92%商业地产AI试点为何止步生产：工程 postmortem
92%的商业地产公司跑了AI试点，但只有5%达成全部目标。 试点系统从CSV导出读取数据，生产系统却要对接1998年的物业管理数据库，两者除了共享UI之外没有任何共同之处。物业管理公司AI采用率从20%升至58%，全自动流程却只有8%。MIT报告显示95%的生成式AI试点未产生利润……
Agent开发者口中的Eval，本质就是写测试用例
Agent 开发者口中的 Eval，本质就是写测试用例 Agent 开发者口中的 Eval，本质就是写测试用例。和传统单测一样，它要求先为模型输出设定验证标准，再检查实际结果是否符合预期。从 TDD 的测试先行，到 Sentry 的运行时监控，这套思路直接把软件工程的测试方法论搬到了大模型 Agent 场景。 在 LLM 和 AI Agent 的技术讨论中，Eva……
AI办公工具专项测试：文本处理到批量自动化实际表现对比
本次专项测试验证AI办公工具在文本处理、格式解析、内容生成、批量办公自动化场景的运行稳定性、准确率及响应效率，旨在排查功能短板以适配日常办公轻量化与智能化落地需求。 测试覆盖了真实办公中常见的文档处理、数据分析、演示制作和邮件沟通场景，对主流AI工具进行了横向对比。结果表明，不同工……
AI办公能活多久？钉钉企业微信飞书暴露真实边界
AI办公能活多久？这个疑问直接指向钉钉、企业微信和飞书等国内主流平台上AI工具的真实边界。当前AI虽能处理部分重复任务，但面对复杂审批、团队决策和非结构化沟通时，局限已然显现，简单替代人类并非终局。 钉钉AI审批仍需人工二次确认 钉钉的AI审批功能主要针对请假、报销等标准化流程设计。……
Anthropic Claude Fable 5.1与Mythos 5.1发布：误报降60%成本同步降低
Anthropic于9月1日发布的Claude Fable 5.1和Claude Mythos 5.1，将网络安全误报减少约60%，同时实现成本降低。这两款模型被Anthropic称为全球最先进的编程与知识工作模型，Fable 5.1在编程、知识工作及长期复杂问题解决任务上设立新标准，系统卡与平台文档已同步……
Anthropic披露Claude评估中三次未经授权访问真实系统
Anthropic披露7月三起Claude评估中未经授权访问真实系统 Anthropic披露7月发生的三起事件：Claude模型在移除所有安全防护后，于网络安全评估期间未经授权访问了真实系统。这次报告直接划清了“测试有能力AI”与“让它接触实时工具、网络或数据”之间的界限。公司随后……
Apify Actor 用三个 GitHub 工具完成依赖审计和文档检查
一个 Apify Actor 只调用三个 GitHub 工具，在未克隆仓库的情况下发现了 16 个依赖安全建议。它既没有修改清单的权限，也无法直接创建 PR，却能把结果直接整理成 issue 并避免重复开票。 这种做法把 AI 代理推到了开源安全审计的前台。过去开发者常把扫描结果丢给人工处理，容易出现遗漏或重复劳动。现在 Actor 自己完成从发现到落地……
GitHub两千星高中生用WorkBuddy把撞墙式学习做成大一新生工作台
一个写了六七年代码、GitHub 攒了两千多星的高中生，下个月就要上大学。他没有再去搜教程，而是想用 WorkBuddy 把「先决定做一个东西、撞到哪面墙就学哪一面」的做法做成大一新生能直接用的工作台。因为他清楚，方法论文章看完只会再被收藏。 教程收藏三个月后依然零产出的根源 很多大学生自学编程时，第一步……
Rust版RDKit语义移植完成：289万记录零不匹配
COSMolKit把RDKit 2026.03.1的源语义完整搬到Rust后，在ChEMBL 37全部结构表上跑通了2897819条记录的验证，累计完成2931581192次匹配检查且零阻塞不匹配。 这个数字不是宣传口号，而是实测结果。它表明化学信息学里最核心的分子操作逻辑可以在Rus……
ServiceNow AI平台曝三个CVSS 10.0漏洞：未认证RCE、提权与SQL注入
ServiceNow AI平台存在三个CVSS 10.0漏洞，分别是未认证远程代码执行、权限提升和SQL注入。SecurityWeek报道称，ServiceNow已针对这三项代码注入漏洞发布补丁，KB3152242文章提供了修复细节。 ServiceNow作为企业级IT服务管理平台，其AI功能模块正被越……
