阿里Qoder上線全新安全能力，為每位用戶配備一位專屬安全工程師
重點摘要
7月21日，阿里Qoder上線全新安全能力Qoder Security，和傳統掃描工具靠規則匹配已知模式不同，該安全能力可在Qoder生成代碼時同步開展安全檢查，發現問題後自動修復，並在下一輪掃描中閉環，覆蓋「發現、修復、再次驗證」的全鏈路，相當於為每一位用戶配備一位專屬安全工程師，可滿足企業級場景對安全的需求。
7月21日，阿里Qoder上線全新安全能力Qoder Security，和傳統掃描工具靠規則匹配已知模式不同，該安全能力可在Qoder生成代碼時同步開展安全檢查，發現問題後自動修復，並在下一輪掃描中閉環，覆蓋「發現、修復、再次驗證」的全鏈路，相當於為每一位用戶配備一位專屬安全工程師，可滿足企業級場景對安全的需求。
根據數據統計顯示，全球超過40%的新代碼由AI輔助生成，這些AI生成的代碼出現漏洞的概率要高於人工代碼，但企業的安全審查能力並未同步提升。
因此安全不能依賴人的自律與模型的自覺，必須內建於Agent的運行框架。
Qoder將“靜態掃描”升級為“主動式安全”方案，該方案集成了自研安全大模型，可理解代碼上下文與汙點傳播路徑，對檢出的問題自我驗證可達性，只報告真實可達的風險。
發現問題後由編程智能體直接完成修復，下一輪掃描閉環再次驗證。
第一層漏洞實時攔截 為平衡成本、延遲和漏洞檢出率問題，解決成本與延遲的問題，Qoder還設計了三層安全護航，避免每一行代碼都交給最強的大模型全量複核。
在純文本的字符流級別任務中，代碼生成的同時就篩查已知高危模式，危險函數調用這類問題即時發現、自動修復，可實現零延遲、零額外算力開銷；在一輪任務完成後，系統會在合適的時機給出後續建議，例如通過掃描檢測代碼安全隱患，SQL注入、遠程命令執行、敏感信息洩露這類需要理解語義才能識別的風險，大多都會在這一層被發現。
提交代碼前，系統則會觸發最後一道防線，主動詢問是否需要掃描。
Qoder Security可跨文件、跨函數追蹤完整數據流，從汙點源到危險匯聚點，挖出單文件視角永遠看不到的隱藏關聯漏洞。
Related
相關文章
當 human in the loop 變成“閉著眼睛點確認”，企業Agent 安全還能靠誰？
專家指出，AI Agent 從內容安全轉向行為安全，提示詞注入、工具濫用與過度授權成為主要風險。企業應建立可視、可管、可追溯的安全基線，並對工具權限進行最小化與臨時化管理，避免 human in the loop 淪為形式。安全防護需從靜態入口轉向動態行為約束，以因應 Agent 自主執行帶來的全新挑戰。
開源Agent框架刷爆ARC-AGI-3，「自我改進」的RLM harness引爭議
一套開源Agent框架在ARC-AGI-3基準測試中創下超過85%的正確率，大幅領先其他解決方案，其核心是名為「RLM harness」的自我改進機制。然而，該方法引發學術爭議，部分研究者批評它透過反覆試錯「鑽漏洞」，不符合ARC-AGI評測一次性推理的精神。這場討論促使AI社群重新審視評測標準，並可能影響未來ARC-AGI版本的設計方向。
騰訊是在“賽馬”，還是在打造 “Agent工廠”？
騰訊內部正在探討其發展策略究竟是「賽馬」機制還是打造「Agent工廠」。相關討論聚焦於公司如何平衡內部競爭與統一平台建設。目前站內已移除相關混雜文字，保留原始主題供讀者參考。
ChinaJoy 2026 AI遊戲規模化落地，邊緣雲與API安全重構產業底層邏輯
2026年ChinaJoy展館，“與AI同遊”的主題隨處可見。行業調查顯示，僅有21%的企業擁有完整的API資產清單，大量後臺AI接口仍在無人監控的狀態下裸奔。合規與安全也同步下沉。算力下沉還不夠，API安全必須同步前移邊緣雲解決了體驗問題，但AI交互入口的安全，同樣需要前置到邊緣。算力與安全，缺一不可Akamai的判斷很明確：遊戲AI轉型不能割裂算力與安全。這也是遊戲廠商規模化落地AI智能體、構建AI原生遊戲的標準化底層方案。
openJiuwen發佈業界首個企業級分佈式蜂群架構，聯合郵儲成功落地金融生產環境
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.
螞蟻集團開源Avernet，讓人與智能體像組織一樣高效協作
**螞蟻集團開源Avernet：打造人與智能體高效協作的“組織級”基礎設施** **來源：量子位** **2026-08-07 11:08:51** 近日，螞蟻集團正式宣佈開源多智能體協作基礎設施Avernet，其社區版本已同步上線。作為業界首個聚焦於“組織級協作”的智能體基礎設施，Avernet的首個版本重點開放了智能體協作網絡能力，旨在支持不同智能體之間的發現、共識達成、跨團隊協作與治理，為人工智能從“單點智能”走向“系統智能”提供關鍵支撐。