AI Daily Digest: A2A 协议转 stable、Claude Code 泄露 1122 个凭证文件、基准审计击穿评测可信度 - 2026/11/08
今天的主线是**"协议成熟、信任失守、评测祛魅"**:Google 把 A2A 协议标记为 stable,agent 互操作正式进入生产阶段;同一天,Apiiro 的报告显示用户在 Claude Code 里按下「Don't Ask Again」后,1,122 个公开 GitHub 文件里躺上了真实凭证;而 HN 上的 MaxxBench 和 arXiv 上的基准审计论文则在追问同一个问题——你引用的那个分数,到底是怎么算出来的。
Google ADK 2.14:A2A 协议正式 stable
11 月 7 日发布的 Google ADK 2.14.0 把三样东西一并移入 stable:A2A 协议、执行环境(execution environments)和核心 runtime。这是 A2A 自 2025 年 4 月发布以来的最重要成熟度信号。
回顾这条时间线:2025 年 4 月 Google 联合 50+ 公司发布 A2A 规范,用 Agent Card 做能力发现、用标准 JSON-RPC 消息替代 agent 两两之间的自定义 API;2025 年内捐赠给 Linux 基金会;到今天,协议本体、执行环境与 runtime 全部 stable。多 agent 集成从此可以进入 SLA 敏感的生产环境——你不再需要在架构评审会上为"这是个实验性规范"辩护。
同日,Anthropic 发布 Claude Code 2.1.319:MCP 工具调用可以转入后台执行,不再阻塞主对话流;新增 denyInsteadOfPrompting 配置项,并改变了 /loop 的行为。这两件事放在一起看是一个清晰信号:agent 基础设施正在从"能跑"走向"可运维"——协议层有 stable 标准,宿主层有后台任务、细粒度权限控制。
Claude Code「Don't Ask Again」:1,122 个公开文件里的密码
Apiiro 的安全研究(HN 496 分、356 评论)扫描公开 GitHub 后发现:1,122 个文件泄露了真实凭证——云 API key、数据库连接串、CI/CD token,泄漏源头正是 coding agent 的权限确认流程。用户为了减少打断按下「Don't Ask Again」/「Always allow」,agent 随后把含敏感参数的命令原样写进文档、脚本和 commit message。
关键在于泄漏路径:不是 agent "主动泄密",而是权限疲劳 + 上下文泄漏的组合。高频形态包括 export API_KEY=... 调试片段、粘贴进 README 的连接串、agent 生成的"复现步骤"里带真实 token。这与本周的 Postman 静默装插件、Codex 数据开关回退构成同一主题的三连:agent 工具链的信任决策正在成为企业凭证泄漏的主要入口。
给工程团队的三个可执行动作:
- 把「Don't Ask Again」当作与
sudo NOPASSWD同级的配置项审计——只允许 session 级放行 - pre-commit hook + CI secret scanning 是底线而非加分项;已泄漏的 key 必须轮换,撤回 commit 没有用(历史还在)
- 权限确认 UI 应该按"即将执行的命令内容"放行,而不是按工具名一次性交出整类操作
评测可信度危机:MaxxBench 与 BAR 审计
HN 354 分的 MaxxBench 直接质问:"Nice DeepSWE score. But is it true?"——对 agent 基准跑分做了逐条复核,发现宣传分数与可复现结果之间存在明显差距。同期 arXiv 上的一篇新论文(BAR:Benchmark Audit and Revision)给出了更系统的证据:
- 作者用源码溯源、程序执行和对照检查审计了 9 个公开的 policy-based decision 基准,发现无依据的标准答案、经重放仍存活的引用错误、拒绝合理答案或给不完整决策加分的评分器
- 最刺眼的数据:在 LegalBench SARA numeric 的 96 个案例上,仅仅修正评分器,三个模型的接受率各提升超过 80 个百分点——模型回答一个字没改
- 在 RuleArena Tax 上,恢复一个必需的零值下限改变了 300 个引用中的 27 个,直接改写观察到的模型差距
这和上周的评测主线(ITBench-AA 全员不及格、模型级联靠置信度校准)指向同一件事:评测结果的上限由评测器质量决定。引用任何"模型 X 在基准 Y 上得 Z 分"之前,先问三个问题——评分器是谁写的、答案引用能否重放、换个模型接受率会不会跳 80 个点。
快讯五条
- OpenAI 融资 1.25T:低于最初寻求的 $1.4T(HN 80 分)。Anthropic 信用评级承压的传闻同期发酵,前沿模型的资本密度到了必须用盈利能力说话的阶段
- Thinking Machines 发布 Inkling 2 Small:594B MoE,$1.18/任务,声称登顶西方开放权重模型——但 Apache 2.0 权重并未发布,目前只能在 Tinker 平台上用,"开放"承诺留待外部安全测试之后
- llama-modchip(HN 159 分):开源项目宣称在 64GB 内存、无 GPU 的机器上跑 284B DeepSeek 模型,本地推理的极限又被推了一步
- "Agent memory needs its OpenTelemetry moment"(HN 115 分):呼吁为 agent 记忆制定开放格式与可观测标准——记忆现在是各家 agent 框架的私有格式,正如可观测性标准化之前的日志碎片时代
- "Goodbye Claude, hello Pi"(HN 530 分、342 评论):一位开发者详述从 Claude Code 迁移到 Pi 的原因,热度说明 coding agent 的用户流动已经开始——锁定从来不是永久的
结语
今天的三个故事其实是同一枚硬币的三面:协议 stable 意味着更多人会把 agent 放进生产,而生产化的代价是信任与验证问题从脚注变成主章节。权限确认的每一次「Don't Ask Again」、每一个被引用的基准分数,都是这个系统里待审计的信任节点。工具在成熟,审计也要跟上。
来源:AIToolsRecap 11-08 汇总、Apiiro、MaxxBench、HN 首页(2026-11-08)
