yii.
← Digest
EP46 · 2026年4月16日 星期四 · 7 min read

AI 時代，開源的代價

當安全性變成算力競賽，每行公開程式碼都可能成為弱點

每天花 1% 的時間，掌握科技脈動。

今日金句#

“AI is not causing anyone to do less work right now; teams feel busier than ever.” 「AI 現在並沒有讓任何人工作量減少，每個團隊都感覺比以前更忙。」 — Aaron Levie，Box CEO

“To harden a system you need to spend more tokens discovering exploits than attackers spend exploiting them.” 「要強化一個系統，你得花比攻擊者探索弱點更多的 token。」 — David Breunig，安全研究員

今日主軸#

AI 時代，開源的代價

Cal.com 五年開源、四萬名開發者貢獻、無數公司依賴，然後這週他們把 GitHub repo 設成 private 了。原因不是商業考量，而是 AI——AI 安全工具現在可以系統性地掃描公開程式碼庫，在幾小時內找到人類需要數週才能發現的弱點。這件事讓整個開源社群都在問：開源到底還值得信任嗎？

與此同時，EFF 揭露 Google 違反十年承諾，未通知用戶就將位置數據交給 ICE。David Breunig 的安全分析則直接指出：現在的資安等同「工作量證明」——誰花得起更多算力，誰就贏得防禦優勢。當 AI 讓攻擊變得廉價且系統化，整個開源生態系的信任基礎正在被重新定義。

這不只是 Cal.com 一家公司的故事。這是整個軟體產業在 AI 時代面對的新現實：開放的代價，比以前高了一個數量級。

必讀#

  1. Cal.com is going closed source — Blog Dev
  2. [AINews] Humanity’s Last Gasp — Latent Space AI
  3. Not all AI agents are created equal — Lenny’s Newsletter AI
  4. Cybersecurity Looks Like Proof of Work Now — Blog AI
  5. Google broke its promise to me – now ICE has my data — EFF News
  6. OpenAI updates its Agents SDK for enterprises — TechCrunch AI

Cal.com is going closed source#

cal.com blog

Cal.com 宣布將開源的行事曆排程工具轉為閉源，原因是 AI 安全工具現在可以在數小時內系統性掃描公開 codebase，找到所有潛在漏洞。創辦人 Bailey Pumfleet 表示，這不是商業決定，而是因為他們管理真實用戶數據，無法承受這個風險。他們同時釋出 cal.diy，作為保留開源精神的精簡版。

  • AI 安全工具讓開源 codebase 的安全風險從「需要人力審計」升級為「可被自動化大規模掃描」
  • Cal.com 在閉源前對身份驗證和數據處理系統進行了大規模重寫，cal.diy 不包含這些更新
  • 這標誌著開源生態的一個拐點——管理用戶敏感數據的開源項目將面臨類似壓力

💡 為什麼重要：Cal.com 的案例可能是第一個「因 AI 安全威脅而閉源」的主流開源工具，預示著未來更多保護用戶數據的開源項目可能走向 freemium/tiered 模式。

🔗 閱讀原文 | 來源: Cal.com Blog

[AINews] Humanity’s Last Gasp#

latent space ainews

Latent Space AINews 這期探討 AI agent 的矛盾現象：模型能力持續進步（Mythos 達到 SWE-Bench 78%，GPT-5.4 達 83%），但實際上 AI 正在讓工作量增加而非減少。Aaron Levie 觀察到各個團隊比以前更忙，LangChain 的 deepagents 0.5 和 Hermes Agent v0.9.0 都在嘗試解決多租戶、長期運行的 agent 穩定性問題，而 Claude 的生產環境穩定性問題也被點名。

  • SWE-Bench 已趨近飽和（78-83%），frontier 模型的競爭正從「能力比拚」轉向「harness 設計和 agent 基礎設施」
  • Hermes Agent v0.9.0 新增 iMessage/WeChat 整合和持久記憶；deepagents 0.5 引入 async subagent 和多模態檔案支援
  • 目前局勢類似「火雞悖論」——快速進步可能掩蓋了未來轉折點的不確定性

💡 為什麼重要：如果在模型能力最強的時代 AI 反而讓人更忙，那麼問題不在模型，而在 agent harness 設計——這是開發者現在最該投入的方向。

🔗 閱讀原文 | 來源: Latent Space AINews

Not all AI agents are created equal#

lenny's newsletter

Lenny Rachitsky 在 Lenny’s Newsletter 提出 AI agent 三層架構分類框架，解決企業在 agent 建置上最常犯的根本錯誤：用錯誤的工具層級解決問題。第一層「確定性自動化」適合流程固定的任務（60-70% 的用例），六週可上線，使用 n8n 或 Zapier。第二層「推理 agent」用於輸入不確定的場景，需要 LangGraph 或 CrewAI，約三個月建置週期。第三層「多 agent 網路」用於跨團隊複雜協作，應最後才考慮。

  • 三種架構的成功指標完全不同——確定性看完成率；推理 agent 看任務完成和推理準確性；多 agent 看跨 agent 協調效率
  • 組織失敗最常見原因：用第一層工具（Zapier）試圖解決第二層問題，或在初期就跳到多 agent 網路
  • 建議先建立第一層項目積累組織信心和快速 ROI，再逐步升級複雜度

💡 為什麼重要：這個框架可以立即用於評估你的 agent 待辦清單——把每個項目分類，先做第一層，三到六個月後再評估是否需要升級。

🔗 閱讀原文 | 來源: Lenny’s Newsletter

Cybersecurity Looks Like Proof of Work Now#

cybersecurity proof of work

安全研究員 David Breunig 分析 Anthropic Mythos 完成 32 步驟企業網路攻擊模擬的報告，提出一個顛覆性結論：資安現在就像比特幣的工作量證明——防禦能力取決於你能花多少 token。每次攻擊模擬耗費 1 億個 token（約 12,500 美元），模型表現沒有出現邊際遞減。

  • 沒有任何模型出現邊際遞減效應，意味著安全是純粹的算力消耗競賽
  • 開源程式庫重要性上升，因為漏洞審計成本可以被社群共同分攤
  • 軟體開發週期正在形成三階段：快速開發 → 程式碼審查 → 持續自動化安全強化（budget-limited）

💡 為什麼重要：這直接解釋了為什麼 Cal.com 選擇閉源——當安全強化成為按 token 計費的持續成本，只有財力充足的團隊才能達到足夠的防禦水準。

🔗 閱讀原文 | 來源: Blog / Simon Willison

Google broke its promise to me – now ICE has my data#

eff google spy

EFF 揭露 Google 違反其十年承諾，在未通知用戶的情況下，將博士生 Amandla Thomas-Johnson 的數據交給 ICE。ICE 在 2025 年 4 月以傳票要求 Google 提供她的訂閱資訊（IP 位址、實際地址、會話時間），Google 在 2025 年 5 月遵從，沒有提前通知她——儘管她當時身在國外。EFF 已向加州和紐約州檢察長提出投訴，指控 Google 欺騙性商業行為。

  • Google 過去政策是在向執法機關提供數據前通知用戶，這一慣例在此案中被打破
  • IP 日誌可以近似定位、實際地址揭露生活地點——即使沒有通話內容，元數據已足夠建立完整監控檔案
  • 此案影響國際學生和政治活動人士，對受保護的政治言論產生寒蟬效應

💡 為什麼重要：平台的隱私承諾是有條件的，不是結構性保障。當執法壓力升高，這些承諾會消失。

🔗 閱讀原文 | 來源: EFF

OpenAI updates its Agents SDK for enterprises#

openai agents sdk

OpenAI 更新了 Agents SDK，新增沙盒整合功能，讓 agent 在受控、隔離的環境中運作，限制其可訪問的文件和工具。新的 harness 框架支援長時程（多步驟）的 agent 任務，Python 優先，TypeScript 支援計劃中。

  • 沙盒讓 agent 僅能訪問批准的文件/工具，不暴露更廣泛的系統資源
  • 這定位 OpenAI 與 Anthropic（Claude Code 沙盒）在企業 agent 安全基礎設施上直接競爭
  • 企業 agent 部署的最大障礙之一（不受控制的行為）正在被平台層解決

🔗 閱讀原文 | 來源: TechCrunch

推薦閱讀#

中文技術圈#

anthropic claude

開源精選 — GitHub Trending（本週）#

fireworks-tech-graph — Python | ⭐ 2.9K 生成生產級 SVG+PNG 技術架構圖的 Claude Code 技能，支援 8 種圖表類型和 5 種視覺風格

codeburn — TypeScript | ⭐ 1.8K 互動式 TUI 儀表板，追蹤 Claude Code、Codex、Cursor 的 token 使用成本

MOSS-TTS-Nano — Python | ⭐ 1.0K 開源多語言 0.1B 參數 TTS 模型，可在 CPU 上實時運行，無需 GPU，部署簡單

darwin-skill — HTML | ⭐ 817 Claude Code 自主技能優化系統：評估→改進→測試→保留或回滾

obsidian-ai-orange-book | ⭐ 637 Obsidian + Claude Code 重建第二大腦，橙皮書系列

影音精選#

Anthropic thinks they’re Apple. They’re actually hypocrites.#

Theo t3.gg 98K views · 31h ago

Theo (t3.gg) 批評 Anthropic 的矛盾立場：一邊宣稱 AI 安全使命，一邊在商業行為上與其自我定位不符。比較 Anthropic 與 Apple 的異同，分析 AI 公司「使命型」vs「商業型」定位的真實意涵。

  • 核心論點：宣稱「not for profit at heart」但行為卻完全商業化，是雙重標準
  • 討論了 AI 公司使命宣言的可信度問題
  • 觸及 AI 治理的結構性矛盾

💬 Yii 觀點：Anthropic 的矛盾確實存在，但這其實是所有「使命型公司」的通病——使命和商業現實永遠有張力，不是 Anthropic 獨有的問題。

I think every company should open source their code.#

Theo t3.gg open source 16K views · 5h ago

Theo 論述所有公司應該開源程式碼——與今日 Cal.com 閉源形成有趣對比。探討開源的商業和安全代價，以及何時開源/閉源才是正確選擇。

  • 開源的信任紅利 vs 安全暴露的風險
  • 今日 Cal.com 案例是最好的反例
  • 讓觀眾自行判斷：現在還適合開源嗎？

💬 Yii 觀點：今天發佈 Cal.com 閉源新聞就看到這部影片，時機太好了。開源的時代紅利正在被 AI 侵蝕——這個辯論今年只會越來越激烈。

The Early Days of Anthropic & How 21 of 22 VCs Rejected It#

20VC Anthropic 17K views · 35h ago

20VC 訪問 Anthropic 早期投資人 Anj Midha，分享 Anthropic 創辦初期的故事：22 個 VC 中只有 1 個願意投資，以及 AI 發展的四個瓶頸分析。

  • Anthropic 早期幾乎被整個 VC 圈拒絕，現在估值 800 億
  • 分析當前 AI 發展的主要制約因素
  • 創始人背景和使命的重要性

💬 Yii 觀點：現在看 Anthropic 的早期故事特別有趣——所有人都拒絕它，但它後來可能是最重要的 AI 公司之一。VC 的集體判斷並不總是對的。

名人動態#

今日觀察#

Cal.com 閉源這件事值得更深入思考。這不是 VC 壓力，不是商業轉型，而是一個五年的開源項目因為 AI 安全威脅被迫做出防禦性決策。這代表了一個重要的趨勢轉折：AI 原本被視為開發的加速器，現在開始被當作攻擊向量。David Breunig 的分析更進一步，把這件事框架化為「工作量證明」——安全不再是設計問題，而是算力問題。如果他的邏輯是對的，未來的軟體安全格局將高度不平等：只有有能力持續燒算力做安全強化的組織，才能達到足夠的防禦水準。小型開源項目和新創公司可能在安全上處於永久性劣勢。這是一個比「AI 取代工程師」更具體、更近在眼前的結構性挑戰。

覺得有用嗎？分享給一個也在追蹤新知的朋友。

也歡迎中長期投資者體驗新工具 → Moniit banner

同期還有