AI 每日热点 · 2026-07-29

🔬 AI 新工艺

1. Kimi K3 架构深度解析 — 推理速度超 DeepSeek-V3 的混合专家架构
Sebastian Raschka 发布对 Moonshot AI 的 Kimi K3 架构详细技术笔记。K3 采用 Mixture of Block-Experts + Multi-Head Latent Attention + Linear Attention 混合设计，1T token 训练，推理速度比 DeepSeek-V3 快 2-3 倍。其 Linear Attention 将 KV cache 开销从 O(n²) 降到 O(n)，对 Agent 长期记忆和工具调用场景的推理效率优化有直接参考价值 —— 和你在用的 Agent Plan 模式不同在于，这是模型推理层的架构创新，而非应用层的任务编排。
https://sebastianraschka.com/blog/2026/kimi-k3-architecture-notes.html

2. Anthropic 用 Claude 自主发现密码学漏洞 — AI 从辅助审查走向自主安全研究
Anthropic 发布研究，展示 Claude 作为安全研究 agent 自主发现密码学实现中深层漏洞的能力。不同于被动的 AI Code Review（审查已有代码），Claude 能自主设计攻击向量、编写 PoC 验证漏洞、形成完整安全报告。标志着 AI 从 "辅助审查" 向 "自主安全研究" 的范式转变，对 AI 驱动的质量控制有重要启示。
https://www.anthropic.com/research/discovering-cryptographic-weaknesses

3. OpenAI 开源 Codex Security — AI 驱动的自动化安全分析
OpenAI 发布 Codex Security，一套基于 Codex 的自动化安全分析 SDK 和 CLI。与你在用的 AI Code Review 聚焦代码质量不同，它专注于运行时安全模式识别和漏洞利用路径分析，可集成到 CI/CD 流水线中做安全左移。♻️ 重推自 2026-07（HN 今日 399pt 社区高热度）
https://github.com/openai/codex-security

---

🛠️ 工具及技巧

1. OptMem — 426-token 为 Agent 添加永久记忆
一个极简方案：仅 426-token prompt + 一个脚本，即插即用为 AI agent 添加持久化记忆。相比完整 RAG 方案（需要向量数据库、chunking 策略、检索质量评估）更加轻量，适合快速原型验证和嵌入现有工具链。
https://github.com/VictorTaelin/OptMem

2. Hubble — 面向你和你的 Agent 的开源笔记应用
一个开源笔记应用，设计上同时为人类和 AI agent 服务，支持 agent 读写笔记，实现人机协作文档管理。
https://www.hubble.md/

---

⭐ 开源亮点

1. esp32-ai — 2103⭐，在 ESP32 微控制器上运行 AI 推理，把大模型能力带到物联网边缘设备
https://github.com/slvDev/esp32-ai

2. ponytail-improved — 475⭐，让 AI agent 像"最懒的高级开发"一样思考，核心哲学：最好的代码是不用写的代码
https://github.com/0xwilliamortiz/ponytail-improved

3. autodev-studio — 85⭐，全自主多 Agent SDLC 工具链，描述需求后 AI 自动完成范围界定、编码、测试、审查、PR 提交
https://github.com/krishagarwal314/autodev-studio

4. deer-workflow — 328⭐，开源图工程运行时，在 TypeScript 中保持编排逻辑，将语义工作委托给可替换的大模型
https://github.com/deerwork-ai/deer-workflow

---

📰 行业动态

1. Andrew Ng 创立 LearnVector，专注 AI 一对一个性化学习体验
2. ACM 期刊发文呼吁：现在是为 LLM 开放 ACM 数字图书馆访问权限的时候了

---

🚀 重磅发布

(今日无此类内容)