问你们一个扎心的问题啊：都说美国的税很高，贼高，巨高，高到难以想象，怎么那么多高级中产，亿万富翁，Billinaire，还是一窝蜂跑美国生孩子，死都要把孩子生在美国啊，一生就是好几个，眼睛都不眨一下。所以，到底是哪个环节出了问题，到底谁是大傻逼！！！！！！！！！！！！！！！！！！！！！！！！！

其实闭源 Agent 出现安全问题的事已经不是一次两次了，看看过去这几个月都发生了啥吧，很多很严重的信息泄露最终也只是被厂商搪塞过去，所以还是更推荐大家用开源 Agent： 1. Claude Code 这个最离谱，花样最多： (1) 大约从 v2.1.36 起，CC 会往请求里插入动态字段，导致第三方 API 的 prompt cache 全面失效 这个持续时间是最长的，甚至直到今天都有这个迹象：具体是每条发往 /v1/messages 的请求，都会在 system prompt 最前面强行插入一行文本，形式是 x-anthropic-billing-header，里面带个 cch= 参数，而且这个值每条请求都不同。注意，这根本不是 HTTP 请求头，而是直接写进 prompt 正文前缀里的。 这个字段官方 Anthropic 服务端能识别并做特殊处理；但是当用户把 ANTHROPIC_BASE_URL 指到第三方兼容接口时，第三方通常是按整段 prompt 来做缓存的。前缀一轮一变，cache key 就对不上，prompt cache 会直接命中失败，导致响应延迟、费用都大幅上涨。 即使模型厂商和各个开源工具很多自那以后主动做了适配，Anthropic 似乎依然在不断更新这个机制，直到今天将第三方 API 接入 CC 依然会破坏缓存命中。这也是为什么很多第三方评测榜单里，Claude Code 的缓存命中率都是最低的。 (2) 反蒸馏：向上下文偷偷插入根本不存在的 fake tools 时间是 2026 年 3 月 31 日前后，随着 npm 包源码和 source map 泄漏被实锤。 当满足特定条件时，客户端发出的请求会带上 anti_distillation: ['fake_tools']。然后由 Anthropic 服务端往你的模型上下文里，强行写入一堆本地根本不存在的虚假工具定义。 这就导致用官方流量做蒸馏、抓包或搞中转的一方，会把这些假工具一并吃进训练样本，直接被下毒。更恶心的是，客户端本地看不到完整内容，普通用户根本没法按本地规则把它过滤掉。 可能有朋友会说：“打击中转不是好事吗？” 错了，这个 fake tools 甚至会严重影响正常用户的使用。模型在推理时看到上下文里有这些莫名其妙的假工具，有时就会脑抽去调用它们，导致调用失败、陷入死循环报错甚至任务直接拒绝执行。网上经常能看到有人吐槽 CC 突然“逃离原生家庭”“不认主、发神经”，有可能就是这个机制的后果。 (3) 自定义网关场景下搞 Unicode 隐写，偷偷回传你的环境特征（被按后门通报） 时间是 v2.1.91（约 2026 年 4 月 2 日），2026 年 6 月 30 日被社区逆向公开。官方辩解称这是 3 月开始的实验，直到 7 月 1 日版本才移除。 Claude Code 客户端会偷偷读取系统的时区（重点检测是不是 Asia/Shanghai、Asia/Urumqi 等国内时区），去对照二进制里混淆存放的域名和关键词，然后篡改 system prompt 里 Today's date is ... 的写法。比如检测到中国时区，就把日期分隔符从 - 换成 /，或者在几种肉眼和常规模型完全看不出区别、但底层字节编码不同的 Unicode 撇号之间来回切换。 这些字符人眼和模型看都只是一串普通日期，但 Anthropic 在服务端是可以精准判断你是不是在用特定中转、是不是来自特定时区的。这种未经披露、在客户端利用隐写偷传信息的行为，几乎等同于间谍软件，可官方 changelog 同样只字不提。随后阿里等大厂在内部下发了禁用通报，工信部更是直接按“后门程序”通报定性。 这个事件性质极其恶劣。相当于在你的本地里塞了个间谍探针，绕过审查直接把本机信息回传给他们，现在曝出的只是系统时区，你实际上根本没法判断他们还会回传什么。这也是为什么一个看似针对特定区域的后门，却引来全球大厂的警惕。 还有两个非 CC 直接偷传信息，但同样是隐私风险的： (4) 2026 年 9 月蒸馏报告：名为指责非法蒸馏，实则自曝对用户流量的全面监视 2026 年 9 月 10 日，Anthropic 发布了《Detecting and countering misuse of AI》（2026 年 9 月打击滥用报告）。里面七类违规行为之一是非法蒸馏，覆盖了 2025 年 12 月至 2026 年 8 月。 报告表面上是在点名指责蒸馏行为，但 Anthropic 自己公布的监测手段，直接证明了它一直在全方位监控流量： -通过元数据和异常流量特征把代理中转节点归类，直接把一批账号打包封杀。 -直接翻看中转会话里的具体聊天内容。 报告自己大方承认：部分被中转的会话包含真实姓名、邮箱、企业机密数据和开发者密钥凭据。前有客户端在搞隐写打标记，后有服务端全盘审读会话正文，两头对齐，坐实了其深度监控用户信息的事实。 (5) 借安全之名取消“零留存”，英伟达、Palantir 等公司缩紧政策 从 2026 年 6 月起，Anthropic 对旗下主力商用大模型调整了数据留存政策：用户的 prompt 和输出内容默认在服务器保留 30 天用于所谓的“安全审查”，被系统标出异常的保留更久；而且这类模型不再提供原本的 Zero Data Retention（零数据留存承诺）。 这个政策直接导致诸多大厂缩紧对 Anthropic 服务的使用： NVIDIA：直接把 Anthropic 模型的使用范围限制在敏感度较低的任务（比如公开开源项目），而供应链监控等核心内部研发明确“不用或少用 Fable”。NVIDIA 企业 AI 副总裁 Justin Boitano 直言，零数据留存应当是默认必须开启的（别忘了 NVIDIA 还是 Anthropic 的投资方）。 Palantir：态度极度强硬，要求必须给不可撤销的零留存协议兜底，才肯把该模型集成进自己的产品给客户用。 Booz Allen Hamilton：作为网络安全和军工服务商，直接明令禁止员工在涉及专有安全代码的任务中使用 Anthropic 商用模型。CTO Bill Vass 直截了当表示：担心核心代码资产被模型在后台给偷学了。 2. Grok Build：这也是个重量级。只要发一句“OK”，后台直接全量上传代码库 时间是 2026 年 7 月，涉及客户端 CLI v0.2.93，被 Cereblab 抓包发现。 你在对话里哪怕只是让它回复一句“OK”，并明确告知不要读取任何本地文件，客户端仍会另开一条与正常对话完全独立的上传通道（POST /v1/storage），往 xAI 控制的 Google Cloud 存储服务器上直传完整的 git bundle。 它偷的不只是当前文件夹里可见的代码，而是把你的整段 Git 历史提交记录、全部分支打包端走。抓包数据显示：一次正常的模型对话只有 192KB，但这条后台存储上传通道整整偷传了 5.1GB。 最离谱的是，客户端界面上的那些所谓“隐私模式”“不参与改进模型”的开关纯粹是个摆设，根本挡不住上传。是否上传完全由 xAI 云端服务器下发的配置决定。更有开发者随手在系统的用户目录下启动了 Grok Build，日志随后直接开始出现用户的 SSH 私钥和密码库路径。 事后 Musk 出来洗地，轻描淡写说此前上传的数据会删除，并将 Grok Build 以 Apache 2.0 开源。可一个事实是，那段上传代码至今仍留在客户端里，意味着未来他们仍然有恢复这个渠道的可能。 3. 智谱 ZCode：偷家式全盘加密直传，事后打发一张重置卡 时间是 2026 年 9 月 18 日，博主 ferstar 在清理本机的 ~/.zcode 目录时，通过逆向和抓包排查把底裤扒了下来，并有非常多的开发者在本机完成复现。 ZCode 在用户登录后，会在后台把你当前的工作区打包成快照。打包的内容涵盖了完整的 .git 历史记录、大文件存储 LFS 以及本地操作日志 reflog。打包完成后先加密，然后直接回传到阿里云 OSS。最致命的是：解密私钥全在智谱云端，本地设置完全没有提供关闭选项，隐私政策里对此也只字不提。 ferstar 实测抓到的一份快照就包含整整 4.2 万个文件，加密后达到 313MB，其中 .git 目录占了 80% 以上。链路非常清晰：先找 .ai 拿 OSS 上传凭证和 RSA 公钥，本地打包加密后直传对象存储。 智谱的回应更是一次公关灾难：他们辩称这是“代码库索引/Repo Wiki”功能在上线初期默认开启导致的，声称云端生成后立刻销毁绝不留存，目前已修复，并承诺后续开源接受监督。 可事实上直到 v3.14.0 版本才标明推出修复，此前根本没修。 不过好在他们贴心的给用户补偿了一张重置卡。 一张重置卡哦。这么大的数据泄露风险，还是主要做 toB 端的服务，最后就补偿一个重置卡。付费用户真是有福了。 ———————————— 总而言之，大家日常还是尽量使用开源的 Agent，开源 Agent 代码都是人人可查的，相对安全风险低很多——但不意味着等于 0 。只要你还在使用厂商的云服务（比如 API ），你的数据就还得经过厂商，主动权仍在厂商手里。这也是目前 AI 服务中用户和厂商明显不对等的一个体现，希望未来情况能有所改善。

最新可用的 chatgpt business 促销码和脚本 脚本-开发者-控制台-粘贴运行 --- (async function generateUSTeamLink() { console.log("⏳ 正在获取 Session Token..."); let accessToken; try { accessToken = (await fetch("/api/auth/session").then(r => r.json()))?.accessToken; if (!accessToken) throw new Error("Token 为空"); } catch (e) { return console.error("❌ 获取 Token 失败，请确认你已经登录了 ChatGPT 网页版"); } const payload = { plan_name: "chatgptteamplan", team_plan_data: { workspace_name: "workspace", price_interval: "month", seat_quantity: 2 }, billing_details: { country: "US", currency: "USD" }, promo_code: "TechAheadUS", // 美区实测促销码 checkout_ui_mode: "hosted" }; console.log("⏳ 正在绕过网页端，生成美国区专属打折付款链接..."); try { const resp = await fetch("", { method: "POST", headers: { Authorization: `Bearer ${accessToken}`, "Content-Type": "application/json" }, body: JSON.stringify(payload) }); const data = await resp.json(); const url = data?.url || data?.stripe_hosted_url || data?.checkout_url; if (url) { console.log("=========================================="); console.log("✅ 链接生成成功！请点击或复制下方长链接在浏览器打开：\n"); console.log(url); console.log("\n=========================================="); } else { console.error("❌ 生成失败，请检查梯子是否为全局美国节点，或促销码是否过期。原始返回：", data); } } catch (e) { console.error("❌ 网络请求失败，请检查网络环境：", e); } })();

我让 AI 找一个值得做的产品，它盯上了律师账单里的 6 分钟 最近用 AI 做产品调研时，我越来越明显地感觉到一个问题： 信息并不缺，缺的是判断。 问“下一个 AI 机会在哪里”，很容易得到一长串听起来都对的答案：AI 法务、AI 财务、AI 营销、AI 编程…… 但真正准备行动时，还是不知道哪个需求真实存在，哪个只是被反复包装的趋势。 所以这次我换了一种问法。 我让 AI 从用户抱怨、产品评论、GitHub Issues、行业报告和现有产品中寻找信号。每提出一个方向，还必须主动寻找反证：竞争太强、付费意愿不足，或者已经有成熟工具解决，就淘汰。 它一共比较了12个方向。 广告上线前 QA 的损失很直接，但链接和落地页检查已经有成熟工具；AI 代码审计的痛点很强，但市场拥挤，而且人仍然可能需要逐行复核；财务对账高频，却绕不开数据权限和“到底以哪个系统为准”的问题。 最后留下的，是一个我原本完全没有想到的场景： 律师的工时记录与账单叙事（比如美国的法律服务）。 许多按小时计费的律师以0.1小时，也就是6分钟为单位记账。会议、邮件、电话和文档修改结束后，他们还要回忆自己做过什么、匹配案件、补记时间，再把记录改成客户能够接受的账单描述。 AI 在这里不需要替律师做法律判断。 它只需要把日历、邮件和文档活动整理成带来源的候选记录，再由律师确认、修改或删除。 它真正解决的也不是“写得更快”，而是减少漏记、降低审核返工，并让每条收费描述都有依据。 这次测试用的是 Apodex。它里面的 Deep Discover 最让我意外的地方，不是能生成多少想法，而是会主动反驳自己的想法，把一个宽泛的问题逐步收敛成可以验证的假设。 它也没有把这个结果包装成确定的创业机会，而是给出了一套30天验证方案：访谈律师和 billing manager，用脱敏样本测试草稿编辑时间，再验证是否真的有人愿意进入付费试点。 如果律师不愿开放数据、修改草稿和自己重写一样费时，或者现有软件已经够用，那这个方向就应该停止。 我觉得这才是这次测试最有价值的地方。 它没有替我宣布一个答案，而是帮我排除了一批看起来正确的答案，最后告诉我： 下一步最值得验证什么，以及出现什么结果时应该放弃。 有时候，真正有用的 AI 不是让人更快得到结论，而是让一个模糊的问题，终于有了可以行动的下一步。 Open Source Harness: Open Weights: Website:

就在 Cloud Next 2026 上，Google开源了一个官方 Agent Skills 仓库 解决的问题是：人来进行google生态的调试和各种流程时出现的各种问题 13 个 skill给你覆盖率google生态常见的教程，让你的ai更懂google，但凡你用到google生态，都值得进行收藏 仓库地址： 安装就一行：npx skills install 兼容 Claude Code、Gemini CLI、Cursor、Codex、Antigravity，基本上主流的 AI 编程助手全覆盖 其中内置13个skill，主要分三大类 第一类：Basics —— 产品操作手册（7 个） 让 agent 学会怎么用某个具体的 GCP 产品，包含命令、SDK 初始化、Terraform 配置、IAM 权限，该踩的坑都标出来了 ① gemini-api ：调 Gemini 模型的全套操作 ② bigquery-basics：BigQuery 数仓全流程。 ③ alloydb-basics ④ cloud-sql-basics ：托管 MySQL/PostgreSQL/SQL Server。 ⑤ cloud-run-basics ： Services:HTTP 触发，gcloud run deploy Jobs：定时/事件触发的批任务 Worker Pools：常驻后台（Kafka/Pub/Sub/RabbitMQ） ⑥ firebase-basics ：移动/Web 后端初始化。 ⑦ gke-basics ： K8s 运维能遇到的场景全覆盖了 第二类：Recipes —— 跨产品任务流程（3 个） 不是教你用某个产品，而是帮你跑通一个完整的多步骤流程，agent 会先问你几个澄清问题，再给方案 ⑧ google-cloud-recipe-onboarding ：新人首次上 GCP 的全流程：开账号 → 领 $300 免费额度 → 建 project → 绑 billing → 装 gcloud 跑 init → 启用 API → 选 Cloud Run / Compute Engine / Cloud Storage 部署第一个资源 → 验证 ⑨ google-cloud-recipe-auth ： 认证授权的决策树。先问 4 个问题（谁在认证 / 代码跑在哪 / 目标是什么 / 用什么 SDK），然后给方案 ⑩ google-cloud-networking-observability ：网络问题排障。分析 VPC Flow Logs、Cloud NAT、防火墙日志、威胁日志 第三类：WAF —— 架构体检清单（3 个） 对标 Google Cloud Well-Architected Framework，拿原则去给你的架构打分，agent 变成架构评审员 ⑪ google-cloud-waf-security ： 安全评审。7 大原则（security by design、zero trust、shift-left、preemptive defense、AI 安全用、用 AI 做安全、合规） ⑫ google-cloud-waf-reliability “ 可靠性评审。9 大原则：用户体验导向、SLO、冗余、横向扩展、可观测性、优雅降级、故障测试、数据恢复、blameless postmortem ⑬ google-cloud-waf-cost-optimization ： 成本评审。4 大原则 + 8 项 checklist：标签做成本归因、按 project 设预算告警、用 Recommender 做 rightsizing、清理闲置、优先 managed service、存储分层

清晰法案通过预期的催化之外，也要注意到Circle正在进行的商业模式升级和迭代，这里最关键的就是4月8号Circle推出的Circle Payments Network (CPN) Managed Payments，这是一个全栈托管式稳定币结算平台。 CPN是Circle在25年5月上线的全球稳定币支付网络，连接银行、PSP、VASP 和企业，实现 24/7 实时跨境结算。 而今年4月初推出Managed Payments 是其“托管服务层”，让传统金融机构“零门槛”接入稳定币，而不用自己碰加密资产，相当于是Circle Payments Network (CPN) 的“托管增强版”。 1、CPN Managed Payments的功能 简单说就是Circle把稳定币的复杂性（minting、burning、合规、链上结算、多链路由）全部打包成SaaS 服务，合作伙伴只需通过API调用，像用传统支付轨道一样操作法币即可。合伙方只看到法币入账/出账、API 回调和报表。 全球跨境支付网络Thunes（覆盖140+ 国家）已经将其客户（银行、移动钱包）接入 CPN Managed Payments，实现法币工作流下的稳定币结算。 欧洲领先支付处理器Worldline，也接入CPN Managed Payments为客户提供区块链原生结算选项。 2、CPN Managed Payments对Circle的意义 让Circle能变身成Stripe + Visa的混合体，为什么这么说？它同时具备两者的核心优势： Visa的部分（网络运营商角色）： 1）CPN是一个多对多全球支付轨道，连接银行、PSP（支付服务商）、Fintech、企业，实现实时跨境/国内结算。 2）像Visa一样，它提供标准化网络基础设施：统一协调协议、即时结算、全球可达性（覆盖20+链路 + 多国法币payout corridors）。 3）不同的是，它用USDC（稳定币）作为结算介质，取代传统对应银行链（correspondent banking），实现秒级、24/7、无批处理的最终性。 Stripe的部分（B2B SaaS / 开发者友好基础设施）： 1）CPN Managed Payments是全栈托管SaaS服务：合作伙伴（银行/PSP）只需通过API调用、在法币端操作，Circle后台全包USDC mint/burn、合规、区块链路由、Gas抽象等。 2）像Stripe一样，它提供单次集成、turnkey解决方案，抽象复杂性，让传统金融机构“零加密暴露”就能接入稳定币支付（类似Stripe让电商/平台轻松接入支付）。 3）强调可编程性 + 开发者API（Payment Intents、Payouts、Accounts API等），支持商户收单、高频payout、AI支付等现代用例。 Visa提供“网络规模与可靠性”，Stripe提供“易用SaaS与可编程性”，CPN Managed Payments则把两者融合成稳定币驱动的现代支付基础设施——既是全球网络，又是托管服务平台 3、再多聊聊CPN Managed Payments与Stripe的区别和差异 Stripe已深度整合USDC等稳定币，为企业提供“零加密暴露”的一站式体验。 1）商户可通过 Checkout、Payment Links 等产品在ETH、sol等链上接收 USDC，系统自动后台转换为法币（USD/EUR 等），费率约 1.5%。 2）同时支持全球 Payouts，向承包商、创作者、供应商等以 USDC 出款，而企业后台始终只处理法币。 3）Stripe 通过 Bridge 等收购实现托管模式，企业无需接触区块链即可完成跨境支付，覆盖 100+ 国家，显著降低 FX 成本和结算延迟。 其优势在于开发者友好 API、可编程支付、丰富的支付套件（Checkout、Billing、Treasury），特别适合数字商户、中小型平台和需要前端支付体验的企业，许多公司仅用 Stripe 就能实现更快、更便宜的全球收付款。 CPN Managed Payments更侧重机构级 B2B 基础设施，服务对象包括银行、PSP、Fintech 以及大型企业的跨境结算需求。 1）它以全栈托管 + 强大网络效应为核心，Circle 作为网络运营商，连接多家受监管金融机构（OFI/BFI），实现多对多实时协调，一次接入即可触达全球合作伙伴，而非依赖单一平台。 2）在业务深度上，CPN 针对高频、大额、供应链支付、批量薪资发放及企业财资调拨等场景，提供 24/7 即时结算和极低 FX 与中介成本，由 Circle 全面承担 USDC mint/burn、Travel Rule/AML 合规、多链路由以及流动性全生命周期管理。 3）其目标客户为银行、支付处理器、大型 PSP 及全球企业财资部门，强调企业级 SLA、审计能力和合规牌照覆盖。同时内置条件支付和智能合约级编排，更适合 AI 代理支付、高频 M2M 以及企业间大额结算场景。 从上面的角度看，Stripe 更像“支付 SaaS 平台”（商户/平台导向），而 CPN 是“稳定币版 SWIFT 基础设施”（机构间网络）。在纯机构 B2B、大规模跨境场景中，CPN 的成本效率、合规确定性和零加密暴露程度更优 实际中，许多TradFi和Fintech正在同时测试/采用两者，用 Stripe做前端收单，用CPN做后台大额结/treasury。 4、这对Circle来说为什么是商业模式的升级和迭代？ 个人角度CPN Managed Payments的推出标志着 Circle 从“稳定币发行商 + 储备利息主导” 开始向 “B2B SaaS 支付基础设施提供商”的角度进一步迭代升级。 直接货币化路径： 交易结算费（basis points，按量阶梯）基础设施订阅/托管服务费； 合规、报表、流动性管理增值服务； 未来也有网络效应，参与机构越多，流动性越好，费用收入越高。 收入来源不再仅靠储备利息，而是交易量驱动的 recurring revenue（交易费 bps、服务订阅费、基础设施使用费、FX 点差等），这也跟Circlezai 26年将非利息收入规模化的目标是一致的。收入更具可持续性和抗周期性（即使利率下降，交易量增长也能带来稳定现金流） 商业模式迭代升级的核心就在于此： 从“卖美元稳定币”进化到“卖全球支付轨道”，通过 B2B SaaS形式提供类似 SWIFT的网络服务。 4月初，在这里