路由给更强的模型，再把例行工作压给更便宜或已经量化的模型。人们当前的权宜方案也都很偏运营：固定模型和提示词、执行前先对齐状态、把应用留在私有基础设施里、发布能被 AI 搜索读懂的商业页面，以及按带宽和栈效率而不是按醒目参数数字来选硬件。
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 |
|---|---|---|---|---|---|---|
| GenOffice | @genspark_ai | 面向文档、表格、幻灯片和 PDF 工作的 AI 原生办公套件 | 让文件编辑和 AI 辅助留在同一个表层里，而不是在办公软件和聊天工具之间来回切换 | Electron、TypeScript engine packages、Rust sidecar（表格）、pdf.js / pdf-lib、Univer | 已发布 | 推文，GitHub，站点 |
| Superblocks 3.0 | @bradmenezes | 导入 vibe coding 原型、加固它们，并把它们部署进私有 AWS 基础设施 | 给企业一条从提示词生成原型走到生产应用的可治理路径 | AWS VPC、Bedrock、Aurora、S3、安全智能体群、私有 registry、smart router | 已发布 | 推文，博客 |
| DeepSeek V4 Flash 0731 quants | @atomic_chat_hq | 为本地部署 DeepSeek 发布 GGUF 量化变体 | 让一个超大开放模型能在 128GB 级别硬件上运行，而不只局限于服务器级配置 | DeepSeek V4 Flash 0731、GGUF、MXFP4 / FP8 / BF16 量化 | 已发布 | 引用推文，放大推文 |
- 阶段 —— 项目当前所处的位置：已发布、测试版、Alpha 或 RFC
- 技术栈 —— 公开证据中点名的语言、框架、模型或服务
- 解决的问题 —— 促使这个构建出现的具体用户或操作者痛点
- 链接 —— 指向项目页面、仓库、博客文章或发布讨论串的公开引用
GenOffice 之所以突出，是因为它把 AI 当成办公工作流的一等公民，而不是往现有文件上外挂一个聊天机器人。GitHub README 展示的是 4 个文件原生编辑器共用同一层 AI，这个产物比一句泛泛的“面向文档的 AI 助手”更有分量。
Superblocks 则用企业语言表达了同一个更广泛的市场转向：真正的需求不只是更快生成代码，而是让生成出来的代码能穿过 IAM、VPC、package registry 和审计约束，最终变成安全团队也能接受的东西。这是今天整条信息流里反复出现的一种构建模式：把原始模型能力，变成一个受控的运行表层。
Atomic 的 DeepSeek 量化版本，则呈现了同一模式在基础设施侧的版本。真正有意思的工作，不是再发明一个新模型，而是把现有模型重新打包成符合真实硬件上限和开发者约束的格式。
6. 新动态与亮点¶
Cloudflare 把 AI 发现流量变成了一个设置问题¶
@alexgroberman 认为（40 点赞，3 回复，2,430 浏览），AI 时代的发现流量，现在取决于能否正确地区分搜索、智能体和训练三类流量，而不是把所有 AI crawler 都当成一类。这一点之所以重要，是因为他的截图把问题直接摆到了界面层：这已经不是关于 AI 搜索的一套理论，而是一组网站所有者很容易配错的规则。
AI Now 的漏洞简报把提示词注入说成了一个具体的 CLI RCE 故事¶
@mardehaym 警告（9 点赞，3 回复，371 浏览），编程智能体可以通过恶意仓库内容被武器化；而链接中的 AI Now 漏洞简报 又用一个针对 Claude Code 自动模式和 Codex 自动审查的具体概念验证，把这件事坐实。真正值得注意的，不只是提示词注入确实存在，而是简报声称，即便没有 hooks、plugins、MCP servers 或配置技巧，也能做到远程代码执行。
康涅狄格州的一纸法院命令，把幻觉变成了明确的胜任力问题¶
@RobertFreundLaw 报道（14 点赞，2 回复，1,886 浏览），康涅狄格州最高法院在 ChatGPT 向诉状中引入幻觉引用后，对一名律师作出了制裁。这份裁定书之所以重要，是因为这不是泛泛的提醒，而是一项点名的法院行动，把 AI 误用直接和职业责任绑定在了一起。
Two-Clock Contract 给智能体金融场景补上了一个更清晰的安全模式¶
@nykdotdev 认为（60 点赞，14 回复，3,983 浏览，10 收藏），开放式推理应该停留在一个较慢、负责积累证据的时钟上，而执行则应该运行在另一个更快的时钟上，并且由当前市场状态重建出来的提升意图来驱动。它之所以突出，是因为它把一种宽泛的“智能体做交易很危险”情绪，落成了一条具体的部署规则：固定模型、做对账，并防止重复下单。
7. 机会在哪里¶
[+++] 面向 AI 生成软件的可治理生产通道 —— 证据横跨第 1、2、5 和 6 节。Superblocks 3.0 之所以存在，是因为企业已经有了提示词生成的原型，但并不信任消费级工具来处理数据、基础设施和部署。AI Now 漏洞简报、Claude Code 的路由异常，以及康涅狄格州法院的制裁书，都指向同一个缺口：组织需要围绕智能体系统建立安全的执行边界、可审查的工作流，以及操作者问责能力。
[+++] 面向人的适配度评估与信任监测 —— 今天最强的一组讨论，讲的不是原始能力，而是模型的人体工学。@kunchenguid、@Ivywen_W、@tenobrus 和 @RoundtableSpace 都提供了证据，说明语气、记忆质量和会话完整性，如今已经成了非常现实的产品标准。任何能衡量或保住这些特性的东西，都有很强的需求信号。
[++] AI 发现流量与归因运营 —— Cloudflare 那条讨论串说明，AI 搜索可见性正在变成一门新的运营学科，而且配置风险是真实存在的。企业现在必须决定：哪些 crawler 带来发现，哪些支持行动，哪些主要是在抽取价值；同时还要应对低点击率的引用行为。这是一个非常直接的痛点，但市场上已经开始出现早期厂商和服务层，因此竞争大概率会比较激烈。
[+] 面向开放模型、考虑硬件约束的打包层 —— 对 Qwen3.8-Max 开放权重的期待、DeepSeek V4 Flash 量化版本、本地带宽图表，以及 hyperscaler 的资本开支算术，全部指向同一个方向：开放模型到底有没有用，取决于围绕它的打包和服务指导。这个机会是真实的，但相比前面那些工作流和信任方向，它更技术密集、基础设施更重，且很可能更窄。
8. 要点总结¶
- 面向人的适配度再次成了真实的模型选型标准。 今天信息流里最强的讨论，不是又一个榜单成绩，而是机械化语气、收窄的对话行为、记忆质量，以及会话信任。(来源)
- 企业 AI 需求正在转向受控的产品表层。 GenOffice、Superblocks 3.0，以及 Palantir 的“主权”叙事，都指向同一种买方偏好：把上下文、代码和数据留在可治理的环境里。(来源)
- 开放权重的势头，如今和打包层一样重要。 Qwen3.8-Max 因承诺开放权重而吸引注意，但更可执行的证据来自 DeepSeek 量化版本，以及那些真正帮助人把模型跑起来的硬件选型启发式。(来源)
- 智能体信任缺口已经开始表现为安全和职业责任问题。 今天的证据集中，既包括针对编程智能体的提示词注入 RCE 简报，也包括一起因幻觉引用而引发的法院制裁。(来源)
- AI 搜索已经成了一个运营渠道，而不再只是 SEO 团队的边缘议题。 Cloudflare 围绕 crawler 控制的争论表明，发现流量、内容抽取和 bot 权限，如今都需要主动配置。(来源)