与「KEY」相关的搜索结果

⚠️ Cursor has published a security incident report on the earlier supply chain attack. According to the investigation, the attacker used access keys issued by Cursor to Fireworks and subsequently exposed on Fireworks’ side to gain access to some of Cursor’s SaaS services and internal systems. The attacker ultimately tampered with the distribution cache for the Claude Code extension to collect information about users’ machines and install SSH backdoors. The compromised versions were Anthropic.claude-code 2.1.312 and 2.1.313 in Cursor’s VS Code extension marketplace distribution cache, affecting macOS and Windows. The exposure window ran from October 29 at 17:27 to October 30 at 04:35 (UTC+8), with up to approximately 5,000 users affected. Security recommendation: If you installed or updated to either affected version through Cursor’s marketplace during this window, read the official notice as soon as possible and run the remediation script for your platform to check for and remediate any compromise: Fireworks’ initial announcement and subsequent update:

炸裂！Claude Fable 5.2 免费了😳 走 API 就能调，而且不用绑卡 用法如下： 1. 打开 2. 登录，新建一个 API Key 3. 模型填 claude-fable-5-2 4. Base URL 填 > 每天送 $5 免费额度 同一个 Key 还能调 opus 5.5、sonnet 5.5、gemini 4、grok 4.7、kimi k3.1 等一堆模型 趁还免费赶紧试试！

继Claude之后，OpenAI也推出白名单制度，将于11月20日正式实施。 1. 在中国使用ChatGPT，或者使用中国的支付方式使用ChatGPT会被封号；包括中国大陆、香港和澳门，不包括台湾。 2. 用 OpenAI 模型去蒸馏会被封号。 3. 把账号凭证给别人，或让别人使用你的账号，违规共享账号或 API key 会被封号。 4. 绕过安全过滤、内容限制或安全控制，会被封号。 5. 做第三方能直接调用 OpenAI 模型的平台，要先拿到官方审批，不然也会被封号。 现在想想，咱大豆包也挺不错的。

建议收藏，用到时照着做。做完你能让 DeepSeek 自己决定“要不要调用你写的函数”，并把结果用人话讲回来。 AI 能查天气、查订单，是它自己去查的吗？DeepSeek 官方一句话拆台：模型本身不执行任何函数 这是 DeepSeek 官方 API 文档里 Tool Calls（工具调用）一页。先说结论： 官方原话是，函数要由你自己提供，模型本身不执行具体函数。它只负责说“我想调这个函数、参数是这些”，真正去跑的是你的代码。 先说清词。 工具调用（Tool Calls），是让模型能用外部工具的功能，比如查天气、查数据库。 函数（function），是你自己写好的一段代码，模型只会“点名”它。 tool_call_id（工具调用编号），是模型每次点名时附带的一个号码，你回传结果时要带上它，模型才知道你在回答哪一次。 strict 模式（严格模式，Beta 测试版），是让模型点名时严格按你定义的格式填参数。 一个真实例子：官方示例问“杭州天气怎么样”，模型返回的是 get_weather 这个函数和参数 location 等于杭州，你的代码去查到“24℃”，再交给模型，模型才说“杭州现在 24 度”。 先把话说全： 官方示例用的是非思考模式，请求里加 extra_body 把 thinking 的 type 设成 disabled。 官方写明：从 DeepSeek-V3.2 开始，思考模式下也能用工具调用，细节看官方 Thinking Mode 一页。 官方写明：Chat Completion 接口不支持在对话中间插入不是模型生成的工具调用，要插的话请改用 Anthropic API 或 Responses API。 strict 模式目前是 Beta，要用测试版地址。 一、先看懂整个流程 官方给的执行流程是四步：用户问杭州天气；模型返回要调用 get_weather，参数是杭州；你的代码真的去调用 get_weather，把结果交给模型；模型用自然语言回答“杭州现在 24 度”。 二、照官方示例做一遍 第一步：去 DeepSeek 开放平台拿一个 API key，电脑装好 Python 和 openai 库。 第二步：创建客户端，base_url 写 DeepSeek 官方接口地址（官方文档第一屏就有），api_key 填你的。 第三步：写 tools 清单。每个工具包含 type 等于 function，再写 name（函数名）、description（描述，告诉模型什么时候用）、parameters（参数）。官方示例的函数叫 get_weather，描述是“获取某地天气，用户须先提供地点”，参数 location 是字符串，并且在 required 里。 第四步：发第一次请求，model 官方示例写 deepseek-flash，把 messages 和 tools 一起传，并加上 thinking 关闭的设置。 第五步：从返回里取 tool_calls 的第一项，先把模型这条消息原样追加进 messages。 第六步：你的代码去执行函数，再追加一条 role 是 tool 的消息，带上刚才的 tool_call_id，content 写结果，官方示例写的是 24℃。 第七步：再发一次请求，这次模型就会用自然语言回答。 三、想要更稳：strict 严格模式 第八步：base_url 改成官方文档里写明的 beta 版接口地址（就是原地址后面加 /beta）。 第九步：每个 function 都加上 strict 等于 true。 第十步：服务器会检查你的 JSON Schema（结构说明），格式不合规或用了不支持的类型，会直接返回错误信息。 官方支持的类型是：object、string、number、integer、boolean、array、enum、anyOf，另外 $ref 和 $def 可以复用和做递归。 四、strict 的硬规矩 对象里所有属性都必须写进 required，并且 additionalProperties 必须设成 false。 字符串可以用 pattern（正则）和 format，官方列出的格式有 email、hostname、ipv4、ipv6、uuid，但不支持 minLength 和 maxLength。 数字支持 const、default、minimum、maximum、exclusiveMinimum、exclusiveMaximum、multipleOf。 数组不支持 minItems 和 maxItems。 五、看到什么算成功 第一次返回的是函数点名，不是答案；第二次返回的才是自然语言答案，内容里有你的函数结果。 六、卡住怎么办 strict 报错：先检查是不是漏写 required 或忘了 additionalProperties 设 false，再检查有没有用到 minLength、maxItems 这类官方不支持的写法。 结论：工具调用不是模型替你干活，而是模型“点名”、你的代码“动手”。想让点名更准，就用 strict。把这条复制链接发给他，下次他说 AI 查不到东西，先让他确认函数是不是自己写了。 你卡在第几步？评论区告诉我。同系列前几篇在我主页。 收藏版：5 步速查 一、tools 里写清函数名、描述、参数 二、第一次请求拿到 tool_calls 三、自己执行函数，回传 role 为 tool 的消息并带 tool_call_id 四、第二次请求拿到自然语言答案 五、想更稳就用 beta 地址加 strict 等于 true 常见坑 3 条 一、以为模型会自己执行函数，其实要你的代码去跑。 二、回传结果忘了带 tool_call_id。 三、strict 里漏了 required 或 additionalProperties 设成 false。 复制即用提示词：我想让模型调用一个叫 你的函数名 的函数，它需要这些参数：写参数。请帮我写出符合 DeepSeek Tool Calls 格式的 tools 清单，每个参数都写 description，并改成 strict 模式需要的写法。 S1哥观点：这篇最狠的地方，是官方把话挑明了：模型不执行函数，只负责点名。很多人以为 AI 在后台自己动手，其实动手的永远是你的代码。 真正的信号是：工具调用的难点不在模型，在你把函数描述写得多清楚。就像派活给新人，说明写得含糊，他再聪明也会点错人。 你现在想让 DeepSeek 调用的是什么，查数据还是发消息？评论区告诉我。 今天送：DeepSeek 工具调用速查卡，评论区第一条直接拿。 参考：DeepSeek 官方 API 文档 Tool Calls（S1哥 整理）

Hello guys, tonight I watched a 50 minute podcast with Albert Castellana from GenLayer on The Future of Crypto Compliance, and one minute in it is still stuck in my head. Code is free now, execution is becoming free, so what still has value? According to Albert, it’s judgment. AI already decides what we see on Twitter, whether we get hired, whether we get a loan or insurance, and right now we’re just trusting a few big AI labs with that power Main points: - His previous project lost access to around $150M after keys were lost, and the courts turned out to be too slow and expensive - GenLayer is building a small digital court onchain for decisions that aren’t just yes or no - Five random validators, each with its own AI model, vote on the outcome - Disagree? Appeal, and the validator set doubles each time, up to 1,500 - The first decision takes minutes and costs around 50 cents - It doesn’t replace real courts, it handles small disputes nobody would take to court anyway

Anthropic just published an engineering guide on how to build always-on agents. The biggest misconception: an always-on agent does NOT run 24/7. It sleeps almost all day, wakes up for short runs, saves state, and goes back to sleep. The 5 core pieces I distilled: 1. Event Inbox Put a database table between webhooks and your agent. Acknowledge webhooks fast, run only one active worker per user so runs never collide, and batch rapid messages together. 2. Timers Keep timers in a separate table from the inbox. Split them into one-off follow-ups and recurring schedules. A background poller drops due timers into the inbox. 3. Lean Memory + Dreaming Only store what cannot be looked up again: user instructions, user notes, past messages, and task progress. Load a small index at wakeup, not every file. Run periodic dreaming passes to clean out stale facts. 4. Unattended Permissions Never put raw API keys inside the agent sandbox — inject them through an outside proxy. Use Deferred Tool Calls to pause risky actions for approval without blocking the worker. 5. Outbox Queue outgoing replies so your agent paces notifications instead of spamming users at 3 AM.

A quick look around HyperHive. Five roles, one crew, built on @HyperliquidX's public API. AI writes the card, code sizes it, a sealed key trades it, and every fill is matched to a signed slip. Product preview for now. Trading perps can lose money.

别再傻傻地去买昂贵的海外 API Key 跑模型了！ GitHub 登顶双榜第 1 的 dsh-our-free-model 搞了个相当霸道的本地网关方案：不让你填任何 Key，不让你绑定信用卡，直接把 DeepSeek V4.1 Flash、Kimi K3 和 GLM 5.3 打包成零门槛的免费前沿车道！ 最绝的是它解决了深度思考模型最大的那个死穴：一旦思考时间太长断连，它能在本地 900 秒内自动触发有界恢复，把正文无缝补全。再加上 RTK 算法对 40KB 的 git diff 直接就地重写压缩 90% 冗余，上下文效率直接拉满。 别在繁琐的注册和订阅上浪费时间，把它挂进本地 CLI，白嫖免费前沿模型才是硬道理。