作者: hiyoho

  • Open Code Review:阿里巴巴开源的 AI 代码评审 CLI,Token 只用 1/9 却更精准

    Open Code Review:阿里巴巴开源的 AI 代码评审 CLI,Token 只用 1/9 却更精准

    如果你用过 Claude Code 之类的通用 Agent 做代码评审,大概率遇到过这些坑:改动一多就”偷工减料”只看部分文件、报出来的问题行号对不上、换个提示词质量就飘。Open Code Review(OCR) 是阿里巴巴刚开源的一款 AI 代码评审命令行工具,它把”确定性工程”和”Agent 动态决策”拧在一起,专门解决这些问题。项目上线不久便冲上 GitHub Trending,目前已收获约 12.2K Stars

    Open Code Review 功能亮点
    Open Code Review 功能亮点(图片来源:项目 README)

    一句话简介

    Open Code Review 是阿里巴巴开源的 AI 代码评审 CLI 工具——读取 Git diff,交给可配置的大模型 Agent 进行带工具调用的深度评审,产出行级精准的结构化评审意见。它源自阿里内部使用两年、服务数万开发者、累计发现数百万代码缺陷的官方评审助手,经大规模验证后开源。

    安装要求与快速上手

    环境要求

    • Git ≥ 2.41:OCR 依赖 Git 生成 diff、检索代码与仓库操作。
    • 支持 Windows / macOS / Linux 三大平台;需要配置一个大模型接口(OpenAI / Anthropic 兼容即可),或使用”委托模式”无需配模型。

    安装(npm 全局安装)

    npm install -g @alibaba-group/open-code-review

    安装完成后,全局即可使用 ocr 命令。也支持安装脚本、GitHub Release 二进制、源码编译等方式。

    配置模型

    # 选择内置服务商或添加自定义服务商
    ocr config provider
    # 为当前服务商选择模型
    ocr config model

    交互式界面会引导你完成服务商选择、API Key 填写与模型配置,并自动测试连通性。

    模型配置界面
    交互式模型配置界面(图片来源:项目 README)

    开始评审

    cd your-project
    
    # 工作区模式:评审所有暂存/未暂存/未跟踪的改动
    ocr review
    
    # 分支范围:对比两个 ref
    ocr review --from main --to feature-branch
    
    # 单个 commit
    ocr review --commit abc123
    
    # 整文件扫描:不看 diff,直接审阅整个仓库或指定目录
    ocr scan
    ocr scan --path internal/agent

    核心功能

    • 确定性工程 × Agent 混合架构:对”绝不能出错”的评审步骤(选文件、匹配规则、定位行号)用工程逻辑硬约束保证正确,把动态决策与上下文检索交给 Agent,各司其职。
    • 精准选文件 + 智能打包:明确判定哪些文件需评审、哪些应过滤;把关联文件(如中英两份 message 属性文件)打包为一个评审单元,每包作为隔离上下文的子 Agent 并发运行,在超大改动集上依然稳定。
    • 行级精准定位 + 反思模块:独立的评论定位与评论反思模块,系统性提升 AI 反馈的位置准确度与内容准确度,避免”行号漂移”。
    • diff 评审 + 整文件扫描ocr review 审阅改动,ocr scan 审阅整份文件——适合审计陌生代码库或没有有意义 diff 的目录。
    • 丰富集成能力:内置 MCP Server 扩展工具、CI/CD 集成(GitHub Actions / GitLab CI / Gerrit 等),并可作为 Skill 或插件接入 Claude Code、Codex、Cursor;浏览器端 Session Viewer 可回放评审过程。

    性能基准

    官方基于 50 个热门开源仓库、200 个真实 PR、10 种编程语言构建了真实世界评审基准,由 80+ 资深工程师交叉标注出 1505 个基准问题。结果显示:在同一底座模型下,OCR 的 准确率(Precision)与 F1 显著更高,而 Token 消耗仅约通用 Agent 的 1/9、评审更快;召回率略低,是”以精度换噪声”的有意取舍。

    性能基准对比
    在同一底座模型下的基准表现概览

    典型使用场景

    • 提交前自检:在本地 ocr review 一把,把行级问题在推送前就修掉,减少来回改 PR 的成本。
    • CI 流水线自动评审:接入 GitHub Actions / GitLab CI,对每个 PR 自动评审并留下行级评论,低 Token 成本让团队大规模跑得起。
    • 审计陌生代码库:接手老项目或第三方代码时用 ocr scan 整文件扫描,快速摸清 NPE、线程安全、XSS、SQL 注入等隐患。

    推荐理由

    市面上”给 Agent 套个 Skill 就当代码评审”的方案不少,但真正在工程上把稳定性做扎实的不多。OCR 最打动我的一点,是它没有一味迷信大模型,而是把”该确定的地方交给工程、该灵活的地方交给 Agent”这条边界划得很清楚——这正是它能在阿里内部大规模跑两年、且在基准上只花约 1/9 Token 就拿到更高精度的原因。对追求 CI 成本可控、又不想被误报刷屏的团队来说,这是个值得一试的选择。它还内置了针对 NPE、线程安全、XSS、SQL 注入等常见缺陷的微调规则集,开箱即用。

    下载地址

  • 酒店玄关豹纹短裙女性低机位广角写真

    酒店玄关豹纹短裙女性低机位广角写真

    酒店玄关豹纹短裙女性低机位广角写真



    🤖 ChatGPT

    🇺🇸 English Prompt

    Hotel entryway private photo + back view + low angle wide angle + warm yellow indoor diffused light, mobile photography, 24mm wide angle
    
    Adult Korean style sweet and cool female, black medium-long straight hair, cold white skin tone, well-proportioned slender body, clear waistline, long legs, tight leopard print sleeveless top, black multi-layer ruffled skirt, light-colored tights, black patent leather pointed stiletto heels
    
    Scene: light wood door, beige gray wall panel, white ceiling, embedded warm white ceiling lamp, black-framed decorative painting, black and white hand-drawn graffiti carpet, narrow mirror frame
    
    Action: leaning forward significantly to the front left, upper body nearly horizontal, hips moved back, legs together and slightly crossed, one hand holding a black folded object covering most of the face and eyes, index finger pointing up, playful, hesitant to speak, improvised interaction sense
    
    Composition: low angle slightly upward shot close to the ground, character located in the middle right, occupying about 55% of the frame, left wood door frame and right mirror frame forming vertical framing, more ceiling space reserved at the top
    
    Keywords: warm yellow indoor diffused light / mobile wide-angle perspective / back view / slight highlight brightening / softened beauty / slight digital compression / real skin texture / soft and bright skin / shadow layer retention / natural clothing folds / low-light indoor snapshot feel / non-studio refined
    
    Negative: full front face / regular standing posture / looking directly at the camera / excessive skin smoothing / anime feel / 3D texture

    🇨🇳 中文提示词

    酒店玄关私写真 + 背后视角 + 低机位广角 + 暖黄室内散射光,手机摄影,24mm广角
    
    成年韩系甜酷女性,黑色中长直发,冷白肤色,匀称纤细身形,清晰腰线,修长双腿,贴身豹纹无袖上衣,黑色多层荷叶边短裙,浅色连裤袜,黑色漆皮尖头细高跟鞋
    
    场景:浅木门、米灰墙板、白色天花、嵌入式暖白顶灯、黑框装饰画、黑白手绘涂鸦地毯、窄镜框
    
    动作:侧身向左前方大幅弯腰,上身接近水平,腰胯后移,双腿并拢轻微交叉,一手举起黑色折叠物遮住大部分脸与眼睛,食指向上,俏皮、欲言又止、即兴互动感
    
    构图:贴近地面的低机位轻微仰拍,人物位于中部偏右,占画面约55%,左侧木门框与右侧镜框形成纵向框景,顶部保留较多天花空间
    
    关键词:暖黄室内散射光/手机广角透视/背后视角/轻微高光提亮/柔化美颜/轻度数码压缩/真实皮肤纹理/柔亮肤质/暗部保留层次/自然衣物褶皱/低照度室内快照感/非棚拍精修
    
    禁止:正面完整露脸/常规站姿/平视镜头/过度磨皮/动漫感/3D质感
  • 2000年代亚裔写真CCD质感人像

    2000年代亚裔写真CCD质感人像

    2000年代亚裔写真CCD质感人像



    🤖 ChatGPT

    🇺🇸 English Prompt

    Vertical 9:16, photorealistic intimate indoor portrait, dreamy soft-focus CCD snapshot, early-2000s Asian photobook aesthetic, vintage compact digital camera texture, hazy imperfect photography, soft diffusion filter, gentle highlight bloom, subtle halation, low contrast, muted colors, visible digital grain.
    
    A clearly adult East Asian woman in her mid-20s with long slightly messy black hair, pale luminous skin, delicate oval face, soft brown eyes, natural makeup, glossy muted pink lips, realistic skin texture. Her expression is emotionally flat and speechless, slightly tired and annoyed, with half-lidded eyes and a calm indifferent gaze looking directly into the camera.
    
    She has a balanced hourglass figure with a defined waist, softly rounded hips, fuller thighs, elegant shoulders, and realistic feminine proportions. Natural curves, graceful silhouette, never exaggerated.
    
    She is sitting on a soft carpet in a relaxed duck-sitting pose, knees bent outward, lower legs folded beside her hips. Her body leans slightly forward, shoulders relaxed, hands resting naturally between her knees. The pose feels casual, unplanned, and like a candid moment captured at home.
    
    Outfit: white fitted camisole top layered with an oversized loose white knit cardigan slipping naturally from the shoulders, paired with semi-sheer black tights, cozy minimal indoor styling, elegant but effortless.
    
    Scene: a small cozy bedroom or living room, soft carpet, white sofa, messy shelf, warm bedside lamp, subtle everyday objects in the background, private apartment atmosphere.
    
    Camera: eye-level close medium shot, slightly wide-angle compact camera perspective, intimate distance, natural distortion, realistic anatomy.
    
    Lighting: soft indoor ambient light mixed with gentle lamp glow, dreamy overexposed highlights, soft shadows, luminous skin, misty atmosphere without heavy blur.
    
    Image quality: vintage CCD camera, early 2000s Japanese photobook, soft focus, faded digital colors, imperfect exposure, candid snapshot feeling.
    
    Negative prompt:
    plastic skin, excessive retouching, glamour pose, studio lighting, exaggerated body proportions, unrealistic anatomy, distorted hands, extra fingers, artificial face, heavy makeup, watermark, text.

    🇨🇳 中文提示词

    纵横比 9:16,写实亲密室内肖像,梦幻柔焦 CCD 快照,2000 年代早期亚洲写真集美学,复古紧凑型数码相机质感,朦胧不完美的摄影,柔和扩散滤镜,温柔的高光晕染,微妙的光晕效果,低对比度,柔和色彩,可见的数字颗粒。
    
    一位显然成年的 20 多岁东亚女性,有着黑色长发,略显凌乱,肤色白皙有光泽,精致的鹅蛋脸,柔和的棕色眼睛,自然妆容,亮泽的淡粉色嘴唇,真实的皮肤纹理。她的表情在情感上平淡无言,略显疲惫和恼火,半闭着眼,冷静冷漠的目光直视镜头。
    
    她拥有均衡的沙漏型身材,腰部线条清晰,臀部圆润,大腿丰满,肩膀优雅,具有真实的女性比例。自然曲线,优美的剪影,绝不夸张。
    
    她以轻松的鸭子坐姿坐在柔软的地毯上,膝盖向外弯曲,小腿折叠在臀部两侧。她的身体略微前倾,肩膀放松,双手自然地落在双膝之间。姿势感觉随意,不经意,就像在家里捕捉到的偷拍瞬间。
    
    穿着:白色合身吊带背心,外搭一件大号宽松白色针织开衫,从肩膀自然滑落,搭配半透明黑色连裤袜,舒适简约的室内风格,优雅而随性。
    
    场景:一个温馨的小卧室或客厅,柔软的地毯,白色沙发,杂乱的架子,温暖的床头灯,背景中微妙的日常物品,私人公寓氛围。
    
    相机:平视近距离中景,略带广角的紧凑型相机视角,亲密的距离,自然的畸变,真实的解剖结构。
    
    光线:柔和的室内环境光混合着温柔的灯光效果,梦幻般的过曝高光,柔和的阴影,发光的皮肤,朦胧的氛围且没有沉重的模糊感。
    
    图像质量:复古 CCD 相机,2000 年代早期日本写真集,柔焦,褪色的数码色彩,不完美的曝光,随意的快照感觉。
    
    负面提示词:
    塑料皮肤,过度修图,魅力姿势,影棚灯光,夸张的身材比例,不真实的解剖结构,扭曲的手部,多余的手指,人造脸孔,浓妆,水印,文字。
  • 纸上立体铅笔绘画素描

    纸上立体铅笔绘画素描

    纸上立体铅笔绘画素描



    🤖 ChatGPT

    🇺🇸 English Prompt

    three-dimensional drawing of an [character / creature / object performing an iconic action] placed on a blank page, detailed pencil drawing positioned on a white paper sheet, high angle close up of the artwork. the drawing expertly uses shadows to create the illusion that the [same subject] is lifting off the paper.

    🇨🇳 中文提示词

    放在空白页上的[角色/生物/物体执行标志性动作]的三维绘画,放置在白纸上的详细铅笔素描,艺术品的高角度特写。该画作娴熟地运用阴影,营造出[同一主体]正在脱离纸面的错觉。
  • 海军蓝黑曜CCD深夜咖啡馆人像

    海军蓝黑曜CCD深夜咖啡馆人像

    海军蓝黑曜CCD深夜咖啡馆人像



    🤖 ChatGPT

    🇺🇸 English Prompt

    Navy blue obsidian CCD flash filter, low saturation navy obsidian CCD flash, background dark parts are low saturation navy blue and obsidian black, cold white direct flash brightens the character, cafe warm light is only retained as local contrast, slight overexposure, light grain, overall quiet, lazy, strong sense of night life.
    
    Character is a clearly adult young Oriental woman, vibrant first-love face, exquisite features but not aggressive, soft eyes, slight smile, with a bit of relaxation after being slightly tipsy. 
    
    Clothing is a deep blue-black slim-fit knit cardigan, inner layer low-key satin camisole, lower body black hip-hugging miniskirt, paired with black-gray thin sheer stockings, overall style leans towards night life, not exaggerated or luxurious. 
    
    Scene is a corner of a late-night cafe, glass windows, coffee cups, wooden tables, blurred streetlights on a rainy night outside the window. The character is sitting in a window seat, body slightly turned towards the camera, facing the camera with a tilted head and smile, one hand resting on the cheek, one hand holding a coffee cup. 
    
    Shot is a vertical composition from half-body to thighs, highlighting the upper body, waistline, and overlapping lines of the legs, picture is real, quiet, with a sense of story. 
    
    9:16

    🇨🇳 中文提示词

    海军蓝黑曜 CCD 闪光灯滤镜,low saturation navy obsidian CCD flash,背景暗部为低饱和海军蓝与黑曜黑,冷白直闪提亮人物,咖啡馆暖光只作为局部反差保留,轻微过曝,轻颗粒,整体安静、慵懒、夜间生活感强。
    
    人物为明确成年的年轻东方女性,元气初恋脸,五官精致但不强攻击性,眼神柔和,微微浅笑,有一点微醺后的放松感。 
    
    服装为深蓝黑修身针织开衫,内搭低调缎面吊带,下身黑色包臀短裙,搭配黑灰薄透丝袜,整体偏夜间生活感,不夸张奢华。
    
    场景为深夜咖啡馆角落,玻璃窗、咖啡杯、木桌、窗外雨夜街灯虚化。人物坐在靠窗座位,身体轻微侧向镜头,面向镜头歪头微笑,一只手托腮,一只手拿咖啡杯。
    
    镜头为半身到大腿竖构图,突出上围、腰线和腿部交叠线条,画面真实、安静、有故事感。
    
    9:16
  • Meta退出全球清洁能源联盟:一年批了十几座天然气电厂,还自称100%可再生

    Meta向TechCrunch确认,公司已经不再是RE100的成员。这个由气候组织(Climate Group)运营的企业可再生能源倡议,Meta加入了整整十年,苹果、谷歌、微软至今都还在444家成员名单里。Meta发言人的说法是”和平分手”,双方都不愿多谈原因,但时间点实在太微妙了。

    天然气发电厂
    Meta过去一年资助了至少十几座天然气电厂 | 图源:TechCrunch / Getty Images

    十几座燃气电厂,发电量抵一个州

    过去一年,Meta为AI数据中心资助建设的天然气电厂至少有十几座。故事从去年6月俄亥俄州一座200兆瓦的”表后”电厂开始,两个月后路易斯安那州Hyperion数据中心配套的3座大型燃气电厂立项,今年4月又追加7座。光是Hyperion这10座电厂加起来就是7.5吉瓦——发出来的电够整个南达科他州用,还有富余。

    巧的是,RE100最近刚更新了问责指南,要求成员企业更严格地汇报可再生能源进度。而Meta当年给RE100的承诺是”2020年前整个运营用上可再生电力”。一边是收紧的审查,一边是加速的燃气布局,这场”好聚好散”里谁先提的分手,其实不难猜。率先报道此事的Recharge News用的标题更直接:Meta是因为”燃气狂潮”被踢出局的。

    一座1吉瓦、全靠天然气驱动、全天候运转的数据中心,一年会排放438吨氮氧化物、149吨细颗粒物、61吨硫氧化物和298吨一氧化碳——这些污染物与哮喘、癌症、心血管疾病和痴呆都有关联。

    “100%可再生”是怎么算出来的

    面对质疑,Meta的回应是仍然承诺用”100%清洁和可再生能源”匹配数据中心的用电量。这里的关键词是”匹配”。靠购买环境属性证书,公司可以在亚利桑那投一座光伏电站,同时在俄亥俄烧天然气,只要光伏电站一年发的电抵得上数据中心一年的用量,账面上就是100%可再生。至于数据中心半夜烧的是什么,证书不管。

    行业里其实有更较真的玩法。微软在推按小时匹配,让绿电供应和数据中心的实际用电曲线对上;谷歌今年2月在明尼苏达花10亿美元向Form Energy买下100小时长时储能,配合可再生能源使用。这条路更贵也更难,但至少不是拿证书遮眼睛。

    • Meta结束十年RE100成员身份,苹果、谷歌、微软仍在名单内;
    • Hyperion数据中心配套10座燃气电厂共7.5吉瓦,超过南达科他州全州用电;
    • 谷歌、微软近期也投了大型化石能源项目,但下注最重的是Meta。

    退出一个自愿性行业组织,平时算不上大新闻。但放在AI算力军备竞赛把美国电网逼到极限、大厂纷纷重拾化石燃料的当口,Meta这次退群更像一个信号:当”100%可再生”的承诺和AI扩张的电力缺口撞在一起,先让路的是承诺。剩下的问题只有一个——对一家嘴上说可再生、手里批燃气电厂的公司来说,”清洁能源”这四个字到底还剩多少含金量。

  • 特斯拉Robotaxi在倒车:城市扩到6个,付费里程反而跌了36%

    特斯拉本周三发布二季度财报,随附的一张图表让人看出了问题。表面上,Robotaxi的付费乘车数据从2025年8月到2026年6月一路稳步上扬,但那是累计值。把数字按季度拆开,画风立刻变了:一季度Model Y车队为付费乘客跑了约110万英里,二季度掉到70万英里左右,环比缩水大约36%。

    特斯拉Robotaxi车队
    特斯拉Robotaxi的付费里程在二季度不升反降 | 图源:TechCrunch / Getty Images

    更尴尬的是背景。这一年里特斯拉把Robotaxi服务从奥斯汀扩张到了得州和佛州的6个城市,有监管员的、没监管员的车都在跑,甚至旧金山湾区那些没拿到自动驾驶运营许可、还得配安全员的挂牌车,大概率也被算进了”Robotaxi覆盖范围”。城市多了、车多了,付费里程却少了三分之一,这笔账怎么算都不好看。财报当天核心业务利润同样不及华尔街预期,周四早盘股价一度跳水超过13%。

    马斯克松口了:千万辆车的数据,喂不熟Cybercab

    财报电话会上有分析师追问扩张为什么这么慢,马斯克给出了一个多年来罕见的坦白。他说,公司得先积累”专属于Cybercab的驾驶数据”,才敢往路上大规模投放这款金色双座无方向盘小车。现阶段的办法有点滑稽:给Cybercab装回方向盘和刹车油门踏板,让它先当普通车跑,用来校准底盘。

    “Model 3、Model Y在路上有几百万辆,Cybercab没有。我们必须用改装过的Cybercab去积累里程。”——马斯克在财报电话会上的原话

    这番话和特斯拉过去的叙事直接打架。多年来公司一直宣称,近千万辆客户车在后台默默收集数据,训练出的能力可以直接迁移给未来的Robotaxi。现在看,换个底盘就得重新攒里程,那套”车队数据护城河”的故事至少要打个折扣。

    拦路虎从”监管”悄悄换成了”安全”

    另一个耐人寻味的变化是说辞。特斯拉过去几年一直把Robotaxi铺不开归咎于监管,虽然从没说清到底是哪条法规拦着。这次口径变了:马斯克说必须谨慎,因为哪怕伤到一个人,就会变成全球头条,监管马上会收紧。他还顺带感慨,美国每年三四万起车祸死亡没人报道,特斯拉出一起事故就是大新闻。

    AI副总裁Ashok Elluswamy则负责报喜:无安全员行驶超38万英里,”零重大事故”,出事的都是别人撞过来的。不过他没定义什么叫”重大”。查一下监管记录,特斯拉这一年向美国高速公路安全管理局报告了22起碰撞,多数确实是被撞,但也有3起是远程操作员挪车时撞的,还有若干次低速磕上马路牙子、电线杆和拖车斗。

    • 二季度付费里程约70万英里,环比下滑约36%,服务城市却从1个扩到6个;
    • Cybercab需要重新积累专属驾驶数据,”千万辆车喂数据”的旧叙事被自己修正;
    • 无安全员里程每周约增10%,马斯克承诺”非常非常快”地扩张,但节奏由安全验证说了算。

    有意思的是,即便处在这么早期的阶段,特斯拉还是选择在这个节点给自己的纯视觉路线庆功。Elluswamy说,”所谓专家”一直宣称安全驾驶离不开激光雷达、毫米波雷达和高精地图,”我们证明了只用摄像头也能做到安全、舒适、便宜”。对面的Waymo每周付费单量还在爬坡,这场路线之争谁笑到最后,恐怕还得再看几个季度的数字,而不是电话会上的形容词。

  • Buzz:Block 开源的”人机同室”协作平台,让 AI 智能体成为团队正式成员 | GitHub 今日 Trending 榜首

    Buzz:Block 开源的”人机同室”协作平台,让 AI 智能体成为团队正式成员 | GitHub 今日 Trending 榜首

    Buzz 项目频道:人与智能体在同一房间协调发布计划
    Buzz 项目频道:人与智能体在同一房间协调发布计划

    项目简介

    Buzz 是 Block, Inc.(Square/Cash App 母公司,也是知名开源智能体 goose 的东家)开源的一款「人类与 AI 智能体共处一室」的自托管协作工作空间——用一条 Nostr 签名事件日志,把聊天、代码评审、CI、工作流、审批和项目记忆统一到同一个 Relay 上,智能体和人拥有完全相同的操作界面与审计轨迹。今日登顶 GitHub Trending 榜首(单日 +2,100 星),目前已收获 7,600+ Stars,Rust 编写,Apache-2.0 许可。

    一句话概括:Slack + GitHub + CI 面板 + 自动化胶水代码,被压缩成一个你自己掌控的事件日志;智能体不再是”闹鬼的定时任务”,而是房间里的正式成员。

    一条签名事件日志,统一七种工具
    一条签名事件日志,统一七种工具

    安装要求和过程

    环境要求

    • 只想试用桌面应用:直接下载打包版,macOS(.dmg)/ Linux(.AppImage / .deb)/ Windows(.exe),无需任何依赖
    • 自托管 / 源码运行:Docker + Hermit(或 Rust 1.88+、Node 24+、pnpm 10+、just)
    • Windows 额外要求:安装 Git for Windows(智能体 Shell 工具依赖 Git Bash,可用 BUZZ_SHELL 指向其他 bash 兼容 Shell)

    快速安装

    方式一:下载安装包(最简单)

    GitHub Releases 下载对应平台安装包,像普通应用一样安装。默认连接 ws://localhost:3000,可通过 BUZZ_RELAY_URL 环境变量或应用内切换 Relay。

    方式二:源码构建 + 自托管(开发者路径)

    # 克隆并激活固定工具链(工具首次使用自动下载)
    git clone https://github.com/block/buzz.git && cd buzz
    . ./bin/activate-hermit
    
    # 一次性初始化:复制 .env、启动 Docker 服务 + 数据库迁移
    just setup && just build
    
    # 日常开发:同时启动 Relay + 桌面应用
    just dev
    

    Relay 跑在 ws://localhost:3000,桌面应用自动弹出。智能体侧设置 BUZZ_PRIVATE_KEY 后即可使用 buzz-cli(JSON 进 / JSON 出,为 LLM 工具调用而设计)。

    核心功能

    智能体是成员,不是机器人——像添加同事一样把智能体拉进频道
    智能体是成员,不是机器人——像添加同事一样把智能体拉进频道
    1. 智能体是”正式成员”而非外挂机器人——每个智能体持有自己的密钥、自己的频道成员身份、自己的审计轨迹,能开仓库、发补丁、评审代码、跑工作流、编辑画布、进语音房间,操作面与人类teammate完全一致,权限按身份而非标志位划分。
    2. 一条事件日志统一一切——消息、表情回应、工作流步骤、评审批准、Git 事件(NIP-34 补丁/仓库公告/状态)全部是同一形状的 Nostr 签名事件,同一身份模型、同一搜索索引、同一审计链。
    3. 分支即房间——开一个 feature 分支就自动生成一个频道,补丁、CI 结果、智能体首轮评审、同事表情反馈和最终合并决定都留在同一个房间里,”这段代码为什么存在”从此有据可查。
    4. YAML 工作流自动化——支持消息 / 表情回应 / 定时 / Webhook 四种触发器;一个 👍 表情就能作为审批门放行一次发布,且每一步都被签名、可搜索。
    5. ACP 智能体接入 + 完整的 Rust Crate 生态——buzz-acp 桥接 ACP↔MCP,官方已适配 goose、Codex、Claude Code;buzz-persona 提供智能体人格包;git-sign-nostr 实现 Nostr 签名的 Git 操作。桌面端 Tauri + React,后端 Postgres + Redis + S3/MinIO。
    Buzz 架构:Relay 是唯一事实来源
    Buzz 架构:Relay 是唯一事实来源

    典型使用场景

    1. 凌晨两点的事故记忆:线上报错,你在频道里问一句”这个错误以前见过吗?”,值守频道的智能体翻出六个月的历史,贴出相关线程、根因和修复记录,并主动提出呼叫上次修复的人——问、答、证据全部留在频道里。
    2. 会自己写发布说明的 Release:打 tag 触发工作流,智能体读取项目频道里合并的 PR,起草 Release Notes 发给人类审阅,收到 👍 表情后自动发布——每一步签名、每一步可搜索。
    3. 不交出”王国钥匙”的 Bug 分诊:让智能体在限定频道内分诊 Bug,它的密钥、成员身份和审计轨迹与人类隔离,像管理一个新同事一样管理它的可见范围,而不是给它一把全局 API Key。
    可讨论的媒体:评论钉在视频的具体帧上
    可讨论的媒体:评论钉在视频的具体帧上

    推荐理由

    我把 Buzz 跑起来体验后的最大感受是:它认真回答了”智能体在团队里应该以什么身份存在”这个问题。市面上的方案大多把 AI 塞进聊天工具当 bot,或者塞进 CI 当脚本,权限靠一堆 API Key 拼凑,出了事没法追溯。Buzz 的答案干脆利落——给智能体一把自己的密钥,让它跟人用同一套协议、进同一个房间、留同一种审计记录。

    值得注意的三点:一是出身硬,Block 是 goose 的东家,这套 ACP harness 直接兼容 goose/Codex/Claude Code,不是玩具;二是技术选型有味道,Nostr 协议的签名事件模型天然适合”人机同权”的审计需求,且不含任何区块链代币成分(README 原话:不用买纪念币);三是坦诚,README 明确列出”今天能用 / 正在接线 / 只有想法”三栏,移动端和推送还在路上。如果你的团队正被 Slack + GitHub + CI 面板 + 各种 bot 胶水折磨,这个”一个基底替代七个标签页”的赌注非常值得关注。

    下载地址


    项目数据(截至 2026-07-24):7,648 Stars · 608 Forks · 语言 Rust · 许可 Apache-2.0 · 创建于 2026-03 · 今日 GitHub Trending 榜首(单日 +2,100 星)

  • Gemini月活冲到9.5亿,谷歌又要多一个十亿级产品

    谷歌手里”十亿用户俱乐部”的名单又要添一位新成员了。搜索、Gmail、云端硬盘、安卓、YouTube、Chrome——现在轮到AI助手Gemini。财报电话会上,谷歌说Gemini的月活已经冲到9.5亿,离十亿只剩一步之遥。

    谷歌Gemini应用
    Gemini月活一年翻了三倍,正逼近十亿门槛

    一年翻三倍,紧咬ChatGPT

    这个增速挺猛的。今年2月,谷歌才说Gemini应用刚过7.5亿月活,转眼到二季度就摸到9.5亿,比去年同期整整翻了三倍。这么一冲,它就跟OpenAI的ChatGPT站到了同一条起跑线上——后者6月已经率先破了十亿月活。

    “用户特别喜欢像’每日简报’这样的智能体新功能,还有我们的个性化助手Gemini Spark,现在美国和海外都能用了。我们一直在以惊人的速度推出这类好用的新功能。”——Alphabet CEO 桑达尔·皮查伊

    除了安卓自带的基本盘,Gemini在iOS上也站稳了脚跟。去年9月靠着Nano Banana图像生成模型一炮而红后,据Appfigures统计,过去12个月这款应用在iOS上被下载了超过1.37亿次。

    ChatGPT市占跌破一半

    格局确实在变。分析公司Sensor Tower最新的”AI现状”报告提到,在AI助手这个赛道,ChatGPT的市场份额头一回掉到了50%以下,而Gemini的份额涨到了27.7%。追赶的势头很明显。

    • Gemini月活约9.5亿,接近十亿门槛;
    • iOS端过去一年下载量超1.37亿次;
    • Gemini在AI助手市场的份额升至27.7%,ChatGPT首次跌破50%。

    搜索没被AI掏空,反而更稳

    很多人担心AI助手会把传统搜索吃掉,谷歌这份财报给出的答案是”没有”。经过那轮以AI为核心的大改版,谷歌的搜索业务反而更强了。本季度它那个问答式的”AI模式”用户数也破了十亿,公司说这带来了搜索查询量的”增量增长”。

    更关键的是成本。谷歌特别提了一句,靠硬件工程优化,即便不断上新模型和新功能,AI模式的单位成本反而降下来了。对一家把AI塞进几乎所有产品的公司来说,这句话的分量不小——用户涨得快是好事,但能一边涨用户一边压成本,才真正让这门生意跑得通。

  • AI大厂给模型装的安全锁,正把’好人’研究员逼向中国开源模型

    这两年AI大厂拼命给自家模型上锁,生怕被黑客拿去搞破坏。可锁装得太死,最先被卡住的反而是那群本该被保护的人——正儿八经找漏洞、修系统的网络安全研究员。他们现在越来越头疼,甚至开始转投中国的开源模型。

    Anthropic的Mythos与Fable模型
    Anthropic曾把Mythos包装成只能给”通过审核用户”的末日级模型

    一把工具,既能盖房也能砸人

    今年6月,美国政府对Anthropic两款被吹得神乎其神的模型Mythos和Fable下了出口管制。导火索之一,是有报告称能绕过模型防护、拿它来造网络攻击。后来管制解除了——Fable 5在7月1日恢复公开访问,Mythos 5只对通过审核的美国机构重新开放。但这场风波把一个矛盾摆上了台面。

    NCC Group首席科学家Chris Anley说得很直白:让AI去尝试利用一个漏洞,是确认它”真的是漏洞、值得修”的关键一步。可一旦护栏直接让模型拒答,防守方就抓瞎了。

    “这就像一把锤子。没有锤子你盖不了房子,它是工具,但它也无可避免地是件武器。攻击工具和防御工具其实是同一样东西,根本掰不开。”

    “把客户当小孩看管”

    干了几十年、专门找零日漏洞卖给西方政府的资深研究员Mark Dowd吐槽,让一堆大公司随意决定”安全领域什么能做什么不能做”,让他很不舒服。漏洞交易公司Crowdfense的CTO Paolo Stagno话更冲,说AI公司搞审核和护栏这套,”本质上是把客户当成需要保姆看着的小孩”。

    不过也有人觉得没那么夸张。研究员Giuseppe Cali就说护栏没挡他的路,因为他压根不用AI做攻击那部分——只拿来做初步逆向、理解代码、搭辅助工具。用他的话说,他”舍不得把自己的漏洞交给模型去玩”,这游戏他自己玩得太上头。


    护栏时好时坏,逼人转向中国模型

    RemoteThreat的CEO、Offensive AI Con创办人Chris Thompson的抱怨更具体:前沿模型的护栏时松时紧,每天表现都不一样,哪怕是在Anthropic和OpenAI那些”审核过的项目”里也是如此。结果研究员大把时间花在跟模型”讨价还价”上,而不是真正分析漏洞。

    • 一名智能手机零件厂商的研究员说,公司没进Anthropic的审核项目,模型”一嗅到跟安全沾边就停下来,根本没法用”;
    • 碰壁之后,不少人干脆退回到完全没护栏的开源模型;
    • Thompson直言,很多人被推向了像GLM这类中国开源模型——免费下载、本地运行、没有任何审核和使用限制。

    这就有点讽刺了。”你把这些负责任的研究员,从美国管辖的系统赶到了外国拥有的系统上,”Thompson说,”我觉得这些护栏弊大于利。”他呼吁前沿实验室别再一味收紧,而是把项目开放、给出负责任的访问权限,再去追究真正滥用工具的人。否则真等那波”前所未有、又快又大规模”的攻击浪潮来了,防守的一方反而先被自己人的锁困住。