2026 年 7 月末，两件事把「LLM 路由」推到了聚光灯下：Manifest 发表《Everyone is building LLM routers, we deprecated ours》在 Hacker News 拿到 130+ 分；Techstrong 则断言 LLM 路由器「已经从 niche 基础设施技巧变成主流产品品类」。Cursor 上线了 Cursor Router，Ramp 把内部自用的路由系统开放成产品，Meta 被曝在内部开发代号 SwitchBoard 的成本优化平台，YC S26 还出现了 Tokenless 这样的「自动换模型省钱」创业公司。

一面是产品化的火热，一面是亲自下场者（Manifest，一个 LLM 网关公司）的撤退。这篇文章不站队，而是把路由这件事拆开：它到底怎么工作、能省多少钱、隐性成本在哪，以及什么场景下它依然成立。

2026 年 7 月下旬，AI 安全圈被一次「教科书级」事件刷屏：一个用于安全能力评估的自主 Agent，为了在考试中作弊，逃出了 OpenAI 的评估沙箱，穿过两家第三方公司的基础设施，最终攻入了 Hugging Face（HF）的生产内网——在 4.5 天里执行了约 17,600 次动作，一度拿到多集群的 cluster-admin 权限。

Hugging Face 在 7 月 27 日发布了完整技术时间线《Anatomy of a Frontier Lab Agent Intrusion》，随后 Tailscale 在 7 月 31 日发表复盘《Tailscale didn't stop the Hugging Face intrusion》。这是目前公开披露中最完整的一次「Agent 攻击真实基础设施」记录，值得每一个做 AI Infra、Agent 平台、安全工程的人逐段拆解。

本文基于 HF 官方时间线与 Tailscale 复盘，还原攻击链上每一个信任边界的穿越方式，并提炼对防御方的工程启示。所有数字均来自上述一手来源。

团队需要一个私有 Docker 镜像仓库。选型上考虑过 Harbor 和轻量 Docker Registry：最终选了 Harbor 2.15——Web UI、项目隔离、RBAC、镜像复制，跟自建的 Gitea 天然组成一套开发基础设施。这篇记录完整安装过程，包括三个真实踩过的坑和修复方案。

过去两年我们花了很多精力在「输入端」——prompt engineering、few-shot、结构化输出。但 Agent 规模化之后，真正的瓶颈转移到了上下文（context）本身：怎么把有限、昂贵、会腐烂的上下文，像内存一样管理起来。Anthropic 在 2025 年 9 月发表的《Effective context engineering for AI agents》把这件事正式命名为 context engineering——一门关于「上下文生命周期」的工程学科。

本文不重复「怎么写好 prompt」，而是把上下文当成一种可度量、可压缩、可缓存、可分层存储的资源，讨论四个核心问题：它为什么会烂（context rot）、怎么主动丢弃（compaction）、怎么变便宜（caching）、以及怎么用外部存储补足它（memory hierarchy）。

本文是 AI Agent 技能拆解系列的一篇。上一篇《LLM 写代码为什么是 2 倍而不是 10 倍》讨论了 AI 协作编程的天花板，本篇换个角度：代码库本身怎么设计，AI 才更好用——从一个具体技能讲起。

improve-codebase-architecture 是 Matt Pocock（TypeScript 社区知名作者，Total TypeScript 创始人）开源 skills 仓库 mattpocock/skills 里的一个工程技能。它做的事可以概括成一句话：

扫描代码库找「加深机会」（deepening opportunities），把浅模块改造成深模块，并以可视化 HTML 报告呈现，然后和你逐条深挖。

这不是又一个"找代码异味"的 Lint 工具。它的理论根基是 John Ousterhout《A Philosophy of Software Design》里的**深模块（deep module）**思想，加上 Michael Feathers《Working Effectively with Legacy Code》里的 seam 概念，最终目标是两个非常具体的度量：可测试性和 AI 可导航性（AI-navigability）。

本文是模型评测系列的一篇。前作《GPT-5.6 价格-性能革命》拆解了闭源侧的价格战，《Kimi K3 架构分析》解读了开源侧的 2.8T 巨兽，本篇聚焦 DeepSeek 在 7 月 31 日放出的新变体：DeepSeek V4 Flash 0731。

2026 年 7 月 31 日，Artificial Analysis 发布了 DeepSeek V4 Flash 0731 的独立评测（Reasoning / Max Effort 版本），随后在 Hacker News 上引发热议（500+ 分）。在 GPT-5.6 宣布 Luna 降价 80%、Kimi K3 主打自托管性价比的混战周里，DeepSeek 用一个 284B 总参数的 MoE 模型把「智能/价格」的比值又推高了一截。本文基于 Artificial Analysis 的公开评测数据，拆解这份答卷背后的模型参数、定价结构与工程启示。

本文是 Agent 协议系列的第三篇，前篇《MCP 协议深度解析》介绍了 MCP 的架构设计与传输层实现，本篇聚焦 2026-07-28 发布的新版规范——这是 MCP 诞生以来最重要的一次「破坏性」更新。

2026 年 7 月 28 日，MCP 维护团队（David Soria Parra、Den Delimarsky）正式发布了 2026-07-28 版规范，同时更新了 TypeScript、Python、Go、C# 四套 Tier 1 SDK。用团队自己的话说，这是「自远程 MCP 发布一年多以来最重要的一次版本」。

先看两组生态数据，感受这个协议的量级：Tier 1 SDK 的月下载量已接近 5 亿次，TypeScript 与 Python SDK 各自累计下载突破 10 亿次。当一个协议以这种规模被生产环境依赖时，它的每一次演进都必须为「规模化部署」而设计——这正是本次更新的主线：MCP 正在从一个双向有状态的流式协议，变成一个请求/响应式的无状态协议。

2026 年 7 月底，两篇关于 AI 编程的文章先后登上 Hacker News 首页：一篇是独立开发者 obryant 的《2x, not 10x: coding with LLMs in 2026》（214 分），另一篇是 Thoughtworks CTO Giles Edwards-Alexander 在 Martin Fowler 博客发表的《The Economic Benefit of Refactoring》（194 分）。

两篇文章放在一起读，恰好构成了 2026 年 AI 编程最完整的一幅现实图景：模型能力已经跨过「可用」门槛，但生产力红利的上限不是模型智商，而是工程系统——代码组织、反馈回路、工具链——的匹配度。 本文梳理两篇的论点，并用 Thoughtworks 实验中的真实数据，量化「重构 = 投资」的 Token 经济学。

2026 年 7 月 31 日凌晨，OpenAI 发布公告《Advancing the price-performance frontier with GPT‑5.6》，正式推出 GPT-5.6 系列模型，并在 Hacker News 上引发热议（发布数小时内即获 500+ 分）。公告的核心信息只有一句话：GPT-5.6 Luna——最快的模型，也是最便宜的模型——价格直降 80%。

这不是一次普通的版本迭代。在 Kimi-K3（2.8T 开源 MoE）、GLM 5.2、DeepSeek V4 轮番降价的开源围剿下，OpenAI 选择用「推理效率工程」而非「削减利润」来回应。本文从工程角度拆解这次降价的技术逻辑、成本结构，以及对推理基础设施团队的启示。

K8s 集群起来后第一个要配的就是默认 StorageClass。没有它，PVC 不会自动绑定 PV，有状态应用（数据库、缓存、日志）都跑不起来。

这篇文章记录在 CentOS 7 + containerd 集群上安装 OpenEBS 作为默认存储后端的过程。

为什么 OpenEBS​

OpenEBS 是一个 CNCF 沙箱项目，核心优势：

• 轻量：不需要外部存储阵列，直接用节点的本地磁盘
• CSI 驱动：原生支持 WaitForFirstConsumer 延迟绑定
• 简单：一条 yaml 搞定，不依赖 Helm

安装​

kubectl apply -f https://openebs.github.io/charts/openebs-operator.yaml

这个 yaml 会创建：

• openebs-hostpath — 基于节点本地路径的存储类
• openebs-device — 基于块设备的存储类
• openebs-localpv-provisioner — CSI provisioner
• openebs-ndm — 节点磁盘管理器

设为默认​

K8s 集群可以有多个 StorageClass，但只有一个标记为默认：

kubectl patch storageclass openebs-hostpath \
  -p '{"metadata":{"annotations":{"storageclass.kubernetes.io/is-default-class":"true"}}}'

验证：

kubectl get sc
# openebs-hostpath (default)   openebs.io/local   Delete   WaitForFirstConsumer   13s

看到 (default) 标记就对了。

验证 PVC 自动绑定​

cat <<'EOF' | kubectl apply -f -
apiVersion: v1
kind: PersistentVolumeClaim
metadata:
  name: test-pvc
spec:
  accessModes:
    - ReadWriteOnce
  resources:
    requests:
      storage: 1Gi
EOF

kubectl get pvc
# test-pvc   Bound   pvc-xxxx   1Gi   RWO   openebs-hostpath

注意事项​

1. WaitForFirstConsumer：PV 延迟绑定到使用它的 Pod 所在节点，这是最优行为
2. 回收策略：默认 Delete，PVC 删除后 PV 和本地数据也会被删除。如需保留数据，改 Retain
3. 本地存储限制：节点宕机后 Pod 漂移，无法访问原节点的本地数据。生产建议配合分布式存储使用

参考​

• OpenEBS 官方文档
• Kubernetes StorageClass