Cursor 外洩攻擊鏈始於明文智能體記錄,23,276 個公開 GitHub 儲存庫也出現同類憑證洩漏
Cursor 11 月 13 日的事故報告指出,攻擊者利用在 Fireworks 一側外洩的存取金鑰,取得智能體記錄中的未遮蓋憑證,進入內部系統並將 Claude Code 惡意版本放上市場快取。
推薦理由:文章把 Cursor 事故中的憑證外洩鏈,與公開儲存庫及容器映像中的智能體設定檔洩漏並列,呈現機密在開發工具痕跡中的擴散路徑。
Cursor 11 月 13 日的事故報告指出,攻擊者利用在 Fireworks 一側外洩的存取金鑰,取得智能體記錄中的未遮蓋憑證,進入內部系統並將 Claude Code 惡意版本放上市場快取。
推薦理由:文章把 Cursor 事故中的憑證外洩鏈,與公開儲存庫及容器映像中的智能體設定檔洩漏並列,呈現機密在開發工具痕跡中的擴散路徑。
文章提出按錯誤合併的代價為 AI 生成的 PR 分級,並要求審查證據必須對應正在檢視的 commit。中、高風險變更須有獨立驗證;涉及公開 API、SDK 行為、身分驗證及帳單等高風險改動,建議由兩人批准,並指定發佈及回退負責人。文中以付款 SDK 的 POST 重試示例説明,若缺少 Idempotency-Key,超時後重試可能導致重複扣款。
推薦理由:文章把 AI 生成程式碼審查拆成風險分級、綁定提交的證據與獨立驗證,並以付款 SDK 重試示例説明這套方法如何識別測試盲點。
負責審查 OpenAI Yang-Mills 證明的五名物理學家宣佈,將於 2026 年 11 月 10 日在 GitHub 公開完整 Lean 程式碼及委員會評估。
推薦理由:公開的 Lean 程式碼和委員會評估可供外界核對,但自然語言版證明未公開,且結果不涵蓋質量間隙問題。
Model Context Protocol 專案於 2025 年 5 月 29 日封存 14 個參考伺服器,其中 GitHub、Postgres、Slack、Puppeteer 和 Brave Search 五個套件的合計月下載量,由 2025 年 6 月的 407,645 升至 2026 年 7 月的 1,794,602。
推薦理由:這篇調查把套件下載趨勢與修補程式發佈狀態對照,呈現封存伺服器仍被安裝時,安全修補與棄用警告如何被忽略。
Apiiro 調查發現,GitHub 上 104,185 份公開 .claude/settings.local.json 中,有 1,122 份含真實憑證;Claude Code 選取「Yes, and don't ask again」後,會把獲準命令連同憑證寫入該檔。
推薦理由:調查量化 Claude Code 設定檔及其他 Agent 檔案中的憑證外洩,並揭示通用掃描器對命令內密碼的漏檢情況,呈現開發流程中的具體風險。
文章提供一套為 GitHub Copilot 程式碼審查制定團隊規則的指南,聚焦審批設定、風險分區及人類審核責任。GitHub 於 2026 年 10 月 28 日公佈,啟用後 Copilot 的審批可計入必需審批,但功能預設關閉,後續提交新變更會令原審批失效。指南建議按檔案風險劃分綠、黃、紅區,僅讓低風險檔案由 AI 自行批准,並列出七步制定團隊規則。
推薦理由:Copilot 的審批權限按檔案風險分層,並透過 glob、CODEOWNERS 和團隊覆盤建立規則,呈現一套可落實的團隊治理流程。
GitHub 於 2026 年 10 月 28 日在 GitHub Universe 2026 宣佈 Copilot Fusion 正式開放使用,這套多模型路由與協調系統會按提示詞選擇模型及配合方式。
最新進展11月3日 18:34GitHub介紹Copilot工作流及平台更新
推薦理由:GitHub提供基準分數及成本、token 用量和耗時比較,配合三種力度與三種執行流程,呈現 Copilot Fusion 的路由設計及資源取捨。
Wiz Research 揭露,LiteLLM 1.107.0 惡意版本於 10 月 21 日上傳至 PyPI,並出現在 GHCR 和 Docker Hub 的 LiteLLM 容器映像。
最新進展10月31日 01:34LiteLLM 1.107.0 遭供應鏈入侵
推薦理由:文章具體描述惡意套件如何在 Python 啟動時竊取多類憑證,並列出其後 AWS 憑證遭濫用的觀察,呈現供應鏈事件由植入到後續利用的關鍵環節。
Gheist 利用被盜 GitHub Token,在可觸及的儲存庫植入 13,500 個分支,加入傾印機密資料的工作流程。
推薦理由:文章把 Gheist 的分支特徵、GitHub 與 CloudTrail 查核方法,以及命中後的憑證處置串成一套自查流程,可用來檢視 CI 環境。
ThinkingBox-Training 已在 GitHub 開放,將智能體完成任務後的資料庫終態可執行檢查用作後訓練獎勵。以 GRPO 對 Qwen3.8-27B 訓練 50 步後,在 ThinkingBox-Bench 的 507 項任務(每項測試 20 次)中,pass@1 由 51.70% 升至 60.78%,20 次全部成功的任務由 38 項增至 107 項。
推薦理由:文章展示如何把資料庫終態的可執行檢查轉成智能體後訓練獎勵,並按基礎策略成功率篩選任務,説明混合成敗回報如何為 GRPO 提供組內對比。
npm 蠕蟲可利用套件生命週期指令碼竊取開發者憑證,文章提出遭入侵後按風險安排的輪替次序。npm 的 preinstall、install 和 postinstall 指令碼會以用戶權限執行,能讀取用戶可讀檔案並發出網絡請求。作者建議先隔離及清除惡意程式,再撤銷 npm 等套件 registry token,之後處理 GitHub、雲端、CI 和其他憑證,並在乾淨裝置上進行輪替。
推薦理由:文章按蠕蟲的散播風險排列憑證輪替步驟,解釋為何應先清除持續執行的惡意程式,再撤銷套件 registry token。
三位 Java Champion 分享在生產環境及開源項目中運用 GitHub Copilot 的做法,並提出提升開發效率與確保程式可靠性的實踐。其中一人以 Copilot 將 15 份簡報、約 900 張投影片由 Reveal.js 遷移至 Marp,約用 8 至 10 小時,並透過截圖、動畫及 PDF 比對驗證。
推薦理由:三位 Java Champion 的實例涵蓋功能開發、遷移和除錯,呈現需求釐清、驗證證據與人工審核如何支撐 AI 輔助開發。
作者以自建測試檢查 Git 歷史掃描效果,從已刪除的提交中找回全部 30 組 AWS 憑證及 30 個 GitHub token。使用 git log -p --all 掃描 52 次提交,輸出需時約 9 ms;以 AWS key ID 前後兩行配對 secret access key,則只成功配對 30 組中的 15 組。文章指出,刪除提交不會清除歷史中的憑證,應先輪換密鑰再刪除。
推薦理由:作者以自建憑證測試呈現 Git 歷史掃描的找回率與配對邊界,並解釋為何只刪除提交不足以處理已外洩憑證。
GitHub Copilot app 的工作階段可直接在 VS Code 開啟,並保留原有對話、程式碼變更及工作脈絡,讓用戶在同一工作樹繼續工作。用戶可在 VS Code 逐行檢視差異、手動修改及本機測試,完成後把變更推送至該工作階段關聯的 pull request。
推薦理由:文章示範如何把 Copilot app 工作階段及其工作脈絡帶入 VS Code,讓智能體產生的修改可在原有工作樹中接續檢視、測試及推送。
Abhinav Yadav根據 CERT-In 於 2026 年 10 月 15 日發布的嚴重級別通告 CIAD-2026-0049,整理避免 AI 智能體接觸或濫用生產環境憑證的安全做法。
推薦理由:文章把 CERT-In 的事故警示轉化為憑證管理、網絡出口控制及防篡改記錄等具體措施,呈現團隊限制智能體生產環境權限的操作思路。
Perplexity 將其 Computer 個人智能體背後的沙盒平台 SPACE 開源,採用 Apache License 2.0,並提供公開程式碼庫及託管文件。
推薦理由:SPACE 已支援 Computer 的所有工作階段,並公開虛擬機逃逸與網絡限制測試結果,呈現其隔離設計及弱點修補如何接受檢驗。
GitHub 介紹 ModernBERT 分類器,利用周邊程式碼脈絡在推送前識別無固定格式的機密資料,擴展 GitHub Secret Protection 的推送保護功能。
最新進展10月14日 01:58GitHub 推出秘密掃描分類器
推薦理由:文章結合九個季度數據與新分類器設計,呈現 GitHub 如何把秘密偵測前移,同時兼顧準確度、延遲、吞吐量與成本。
OpenHands 推出以 MIT 授權開源的 OpenHands Software Agent SDK,供開發者建立可配合不同工作流程的編碼智能體。SDK 支援不同 LLM 供應商、自訂工具與技能、對話持久化及 Docker 工作區,並示範 Datadog 錯誤除錯、程式碼審查和 GitHub Actions 自動化流程。
推薦理由:文章由自訂工具、技能、對話持久化及 Docker 工作區,延伸至自動除錯和程式碼審查案例,呈現 SDK 支援不同編碼工作流程的方式。
GitHub 推出 ReviewBench,作為評測 AI 程式碼審查智能體的離線基準,研究預覽版已可透過網站使用。
推薦理由:ReviewBench以219個跨19種語言的公開PR建立評測集,並公開多來源標註與評分方法;資深工程師判斷與基準的一致率為96.6%。
Glow 統計,編碼智能體相關的逾 13,000 張內部圖片出現在 900 多個公開儲存庫,涉及 300 多個組織。其中 93% 位於員工以個人帳戶建立的儲存庫;當時 gh 無法在 PR 附加圖片,促使智能體以公開儲存庫繞過限制。
推薦理由:文章把公開截圖事件與 gh 的附件功能缺口連結起來,並整理從貢獻者個人帳戶、release 和 gist 着手的排查方法。