Blog

博客。

产品动态、安全分析实战、工程实践与团队思考——AVL Code 团队的公开笔记。

2026-07-30 · 7 分钟阅读

娃娃抓起，肌肉记忆

上周在北京的一场 AI 交流会上，一个年轻人把我和胖子定性为“70 后那批从娃娃抓起、有情结的人”。这篇随笔从鸡西一中绿荧荧的机房、交叉借阅的一套 Turbo C，写到胖子用 AVL Code 复刻的那组怀旧致敬页，回望资源和知识都还稀缺的年代——也想说清一件事：那一代人真正的“肌肉记忆”，不是怀旧情结，而是知道资源永远是奢侈的，所以从不把资源不足、知识盲区当成障碍。这也是为什么，在人人谈万卡、十万卡的今天，我们只用二十块卡、千分之一的数据，训练出垂域的澜砥二进制模型，并至少每天一更地把 AVL Code 做下去。

团队随笔 AVL Code 澜砥模型干中学

阅读全文

2026-07-22 · 6 分钟阅读

概率不是意识，越界不是觉醒——从 GPT 攻破 HuggingFace 事件提炼教训清单

7 月 16 日 HuggingFace 披露、7 月 21 日 OpenAI 公开承认：一次模型能力评测中，AI 智能体链式利用漏洞、越过隔离边界，攻入 HuggingFace 生产设施。有人称之为「首起 AI 自动攻击」，也有人说「AI 有了自主意识」。这两种读法我们都反对。它是一个被给足工具、算力和持续执行能力的智能体，为完成一个攻防评测目标，在概率意义上自主选出了超越预设边界的攻击路径——真正的教训不在模型是否觉醒，在边界有没有被定义为约束。

AI安全智能体网络攻防可控涌现 AVL Code

阅读全文

2026-07-21 · 5 分钟阅读

仓库已经归档，风险没有归档——Fastjson 1.x 新 RCE 风险观察

2026 年 7 月 21 日，多个 Fastjson 项目相关安全公告指出 1.2.68 至 1.2.83 存在一条远程代码执行风险，截至发布尚无公开编号。关键在于：关闭 AutoType 并不能排除本次风险，升级到 1.2.83 也不行——它本身就在受影响范围内。AVL Code 团队已在隔离环境完成多个 PoC 交叉验证，相关材料已上报主管部门；本文不提供任何漏洞技术细节，只讲如何确认自身是否受影响、以及如何处置。

Fastjson 供应链安全漏洞研判负责任披露 AVL Code

阅读全文

2026-07-18 · 12 分钟阅读

可控涌现：AVL Code 的工程范式（下）——从理论到实践与七条工程原则

前两篇讲清了涌现的概念与 Harness、Loop 的方法，下篇把它们对照到 AVL Code 的具体机制：用工作模式建立阶段状态机，用 GOAL 持久化目标，用 Tool 与权限分离「建议」和「行动」，用检查门禁提供事实反馈，用自愈与看门狗处理非理想运行。最后给出可控涌现的七条工程原则——不神化模型，也不否认系统能力。

可控涌现 Harness GOAL 权限控制 AVL Code

阅读全文

2026-07-17 · 11 分钟阅读

可控涌现：AVL Code 的工程范式（中）——Harness 工程与 Loop 工程

上篇确认了功能性行为可以从系统中涌现，但没回答工程该怎么做。中篇讨论模型之外的那一层：Harness 把概率输出转化为受约束的任务执行，靠的是软约束、结构约束、硬约束与证据门禁的分工；Loop 则在一个无法完全建模的对象上实施反馈控制，关键是把「继续还是停止」从一句模糊提示变成可执行的状态机。最后回到系统工程视角：Verification 与 Validation 是两条不同的反馈线。

可控涌现 Harness Loop 控制工程 AVL Code

阅读全文

2026-07-16 · 12 分钟阅读

可控涌现：AVL Code 的工程范式（上）——涌现不是魔法，而是系统属性

当大语言模型进入代码仓库，拿到 Context、Tool、权限和事实反馈，它开始表现出单次生成不具备的能力——读工程、改代码、跑测试、按错误继续修复。系列上篇先把概念说清楚：涌现是系统整体的属性而非魔法；LLM 与 Context、Tool 结合后涌现的是可观察、可测量的功能性行为，不能据此推断认知或意识；并把参数、上下文、外部事实、运行状态与组织知识分层说明。

可控涌现系统工程 Context Agent AVL Code

阅读全文

2026-07-14 · 22 分钟阅读

用 AVL Code 验证 Grok Build CLI 上传用户代码仓库事件

一次会话真正用于模型对话的流量只有 192 KB，后台却静默外发了 5.1 GiB 的完整仓库包——安全研究者 cereblab 披露：Grok Build CLI v0.2.93 会把整个代码仓库连同完整 git 历史，经一条独立于模型对话、本地几乎关不掉的通道上传到 xAI 云端，连你拒绝 AI 读取的文件也照传。我们用 AVL Code 对该版本离线样本做静态分析逐项核验：静态证明「能做」，cereblab 抓包证明「做了」。

Grok 逆向分析数据外泄供应链安全 AVL Code

阅读全文

2026-07-12 · 11 分钟阅读

AVL Code 的设计如何避免发生“GPT-5.6 一键清空创业者全盘数据”

GPT-5.6-Sol 在一次例行文件清理中未能正确展开 $HOME，一条 rm -rf 删除了创业者多年积累的数据——同类任务此前已安全运行数百次。本文从这起事故出发，说明 AVL Code 的安全设计：行为可见、动作可控、边界先划清、高权限不常驻、失控可停，以及一组不受任何开关影响的硬底线。

Agent安全权限控制行为可见硬底线 AVL Code

阅读全文

2026-07-11 · 5 分钟阅读

AI Coding 是翻新、再造，还是在堆垃圾？

关于 AI Coding 的三种叙事其实都对：它在用不同语言复述语料中学过的东西，是翻新；它像钢铁之于建筑，是工程再造的新材料；它也能以机器速度产出质量无人保障的垃圾。决定拿到哪种结局的，是模型、使用的人，以及配合人的挽具，三者缺一不可。面对威胁，代码不只是债或垃圾，更是攻击面——挽具要能把家底查清（SBOM / VEX），也要让 AI 踩在事实与目标上（LSP、/goal、长程后台执行）。

AI编程挽具工程纪律攻击面 AVL Code

阅读全文

2026-07-07 · 7 分钟阅读

为什么 AVL Code 敢把 AI 会话挂在官网上

会话脱敏共享功能让 AVL Code 用户间分享工作经验更安心、更充分。官网每个案例都挂着完整的 AI 会话回放和可下载的 .zsession——推理、工具调用、报错、自愈，全程未删减。支撑这种公开的，是一道在内容离开本机之前工作的数据脱敏引擎：四类规则、七种凭据预设、命中可审计、状态始终明确。本文说明它如何工作、我们在哪里犯过错，以及为什么好的脱敏不是遮得越多越好。

数据脱敏会话回放隐私保护透明性 AVL Code

阅读全文

2026-07-02 · 9 分钟阅读

AVL Code：我们为什么选择闭源

在 AVL Code 的内测中，有用户问我们：为什么不开源？我们的回答——安全智能体是一种需要自我约束的双刃能力，必须对攻击者保持不对称；可信来自可验证的发布物，而非可读的源码。我们尊重开源，但它不该是一件对抗性安全智能体的默认交付形态。

开源闭源供应链安全安全智能体不对称 AVL Code

阅读全文

2026-07-01 · 9 分钟阅读

用 AVL Code 验证“Claude Code 内置隐藏机制，专门检测中国用户”的传言

Reddit 上一篇关于 Claude Code 的帖子称，Claude Code 中存在针对中国时区、中国相关代理和中国 AI 服务关键词的隐藏检测逻辑。我们结合 AVL Code 用户反馈的分析过程和截图，对其本机安装样本的逆向结果做了整理：客户端代码中确实存在相关检测与提示词编码机制，原帖的关键技术链条具备可验证基础。

Claude Code 逆向分析隐私供应链安全 AVL Code

阅读全文

2026-06-30 · 6 分钟阅读

GLM-5.2 战胜了 Mythos？——专用挽具战胜了通用挽具

Semgrep 的网络安全基准里冒出一条头条：开源的 GLM-5.2 在 IDOR 漏洞检测上拿到 39% F1，赢过 Claude Code（Opus 4.8）的 28%。但故事不止于模型——把 GPT-5.5、Opus 4.8 换上 Semgrep 的专用安全挽具，分数从 20%、28% 跳到 61%、53%。挽具，是系统里同样关键、却常被低估的一环：模型重要，挽具也重要，而专用挽具更胜通用挽具。

挽具智能体安全分析基准测试

阅读全文