wAIser 博客
为希望负责任地使用 AI 的企业提供关于 AI 智能体与 AI 安全的实用知识。
智能体安全审计：一份自评量表
四篇文章、247 篇论文、点名的漏洞利用之后，是时候动手了。用致命三要素、生命周期、防御手段和已知攻击模式四个维度，给你自己的智能体打一个满分 16 分的分数。
AI 智能体的防御手册终于成形
面向智能体的零信任、把内部智能体当作内部威胁来对待，以及首批针对记忆投毒的可证明防御。2026 年的三个框架共享同一直觉：别信任模型，缩小你必须信任的范围。
读完 247 篇论文：智能体安全是系统问题，而非文本问题
2026 年的一篇知识系统化（SoK）梳理了 247 篇智能体安全论文：单个防御各自有效却无法叠加，我们测量的是错误的东西，智能体安全是一门以 LLM 为核心的系统工程学科。
致命三要素：为何 98% 的 AI 智能体束手待毙
私有数据 + 不可信内容 + 对外通信：98% 的生产环境智能体集齐了致命三要素的三条腿，只有 11% 通过了影响范围评估。你无法靠提示词脱身——只能靠架构脱身。
AI 智能体成为攻击面的一年
GuardFall、AutoJack、GitHub 供应链攻击、劫持成功率达 85% 的伪造 Bug 报告：2026 年的智能体安全研究读起来像一份渗透测试报告。为何"长了手的软件"改变了一切。
永恒的知识，AI 原生训练：我为什么打造 FutureClass
卡耐基、马基雅维利、勒庞：人性从未改变——变的只是言辞的外衣。为什么阅读不等于掌握，以及 FutureClass 如何用 AI 练习实验室让永恒的知识变得可训练。
AI 搜索的灵丹妙药：科学究竟怎么说 GEO
GEO 作为一门付费学科，大部分并未得到证实。研究（arXiv、普林斯顿研究、Fishkin 的 2,961 次提示）究竟证明了关于 AI 可见性的什么，以及什么只是灵丹妙药式的噱头。
我们用 2 条消息给一个"有安全意识"的 AI 智能体投毒
无需 API 访问、无需越狱——仅 2 条聊天消息，就让一个已加固的 AI 智能体信任了一个凭据收集器。围绕 Mem0 记忆投毒的四项实验，每一道防御都被测试并攻破。
用循环取代提示：Claude Code 负责人为何不再写提示
Boris Cherny 不再给 Claude 写提示——他写循环。这意味着什么，/loop 与 /goal 有何不同，以及我自己搭建的自主分诊循环。
Opus 4.8 与动态工作流：5 分钟内 7 个智能体
七个智能体、一个真实的法律科技平台、五分钟。Claude 如今能把计划铸成脚本并让智能体群并行运行意味着什么——以及为何验证改变了一切。
环境 AI：为何下一代 AI 不是回答，而是察觉
只要我们还按次为 AI 付费，就只能造出它的一种形态。更有意思的是那个会自己发现异常的门房——而 2026 年正是它在经济上变得可行的一年。
Anthropic 关于 Claude Skills 的 33 页蓝图
一份官方指南，展示如何在不写一行代码的情况下教会 Claude 如何工作。里面真正讲了什么，以及为何 Skills 正在悄然取代提示工程。
MIT 解决了 AI 幻觉？
剑桥的一项新研究，声称通过校准的奖励信号带来更可靠的模型。它究竟证明了什么——以及对今天的开发者意味着什么。
Claude 在预览中发现的零日漏洞
Anthropic 让 Claude 直面真实代码库。它发现的漏洞——以及这对 AI 辅助安全研究意味着什么。
Karpathy 的 CLAUDE.md：把上下文当作一等公民
Andrej Karpathy 如何用 CLAUDE.md 引导智能体编码——以及为何一份精心编写的上下文文件胜过更聪明的提示。
用 Superpowers 打造 AI 智能体工作流
Superpowers 的技能实际做什么、这套团队模式在一次动用 13 个智能体的真实发布中发现了什么，以及何时规格、计划与子智能体评审是大材小用。
OpenClaw 对比 NemoClaw：为什么这个问题本身就问错了
截至 2026 年 10 月：NemoClaw 的沙箱能挡住致命三要素中的什么、挡不住什么，今年的 CVE 回顾，以及一份自托管智能体的加固清单。
如何真正评估 AI 模型
2026 年 10 月更新：我们如何为法律分析评估 AI 模型，以及一套可在当下模型上复用的八步方法：真实测试用例、参考清单、盲测成对比较、评判偏差检查与成本。
用 Docling 为法律 AI 构建知识库：实践中的经验
如何用 Docling 搭建可引用的法律知识库：解析选择、按条和款分块、引注元数据、导入后的质量检查与检索监控。
用 CrewAI 构建多智能体 AI 系统
CrewAI 在生产环境而非教程里的样子：Crew 与 Flow、不会让运行中止的 schema、编造的引用、成本上限——来自我自己的多智能体系统的经验。
Got a hard
AI problem?
Whether it's building agents or breaking them — if it's interesting, I want to hear about it.
START A PROJECT ▸