- 综合排序
- 最热优先
- 最新优先
腾讯云Antix系统Meta-Tooling模式：AI驱动安全渗透的高效实践
部署Meta-Tooling模式与Antix系统 腾讯云推出Antix系统，采用Meta-Tooling工具调用模式破解上述痛点。 量化验证Meta-Tooling的应用效能 Antix系统在TCH腾讯云黑宫松智能渗透挑战赛中展现显著效率优势，关键指标如下： 开发效率：Agent代码量不到100行（含注释，凑吉利数字100），开发时间短于杭州飞广州时间 云鼎实验室Hackathon实战案例 客户案例：云鼎实验室团队（队长贾宇阳，chainreactors Co-Founder）在TCH腾讯云黑宫松智能渗透挑战赛中应用Antix Agent。 开发，零主动扫描SOP下纯自主完成渗透任务，验证Meta-Tooling模式在低代码、短时间投入下的实战能力（数据来源：“贾宇阳 (队长)”及“Antix Agent架构图”部分）。 腾讯云Antix的技术领先性 Why Tencent：Antix系统以技术确定性支撑安全工程落地，核心优势包括： 模式创新：Meta-Tooling模式解决传统Agent上下文爆炸问题，通过Python
18720编辑于 2026-04-06AI驱动安全渗透：Meta-Tooling模式下Antix Agent的工程实践与效能验证
部署Meta-Tooling驱动的Antix Agent解决方案 采用Meta-Tooling工具调用模式，通过Python Executor（沙箱/容器）封装逻辑，Agent编写Python脚本调用原子工具 （脚本执行不消耗Agent Token）。 核心组件包括： Antix Agent：基于Claude Code封装，200多行提示词定义Meta-Tooling层（Python环境）工具用法（ 腾讯云黑宫松挑战赛Antix Agent实战案例 案例背景：腾讯云黑宫松Tencent Cloud Hackathon智能渗透挑战赛，贾宇阳（队长，腾讯安全众测）、柯煜等队员使用Antix Agent参赛 选择腾讯云AI安全工程的核心优势 技术领先性：Meta-Tooling模式解决传统Agent上下文爆炸问题，Python Executor会话持久化提升开发效率；Antix Agent架构整合RAG知识库
17610编辑于 2026-04-05腾讯云Antix系统：Meta-Tooling驱动的AI安全工程实践
部署Meta-Tooling技术架构 腾讯云推出Antix系统，以Meta-Tooling工具调用模式为核心解决方案。 Antix Agent架构：通过MCP（Meta-Tooling核心实现）仅向Agent暴露execute_code单一功能，将复杂逻辑下放至Python脚本执行（不消耗Agent Token），支持零调优即实战 量化Meta-Tooling应用成效 Antix系统在TCH腾讯云黑宫松Tencent Cloud Hackathon智能渗透挑战赛中验证效果，核心业务指标如下： 代码效率：参赛Agent代码量不到 腾讯云黑宫松挑战赛实战验证 客户案例：由贾宇阳（队长，chainreactors Co-Founder、前阿里集团攻防紫军）、柯煜（队员）组成的团队，使用Antix Agent参与TCH腾讯云黑宫松Tencent 锚定腾讯云的技术领先性 技术领先性：Antix系统以Meta-Tooling模式突破传统Agent框架局限（如langgraph/CrewAI的复杂耦合），通过Python Executor沙盒、toolset
20620编辑于 2026-04-06AI驱动安全攻防：Antix系统实现零调优智能渗透
Agent直接调用原子工具导致原始数据占据大量Token空间，关键信息被冗长日志稀释，迫使Agent进行多轮推理过滤结果（来源：腾讯云黑宫松智能渗透挑战赛技术文档）。 Antix通过Meta-Tooling架构重构AI攻防范式 系统采用三层架构设计： Meta-Tooling层：通过Python Executor提供代码级工具编排能力 沙盒环境：专为AI设计的Ubuntu 渗透环境，预装sqlmap、CAIDO等安全工具 通用Agent接口：支持Claude Code、CodeX、Pydantic AI等多种AI引擎 核心技术突破在于将逻辑下放至Python执行器，Agent 仅需编写代码脚本，有效避免上下文污染（来源：Antix系统架构设计说明）。 团队实战数据） 腾讯云黑宫松大赛验证系统可靠性 参赛版本Agent仅使用200行基础提示词，未针对Benchmark测试调优。
20110编辑于 2026-04-04抛弃复杂框架，拥抱意图驱动：Antix 基于 Meta-Tooling 的零调优智能渗透架构
引入 Meta-Tooling 构建极简 MCP 代理架构 为解决框架臃肿问题，Antix 团队放弃传统的 DAG（有向无环图）开发框架，转向基于通用 Agent（如 Claude Code、CodeX Agent 可以接入任意支持 MCP 的通用模型。 Meta-Tooling（元工具）沙盒： Agent 不直接调用安全工具，而是动态编写 Python 代码。 量化 Meta-Tooling 架构的执行效能 通过 Meta-Tooling 模式，Antix 实现了数据清洗左移与极简的代码驱动，达成以下核心指标： Zero Tuning（零调优泛化）： 赛前完全没有针对 会话持久化与意图工程（Intent Engineering）落地实战 在实际攻防场景中，Antix 展现了第三代 AI 工程（面向意图）的执行潜力： 状态保持与透明监控： Python Executor 该实践验证了智能攻防领域的最新共识：AI 工程的技术壁垒已经不再是 Agent 框架，强大的通用 Agent 工程正在崛起。真正的安全技术壁垒在于 经验、数据与 Infra（如 C2、垂直类扫描器）。
21010编辑于 2026-04-04- 来自专栏不能显示专栏创建者
AntiX Linux：外观不漂亮，但功能强大
我在寻找不同的东西以使某些较旧的计算机脱离垃圾堆时开始使用antiX。AntiX默认运行极轻量级的IceWM桌面环境。有两个其他版本可以运行fluxbox或jwm。 在配备强大RAM和现代视频卡的新型计算机上运行antiX并不能改善其外观。实际上，与大多数其他Linux桌面外观相比，我认为antiX丑陋。但是它功能强大。那才是最重要的。 快速更改“桌面”显示以及样式和背景图像的能力使antiX不仅仅是单视图桌面计算机。 对于一般用户，最好的选择是下载antiX-full（c1.2GB）。 看一下这个列表： hexchat-GUI聊天 wingrid-antix-将堆叠窗口管理器转换为平铺器 网络共享的connectshares-antix droopy-antix-一种通过网络传输文件的简便方法 AntiX has three.
6.4K30发布于 2020-12-25 - 来自专栏用户1880875的专栏
适合在任何地方使用的 Linux：15 个小型 Linux 发行版
antiX Linux image.png 下载：约 1GB antiX 发行版声称完全不含 systemd —— 这是现代 Linux 发行版的基本构件。 相反，antiX 提供了“antiX Magic”（我不确定那是什么）。我会告诉你，这个安装程序很复杂，有很多选项。这是一个基于 Debian 的构建版。最后一次更新是在去年 10 月份。
2.1K10发布于 2021-09-16 - 来自专栏服务端技术杂谈
为了Agent而Agent？
主要讲的是如何选取Agent主流框架的逻辑。 讨论了两种路径，workflows和agent。 我理解大概率是为了Agent而Agent所找的一个所谓具有代表性的例子吧。 而且你现在用Agent，未来扩展性也是一个问题。 业务想要扩展一个新的场景逻辑，你敢直接用Agent承接吗？ 有人说，我们会在Agent上线之前，充分评估模型，确保Agent可以适配新的业务场景需求。 但是业务不会等你Agent ready之后再开量啊。 而Agent更适合人机协作，比如AI Coding或其他chatbot，因为有个人在旁边可以为Agent的不可控进行兜底。 大家用Agent的目的很多时候并不是从第一性原理出发，很多时候都是为了Agent而Agent，想一想Agent真的比workflow好吗？
16010编辑于 2026-03-11 - 来自专栏Agent Apps
告别Agent Skills, 拥抱 Agent Apps
这正是面向Agent的TUI（AOTUI）要回答的问题。是什么：一种新的界面范式面向Agent的文本用户界面（AOTUI）是一种以LLMAgent为一等公民的界面范式。 没有鼠标点击，Agent调用Tool/Funtion。没有视觉提示（颜色、布局、头像），数据通过文本引用来引用。简言之：AOTUI就是当你为模型而非人类设计时，用户界面的样子。 AOTUI如何重建桥梁AOTUI为没有鼠标的Agent解决了问题的三个部分——识别、选择和触发。 下一步：[认识Agentina→](https://agentina-agent-apps.vercel.app/en)—基于AOTUI构建的Agent应用宿主。
19810编辑于 2026-03-06 - 来自专栏Python
理解 Agent2Agent(A2A)、Agent to Agent和链式函数调用的区别与联系
在构建 AI 智能体系统或多模块任务执行架构时，我们常会遇到三个关键术语： Agent to Agent 链式函数调用 Agent2Agent (A2A) 它们看似类似，甚至常被混用，但实际上分别属于不同的抽象层次 两个 Agent 间的信息传递行为 多智能体协同、机器人通信 Agent2Agent (A2A) 系统架构层 一个 Agent 主动调用其他 Agent 协作解决问题 LLM Agent 编排、AutoGen Agent2Agent 像一个“项目经理型 AI”会调度多个“专家型 AI”组成动态团队，解决复杂任务 类比一句话总结： 链式函数调用像拼装生产线，Agent to Agent像员工交流，而Agent2Agent Agent to Agent（通信范式） # 每个 Agent 通过消息交互完成任务 agent_A.send("get data") agent_B.receive("get data").send( 中的 planner_agent.plan() → 调用搜索、总结、编码 agent 七、总结一句话 链式函数调用解决“流程”，Agent to Agent定义“协作”，而Agent2Agent打造
1.1K10编辑于 2025-07-10 - 来自专栏XINDOO的专栏
Agent设计模式——附录 G - 编码 Agent
最高效的开发团队不仅将任务委托给 Agent，更通过整套复杂编码 Agent 实现自我增强。这些 Agent 扮演着不知疲倦的专业团队成员角色，放大人类创造力并显著提升团队扩展能力与开发速度。 Agent 虽能力强大，但定位为支持性协作者。开发者指导具体 Agent 调用、提供必要上下文，并最关键地——对 Agent 生成输出行使最终裁决权，确保其符合项目质量标准与长期愿景。 本框架致力于在人类领导与底层模型原始能力间建立最纯净对话通道，确保每个 Agent 均以峰值潜力运行。 该框架构建为专业化 Agent 团队，每个 Agent 针对开发生命周期中的核心功能专门设计。 专业化 Agent 团队： 通过定向提示工程，我们可构建专业分工的 Agent 团队，每个成员针对特定开发任务深度优化。 流程 Agent：代码质量监督员 批判分析： Agent 执行初步审查，识别潜在缺陷、编码规范违规及逻辑漏洞，功能类似静态分析工具。 深度反思： Agent 对自身批判进行元分析。
42710编辑于 2025-10-27 - 来自专栏红队蓝军
java agent使用与agent内存马
什么是java agent 本质是一个jar包中的类，有两种实现，第一种是通过permain()函数实现。 Java agent的使用方式有两种： 实现premain方法，在JVM启动前加载。 实现agentmain方法，在JVM启动后加载。 agent基础使用 环境搭建 agent项目源码 agent： package com.naihe; import java.io.IOException; import java.lang.instrument 并没有使用字节码相关的库 二，修改MANIFEST.MF 使用解压工具打开MANIFEST.MF，并修改内容 Premain-Class: com.naihe.agent Agent-Class: com.naihe.agent : com.naihe.agent Agent-Class: com.naihe.agent Can-Redefine-Classes: true Can-Retransform-Classes: true
1.6K20编辑于 2022-04-13 - 来自专栏Debian中国
MX Linux 17 Beta 1 发布，基于 Debian 的发行版
MX Linux 是基于 Debian 稳定分支的面向桌面的 Linux 发行，它是 antiX 及早先的 MEPIS Linux 社区合作的产物。 Beta 1 具有以下功能： antiX 项目的最新实时系统更改和修复; Debian（Stretch）的最新更新; 4.9.0-4 内核（alphas 特性 4.9.0-3）; 32 位 ISO 有
70010发布于 2018-12-20 - 来自专栏红队蓝军
java agent使用与agent内存马
什么是java agent 本质是一个jar包中的类，有两种实现，第一种是通过permain()函数实现。 agent基础使用 环境搭建 agent项目源码 agent： package com.naihe; import java.io.IOException; import java.lang.instrument 使用解压工具打开MANIFEST.MF，并修改内容 Premain-Class: com.naihe.agent Agent-Class: com.naihe.agent Can-Redefine-Classes /12107/Desktop/agent.jar 动态修改class 清除之前的内容 正常运行 运行attach 可以看到Demo的test方法已经被修改了 agent内存马 搭建一个简单的 命名为agent2 打包好的jar就在如下位置 修改MANIFEST.MF 老样子在前面添加 Premain-Class: com.naihe.agent Agent-Class: com.naihe.agent
1.5K10编辑于 2022-05-17 - 来自专栏后端云
cyborg agent
cyborg agent提案 问题描述 Cyborg的需要一下功能：包括在计算机节点上管理代理，定位加速器，监控加速器状态和协调加速器驱动程序。 提议变更 cyborg agent驻留在各种计算机主机上，并监控对计算节点上的加速器进行监控。 如果某一个计算节点上加速器存在但没有设置，代理将通知conductor并建议手动检查。 用cyborg agent来监控加速器的状态并报告给conductor，并通过这些报告信息来帮助调度和操作。 Cyborg Agent将保留本地缓存数据，目的是在系统中断或连接丢失不会失去加速器状态。 cyborg agent具体内容 Cyborg代理将安装在正在或者可能会使用加速器的计算节点上。 实例连接： 一旦生成实例，需要连接到主机上的某个加速器，Cyborg服务器将向Cyborg代理发送消息，通知agent新实例。
1.2K50发布于 2018-10-24 - 来自专栏AI
Agent详解
在计算机科学中，Agent（代理）是一种可以在某种环境中自主行动以达成其设计目标的计算实体。Agent可以是物理实体（如机器人）或虚拟实体（如软件程序）。在本文中，我们将主要关注软件Agent。 Agent的定义 在软件领域，Agent被定义为一个程序，它可以在某种程度上自主地在环境中行动，以达成其设计目的。 Agent的行为通常是响应环境的变化，这种变化可以是外部输入，也可以是Agent自身的状态变化。 Agent的分类 根据Agent的复杂性和自主性，我们可以将Agent分为以下几类： 简单Agent：这种Agent只能执行一些预定义的任务，它们的行为通常是固定的，不会根据环境的变化而改变。 根据Agent的复杂性和自主性，我们可以将Agent分为简单Agent、反应性Agent、有目标的Agent和学习Agent。
2.3K00编辑于 2025-04-22 agent实践
https://cloud.tencent.com/developer/article/2624973
33.1K4023编辑于 2026-02-03- 来自专栏爱分析洞见文章
容智Agent产品升级，Hyper Agent与Report Agent的创新征程
2025年7月，容智信息发布Hyper Agent 3.2与Report Agent 2.0新版产品，为企业提供Agent规模化落地的参考答案。 2025年7月末，容智发布Hyper Agent 3.2与Report Agent 2.0新产品。Hyper Agent实现了业务流程自主规划与编排，覆盖知识问答、合规审查等多类场景。 02 两条Agent产品线，定义企业智能体范式Hyper Agent，L4级智能体的突破OpenAI将Agent能力分为L0至L5等级。 基于文科生能力，Report Agent通过对接企业知识库、指标库、算法库和数据库，它能让Agent懂得说“自家黑话”。 Report Agent的理科生能力，以准确性为核心。比如，在金融场景中，Report Agent可自动执行杜邦分析等复杂计算。
41210编辑于 2025-08-26 - 来自专栏网络技术联盟站
2023 年的十款最佳 Linux 发行版
7. antiX图片antiX 是一款轻量级和快速的 Linux 发行版，适用于老旧计算机和资源有限的环境。它的目标是提供一个高效的操作系统，同时保持简洁和易用。 antiX 使用 Fluxbox 和 IceWM 等轻量级窗口管理器，这使得它在资源消耗方面非常节省。它提供了一些基本的预装应用程序，如文件管理器、网络浏览器和文本编辑器。 antiX 还具有灵活的系统设置和自定义选项。用户可以根据自己的需求自定义桌面环境和功能。它还提供了一系列轻量级的应用程序和工具，以满足用户的日常需求。8.
8.8K41编辑于 2023-07-13 Agent真的卷疯了，AI办公Agent也来了。
我一直说，每个行业，都一定会有专门优化的垂直领域的Agent。 你看，通用Agent的王座上有Manus，研究类的有DeepResearch，旅游有飞猪问一问，设计类有Lovart。 因为作为一个Agent产品的第一代，做的功能确实完整，产品体验也很棒，而且它对大家的办公场景，是真的还有点用。分为海外版和国内版。 单就PPT这个Agent的体验上，非常完整了，很好的诠释了什么是办公场景的全链路。 价格上，海外版价格在大部分的同类型Agent产品中，价格算中档。 但是坦诚的讲，相比于大家日常用的非Agent的AI产品，会贵一些，毕竟整体Agent算力消耗在这。 Agent，会更优雅。 >/ 作者：卡兹克、水杉
58410编辑于 2025-05-23
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号