最新笔记/工程/
编程智能体曾如何间接读取你的 .env 文件,zn-gate 1.12.0 又如何关闭这些路径?
在 zn-gate 1.5.0 至 1.11.0 中,shell 命令可以通过 hook 不检查的方式接触受保护的 .env 文件。这些路径的类别、1.12.0 修复(GHSA-rccq-h3xc-j9qj)的设计,以及为编程智能体编写防护机制时应记住的经验。
阅读笔记 11 分钟阅读 · John Silver
zn 的内部工作方式:可复现的测量、方法,以及我们一路修复的问题。
在 zn-gate 1.5.0 至 1.11.0 中,shell 命令可以通过 hook 不检查的方式接触受保护的 .env 文件。这些路径的类别、1.12.0 修复(GHSA-rccq-h3xc-j9qj)的设计,以及为编程智能体编写防护机制时应记住的经验。
我们把 /analyze 和 /v30/analyze 合并为一个端点,让每个请求依次经过 <50 µs 的确定性规则层、~15 ms 的 int8 神经门和 mmBERT Deep Analyze 层。本文给出背后的工程、新的订阅额度与实测数字。
2026 年 9 月一个早期内部模型背后的工程演进:为什么 64 tokens 会遭遇瓶颈,我们如何构建 1,176 个孪生难负样本,在 NVIDIA H100 上用 7.5 分钟训练 MLP 分类头,并在我们自己的测试集上将开发者提示误报率从 4.49% 压降至 0.64%。
攻击者会用注释、零宽字符和外形相近的字母拆开关键词。本文说明 zn-gate 在匹配前执行的规范化步骤、规则引擎的速度,以及它没有覆盖的内容。
我们的融合门控在自有基准上击败了一个 Meta 模型,随后我们发现自家分类器中真实的良性文本得分竟高于攻击样本。本文是 早期检查点失败的事后复盘,以及完整语料重建的记录:包括按家族设计的蓝图、确定性改写、按组划分的数据切分,以及我们有意保留的缺口。
我们的注入检测器对所有输入的评分都在 0.498 至 0.509 之间。根本原因是训练目标从未见过标签,而修复方法却平淡得令人尴尬:端到端的监督训练。这里是完整的调试过程、训练配方、各项数字,以及新门控仍然做不到的事情。