EP56 · Claude Agent 实战 / Codex 沙箱 · 05.14 早报 - Gino Notes

今日精讲

使用 Claude 进行计算机和浏览器操作的最佳实践

Anthropic 针对 Claude 4.6 / Opus 4.7 发布权威最佳实践：点击不准的根本原因是截图超过 API 内部尺寸上限后被静默下采样导致坐标系偏移，解法是发送前主动将截图缩放到 1280×720（Opus 4.7 建议 1080p）。全文覆盖安全架构（必须使用专用虚拟机、绝不暴露敏感主机数据）、Browser Use 与 Computer Use 的场景取舍，以及 Agent 循环中人工确认门控的设计原则，是构建任何浏览器或桌面自动化 Agent 前的必读指南。来自 Claude Blog

在 Windows 上为 Codex 构建安全有效的沙箱

Windows 没有 Linux seccomp 或 macOS Seatbelt 那样开箱即用的沙箱原语，OpenAI 为 Codex 逐一评估了 AppContainer（权限模型过窄）、Windows Sandbox（Home 版不可用、需独立虚拟机）、MIC 完整性标签（改变工作区全局信任模型风险过大）后，选择自研：为 Codex 分配专属 Windows SID 配合写受限令牌，在操作系统层强制只允许向指定目录写入，全程无需管理员权限。这个设计范式对所有需要在 Windows 上隔离文件系统的 Agent 系统都有参考价值。来自 OpenAI Blog

为生产级 AI 智能体构建评估框架：来自 100+ 次部署的 12 项指标体系

100+ 次企业 AI Agent 生产部署经验提炼的 12 指标框架，覆盖检索（上下文相关性 >0.85、召回率 >0.90）、生成（回答忠实度 >0.95、幻觉率 <2%）、Agent 行为（工具选择准确率 >0.92、执行成功率 >0.98）和生产层（单次成本 <$0.05、P99 <3s）四层。核心教训：MVP 后再补评估框架要花 4-6 周，而基准测试准确率 95% 的 RAG Agent 在真实生产流量上幻觉率可能高达 30%——测试集永远无法覆盖生产流量分布。来自 Towards Data Science

速览

更多值得关注的内容

· 李想×罗永浩！李想的理想：通过 AI 技术，让普通人也过上富豪的生活 [播客] — 罗永浩的十字路口

· 从头构建多智能体系统学到的经验 — InfoQ

· Databricks 的高性能速率限制 — ByteByteGo Newsletter

· 快手 OneSearch-V2 全量上线，生成式搜索进入「懂你」时代 — 快手技术

· 让 AI Agent 感知浏览器渲染：为 Agent 构建前端验收 Harness — 百度 Geek 说

· Claude 付费计划将包含程序化使用月度专用额度（6 月 15 日起） — ClaudeDevs(@ClaudeDevs)

· #536. 五种多智能体架构类型 [播客] — 跨国串门儿计划

EP56 · Claude Agent 实战 / Codex 沙箱 · 05.14 早报

今日精讲

使用 Claude 进行计算机和浏览器操作的最佳实践

在 Windows 上为 Codex 构建安全有效的沙箱

为生产级 AI 智能体构建评估框架：来自 100+ 次部署的 12 项指标体系

速览

更多推荐

相关链接