AI 日报 2026-11-13 | 沉鱼的博�?

今日热点

今天榜首是一个”反 AI 味儿”很浓的项目：阿里的 open-code-review。它不吹模型多聪明，反而把审代码这件事拆成两半——该确定的部分交给工程，该判断的部分才交给模型。官方的说法很直白：纯语言驱动的 review 有三个死穴，大改动集上”挑着看”、行号漂移、质量随 prompt 抖动，根因是”没有硬约束”。同一时间，Chrome/Edge/Firefox/MDN 联合维护的 modern-web-guidance 单日涨 1,875 星，做的事情是给编码 agent 喂”这个平台现在到底该怎么写”的准确知识。两条线指向同一个结论：2026 年底的竞争点已经不在模型智商，而在喂给模型的上下文和约束够不够硬。

GitHub 热门 AI 项目

1. alibaba/open-code-review —— 把”不该出错的步骤”从模型手里拿走

TypeScript · Apache-2.0 · npm @alibaba-group/open-code-review · 阿里内部打磨两年，服务数万开发者，累计发现数百万缺陷

这是今天最值得读的架构文档。作者没写”我们用大模型做了代码审查”，而是先列了失败案例：拿 Claude Code + Skills 去 review 一个几百文件的改动集，agent 会”偷工减料”——只挑看起来重要的文件看，剩下的跳过；报出来的问题位置经常对不上真实代码行；同样的代码换个 prompt 措辞，结论就变。

它的诊断是：纯语言驱动的架构，对流程没有任何硬约束。

于是架构被切成两层。

确定性层（工程保证，模型不参与）：

精确的文件选择 —— 哪些文件必须审、哪些该过滤，由规则算出来，不靠模型”留意到”。
智能文件打包 —— 一个逻辑变更涉及的多个文件被捆成一个审查单元，比如 message_en.properties 和 message_zh.properties 必须一起看，拆开就丢语义。每个包跑一个独立上下文的子 agent，分而治之，天然支持并发，大改动集上也不会崩。
细粒度规则匹配 —— 按文件特征（语言、路径、类型）挂对应的规则集，内置多语言规则覆盖 NPE、线程安全、XSS、SQL 注入。目的是在源头消噪，让模型的注意力不被无关规则稀释。
独立的位置与反思模块 —— 专门负责把评论钉到正确行号，以及复核评论本身说得对不对。这两件事单独做成模块，而不是指望主 agent 顺手做好。

Agent 层（只做动态决策）：

场景化 prompt 模板，为代码审查深度调过，效果更好且更省 token；
场景化工具集，是从大规模生产环境的工具调用 trace 里蒸馏出来的——调用频次分布、单工具重复率、新增工具对整条调用链的影响，都算过。结论是通用 agent 的工具箱在 review 场景里是负担。

flowchart TD
    A[git diff] --> B[确定性层: 文件选择]
    B --> C[文件打包<br/>逻辑相关文件捆成审查单元]
    C --> D[规则匹配<br/>按语言/路径挂规则集]
    D --> E1[子 Agent 1<br/>隔离上下文]
    D --> E2[子 Agent 2<br/>隔离上下文]
    D --> E3[子 Agent N<br/>隔离上下文]
    E1 --> F[位置模块<br/>校正行号]
    E2 --> F
    E3 --> F
    F --> G[反思模块<br/>复核评论是否成立]
    G --> H{通过?}
    H -->|否| I[丢弃 / 降级]
    H -->|是| J[结构化输出<br/>JSON / SARIF / Session Viewer]

它敢报数字。 团队建了 AACR-Bench：50 个流行开源仓库、200 个真实 PR、10 种语言，80 多位资深工程师交叉标注出 1,505 个 ground-truth 问题。结论是在同一底层模型下，precision 和 F1 明显高于通用 agent，token 消耗只有约 1/9，速度更快；而 recall 低于通用 agent，这是刻意的取舍——宁可少报，不要噪音。

这个取舍值得单独说一句。代码审查的真实成本不在”发现”，在”分诊”：一份 200 条、190 条是误报的报告，团队第三天就会把它静音。所以把 precision 顶上去，比把 recall 拉满更有工程价值。

上手方式：

npm install -g @alibaba-group/open-code-review   # 需要 Git >= 2.41
ocr config provider    # 选内置 provider 或自定义，OpenAI / Anthropic 兼容
ocr config model

ocr review                                    # 工作区：已暂存 + 未暂存 + 未跟踪
ocr review --from main --to feature-branch    # 分支区间，从 merge-base 算
ocr review --commit abc123
ocr scan                                      # 全文件扫描，审陌生代码库用
ocr review --format json --output result.json # 给宿主 agent 消费
ocr delegate preview                          # 委托模式：让宿主 agent 自己审，OCR 只出文件和规则

最后这个 delegate 模式挺有意思：如果你已经在 Claude Code / Codex / Cursor / Kimi Code 里，可以让宿主的模型来执行审查，OCR 只负责”选文件 + 配规则”这两件确定性的事，不需要另配一套 API key。等于把确定性骨架做成了可插拔的中间件。集成方面 Claude Code、Codex、Cursor、Kimi Code、OpenCode 都有现成插件，CI 支持 GitHub Actions、GitLab CI、Gerrit，还带一个 Session Viewer 可以在浏览器里回放审查过程、把评论标成已修或忽略。

一个细节：它自己就承认”用 general-purpose agent 做 review 会漂移”，然后给出的解法是减少模型的自由度。这跟 2025 年那股”给 agent 更多自主权”的风向，正好相反。

2. GoogleChrome/modern-web-guidance-src —— 给 agent 补上”平台现状”这一课

4,281 stars · +1,875 today · TypeScript · Chrome / Edge / Firefox / MDN 联合维护

今天涨幅最大的项目，解决的问题极其朴素：模型的训练数据里，旧代码比新代码多。

结果是 agent 会本能地给你写一堆已经不需要的 JavaScript：明明 CSS 有 container queries 和 subgrid，它还是上栅格库；明明 Popover API 和 Anchor Positioning 能把 tooltip 做干净，它还是拖一个 30KB 的定位库进来；明明 View Transitions 能搞定页面切换动画，它还是手搓 class 切换。

更隐蔽的一层：即使模型知道某个 API 存在，它也缺少”生产级写法”的密度——知道 oklch 这个概念，和知道在这个设计系统里怎么用它，是两件事。

Modern Web Guidance 就是一套 skills，把 web 平台的专业知识、最佳实践、浏览器兼容数据直接塞进 agent 的上下文。CLI 很克制：

npx modern-web-guidance@latest install                        # 交互式安装
npx modern-web-guidance@latest search "animate a dialog modal backdrop"
npx modern-web-guidance@latest retrieve "animate-to-from-top-layer"
npx modern-web-guidance@latest legacy-scan .                  # 扫出代码库里的过时模式

覆盖 250 个现代 web 特性，按主题分：视觉状态（View Transitions、入场出场动画、视差滚动、scrollbar-color）、现代布局（容器查询、subgrid、oklch、text-wrap 调优、行高压平）、性能（即时预加载、INP 诊断、scheduler.yield 调度）、原生组件（Anchor Positioning 做 tooltip、Popover、dialog、:user-invalid、自适应高度输入框）、可访问性（读屏与键盘可操作性）、端侧小模型（浏览器内翻译、摘要、语种检测）。

关键是它强调”token 高效”：他们跑 eval 把模型本来就会的常识性内容剪掉，只留真正能改变输出的部分。这个做法值得所有写 skills 的人参考——给 agent 塞知识，塞得越多不一定越好，塞得越准才是。

legacy-scan 是最实用的一个子命令：不用等 agent 犯错，先扫一遍代码库，把过时模式列出来，再让 agent 按指南改。这比”重写一遍”可控得多。

3. openai/codex-security —— 另一条路线：扫描、验证、归责

12,853 stars · +754 today · TypeScript · npm @openai/codex-security

昨天的日报详细写过它，今天它还在榜上，值得放在一起对照：这是同一问题的另一种拆法。

open-code-review 的思路是前置约束——在模型动手之前，用工程把流程钉死，减少它犯错的空间。codex-security 的思路是后置验证——允许模型大量报候选发现，但每一条都要给出源码证据、明确覆盖边界（哪些地方没扫、为什么没扫），再验证、再打补丁、再按自有 rubric 定严重度，最后从 Git 历史推断该由谁负责。

一个把不确定性挡在入口，一个把不确定性放在出口消化。两者都不相信”模型说没问题就是没问题”，只是不信的位置不同。

flowchart LR
    subgraph 前置约束
        A1[工程选文件] --> A2[工程打包]
        A2 --> A3[工程挂规则]
        A3 --> A4[模型只做判断]
    end
    subgraph 后置验证
        B1[模型大量报候选] --> B2[要求源码证据]
        B2 --> B3[验证候选]
        B3 --> B4[补丁 + 复验 + 定责]
    end
    A4 --> C[可信输出]
    B4 --> C

命令行细节和昨天的分析一致：cs scan . 全仓、--path 限定目录、--diff origin/main 只看改动、--mode deep 深度扫描、--max-time 15 给调查预算。--max-time 这个参数本身就是设计声明：扫描是一次有预算的调查，不是一次全量穷举。

4. ChromeDevTools/chrome-devtools-mcp —— 让 agent 看见浏览器里到底发生了什么

55,252 stars · +60 today · TypeScript

MCP 服务器，把 Chrome DevTools 的调试能力暴露给编码 agent。它解决的问题和 modern-web-guidance 是一对：前者给 agent”应该怎么写”的知识，后者给 agent”现在为什么不对”的现场。

前端调试的本质是信息不对称——agent 看不到 console 报错、看不到网络瀑布、看不到 DOM 的实际计算样式，就只能靠猜。有了这个 MCP，agent 能自己开页面、读控制台、查请求、看布局，把”你贴个报错给我”变成”我自己去拿”。

这类工具的价值不在炫技，在于它把 agent 的反馈回路从”人转述”改成”机器直连”。所有”agent 写完代码就撒手”的失败案例，根因基本都是反馈回路断了。

5. 垂直领域的 skills 化：daily_stock_analysis 与 claude-trading-skills

ZhuLinsen/daily_stock_analysis —— LLM 驱动的多市场股票分析系统：多源行情、实时新闻、决策看板、自动推送，支持零成本定时运行。它的卖点不是”AI 选股”，而是把一套分析流程做成可定时跑的流水线——多源行情对齐、新闻抓取、指标计算、结论生成、推送到手机，每一环都是确定性的，模型只在”写结论”那一步介入。国内开发者做的这类项目有个共同特征：先解决部署成本（零成本定时运行），再谈智能。

tradermonty/claude-trading-skills —— 3,921 stars · +60 today · Python。把股票投资和交易需要的技能（行情分析、技术图表、经济日历、选股筛选器、策略开发）打包成 Claude Code skills。

两个项目放在一起看很有意思：一个把流程做成系统，一个把流程做成技能包。前者适合”每天自动跑一遍”，后者适合”我在对话里随时叫一下”。这也说明 skills 正在成为一种分发格式——领域知识不再以文档形式存在，而是以 agent 能直接执行的形式存在。

其他值得一看

backnotprop/plannotator —— 10,289 stars · +100 today · TypeScript。给人和 agent 之间加一个”工作台”：改计划、做决策、标注、审代码、一键把反馈回传给 agent。human-in-the-loop 从”打断一下问问你”变成”在同一个画布上协作”。
Likely7/Veyra-NRVideo —— 1,447 stars · +245 today · C++。Windows 视频播放与采集增强工具，把 AI 超分、DLSS 5 图像增强、帧生成拼在一起做实时预览。消费端的 AI 增强已经从”滤镜”走到”重建画面”。
tailscale/tailcat —— 9,237 stars · +173 today · Go。像 netcat，但跑在 Tailscale 数据面上、不经过控制面。不是 AI 项目，但”给 agent 用的内网工具”这个方向会越来越常见。
louislam/uptime-kuma —— 93,657 stars · +61 today。自托管监控的老熟人，长期挂在榜上，说明”能自己部署的运维面板”始终有刚需。

新工具/产品速览

Google：Gemini 4 Hydrogen 是”Search 史上最大的一次模型升级”。 Google 的 Robby Stein 用了这个说法。信息量不大，但措辞值得注意——它把模型升级定位在 Search 上，而不是 Gemini 应用上。搜索仍然是 Google 最大的分发口，模型能力的兑现顺序是从搜索往外溢。

Meta：Muse 能替你打外呼电话了。 在拿到”处理转发邮件”的能力之后，这个 agent 现在能打那些你不想打的电话——订餐位、跟保险公司和有线电视公司扯皮。目前仅限美国付费订阅用户。从”处理你收到的信息”到”代替你发起对话”，这一步跨得不小：外呼需要实时语音、需要处理对方的中断、需要在被拒绝后换策略，是 agent 里最难的一类任务。

Gemini 应用上 Apple CarPlay。 之前已经在 Google 内置车机和 Android Auto 上，现在 CarPlay 主屏也开放了。一个细节：Apple 允许竞品助手进主屏，说明车机这块的护城河比想象中浅。

行业动态

Anthropic 确认 11 月 19 日股票开始公开交易，定价日在前一天，此前给出的区间是每股 70–78 美元，对应估值最高 1.4 万亿美元。这个数字已经不像一家模型公司的估值，更像一家基础设施公司的估值。它同时意味着：模型层的竞争从”谁的效果好”进入”谁的资本结构撑得住”。

Yahoo 成为 Internet Licensing Collective（ILC）的第一个正式被许可方。 ILC 是 RSL 那套”AI 抓取要付费”标准的演进版，思路是集体许可——不做一家一家媒体的单独交易，而是做成类似音乐版权的池子，AI 公司统一付费、统一分账。Yahoo 既是发起方之一，也是第一个用户。这条路如果走通，会改变整个训练数据的成本结构；走不通，就还是各打各的官司。

Nvidia 的治理震荡还在继续。 据 The Verge 与 Reuters 报道，前 CEO 黄仁勋的私人关系问题已牵出第三位当事人，公司股价当日收跌 4.3%，董事会据称在讨论人选，名单里有 Apple 硬件负责人 Johny Srouji 和 Nvidia CFO Colette Kress。同期还有一条技术侧的小注脚：网上流传的他穿 Saint Laurent 皮衣的照片被《Vanity Fair》证实是 AI 伪造，但带有 Google SynthID 水印，是从 6 月真实照片改的。

把这两件事放在一起不是为了八卦。它暴露了一个结构性风险：当前 AI 算力供应链的估值，高度集中在单一公司的单一决策者身上。 一个治理事件能让整条链的市值蒸发几个百分点，这在地缘政治风险之外又多了一种”人”的风险。对下游做模型和应用的团队来说，供应链多元化从”成本考虑”变成了”风险管理”。

技术洞见

洞见一：混合架构正在取代”全能 agent”

把今天榜单上最硬的两个项目放在坐标系里，会发现它们在做同一件事的不同切面。

open-code-review 列的三条失败原因——覆盖不全、位置漂移、质量抖动——本质上是同一个病：你要求一个概率模型去保证确定性结果。 文件该不该看，这是布尔判断；行号对不对，这是指针运算；规则该不该应用，这是查表。这三件事没有一件需要语言理解。

所以它的解法是把流程切成”模型能做的”和”模型不该做的”，前者留给他，后者用代码写死。加 --max-time 的 codex-security 也是同一逻辑：给模型一个预算明确的调查任务，而不是一个开放式指令。

这和 2025 年那波”给 agent 更多自主权、让它自己规划”的热潮正好相反。原因不难理解：自主权越大，方差越大；方差一大，就没法进 CI、没法算 SLA、没法给客户承诺。

flowchart TD
    A[任务] --> B{这一步允许出错吗}
    B -->|不允许| C[确定性代码<br/>文件选择 / 打包 / 规则 / 定位]
    B -->|允许| D[模型<br/>判断 / 解释 / 生成]
    C --> E[约束后的输入]
    E --> D
    D --> F{输出可验证吗}
    F -->|否| G[加验证层<br/>证据 / 复验 / rubric]
    F -->|是| H[交付]
    G --> H

判断标准其实只有一条：这一步错了，下游能不能兜住。 兜不住的，用代码；兜得住的，用模型。按这条线去审自己手上的 agent 流程，通常能砍掉一半”让模型自己注意一下”的设计。

洞见二：上下文供给正在变成一个独立的基础设施层

modern-web-guidance 是 Chrome、Edge、Firefox、MDN 四个团队一起维护的。这个阵容本身就说明问题：浏览器厂商开始为”模型的训练数据过时”这件事买单了。

过去这件事被当成模型问题——等下一代模型训完就好。现在大家发现等不起：web 平台每季度都在加新特性，而模型的权重是冻结的。于是出现了新的分工：模型负责推理，外部供给负责时效。

今天上榜的项目里，这个层已经能看出三层结构：

flowchart TD
    A[上下文供给层] --> B[静态知识<br/>modern-web-guidance<br/>250 个现代特性 + 兼容数据]
    A --> C[实时现场<br/>chrome-devtools-mcp<br/>console / 网络 / 布局]
    A --> D[流程知识<br/>claude-trading-skills<br/>plannotator]
    B --> E[agent 的输出质量]
    C --> E
    D --> E
    E --> F[人的复核成本]

静态知识解决”该怎么做”，实时现场解决”现在为什么不对”，流程知识解决”按什么顺序做”。三者的共同点是：都可以脱离模型单独迭代、单独评估、单独版本化。

这件事的战略含义不小。如果上下文层可以独立演进，那么模型之间的差距会被压缩——同一个模型配上好上下文和烂上下文，输出质量差得比两个模型之间还多。open-code-review 的 benchmark 就是活证据：同一个底层模型，只因为加了确定性的文件选择和规则匹配，precision 和 F1 就拉开一截，token 还只要 1/9。

对做产品的人，这意味着一件事：别再等模型升级来解决你的准确率问题。 先把上下文供给做好——文档、规则、现场数据、校验层，这些是你自己能控制的变量，而且迭代周期是小时级，不是季度级。

今天榜单整体偏”工程味”：没有新的模型发布，没有新的 benchmark 破纪录，全是脚手架、规则、验证、上下文。这大概是行业成熟的信号——当所有人都在讨论怎么把东西做对，而不是能不能做出来的时候，说明”能做出来”已经不是问题了。