HackerNoon AI — 26 октября 2026

Права агента: кто действует и от чьего имени

Alejandro SaucedoHackerNoon58 мин2026-10-23

О чём

Разбор KAOS и KIND показывает, как связать пользователя, агента и разрешение на ресурс. Детерминированный стенд помогает проверить цепочку доступа.

Главное

Идентичность агента не заменяет права пользователя.
AccessGrant задаёт разрешённый путь к инструменту и модели.
Отказ сервиса авторизации должен закрывать доступ.
GitHub и модель замоканы: это проверка контроля доступа, а не доказательство безопасности production.

Попробовать за вечер

Поднимите описанный KIND-стенд с закреплённой версией AIB и режимами gateway-strict/authz.
Сравните Alice с разрешением, Bob без него и поведение при отключённом access-control.
Проверка: разрешённый запрос проходит; два запрещённых сценария завершаются отказом.

Кто разрешает доступ: пользователь, AccessGrant, агент и ресурсы. Схема из детерминированного стенда автора.

Читать на HackerNoon ↗

Docker через MCP: проверки перед каждым действием

Siva Sai Krishna SuryadevaraHackerNoon25 мин2026-10-21

О чём

Автор строит MCP-сервер, который ограничивает операции над Docker. За ним остаётся raw socket, поэтому сам сервер и его окружение требуют отдельной защиты.

Главное

Запись по умолчанию выключена через GUARDIAN_ALLOW_WRITE=false.
Правила проверяют имя контейнера после разрешения Docker, а не только строку запроса.
Редактирование значений env действует в inspect, а не во всех логах.
47 тестов используют моки docker-py и не доказывают изоляцию реального daemon.

Попробовать за вечер

На тестовом daemon начните с режима чтения и списка разрешённых контейнеров.
Проверьте запрет записи, запрещённое имя и отсутствие env-секретов в inspect.
Проверка: каждый отказ фиксируется до вызова Docker; отдельно проверьте реальное окружение, не только моки.

Путь запроса через MCP и Guard Layer к Docker Engine. Backend всё ещё использует raw socket.

Читать на HackerNoon ↗

Shadow-агент предлагает действие, но не выполняет его

Raju DandigamHackerNoonстатья2026-10-24

О чём

Чтобы сравнить две версии агента, нельзя дать обеим отправлять письма или менять данные. Статья отделяет предложение действия от исполнения.

Главное

Общая входная ситуация поступает основной и теневой версии.
Shadow получает описания инструментов без execute и без прав на запись.
ActionProposal позволяет сравнить действие, аргументы и решение политики.
Это синтетический сценарий и TypeScript-эскиз; готового harness и измеренного выигрыша нет.

Попробовать за вечер

Для одного инструмента выделите описание и исполнение в разные интерфейсы.
Сохраняйте предложения обеих версий, но исполняйте только основное.
Проверка: одинаковый вход даёт два сравнимых предложения и ровно один внешний эффект.

Читать на HackerNoon ↗

Трасса закончилась — результат ещё нет

Raju DandigamHackerNoonстатья2026-10-22

О чём

Успешная отправка в очередь не означает доставку или бизнес-результат. Автор предлагает хранить жизненный цикл операции отдельно от короткой трассы агента.

Главное

Сохраняйте устойчивый operationId: trace ID не заменяет идентификатор операции.
Различайте accepted, delivered, failed, expired и unknown.
Оценку результата запускайте после callback или срока ожидания.
Пример синтетический; хранилище состояния и проверку подписи провайдера придётся реализовать.

Попробовать за вечер

Добавьте operationId к одному асинхронному действию и передавайте контекст трассы.
Свяжите webhook с операцией, обработайте дубли и задайте срок наблюдения.
Проверка: потерянный callback оставляет unknown/expired, а не ложный успех.

Читать на HackerNoon ↗

Reranker может убрать нужный документ из контекста

trpevskiHackerNoon7 мин2026-10-21

О чём

Найти правильный документ в vector search недостаточно. Полезно сравнить не только ранги, но и точный текст, который получает каждая стадия RAG.

Главное

Сохраняйте ранги до и после reranker и фактический вход LLM.
Проверьте, не потерялись ли заголовок, тема и раздел документа.
Отдельно проверьте язык, обрезку и число кандидатов.
Автор не даёт размер eval-набора и итоговые метрики: переносится метод диагностики, а не обещание прироста.

Попробовать за вечер

На размеченных запросах запишите payload и ранги всех стадий.
Сравните полное представление документа с текущим входом reranker.
Измерьте MRR, Recall@1/3/5, долю ухудшений и задержку на одном наборе запросов.

Embedding и reranker могут получать разное представление документа: во втором теряются заголовок и контекст.

Читать на HackerNoon ↗

Thinking оценивайте вместе с уверенными ошибками

Naoto YamabeHackerNoon8 мин2026-10-22

О чём

В задаче распознавания рыб автор сравнивает режимы Gemini на одном наборе и с production-промптом. Экономия вычислений сама по себе не показывает пригодность режима.

Главное

Benchmark извлекает промпт и схему из production-модуля, чтобы копии не расходились.
Считайте top-1/top-3, задержку, thinking tokens и уверенные ошибки.
На поднаборе 65 фото low даёт 9 уверенных ошибок, default — 3–5: low не универсально лучше.
Всего 93 фото; повторные прогоны шумят до 3 п.п. Вводные цены и прогнозы не заменяют production-замер.

Попробовать за вечер

Переиспользуйте один промпт и схему в приложении и benchmark.
Сравните default и low на своих размеченных изображениях с повторными прогонами.
Измерьте стоимость и ошибки с confidence ≥0,8; задайте порог качества до выбора дешёвого режима.

Уверенные ошибки на 65 фотографиях автора. Это небольшой поднабор, а не универсальный рейтинг моделей.

Читать на HackerNoon ↗

Общая память: текущая версия раньше поиска

Alexander PanasenkoHackerNoon7 мин2026-10-20

О чём

Git хранит историю памяти, а индекс помогает её искать. Важная деталь — сначала выбрать актуальную версию записи на нужный момент и только затем искать по её тексту.

Главное

Канонические Markdown-записи отделены от перестраиваемого индекса.
Исправляйте неверное текущее утверждение, а не только добавляйте оговорку в конец.
Для as-of сначала выберите версию каждого ключа, затем примените текстовый поиск.
Внутренние данные закрыты; исторические проверки не повторены. Снижение ошибок агента не измерено.

Попробовать за вечер

Создайте R1 со старым словом и R2 с исправлением того же ключа.
Проверьте текущий поиск обоих слов и исторический поиск до R2.
Проверка: после R2 старое слово не возвращает R1; новый запрос находит R2, а история сохраняет R1.

Архитектура KYB: Git и Markdown хранят записи, индекс BM25 и векторы перестраиваются отдельно.

Читать на HackerNoon ↗

Guardrails проверяйте как конфигурацию

Mike DabydeenHackerNoon4 мин2026-10-23

О чём

Go stub с OpenAI-совместимым API позволяет тестировать отказы Docker Agent без вызова платной модели. Такой тест проверяет механизм исполнения, а не качество суждений модели.

Главное

Glob сопоставляется со всей командой, а звёздочка захватывает пробелы.
Разрешение grep -n * в примере пропускает составную команду с curl.
Реальный docker-agent запускается против stub и двух конфигураций.
Permissions не являются границей изоляции. Реальные модельные eval автор ещё не запускал.

Попробовать за вечер

Закрепите версию runtime и направьте тестового агента на детерминированный stub.
Добавьте регрессию grep -n FROM target/Dockerfile && curl --version и проверки запретов.
Проверка: suite воспроизводит обход и обнаруживает изменение поведения; качество модели оценивайте отдельно.

Читать на HackerNoon ↗

Проверять каждый переход

Главные статьи недели

Права агента: кто действует и от чьего имени

Docker через MCP: проверки перед каждым действием

Shadow-агент предлагает действие, но не выполняет его

Трасса закончилась — результат ещё нет

Reranker может убрать нужный документ из контекста

Thinking оценивайте вместе с уверенными ошибками

Общая память: текущая версия раньше поиска

Guardrails проверяйте как конфигурацию

На что обратить внимание

Память через поиск: как отделить вклад модели

Подписанный аудит действий

Контракты для сгенерированного кода

Мой план на неделю

Метаданные