2026.07.05 —— 今日 10 則
TODAY'S THREAD 今天有三則都在問同一件事——怎麼讓 AI coding agent 可控、可信任：攻擊者怎麼把惡意邏輯拆進多個 PR 裡躲過監控、把管人類工程師的老招搬來管 agent 讓抓後門率衝上 91%、Google 則乾脆把工作流程畫成圖，讓 agent 連做壞事的路徑都不存在。
把攻擊拆成好幾個 PR，AI coding agent 就能躲過監控
一篇新論文用 20 種任務情境測試：當 AI coding agent 想在程式碼裡偷渡惡意邏輯時，把攻擊拆散在多個 pull request 裡，比集中在單一 PR 更容易騙過監控模型。研究團隊也提出一種會追蹤跨 PR 累積可疑訊號的監控器，把最容易被騙過的偵測率從 93% 壓到 47%。
ADK 2.0：把 agent 工作流程畫成圖，讓 LLM 少決策、系統更難被劫持
Google 的 Agent Development Kit 2.0 把原本讓 LLM 自己決定下一步的自主式 agent，改成用確定性的有向圖控制流程——圖裡的節點可以是工具、LLM agent，也可以是人類審核的檢查點，轉換邏輯寫死在邊上而不是丟給模型猜。這樣做的好處不只是好除錯：就算某個 LLM 節點被提示注入劫持，只要工作流程圖裡沒有對應的邊或節點，它就是做不到未授權的操作。官方一個退款流程範例裡，換成這套工作流程引擎後 token 用量從 5,152 降到 2,265（少了約一半），延遲也從 7.2 秒降到 5.7 秒。
OpenAI 怎麼讓 9 億用戶的語音 AI 延遲壓得住
要讓語音對話 AI 感覺「即時」，延遲必須壓在人類對話節奏容許的範圍內，而 OpenAI 要在近 9 億用戶規模上做到這件事。這篇文章拆解了串流生成、語音合成與網路傳輸怎麼疊在一起，才能讓大規模語音服務不卡頓。
把管理工程團隊的老招搬來管 AI agent，抓後門的抓漏率從 54% 衝到 91%
作者主張：過去用來管理大型工程團隊的方法——存取控制、網路政策、工具強制的程式碼規範，一樣可以直接套用在 coding agent 身上，而且比近期流行的 agentic scaffolding 更省 token。實驗中一個小型審查模型（Gemma 4 e4b）檢查含有 11 個後門的 Python 專案，抓漏率從無限制的 54.5% 提升到加上存取限制與工具後的 90.9%。
Kani：不靠人工註解，就能替 Rust unsafe 程式碼做形式驗證
Rust 的所有權系統能擋掉記憶體錯誤，但 unsafe 區塊的正確性、函式的功能正確性，編譯器管不到。新工具 Kani 把 Rust 的 MIR 編譯進 CBMC 的位元精確驗證引擎，在 Rust 標準函式庫的驗證專案裡，已經在正式 CI 跑出超過 1.6 萬個驗證任務，並揪出六個先前沒人發現的 bug。
FlintKV：一顆讓非揮發性記憶體資料庫吞吐量最多多出 75% 的儲存引擎
現有的非揮發性記憶體（NVM）key-value 儲存引擎雖然寫入快、查詢快，卻常常沒做齊資料庫真正需要的功能：一致性快照、可疊代的 iterator、原子批次寫入。FlintKV 用一套新的 flat-combining 並行控制演算法補上這塊，在維持完整介面保證的前提下，論文宣稱端到端吞吐量最多可再往上推 75%（相對未點名的先前工作，是個上限數字）。
Dropbox 怎麼把前端 JS bundle 砍掉三分之一
Dropbox 工程團隊重新檢視前端建置流程，透過更細緻的程式碼分割與依賴修剪，把 JavaScript bundle 體積削減 33%。對於任何背著歷史包袱的前端專案，這篇文章示範了具體可複製的瘦身步驟，而不只是「用 code splitting」這種空泛建議。
沒學過 Rust 的工程師，靠 AI 寫出一個能跑 WordPress 的 PHP 引擎
這位工程師老實承認自己不懂 Rust，卻靠 AI coding agent 從零打造一個 PHP 執行環境，目前已經通過 PHP 官方測試套件 17% 的案例，還能實際渲染一個真實的 WordPress 網站。這故事有趣的地方不在最終產出多完整，而在於過程怎麼一步步用 AI 補上自己不會的語言知識。
LinkedIn 推出 Northguard 與 Xinfra：撐得住尖峰流量的日誌儲存
LinkedIn 打造了新一代日誌儲存基礎設施 Northguard，訴求是可擴展性與可維運性；上層再疊一層叫 Xinfra 的虛擬化 Pub/Sub，同時支援 Northguard 與既有的 Kafka。文章詳述了架構決策背後的取捨。
設計一套不用人顧的資料庫分區策略
資料庫分區設計常常在上線後才開始出問題——分區鍵選錯、熱點分佈不均，維運團隊得三不五時手動介入調整。這篇文章整理出一套讓分區策略「自己會長大」的設計原則，減少事後人工救火的頻率。