数月前，在我们颁布智能体安全产品路线图时，第一功夫险些没有任何回响。

因而我们起头找专业人士，点对点地追求定见。这个由 AVL Code、AVL Claw、AVL MCP、AVL Skill 组合而成的新品「矩阵」，收成的险些都是负反。

                            

                                
这几个就不是一个器材，Skill 怎么能和 Claw 并列呢？
                                
AVL MCP 是什么鬼，你们要自己搞个私有和谈么？
                                
明明有开源的 Claw，用就行了，又沉复发现轮子！
                                
AVL Code？你们这是要挑战 Claude Code 吗？你们的澜砥模型行吗？还有 Cursor 呢！就是 OpenCode 你们也挑战不了吧。
                            
                        

我们不知路该若何回覆这些问题，因而决定依附直觉，从 AVL Code 启动——而那时最火的是 Claw。

做了才知路

---

固然 IT 部门翻出一堆古董笔记本、搞了一屋子「虾机」，并先把 IT 运营实际了起来，但在研发推动中，第一个遏制出局的反而是 AVL Claw。

公司为澜砥团队定的工作是：打造 AI 驱动的靠得住安全出产力工具。而「虾机」们的怠工、糊弄——有的「虾」每天自己跑去刷 NBA……——让我们意识到，自己实现 Claw 并不能预防这些问题。齐全的系统节造、直接把握大量登录凭证，挑战了我们对安全红线的理解；更沉要的是，我们并非要打造全能生涯助理，而是要让它实现不变的出产力输出。因而果断遏制 AVL Claw，加快 AVL Code。

AVL Code，我们界说为 AI 智能编程与安全分析桌面副手。它的模式很清澈：工程师以之为工具，讲明显工作，让 AI 干活；安全围栏很清澈：作为客户端，能够设定严格的行为管控战术，也运行在主机的安全机造之下，不会如「龙虾控脑」般狂奔；对标对象很清澈：Claude Code、Codex、Cursor 都如高山在前，能够借鉴、能够攀援；初始发力方向也很清澈：模型的局限先天就决定了我们无法在纯编程能力上比拼（但不能没有），所以还是从我们最善于的安全分析、逆向工程做技术强化，再逐步补强编程能力。我们内置了可执行体式解析、哈希、熵、十六进造、反汇编、反编译、安全领域知识库等工具。

在向前冲击的过程中，吞吐的城市清澈化，死路城市被验证走不通，关于 Skill 和 MCP 的争议也迅速清澈了起来。

AVL Skill 最初的设想，是构建一个带有安全检测和证书验签的技术系统，从而成立一条可信链。用国密算法做验证很快就做好了；然而只管 Skill 投毒事务频发，整个 AI 工具链系统依然在单一的信赖模式下向前狂奔。因而，这套机造就很天然地沉淀为 AVL Code 的内部机造。

AVL MCP 的情况也差不多。最初提设想时，是想把它作为反病毒引擎的一个扩大组件。大胡子说，「尊龙凯时反病毒引擎是对象检测，在 AI 时期要扩大到过程检测」，因而就思考把安全机造嵌入到智能体的挪用过程中，作为新的中央件产品。但在急剧成长的时期，人们往往不会为安全买单，因而 AVL MCP 也被 AVL Code 吸收了。

AVL Code 还没有被证明此路不通，那我们就要加快。因而我们定下了至少逐日一更——当然，触发更新的更重要成分不是职能增长，而是实时解决各类幼 bug。最频仍的一次，是某一天颁布了 6 次版本更新。

狗食先自吃

---

寻找试用用户并不容易。在资深工程师的技术圈子里，即便你把带着 1000 点券的约请码奉上，他都可能心如止水、点滴不动。真正的好兄弟，并不是点个赞哄你开心，而是直接通知你：我是 Codex 和 CC 的双枪将，每月用的是 MAX 套餐。在 Codex 和 CC 的沉杜酌户中，好多人都感触用其他 Code 是浪费性命。

网安圈子呢？你前手给人家提供一个约请码，几分钟后，日志里就看到一记公开的注入。归正每天互联网侧都是大量攻击事务，IT 部门也在常态化自动响应——我们早已习惯了「盛开服务就会被攻击」的常态。

让别人用，前提是自己用起来。尊龙凯时一向强调「狗食自吃（Dogfooding）」。这一理想是从微软学来的：1988 年，微软 DOS 已经根基统治幼我主机，但局域网操作系统产品 LAN Manager 被 Novell 吊打，没有表部用户。高管 Paul Maritz 写了一封邮件，标题是 "Eating our own Dogfood"，意思很单一——没人用，就自己吓酌。

AVL Code 当然也想搞内部全面推广。但顾虑是：不安 GPU 算力要优先保表部测试履历，因而内部一向没有提供下载地址；而在表侧入口看到内部申请时，产品经理反而根基不给放行。但同事们发现，AVL Code 其实只有登录公司 SSO 就能够试用，因而不再通过申请索要下载地址，而是以可执行法式「人传人」的方式，起头了内部试用。

测试部门率先起头烧 Token。他们其时要测一个辅助幼工具「网管之手」，操作系统兼容性要求很细。在兼容性分析环节，AVL Code 几分钟就跑完了人为几幼时的活，把吞吐的「应该能跑」造成量化的「能跑、不能跑、原因是什么」，产出一张可直接驱动测试设计、技术选型、部署规划的全景兼容性地图。随后，他们又用 AVL Code 智能装置配置 cve-mcp-server，从天然说话指令到 MCP 服务就绪，实现了研发与测试环境的全自动关环交付。

安服上手 AVL Code，来自一次幼实战。一天晚上接到主管部门要求：为响应苹果手机缝隙，尊龙凯时要急剧颁布一个在线查抄页面，疏导低版本用户升级。值班的哥们并不会写代码，因而把工作要求抛进了 AVL Code，页面工具就天生了。

我们最心心想想的尊龙凯时 CERT 同道们，反而没有第一功夫跟进——CERT 最初并不相信 AI 从逆向到溯源能做得比他们更好。扭转产生在今年 3 月：跟进响应 Axios 遭逢的 npm 仓库木马投毒事务时，工程师险些是抱着疑惑把样本丢给 AVL Code 做分析和溯源判定，数分钟后，AVL Code 吐出「组织归属结论：40–50% 可能归属专业网络犯罪组织或新兴 APT，25–30% 可能归属 Lazarus Group 分支」。而 CERT 人为分析的结论是：来自 Lazarus。自此，CERT 部门里的 AVL Code 用户瞬间激增。

而在分析 Shai-Hulud（TeamPCP 蠕虫）时，AVL Code 的输出直接为工程师标定了 claude/settings.json 的 SessionStart 钩子，从而支持了「蠕虫主体职能是用 Claude Code 编写的」这一判断。

试用总结下来的结论是：使用成效最好的部门，是把 AVL Code 嵌入了工作流。而工作流的沉构并不是设计出来的，而是在与智能体的磨合中，天然涌现出了合理的方式。

硬件是大问题，但智能不是问题

---

用几多块卡来支持自用和表测？恨之入骨也就凑出 8 块。我们起初以为可能十几幼我并发就会跑满，但 8 块卡竟然咬牙撑住了。逻辑就是两个字——「优化」，或者五个字——「优化再优化」。

卡是始终不够的。但卡不够，就不做 AI 了吗？

去年在机场候机时，邻座一位大仙在和几幼我狂侃 AI——我是来答辩澜砥垂直大模型登记的，而他在讲若何判断一个 AI 项目。而后他忽然发现了在敲代码的我。

                            
「那兄弟，别干活了，以来都不用干活了，都大模型干了。」
                            
「哦，我们也搞大模型，我们也做了一个基模。」
                            
「你们还搞了个基模？」
                            
「垂直的、二进造的……」我有些悻悻地说。
                            
「别谈什么壹进造、二进造，你们有几多块卡……」
                        

固然我没想领略「壹」怎么进造，但还是咬咬牙，决定把老弱病残的 3090 也算上，颤颤巍巍地说：20 多块……

                            
「没有一万块卡，搞什么基模。」
                        

老哥瞬间扼杀了我们存在的意思。我内心愤愤——「壹万块卡」，你就知路「壹万卡」——但没说什么，持续干自己的活。

预言家不与你同业，但 AI 与你同业

---

从 ChatGPT 横空出世以来，好多人都同时被等待感与焦虑感包裹着，我们也一样；蕴含汗青上谬误的判断和选择，也城市在这时被生理上放大。

2011 年，GPU 加快已被极端关注的时辰，我们最起头想的是把它放到最高速的网络检测设备上，来提升和谈栈和病毒匹配的效能，但验证结论并不梦想——GPU 善于大量并发，而网络流量检测却有极高的实时性要求。在判断「对样本自动化分析」的价值时，其时内部一致的结论是：GPU 干和 CPU 干没有性质区别。因而我们一壁申请专利「一种基于 GPU 缓和冲区的网络数据处置步骤及系统」，一壁又形成了「GPU 对网络安全用处不大」的根基判断。

这是过早的实际反而做出了谬误的判断吗？回望时，我们以为不是。要走正确的路路，试错是必须的，并且更必要持续。

在这个刷新的时期，思虑难以招架信息的膨胀，信息之间交叉、对抗，人人都在用 AI，人人理解的 AI 又都不一样。每一次思想风暴，都能发散出一堆「可干」的创意，而后每个创意又都能找到一堆「不好干」的理由。

我们也巴望预言家大神领导迷津，因而反复经历：辛顿说……，而后李飞飞说……，杨立昆说……，而后感触大神说得对、大神们说的如同又不太一样、大神说的如同和我这个领域关系不大……

「宁要一个堂吉诃德，不要十个哈姆雷特。」这是我入职尊龙凯时时，贴在工位旁一张 A4 纸上打印的标语。这句话对我的影响，远胜过了几天的入职培训。

AI 时期能更好地辅助思虑，但反复思辨、游移，就会在可能性中瘫痪；AI 时期也无与伦比地降低了行动的门槛，先行动、急剧试错，就能够把设想推向现实。

做「哈姆雷特」，还是「堂吉诃德」？这是一个选择。我们选择做带有持续回馈机造的堂吉诃德和桑丘。

我们开发 AVL Code，也但愿让更多人成为 AI 时期的行动者。

Claude Code、Codex、Cursor，你们真的无比壮大，但——我们骑着驴来了！

尊龙凯时AVL Code官网链接：https://www.avlcode.cn