首页 / AI 简报 / 2026-11 / 11-02 2026-11-02 · 周一 · 5 条 微软拆解经 Cursor 市场分发的篡改版 Claude Code 扩展、NVIDIA 推出 NemoClaw 智能体蓝图、ChatGPT 桌面端和 Codex 可接 GovCloud 里的 Bedrock 今天的主线是「智能体跑在哪、由谁控制」：一次扩展市场投毒说明，编码工具本身就是供应链入口；NVIDIA 和 AWS 则分别给出把模型、运行时和账单收回自己手里的做法。周末新闻少，本期 5 条都是 10 月 30 日的一手发布。
Cursor 于 10 月 29 日报告，其扩展市场在太平洋时间约 2:27 至 13:35 提供了篡改过的 anthropic.claude-code 2.1.313 和 2.1.312；微软确认这些包从未出现在 Visual Studio Marketplace 和 npm 上，Anthropic 表示这个包不是它开发的。 加载器在模块加载时收集主机名、用户名、系统、目录和全局 Git 邮箱，向 authorized_keys 追加标为 svc-telemetry 的公钥、尝试开启 SSH 服务、建立指向本机 22 端口的反向隧道，并装上持久化（macOS 用 LaunchAgent，Linux 用 @reboot crontab，Windows 用计划任务或启动文件夹脚本），SSH 退出后 60 秒重试。 它上报名称含 _KEY、TOKEN、SECRET、PASS、AWS、GCP 等字样的环境变量名，最多 40 个，只有名称不含值；Cursor 称管理员权限要求让大多数 macOS 和 Windows 主机上的 SSH 访问没有成功，但公钥和持久化仍可能已经落地。 建议：检查 authorized_keys 中的 svc-telemetry 公钥并按指纹确认后删除，移除扩展和持久化项，必要时轮换凭据；扩展只允许白名单发布者，并给新版本设置安装冷静期。 开发者视角 卸载或升级扩展清不掉持久化，所以我会今天就让团队里用 Cursor 的人检查一遍 authorized_keys，而不是只看扩展版本。更长远的动作是给编辑器扩展加发布者白名单和新版本冷静期：编码智能体手里握着仓库和云凭据，扩展市场本身就是供应链；和 10-31 GitHub Actions 锁文件那条是同一个道理，锁住来源比相信名字可靠。
NemoClaw 是一组开放蓝图，不是与现有方案竞争的 harness 或运行时；每个蓝图围绕 OpenClaw、Nous Research 的 Hermes Agent 或 LangChain Deep Agents 组装完整的智能体栈。 每个蓝图包含针对 Nemotron 调过的 harness、Nemotron 开放模型、NeMo 工具（含观测和改进智能体执行的 NeMo Relay，以及按吞吐、成本、可靠性路由），以及管控智能体访问文件、网络、凭据和工具的 NVIDIA OpenShell。 LangChain 只调整提示词、工具和中间件、不重训模型，让 Deep Agents 在 Nemotron 3 Ultra 上达到 NVIDIA 所说的「接近前沿」表现，单次运行成本约为领先闭源模型的十分之一；文章没有给出更多评测数字。 可部署在云、数据中心、DGX Spark 和 RTX PC 上，也可以和 Claude、Codex、Cursor 等前沿智能体配合，处理特定领域的子任务。 开发者视角 「便宜约 10 倍」是 NVIDIA 自己的说法，没有评测细节，我会拿自己的任务复测再说。真正值得学的是分层：harness 用现成的，模型可以换，文件、网络和凭据的权限交给独立运行时。PandaClaws 这类后台里重复度高的子任务（改写、分类、打标签）适合先换成开放模型做 A/B，主流程留在前沿模型上。
ChatGPT 桌面端（含处理多步任务的 Work 和编码智能体 Codex）可以通过 Responses API 把推理发到 AWS GovCloud（US）里的 Bedrock，示例配置的是经 Bedrock Mantle 端点的 us-gov-west-1。 认证支持两种：环境变量 AWS_BEARER_TOKEN_BEDROCK 提供的 Bedrock API 密钥（优先于配置文件），或包括 IAM Identity Center 在内的 AWS SDK 凭据链；同一套配置覆盖 Codex CLI 以及 VS Code、JetBrains、Xcode 集成。 按 token 付费，没有席位许可或按开发者的承诺用量，并可配置零数据保留模式。 示例 requirements.toml 基线默认关闭浏览器与 computer use、记忆、插件、钩子、MCP 服务器以及遥测；文章提醒端点、版本和模型是否受支持需向 OpenAI 确认，只改 URL 不等于获得支持。 开发者视角 同一天 AWS 还为 GovCloud 里的 OpenAI 模型补上了 Responses、Converse、Chat Completions 三个接口和跨区域推理，客户端和托管分开的方向很明确。对企业团队，我更看重那份 requirements.toml：插件、钩子、MCP 先全关再按需打开，和 Claude Code 的托管设置是一个思路；今天那起扩展投毒也说明，默认关是对的。
在 Kubernetes 上跑 Dynamo 需要下面一层：GPU 驱动、设备分配、调度、节点健康、指标和入口；开源的 AI Cluster Runtime（AICR）把它做成验证过的配方，每个配方钉死组件版本、附带兼容约束和验证检查。 AICR v1.0.0 配方面向 Amazon EKS 上的 GB200 NVL72 和 GB300 NVL72，约 18 个钉死的 Helm chart，包括 GPU Operator v26.7.1、KAI Scheduler v0.16.9，以及 1.4.2 版 dynamo-platform chart。 两条路由路径：最简单拓扑用 Dynamo Frontend 路由，共享入口用 Gateway API Inference Extension 加 Endpoint Picker，两者都按 KV 缓存感知路由；默认不再安装 NATS。 流程分五步：给集群做快照、生成配方、渲染安装包、部署运行时、安装应用前验证；可用 Helmfile、纯 Helm 脚本或给 Argo CD、Flux 的 GitOps 包部署。Dynamo 1.5 计划用原生 Rust 的 EPP 替换现在的 Go/CGO 桥接。 开发者视角 大多数做产品的团队用不上 NVL72，但「把版本组合钉死再验证」值得照搬：自建推理最常见的坑不在模型，而在驱动、调度和网关之间的版本漂移。私有部署开放模型的，先把整套依赖写成一份可回放的清单，升级只动一处。和 10-27 Cloudflare 那次 KV 缓存跨请求泄露连起来看，上了 KV 缓存感知路由，就要补多租户隔离测试。
由 Nemotron Voice Agent 蓝图串起整条链路：Nemotron 3 ASR（流式、英文、0.6B）识别语音，带自定义 LoRA 的 Nemotron 3.5 Bolt E4B 4GB 负责对话，Magpie TTS Zeroshot 用少量参考样本生成声音，Audio2Face-3D 在 Unreal Engine 5 里驱动口型。 LoRA 用 5,000 多段多轮对话训练；语言和语音链路跑在一张 RTX PRO 6000 Blackwell Max-Q 上，渲染和 Audio2Face-3D 跑在一张 RTX PRO 4000 Blackwell 上。 用 Bolt Q4 加 TTS 时，从说完到出声的中位延迟 1.70 秒，命中缓存的回复 0.72 秒；判定说完要等 300 毫秒静音。 装置本身的代码不开源，所用的 NVIDIA 模型和 Voice Agent 蓝图可以获取。 开发者视角 这是个节日玩具，但数字对做语音产品的人很实在：全本地链路中位 1.7 秒，缓存命中能压到 0.72 秒。放到智能面试这类场景，我会把开场白、常见追问这类高频回复先做缓存；静音判定阈值要单独调，300 毫秒对正在思考的面试者可能偏短，容易抢话。
本期由 AI 辅助检索与起草，选题标准与观点由 Darius 设定。
每周一，一封邮件看完 AI 大事 每周一早上，把过去 7 天最值得关注的 6 件 AI 大事和我的解读发到你邮箱。
邮箱只用于发送周报，不会提供给任何第三方；每封邮件底部都可以一键退订。 看看最近一期 →