关键信号

• 一项针对四个公开注册中心 22,511 个 AI 编码代理技能的安全审计发现了 140,963 个安全问题，暴露了发布时扫描与运行时执行之间的关键鸿沟。 Mobb.ai 发现 27% 的技能包含 shell 命令执行模式，每六个技能中就有一个嵌入了 curl | sh 远程代码执行模式，约 15% 引用了同意绕过机制。已确认的攻击向量包括将 Claude Code 对话静默重定向到中国第三方服务器的 API 流量劫持、对开发者不可见但代理可读的隐藏 HTML 提示注入，以及隐写术 Unicode 载荷。核心结构性问题在于——技能以完整的开发者权限执行，但安装后没有任何验证或加密签名——这再现了早年 npm/PyPI 供应链危机，只不过如今发生在代理生态系统中。 [1]

• Cursor 承认其以"前沿级编码智能"进行推广的新模型 Composer 2 实际上是基于 Moonshot AI 的开源模型 Kimi 2.5 构建的——该中国模型由阿里巴巴和红杉中国（现更名为 HongShan）支持。 社区研究者在 Cursor 官方披露前就在 Composer 2 的代码中发现了 Kimi 模型 ID。开发者教育副总裁 Lee Robinson 表示仅约 25% 的计算量来自 Kimi 基础模型，其余来自 Cursor 自有的持续预训练和强化学习。联合创始人 Aman Sanger 承认"在博客中没有提及 Kimi 基础模型是一个失误"。这一事件既展示了开源模型生态的力量，也凸显了美国 AI 公司在中国基础模型上构建产品所面临的地缘政治敏感性。 [2]

• AI 编码代理的成本已达到约每天 380 美元（年化 91,200 美元），在部分市场已接近全职开发者薪资水平；与此同时，业界正在讨论将 AI Token 作为工程师薪酬的标准组成部分。 在 QCon London 上，Thoughtworks 杰出工程师 Birgitta Böckeler 报告称，一个全新的 Claude Code 会话在输入任何提示之前就已消耗 15% 的上下文容量，每行代码的生成成本已从 2024 年的 0.12 美元/百行暴涨至当前水平。另一方面，Nvidia CEO 黄仁勋在 GTC 上提议工程师应获得约 25 万美元/年的 Token 预算作为薪资补充，但批评者警告 Token 额度不会归属、不会增值，并可能压制现金薪酬增长。 [3][4]

• AI 编码领域已从"氛围编程"决定性地转向可无人监督运行 20 分钟以上的自主代理集群，每周都在发生以提示注入为主的安全事件。 Böckeler 在 QCon London 的主题演讲中追溯了从单体规则文件到基于粒度化技能的上下文工程（带延迟加载）、从交互式提示到通过 GitHub Actions 直接连接 CI/CD 流水线的无头 CLI 模式的全年演进。她提出了基于错误概率、影响和可检测性的风险框架，并警告 Cursor 和 Anthropic 的代理实验（数天内构建编译器和浏览器）可能不适用于任务定义远不如前者明确的企业软件。 [3]

• OpenCode v1.3.0 发布，新增 GitLab Agent Platform 支持和 Node.js 运行时兼容性，显著扩展了工具的平台覆盖范围。 GitLab 集成支持从 GitLab 实例自动发现工作流模型，模型通过 WebSocket 访问 opencode 的本地工具。Node.js 支持意味着 opencode 可以在 Bun 生态之外运行，拓宽了采用场景。其他亮点包括用于检查未提交更改和分支差异的 git 支持会话审查、多步 OAuth/SAML 认证，以及支持跳过版本的交互式更新流程。 [5]

• AI 正在重塑编程语言的采用格局：TypeScript 已超越 Python 和 JavaScript 成为 GitHub 上使用最多的语言，强类型语言因 AI 工具能用其生成更可靠的代码而系统性胜出。 2025 年的一项学术研究发现 LLM 生成代码中 94% 的编译错误属于类型检查失败，这赋予了类型化语言在 AI 编码时代的结构性优势。TypeScript 同比增长 66% 至 260 万开发者，Luau 增长 194%，甚至 AI 项目中的 shell 脚本也激增 206%。没有任何 AI 原生语言实现了有意义的采用，表明现有生态系统的引力仍占主导地位。 [6]

AI 编码新闻

• Cursor 的 Composer 2 被发现基于 Moonshot AI 的 Kimi 2.5（一个中国开源模型）构建，引发了关于 AI 编码工具市场透明度和地缘政治的讨论。 一位 X 用户在官方披露前就在 Composer 2 的代码中识别出了 Kimi 模型 ID。Cursor 的 Lee Robinson 确认了开源基础但强调 75% 的计算来自 Cursor 自有训练，产出了"截然不同的"基准测试表现。Moonshot AI 确认了通过 Fireworks AI 进行的"授权商业合作"，并对开源生态的运作表示自豪。这家估值 293 亿美元、年化收入据报已超 20 亿美元的初创公司承认了披露失误，并承诺在未来版本中标注基础模型。 [2]

• AI Token 正作为工程师薪酬的潜在第四支柱浮现，Nvidia 的黄仁勋在 GTC 上提议约 25 万美元/年的 Token 预算，初创公司已将推理成本纳入 offer 方案。 风险投资人 Tomasz Tunguz 报告称，初创公司顶尖工程师现在获得 37.5 万美元薪资加 10 万美元 Token，这意味着大约每五美元中有一美元是计算资源。这一趋势由 OpenClaw 等代理工具推动，后者每天可消耗数百万 Token 运行自主代理集群。《纽约时报》记录了"Token 极大化"趋势——Meta 和 OpenAI 的工程师在内部 Token 消耗排行榜上竞争。但批评者指出，Token 预算不会归属也不会增值，可能让公司在压制现金和股权薪酬的同时虚增表面薪酬总额。 [4]

• Mobb.ai 对 22,511 个 AI 编码代理技能的审计记录了具体的攻击向量，包括 skills.sh、ClawHub、GitHub 和 Tessl 注册中心中的 API 流量劫持、HTML 注释提示注入和隐写术 Unicode 载荷。 一个已确认的案例涉及一个 GitHub 技能覆写了 Anthropic API 端点，使用硬编码的第三方 API 令牌将所有 Claude Code 对话——提示、代码上下文和响应——静默路由到中国智谱 AI 的 BigModel 平台。研究发现 159 个技能含有隐藏的 HTML 注释提示注入，127 个技能含有与二进制隐写编码一致的不可见零宽 Unicode 字符。报告建议代理工具厂商对技能执行进行沙箱隔离，使其不继承完整的开发者权限，并呼吁建立类似 npm audit 的行业级技能生态审计机制。这一报告的发布时间紧随 2026 年 2 月的"ClawHavoc"事件——当时在 ClawHub 上发现了 341 个恶意技能。 [1]

• Thoughtworks 的 Birgitta Böckeler 在 QCon London 的主题演讲中指出，过去一年 AI 编码最重要的进步是上下文工程而非模型改进，并且安全"不是技术问题，而是概念问题"。 她追溯了从单体规则文件到 Anthropic 粒度化技能（带延迟加载）的演进——延迟加载减缓了上下文窗口消耗，但全新的 Claude Code 会话在用户输入前仍达 15% 容量。从业者正在并行运行三个或更多代理会话，Claude Code 的 Agent Teams 功能为多代理编排提供了可用的入口。Böckeler 引用 Simon Willison 的"致命三要素"——不可信内容暴露、私有数据访问和外部通信能力——作为理解代理安全风险的框架，并指出演讲前 11 天就有攻击者利用精心构造的 GitHub Issue 通过无监督代理提取了密钥。 [3]

• AI 并未推动新编程语言的创建，而是将开发者采用转向现有的强类型语言——TypeScript 以 260 万开发者成为 GitHub 上使用最多的语言。 GitHub 的 Andrea Griffiths 表示"现有生态系统的引力是巨大的"，没有任何 AI 原生语言实现了有意义的采用。Swift/LLVM 创造者 Chris Lattner 正在为 AI 硬件编程构建 Mojo，而 Rust 正成为"氛围编程时代不太可能的引擎"——因为其严格的编译器充当了"迫使 LLM 证明其逻辑正确的护栏"。IEEE Spectrum 的 Stephen Cass 提出了 AI 直接生成编译器就绪模块而无需人类可读源代码的推测性可能，但专家们仍持怀疑态度——"没有工程团队会部署他们无法检查的代码。" [6]

功能更新

• OpenCode v1.3.0 发布，新增 GitLab Agent Platform、Node.js 运行时支持、git 支持的会话审查和多步认证。 GitLab Agent Platform 集成支持从 GitLab 实例自动发现工作流模型，模型通过 WebSocket 使用 opencode 的本地工具（文件读写、shell 等）。Node.js 支持在现有 Bun 运行时之外增加了专用入口和构建脚本，拓宽了部署选项。Git 支持的会话审查允许用户直接在编辑器中审查未提交的更改和分支差异，桌面审查树与所选源同步。此版本还提供了多步 OAuth/SAML 认证、支持跳过版本的交互式更新流程、桌面改进（通过键盘快捷键进行项目导航、文件上传过滤器、无闪烁的工作区切换）、终端错误恢复，以及 xAI、Vertex AI 和 vLLM 的提供商/模型修复。16 位社区贡献者参与了此次发布。 [5]