Agent 驱动的逆向工程工作流:REA 全栈二进制与多格式分析工具深度解析
在软件安全与逆向工程领域,AI 代理技术的成熟正在重塑人类与底层机器码交互的方式。作为这一领域的代表性开源项目,REA(Reverse Engineering Agent)基于 Node.js 构建,
独立 AI 资讯库
从自动抓取数据库实时读取,适合快速浏览、检索和后续扩展成完整资讯站。
在软件安全与逆向工程领域,AI 代理技术的成熟正在重塑人类与底层机器码交互的方式。作为这一领域的代表性开源项目,REA(Reverse Engineering Agent)基于 Node.js 构建,
随着大语言模型(LLM)参数量与算力需求呈指数级增长,如何在资源受限的终端设备上实现高效推理已成为行业核心挑战。Microsoft 最新发布的 BitNet b1.58 官方 1-bit LLM 推理
本文面向正在纠结 ETL 还是 ELT 的数据工程师和架构师。文章从两种模式的本质差异讲起,对比主流开源和商业 ELT 工具的优缺点,给出成本测算框架、迁移风险评估和工程化实践建议。
打通企业上下文或只是Agent智能体走进企业办公场景的开始,“成本效率是否可管控、安全合规是否可追溯,应用效果是否可优化”企业经营管理最关心的核心问题。10月13日,腾讯 WorkBuddy 企业版管理后台上线“可观测中心”,作为企业级 Agent 智能体运行管理的「仪表盘」——从统计观测到轨迹分析,让企业级 Agent 全链路「看得全、看得清、看得透」。即日起,“可观测中心”开启公测。企业管理员可以在管理后台中(https://www.workbuddy.cn/admin/overview ),对企业内 Agent 智能体的使用情况进行全链路数据采集、存储与分析,为智能体的效率、质量与成本管
一次推理的完整旅程:从12K底座到三轮ReAct的答案 §0 引子:一个问题问了 46 秒 我在对话页问了一个 Java 并发容器(ConcurrentHashMap)读写并发原理的问题,从按下回车到
Apple Watch 在中国大陆推出睡眠呼吸暂停迹象提示功能、Google 发布 Gemini 4 Argon 等。查看全文
10月13日,APUS AI(麒麟合盛网络技术股份有限公司)宣布开源Personal Agent产品Reflex Agent
· 字节跳动成立模型安全部门,负责人直接向吴永辉汇报 · Visa 获批筹备中国境内银行卡清算机构 · 星尘智能完成 10 亿元融资,估值达 150 亿元#欢迎关注爱范儿官方微信公众号:爱范儿(微信号:ifanr),更多精彩内容第一时间为您奉上。
Fiber 与 PHP 8.6 Polling API 异步初探 几周前的一篇文章曾介绍 Polling API RFC,并将其定位为被低估的提案,原因主要在于:报道往往漏掉了真正的动机——那是内部
Cursor 团队匠心打造#欢迎关注爱范儿官方微信公众号:爱范儿(微信号:ifanr),更多精彩内容第一时间为您奉上。
在 AI Agent 的道路上狂奔#欢迎关注爱范儿官方微信公众号:爱范儿(微信号:ifanr),更多精彩内容第一时间为您奉上。
FocusAny 是一款常驻快捷键的 AI 效率工具条,全局搜索、剪贴板、40+ 大模型、可视化工作流、插件市场都在里面。v2.1.0 给它装上了命令行:插件安装、MCP 工具调用、日志追踪,如今都可以在终端里完成。好用的工具不止是点出来的,还可以是敲出来的。 一条命令,管理你的全部插件 以前装插件,要在界面里层层点选;现在一...
ZSvirt 现以 GPL 3.0 协议正式开源,完整源代码已在 GitHub 公开,ISO 安装包与技术文档可在社区官网获取。 吉隆坡/上海,2026 年 8 月 12 日。由基础设施厂商 ZStack[1] 发起的 ZSvirt[2],今日正式宣布以 GPL 3.0 协议开源。完整源代码、ISO 安装包及技术文档现已可在以下地址获取: 代码仓库:https://github.com/zs...
点击查看原文>
2026 年 6 月,全球最大的网络基础设施与内容分发网络巨头 Cloudflare 发布了一组数据:全球 HTML 网页访问请求中,AI 机器人流量占比达 57.4%,正式超过人类。截止今天,Cloudflare最新数据AI 机器人流量占比上涨到60.4%当时,这更像是一条被淹没在模型发布潮里的技术短讯。但到了 8 月,这种“数字原住民”反客为主的影响开始显现:首先是传统数字生态系统的萎缩:因为不点击广告的 AI Agent 席卷全网,大量依赖广告收入的中小网站正在经历前所未有的“失血”;其次是身份证明的荒诞化:为了阻挡这些AI爬虫,各大网站验证码已经进化到了“反人类”的态度,真人用户正陷入
Gitee CLI 已开源,定位为可在终端中与 Gitee 服务器无缝交互的命令行工具。它旨在补足开发者在分支发起 PR、创建仓库、归档 Issue 等日常操作中的命令行工作流,并减少直接调用 REST API 时面对端点、鉴权和分页规则的负担。该工具同时面向人工开发者和 AI Agent,主仓库内置的 Agent Skills 有望帮助 Agent 更规范、安全地执行 Gitee 操作。项目采用 MIT License 发布。
当 Windows 上同时跑着几个 Claude Code、Codex 终端时,“窗口能不能并排” 其实只是第一层问题。更难的是知道哪个 Agent 正在等待输入、哪个需要授权、哪个已经结束,以及怎样可靠地回到原来的原生会话。
前阿里通义千问(Qwen)团队核心成员林俊旸官宣了其创业公司:语用科技(Pragmatik Labs)。 今日凌晨,他在 X 上发布了这条消息。"a life update",措辞轻描淡写,但内容不轻:新公司叫 Pragmatik(p7k)Labs,中文名"语用科技",方向是数字世界和物理世界的下一代 Agent。种子轮由高榕创投和红杉中国联合领投,腾讯和上...
前两篇分别讲了 Prefill / Decode 两阶段,以及 KV Cache 如何用「空间换时间」避免重复计算。理解机制之后,下一步是:怎么衡量一个推理系统好不好?
马斯克旗下 AI 公司 SpaceXAI 发布了 Grok Bot(目前处于 Early Beta 阶段)——一个专注于“干活”而非聊天的 AI 产品。 和 ChatGPT 或 Claude 的对话框不同,Grok Bot 的设计目标是像一个同事一样接管你的工作流。它可以登录你的 Zendesk 处理客服队列,学习你做周报的流程然后自动执行,多个 Bot 在同一个线程里互相传...
一颗芯片,只为一个模型而生。在模型仍快速迭代的今天,这听起来多少有些反常识。但8月6日,AMD官宣收购加拿大AI推理芯片公司Taalas。待交易完成后,AMD计划将Taalas技术纳入其加速器路线图,并与Instinct GPU共同开发系统级解决方案。某AI芯片企业产品副总裁蒋姚打了个很形象的比方:相比英伟达在有了“大众”后再添一辆追求极致性能的“法拉利”,AMD买下Taalas,更像给自己置办了一辆“拖拉机”。“拖拉机”并非性能差,只是适用范围更窄。那么,Taalas为什么愿意主动舍弃灵活性呢?在Taalas创始人Ljubisa Bajic看来,今天的AI距离真正“无处不在”仍有两个重要障碍
From single-node engines to production clusters: Triton, Ray Serve, KServe, PD disaggregation, LoRA
ApiGo 是一款在线接口开发和管理平台,企业项目开发脚手架、SQL2API 、数据预览平台。支持动态数据源、动态 SQL 和标签, 支持接入(mysql、oracle、达梦、TiDB、DolphinDB、Hive、DuckDB )等 SQL 或 NoSQL 数据源,在线可视化编写 SQL 快速发布接口,支持接口上下线、接口管理、接口限流、权限控制、数据转换、事务控制...
AI 编程助手已经很能写代码了。Claude Code、Codex、OpenCode 都可以读懂你的仓库、改好一个 Bug、补上一段测试。 但当任务走到「把这个分支提个 PR」「顺手建个仓库」「把这批 issue 归档」时,它们往往就卡住了——网页界面点不动,裸调 REST API 又要记住一堆端点、鉴权和分页规则。 Gitee CLI 正在补上这「最后一公里...
上一篇文章《我能解释 RAG、MCP 和 Eval,却画不出一条完整的 Agent 链路》的最后,我给自己留了一个任务: 当时我觉得这件事应该不难。 Demo 已经能运行,10 条测试全部通过,REA
当 Agent 开始访问企业数据和业务系统,它代表谁?能看什么?可以替谁执行动作?一次操作出了问题,该去哪里查?一个人摸索出来的方法,又该怎样交给同事继续使用?
一大赛背景与目的随着人工智能、大语言模型与智能体技术的快速发展,计算社会科学正在迎来新的研究范式。传统社会科学研究主要依赖调查、实验和观察等方法,在面对复杂社会系统中的多主体互动、动态演化和长期影响时,往往受到成本、规模和可重复性等限制。大模型驱动的智能体为社会科学研究提供了新的可能。一方面,智能体可以作为具有不同特征的虚拟社会参与者,在模拟环境中参与互动与决策,支持大规模、动态化的社会实验;另一方面,智能体也可以作为研究者的智能科研伙伴,协助完成问题探索、假设生成、实验设计、结果分析等研究环节。基于这一理念,本次大赛依托 AgentSociety² 平台,探索人工智能驱动的社会科学研究新方法
免训练、开箱即用!
点击查看原文>
这篇指南给出的是一条已经跑通的路径:观测取证 → 分层评估 → 根因定位 → 优化回写 → 数据集回归 → 常态化监控。这条路径在实战中用 3 天完成了首轮闭环,抓出了 5 个以上生产环境的代码生成