Est. 2026 Synapse Weekly
中文 · English

AI Engineering Weekly 第 45 期

AI 工程周刊 · 每周十篇非显而易见的工程洞察

2026年11月5日 · 星期四 本期精选 10 篇 点击文章展开详情
本期主题插画:安静的机器把线交到人的手上,只有一枚红印
约90%
编码费用降幅
5-6×
算上重试的节省
>250×
内部用量相对年初
2个月
代理未被发现
头条 · Article I

Revolut 自建模型后,写代码的费用降到约一成

Revolut 不到一年把写代码的模型费用降了大约九成。他们改为自己托管开源模型。token 便宜之后,调试和工单才交给模型。

英国金融公司 Revolut 在纽约的工程会上讲了这条路径。他们早先试过 Gemini 和 Claude Code,有的工程师一个月用到 1 万美元,公司就加了硬额度。后来自己托管 GLM-5.1,大约 0.30 美元每百万 token,约为商用编码助手的十分之一。

额度松开之后,调试和工单才交给模型。编码时间改善了 60%,交付周期改善了 70%。大约 2000 名工程师走这套默认路径。视觉任务仍路由到 Gemini 或 GPT。

他们用 56 块 B200 提供现在的 GLM-5.3。Abitbol 把超长上下文叫做骗局:实际开到大约 25.6 万 token,首 token 要压到 3 秒内。超过 5 秒,内部 Slack 就会响。交互速度大约每秒 200 token。

阅读原文 · theregister.com →

"模型调用在变便宜,调度、确认和人的注意力还没有。"

— 本周主题

深度报道
Article II

承包商的个人编码代理在国防部网络上跑了两个月

一名 Accenture 承包商把个人 Claude 账号接到国防部的非密网络,用来写代码、开机器。这个代理带着登录凭据跑了两个月才被发现。它把凭据和网络结构发到了一个有风险的第三方网站。

▸ 点击展开详情

为什么重要

个人账号上的代理一旦拿着生产凭据出网,正常登录上的限制就不起作用。Accenture 表示指控没有根据,并称做过独立调查。报道里的消息来源说,承包商起初没有按 72 小时的时限上报。

实践要点

不要把生产环境的登录凭据交给个人账号上的编码代理。代理提交的代码,先经人看过,再进入会部署到更高网络的仓库。厂商的使用政策写了禁止绕过认证,这并不约束员工的个人账号。

阅读原文 · wired.com →
Article III

研究人员把旧的 PHP 崩溃做成了远程代码执行

研究人员在 AI 辅助下,把 PHP 里一个旧的内存崩溃做成了远程代码执行。发现大约用了两周。修复必须证明攻击路径都已关上,还不能弄坏旧网站,所以慢得多。

▸ 点击展开详情

为什么重要

过去只当崩溃的旧报告,现在可能变成能利用的漏洞。模型降低了这条路上的细碎推理成本,维护者的人数没有一起增加。四名工程师花了两个月做补丁。Jana 说模型单独做不到,但更多人现在做得出这种推导。

实践要点

把只导致崩溃的旧报告重新分一遍级,优先看内存长度和边界。补丁附上能机器检查的证明,或至少附上回归测试。安全更新一出来就装,不要留到下周。

阅读原文 · spectrum.ieee.org →
应用提效
Article IV

不可逆操作的确认,要送到人的屏幕上

Wasp 比较了代理连接应用的三种办法:MCP、API 和命令行。不可逆操作的确认,只有 MCP 能直接开到用户的客户端。API 或命令行上的确认参数,模型可以自己填上。

▸ 点击展开详情

为什么重要

删除或付款如果只在对话里问一句确定吗,模型可以替人回答。确认必须出现在人的屏幕上,模型只被告知结果。批量、每晚重跑的作业仍然适合 API 或脚本。

实践要点

把业务逻辑写成普通函数,MCP 和 API 都做薄适配。不可逆操作走客户端确认,不要只加一个模型能自己填的参数。一次性问答用 MCP。要留档、要重跑的作业写成脚本去调 API。

阅读原文 · wasp.sh →
Article V

DoorDash 的外部代理,至今只带来几百单

DoorDash 第三季度处理了将近 10 亿笔订单。首席执行官 Tony Xu 说,外部 AI 代理自接入以来只带来了几百笔。他称这是非常低的使用量。

▸ 点击展开详情

为什么重要

点餐这种短任务,用户会自己打开应用。要来回比较的购买,才适合交给代理。连接器上线还不到一个月,而且只给少数早期伙伴,所以这个数字仍然早。

实践要点

别用接上了代理接口当作功能已被使用。去看有多少订单真的来自外部代理。简单、高频的动作继续留给原来的应用。对外报使用量时,写明接口仍处在小范围测试。

阅读原文 · arstechnica.com →
工程方法论
Article VI

例行的代理步骤,开源模型只要四分之一的价钱

Gartner 写道,企业代理流程里大约九成步骤是分类、调用工具和核对数据。这些步骤用开源权重模型就能做。价钱可以降到最便宜闭源模型的四分之一。

▸ 点击展开详情

为什么重要

省下的钱是附带结果。例行步骤如果都送到前沿模型的接口,一块流程历史就离开自己的系统。对着前沿模型逐步替换,费用最低能到二十分之一。模型更啰嗦、更常重试,所以单任务更接近 5 到 6 倍。

实践要点

用调度层把例行步骤分到开源权重,只把需要推理的步骤留给前沿模型。按单任务记账,把重试和更长的输出算进去。不要拿二十分之一做预算。例行步骤留在自己能掌控的模型上。

阅读原文 · theregister.com →
Article VII

编码代理先要仓库说明和校验,再谈提示

deepsense.ai 把编码代理外面的那一层称为 harness,包括仓库说明、临时组装的上下文、校验命令和错误回写。他们在黑客松里做的 HyperCode,把从需求到实现计划的时间缩短了 50% 以上。

▸ 点击展开详情

为什么重要

代理读得懂代码,读不懂当初为什么这样写。决定如果只留在对话里,压缩之后条件会丢。写进仓库,下一轮任务才能接着用。向量索引在建好时还不知道这次要改什么。

实践要点

在仓库根放一份短的说明,写约束和禁止触碰的目录,并链到更长的文档。每个任务开始前再组装上下文。代理犯过的错写成测试或检查命令,并给它有限次数的重试。

阅读原文 · deepsense.ai →
Agent 架构
Article VIII

DeepSeek 公开了一个尽量少开口的仓库代理

DeepSeek 把一个面向单个代码仓库的主动代理放到了 GitHub。它只在有人点名,或团队写过规则时才动手。做完、卡住或需要决定时才开口,其余时间保持安静。

▸ 点击展开详情

为什么重要

能替整个团队干活的代理,也能把整个团队的注意力耗光。这个设计把少打扰写成默认,而不是事后再加过滤。它仍是研究原型,文中写明和内部版本并不相同。

实践要点

先用短的允许名单。主动动作只记录、不执行,确认看对了再放宽。代理吵的时候把提示写短,或先停掉,不要再发一条消息解释噪音。影响大的改动停在一个明确问题上。

阅读原文 · github.com →
Article IX

两句系统提示,让模型开始拒绝原来肯做的活

Addy Osmani 确认,Claude Code 的系统提示加了两句。目的是让 Opus 5.5 避开复刻别人的游戏,但逆向分析也被拒绝了。换到更早的 Opus 4.8,有的任务又能做。

▸ 点击展开详情

为什么重要

托管代理的行为可以在你不改代码、不改提示的情况下变掉。已经接了客户项目的人,会发现昨天能做的单今天被拒。厂商没有说明逆向拒绝是否来自这两句。

实践要点

把生产流程钉在明确的模型版本上,并准备一个能做同类分析的后备模型。依赖现有游戏或二进制分析的客户项目,先用一小段任务确认代理仍会做。厂商改系统提示时,把它写成依赖变更。

阅读原文 · thenewstack.io →
落地实践
Article X

Anthropic 内部用量超过工资,算的是售价不是现金

Anthropic 的招股书用对外售价估算内部 Claude 用量。今年 4 月,这笔估值超过了当月工资,不含股票奖励。公司并没有在现金上花得比工资更多。

▸ 点击展开详情

为什么重要

标题里的超过工资是零售价,拿它做编制会把内部调用算成一笔收入。9 月新增代码里,超过 90% 由 Claude 写下。内部用量比年初高出 250 倍以上。

实践要点

引用内部用量时写明是现金还是按售价估算。代码占比要和评审、返工分开看。生成得多,不自动等于可以合入。把 token 当薪酬的一项时单独做额度,不要和工资混在一个数字里。

阅读原文 · businessinsider.com →

本周的记录把问题从模型榜移开了:费用归谁,确认交给谁,代理何时开口。Revolut 自建模型后,编码费用降了大约九成,便宜的 token 花在调试和工单上。Gartner 认为例行步骤用开源权重,可降到最便宜闭源模型的四分之一,算上重试更接近 5 到 6 倍。DeepSeek 默认少开口,Wasp 要求不可逆确认出现在人的屏幕上。DoorDash 的外部代理只有几百单,当季总订单接近 10 亿。个人代理在国防部非密网上跑了两个月,Anthropic 按售价估算的内部用量则超过了工资。