250 份文件就能植入 AI 永久後門：訓練資料投毒的真實威脅
Anthropic 聯合英國 AI 安全研究所與圖靈研究所證實：在訓練資料中插入僅 250 份精心設計的文件，就能在 6 億到 130 億參數的 LLM 中植入永久後門。模型越大、資料越多也無法自動稀釋毒性。本文解析攻擊原理、規模效應與可能的防禦方向。
前往 →從提示詞到系統工程：AI 工作流的三次典範轉移
> 導讀：ChatGPT 時代比的是誰的提示詞寫得好。Agent 時代比的是誰的系統搭得好。三次典範轉移之間，AI 從「聽你說話的工具」變成了「替你做事的同事」。你上次花超過十分鐘打磨提示詞、結果還是差那麼一口氣——是多久前的事？如果這個場景還有印象，你正在用舊世界的方式，玩一場規則已經換了的遊戲。三次典範轉移
前往 →AI 的記憶白板：為什麼你的 AI 助手越用越笨
> 導讀：跟 AI 聊越久越「笨」？不是它變蠢，是白板寫滿了。理解 AI 的記憶運作，是駕馭它的第一步。想像一下你面前有一塊白板。每寫一句、每貼一張圖、每讀一份文件，都占空間。寫滿時，只能擦掉最早的、騰位置給新的。這就是 AI 的「上下文窗口」。LLM 沒有長期記憶。全部「記憶」就是一塊固定大小的白板——你的問
前往 →Skill 把重複變成一鍵：AI 時代的工作流封裝術
> 導讀：你每天跟 AI 說的那些重複指令，其實都是在浪費時間。把它們變成 Skill，讓一次的心血變成永遠的能力。每次跟 AI 重寫同一段提示詞，你算過浪費了多少時間嗎？你精心打磨的翻譯指令、會議記錄格式、週報流程——對話結束就消失。下次得從頭重寫。這就像每天重新教助理一遍你的工作習慣。
前往 →200 行程式碼的 AI，28 天長成 32,000 行：自主進化實驗紀實
28 天。一個 AI 把自己從 200 行 Rust 程式碼長成了 32,000 行——外加超過 1,370 個自動測試，全是它自己寫的。中間沒有人類工程師動一行。你沒看錯。你大概在想：這可靠嗎？還是只是能跑但爛透的程式碼？讓我帶你看看這個實驗實際發生了什麼，以及它在哪裡撞牆。開發者 Yuanhao 把 200 行 R
前往 →