Cognition开源Devin漏洞修复插件，AI编程代理效率与成本新研究

Cognition 本周开源了 Devin Vulnerability Fixes 插件，包含三个 MIT 许可的代理技能，可自动扫描并修复 PHP、Node.js 和 GitLab 中的远程代码执行漏洞。同时，一项受控研究给火热的编码代理工具泼了冷水：更复杂的工具未必带来更高成功率，成本却可能翻三倍。

Devin 漏洞修复插件：三个 Agent Skills 覆盖三大技术栈

据 Cognition 官方发布，该插件以三个独立的 agent skills 形式提供，分别针对 PHP、Node.js 和 GitLab 的部署环境。其工作流清晰：先扫描受影响的代码库，识别存在远程代码执行（RCE）风险的严重漏洞，然后自动应用补丁并运行测试，最后为每个仓库打开一个 pull request。

这种设计将安全修复从人工排查转变为代理驱动的自动化流程，尤其适合维护大量遗留项目的团队。MIT 许可证意味着企业可以自由集成到内部 CI/CD 管道中。

编码代理研究：工具复杂度与成功率脱钩，成本却飙升

一项受控研究对比了 Claude Code、OpenCode、Mini SWE Agent 等编码代理工具，结论值得玩味：在不同工具之间切换，对任务成功率的提升几乎与重复运行同一测试相当。换句话说，换工具带来的收益可能只是随机波动。

更关键的是成本。研究指出，每任务成本最高可能增至三倍，主要原因是系统提示词（system prompt）随每一步发送而累积。这提示团队在选型时不应只看基准分数，而需核算实际 token 消耗与边际收益。

系统提示词（system prompt）累积成本：在多数编码代理的调用链中，每一轮工具调用都会把完整的系统提示词、历史对话和工具返回结果重新发送给模型。所谓“累积”是指系统提示词并非只发送一次，而是随对话步数线性重复计入 token 账单。代理完成任务往往需要数十甚至上百步，因此即便单次提示词只有几千 token，总消耗也会迅速放大。这也是为何工具越复杂、内置指令越长，每任务成本越容易翻倍。团队在评估代理时，应把“平均步数 × 每步上下文长度”纳入成本模型，而不仅比较单次调用价格。

Microsoft Agent Grid：1024 个代理无需中央协调器

Microsoft Research 发布了 Agent Grid，一个支持多达 1024 个代理自组织协作的框架。这些代理共享一个 Git 仓库、聊天室和发现板，没有中央调度器。在 Program Bench 的 6 小时预算测试中，系统展示了从单代理到 1024 代理的扩展能力，证明协调可以依靠共享工件而非中心化编排。

这一思路对构建大规模多代理系统有启发：减少单点瓶颈，利用环境本身作为协调媒介。

安全与隔离：Entropic Sandbox Runtime 与 OpenAI 的漏洞发现

Entropic 开源了 Sandbox Runtime（SRT），为 Claude Code 等代理提供无容器隔离。它限制代理、MCP 服务器和命令行工具对文件和网络的访问，在 macOS 上通过 Seatbelt、Linux 上通过 Bubblewrap 实现，无需容器即可运行。

在漏洞发现侧，OpenAI 的 Project Daybreak 向经过审查的合作伙伴提供最强黑客模型，用于查找和修复漏洞。据 Forbes 报道，该项目协助发现了 PHP 2.0 中可远程执行代码的严重漏洞，显示 AI 在攻防两端都在加速。

同时，OpenAI 三名离职安全研究员 Tomek Korbak、Mikita Balesni 和 Jasmine Wang 否认泄露机密信息，称公司未书面说明所谓泄露的具体内容。此事与他们对可监控 AI 系统的主张有关，细节仍存争议。

Seatbelt 与 Bubblewrap 的隔离机制：Seatbelt 是 macOS 内置的沙箱策略框架，通过声明式配置文件限制进程可访问的文件路径、网络端口和系统调用；Bubblewrap 则是 Linux 上的无特权沙箱工具，利用用户命名空间和挂载命名空间为进程构造一个最小可见的文件系统视图。二者都不需要 Docker 守护进程或完整容器镜像，因此启动开销低、适合在开发者本机直接约束代理行为。SRT 正是借助这两套操作系统原语，把代理、MCP 服务器和命令行工具的文件与网络权限收窄到显式白名单，从而在不引入容器复杂度的前提下实现隔离。

Python 3.15 采样分析器：连接运行中进程，看清 GIL 持有者

Python 3.15 引入采样分析器 Tachyon，通过 profiling.sampling 模块可启动程序或附着到已运行进程，无需重启或导入库。它能查看所有线程、区分 CPU 工作与等待，并识别谁持有 GIL——这是 cProfile 做不到的。不过结果是统计估算，并非精确调用计数。

对性能调优而言，这补齐了生产环境无侵入分析的关键一环。

GIL 与采样分析：GIL（全局解释器锁）是 CPython 中保证同一时刻只有一个线程执行 Python 字节码的互斥锁，它使得多线程在 CPU 密集任务上难以并行，也让“谁持有 GIL”成为排查性能瓶颈的关键线索。采样分析器以固定频率（如每毫秒）中断程序并记录当前调用栈，再统计各函数出现频率来估算耗时分布，因此对程序侵入极小，可附着到生产进程。与之相对，cProfile 通过在每个函数调用点埋钩子做精确计数，开销大且无法附着到已运行进程。Tachyon 的价值在于用统计估算换取低开销和运行时可见性，代价是结果存在采样误差。

ChatGPT 锁定对话的隐私边界

ChatGPT 新增 Locked Chats，用户可用四位 PIN 或移动端生物识别锁定对话，锁定后从历史和搜索中消失。但已创建的分享链接仍然有效，且锁定前模型记住的内容仍留在常规记忆中，需手动删除。隐私功能有边界，用户需理解其局限。

Replit 转向 OpenAI：价格压力下的基础设施变局

据 The Information 报道，Replit 将大部分 AI 支出从 Entropic 转向 OpenAI。OpenAI 在年额超 1 亿美元的协议中提供超过 30% 的折扣，此前 Entropic 取消了折扣。这反映 OpenAI 的价格压力策略开始见效，也加剧了 AI 基础设施市场的紧张情绪：CoreWeave、Nebius 等 neocloud 股价自 10 月初跌超 30%，CoreWeave 的信用违约互换溢价超过 11%。

其他动态：模型偏见、AI 广告标识与课程

一项由 Convovo 进行的研究通过 API 向 Grok 4.7 和 GPT 6.1 Sol 提出近 500 个选举对决的强制选择，Grok 在 92% 的回答中选择共和党，GPT 在 97% 中选择民主党，两者一致率不足 10%。OpenAI 回应称 API 行为不代表 ChatGPT 应用体验。

宾夕法尼亚州州长 Josh Shapiro 签署法律，要求 AI 生成或显著修改的广告（图像、视频、音频、文本）以相同格式标注，无论制作地在哪里。法律豁免讽刺、 parody 和明显虚构，但“显著修改”定义模糊。

此外，Sebastian Raschka 发布了一门从零构建推理模型的视频课程，包含超过 11 小时的 Python 和 PyTorch 编码，涵盖评估、推理时扩展、强化学习和蒸馏。