跳到主要内容

AI Daily Digest: Lovable 15.9 万项目数据暴露、Google /teamwork 多智能体科研、双 DGX 跑 GLM-5.3 峰值 607 tok/s - 2026/11/14

· 阅读需 5 分钟
Yi Wang
Full Stack & AI Engineer

今天的三个事件各自标定了一条工程边界:vibe coding 平台的默认权限配置(Crissy Field 审查 15.9 万个 Lovable 项目,7,403 个站点的数据库记录无需登录即可读取)、多智能体科研系统的两个核心机制(Google /teamwork:专职证伪者 + 按构造分区上下文)、前沿模型的桌面级部署天花板(NVIDIA 用两台 DGX Station 把 464 GB 的 GLM-5.3 跑到峰值 607.8 tok/s)。三条线索合起来读:AI 工程的竞争正在从「模型能做什么」转移到「默认配置是什么」。

Lovable 15.9 万项目审查:「一模式一漏洞」的时代​

安全公司 Crissy Field 与 Handelsblatt 合作,对 Common Crawl 里 159,041 个 Lovable 项目(2025-12 至 2026-09)做了系统审查:34,545 个使用 Supabase,其中 24,664 个网站在页面加载时就把数据库记录发给浏览器,不需要登录;用同一 API key 追加只读请求后,在 7,403 个站点(30%)的 10,560 张表里发现了含邮箱的记录——包括护照信息和超过 20 万条私信。根因并不新鲜:Supabase 的 anon key 本来就是公开的,安全性全押在 RLS(行级安全)上,而大量 Lovable 生成的应用没有启用它。

这件事的工程含义大于「又一个泄露事件」:AI 平台批量生成的应用遵循同一套集成模式,于是一个利用方法可以低成本横扫成千上万个站点——攻击面从 N 个独立问题塌缩成 1 个批量问题。更刺眼的是产品叙事与责任条款的落差:Lovable 营销说「无需技术背景」,T&C 却把数据安全责任全部推给客户。对任何「AI 替你搞定一切」的平台,结论只有一个:默认生成的权限配置必须默认安全(RLS 默认开启、公开表显式 opt-in),把安全基线内建进生成模板,而不是写进免责声明。处理真实用户数据前的人工安全评审,依然是不可省略的一步。

Google /teamwork:多智能体科研的两个核心机制​

Google Research 公开了 Antigravity /teamwork 多智能体系统在数学、化学、系统软件与 ML 工程上的协作成果(与学术伙伴联合,基于 Gemini 4 Argon/Carbon/Hydrogen),并宣布工具对外开放。设计针对长程任务的两个痛点给出了机制化答案。

其一是单次生成不可靠:/teamwork 用「并行探索 + 专职证伪者」弥合差距——证伪者是独立于生成方的验证器:Lean 4 证明检查器、未修改的测试套件、执行模拟器、硬件计数器。其二是多日任务中注意力随上下文膨胀而涣散:/teamwork 按构造分区上下文——每个专职 agent 只拿到该步骤精确需要的文件与工具,协调者把任务移交给全新上下文的后继者,批评者与审计者在不含原始生产者推理痕迹的干净上下文里挑战结果。

这与昨天的 Anthropic「Worse Together」正好构成一组互补实验:Anthropic 证明了共享协调者拓扑赢过「每人一个 agent」,Google 则给出了「协调者如何保持干净」的具体机制——fresh successor handoff 与干净上下文的批评者。两条结论合起来是多智能体工程目前最完整的实践图谱:先选对拓扑,再治理每个节点的上下文。

双 DGX Station 跑 GLM-5.3:吞吐峰值不在最大并发处​

NVIDIA 发布了在两台 DGX Station 上用 vLLM 服务 GLM-5.3-NVFP4 的完整方案:753B 参数(每 token 激活 40B)的 MoE 模型权重约 464 GB,超过单张 GB300 的 252 GB HBM3e——「本地跑前沿模型」必须跨机。两台 Station 经 ConnectX-8 RDMA 互联,TP=2 起一个 OpenAI 兼容端点,叠加 multi-token prediction、FP8 KV cache 与 prefix caching。

AIPerf 在 SPEED-Bench Coding 上的曲线是这篇博客最有价值的部分:并发 16 时输出吞吐峰值 607.8 tok/s,并发 32 时跌到 385.0 tok/s、平均请求延迟升到 453.5 秒。教训很朴素:吞吐峰值不在最大并发处,扩容前先扫出自己工作负载的最优并发点。同一天 HN 上还有两条相关线索:UMich 的研究表明生成式 AI 处理非英语文本要多耗 1.4–180 倍能量(印地语 7.9 倍、孟加拉语 15.3 倍——tokenization 放大直接变成成本税),GitHub 上的 DeepSeek V3 纯 JAX 200 行实现则继续降低「读懂前沿模型」的门槛。

快讯​

  • 意大利对 Meta 罚款 8.87 亿美元(Android 用户数据访问问题);Project Zero 更新披露政策:报告漏洞 90 天后公开
  • arXiv 值得读:Goal Encoding in LLMs(2611.17297,LLM 内部存在引导行动的目标表征);Where LLM Agents Get Stuck Debugging Databases(2611.17304,Claude Code 排查生产数据库事故的现场观察:瓶颈在数据访问而非推理)
  • EU 峰会:欧盟领导人在都柏林举行首次专门讨论 AI 的领导人级非正式峰会;SpaceX 宣布投资逾 740 亿美元建设两座 AI 超算园区