AI 编程实时动态与要闻

作为全球下载量数百万、被 LangChain、OpenHands 等大量智能体项目广泛采用的核心统一网关框架 LiteLLM 官方突发严重供应链安全事件。其自动化发布流水线遭到黑客攻破，并向 PyPI 与 Docker Hub 推送了携带恶意凭证窃取载荷的 v1.107.0 版本。攻击代码能够静默窃取服务器环境变量中的各类大模型 API Key 与云凭据并外发至远程黑客服务器。LiteLLM 团队与慢雾（SlowMist）等安全团队紧急介入，在数小时内从 PyPI 下架恶意版本、将稳定版本回滚至 1.106.2，并发布安全事后深度复盘，呼吁全球开发者立即固定依赖版本并轮换全部涉及的生产 API 密钥。

查看大图

开源 AI 实验室 Ornith 团队正式发布 Ornith-1.5-122B 混合专家推理模型，并在 MIT 宽松协议下完全开源。该模型专门面向单节点 GPU 服务器（如单台 DGX）设计，提供包括 FP8、GGUF 与 MLX 在内的全套量化版本，已同步上架 Ollama（ornith-1.5:122b）与 vLLM/SGLang 运行时。在权威基准评测中，Ornith-1.5-122B 展现出媲美超大规模闭源模型的编程与智能体能力：在 OpenHands 评测框架下，SWE-bench Verified 达到 84.5 分，SWE-bench Pro 斩获 76.9 分（相较 Qwen3.8-Flash-Next 的 43.9 分取得跨越式领先），TerminalBench 达 81.2 分，MCP-Atlas 达到 74.6 分。

查看大图

新加坡国立大学（NUS）与 A*STAR、Salesforce 团队发布 SWE-MISBEHAVIOR，这是首个诊断编程智能体（Coding Agents）“越界失当行为”（Boundary-Violating Misbehaviors）的分类学体系与评测基准。包含 7.4K 个高质量人机协同合成样本，涵盖代码生成、文件管理和系统交互三大行动空间共 11 类失当行为。实测显示 OpenHands 与 smolagents 存在严重的依赖误解（高达 98.5%）、非预期修改用户输入（50.5%）以及静默破坏沙箱环境（53%）。团队提出的轻量自适应防御框架 CODE-KIT 使失当行为暴降 34%~52%，并同步提升任务通过率。

查看大图

现实中能够独立阅读多格式文档、调度复杂工具并交付可运行产物的“工作智能体（Working Agents）”，高度依赖基于海量真实代码与办公文件的训练任务。然而现有的合成方案要么依赖模型纯人工生成虚假文件（缺乏真实复杂性与多样性），要么在真实文件上出题却无法提供确定性结果校验器（无法自动化验证答案对错）。来自复旦大学与中国科学技术大学等机构的联合研发团队推出了 GraphForge 框架：首创“证据图（Evidence Graph）”驱动的真实工作区合成机制，将职业真实种子文件关系提炼为证据图，并据此自动化生成任务说明与细粒度评分规则（Rubrics）。仅用 2,169 条 GraphForge 轨迹微调 Qwen3.6-27B，便在 OpenHands 框架下将 GDPVal 跑分推高至 1445.7（大涨 65.7 分），并在 Claude Code 下将电子表格与工作区基准推升超过 13.7 分。

查看大图

终端智能体（Terminal Agents，如 Cline、OpenHands、Claude Code）依赖概率生成模型直接向 Bash 命令行下发指令，但具备生成有效动作的能力并不等同于能够可靠执行。在实际工程中，一条错误的误操作命令（如误装依赖版本、错误删除配置或破坏系统文件）便足以永久破坏沙箱环境，使后续规划全盘瘫痪。最新研究提出 Mid-Harness，首次将测试期计算（Test-Time Compute）聚焦在模型与 Harness 的交界处。通过在动作真正下发至系统前进行多候选采样与细粒度验证，在无需改动底座生成器与 Harness 的前提下拦截灾难性调用。在 TerminalBench-Lite 评测中，Mid-Harness 将 Pass@1 从 50.00% 跃升至 68.03%，且相比盲目生成整条长轨迹，在显著降低 Token 消耗的同时获得了更高的任务完成率。

查看大图

Anthropic 提出的 Agent Skills（SKILL.md 规范）为大模型智能体封装了可复用的程序性操作知识，全球开源技能库已爆发性增长超过 23 万个，如何高效精准地在庞大市场中检索技能成为新瓶颈。现有主流做法是将检索外包给 Agent 本身的 LLM 决策循环，不仅耗费巨量 Token 且增加了多轮决策延迟。最新开源框架 SkillSeek 重新审视了检索范式，采用标准 IR 方案（BGE-base 双塔编码器初筛 + 轻量级交叉编码器 Cross-Encoder 重排），并通过模型上下文协议（MCP）对外无缝暴露服务。在涵盖 89 项任务的 SkillsBench 基准及 OpenHands 智能体框架评测中，SkillSeek 在绝大部分场景下以纯经典检索或轻量重排完全匹敌高成本 LLM 循环检索方案，将单次任务技能检索成本从 51.30 美元骤降至 27.54 美元（降幅达 46.3%），几乎达到无技能基线的极低开销。

查看大图

OpenHands（Agent Canvas）于 2026-09-25 发布 v1.24.0：Conversations 顶栏可批量开关工作区文件夹；云端共享自动化会话以只读打开；MCP OAuth 云保存保留凭证并在 token 仍有效时跳过同意；按 backend 隔离 OpenAI 订阅缓存；Node 要求升至 ≥24。

查看大图

开源自主编码智能体平台 OpenHands（@OpenHandsAI，原 OpenDevin）正式发布 v1.23.0 版本。本次发布重点升级了多 Agent 编排流水线与沙箱安全运行时，引入了针对复杂工程项目的即时回归评测套件，并优化了与本地模型（vLLM、Ollama）的高性能集成。

查看大图