AI新闻
归档
按发布时间浏览全部文章。
2026
-
我是如何确认 WeChat macOS 4.0.1.52 本地数据库解锁链路的
一篇以本人设备为对象的工程取证复盘。文章按顺序追踪了静态文件、运行时打开路径以及 SQLCipher 参数,最终确认 WeChat macOS 4.0.1.52 的本地数据库解锁链路,是建立在账号级密钥分发模型之上的。
-
做自己的微信账号自动化,应该先想清楚哪三层
如果目标是“自己的账号自动化”,真正该拆开的不是功能清单,而是监听层、执行层和存储层。
-
从辅助编码到一体化研发:AI 编程团队落地实践(PPT)
一份 Slidev 风格的中文演示稿:解释 Agentic Coding、Skill 与 MCP、AGENTS.md 与 CLAUDE.md、沙箱和权限控制,以及团队如何用 Plan、YApi Skill 和 docs-sync 把 AI 编程真正落地。
-
从辅助编码到 Agentic Coding:团队如何真正把 AI 编程用起来
围绕 Agentic Coding 的核心问题,系统梳理主流工具形态、Skill 与 MCP 的边界、AGENTS.md 与 CLAUDE.md 的作用原理、沙箱与权限控制,以及如何用真实任务和 benchmark 评估 AI 编程,而不是只看 demo。
-
QClaw 的实现原理:它如何把 OpenClaw 产品化成桌面应用
这篇文章不再停留在“控制面 / 执行面”的总论,而是基于当前实现把桥接层、IPC、配置字段、微信链路、回滚机制和证据索引一一展开,说明 QClaw 如何把 OpenClaw 组织成一个可交付的桌面运行时。
-
OpenClaw v2026.3.8 发布解读:备份、远程网关、Talk 模式与多端路由继续补强
基于官方 release notes,总结 OpenClaw v2026.3.8 的关键变化:备份命令落地、macOS 远程网关 onboarding、Talk silence timeout、Brave 搜索接入、ACP receipts,以及多平台路由修复。
-
设计浏览器自动化攻防:检测模型与分层控制平面
本文将高对抗环境中的浏览器自动化抽象为一个多维风险评分系统,并围绕一致性、稀有性与时间分布三大核心维度构建分层控制平面。
-
浏览器自动化攻防方案设计:检测模型与分层控制面
将浏览器自动化面向高对抗环境抽象为多维风险评分系统,用一致性、稀有性与时序分布三个核心维度构建分层控制面。
-
Cloudflare Turnstile 攻防方案设计:系统原理与控制面
从能力令牌视角重构 Turnstile 风险模型,聚焦签发/消费语义、作用域绑定和执行完整性,给出高对抗场景下的防护优先级。
-
使用 agent-browser-stealth 代替 agent-browser
面向推广场景:在亚马逊等高风控站点提升 AI 浏览器可操作性,并支持复用用户浏览器状态。