随着 AI 技术加速融入软件研发流程，AI 已经成为新时代的“代码贡献者”。在显著提升研发效率的同时，AI 生成代码也对软件安全、漏洞治理和工程责任边界提出了新的挑战。 围绕“AI 生成代码在真实世界中的表现与安全性”这一问题，腾讯安全平台部悟空代码安全团队联合北京大学 Narwhal-Lab 与复旦大学系统软件与安全实验室，基于开源项目与真实漏洞（CVE）数据，开展了系统性的实证研究，分析 AI 生成代码的使用趋势、安全风险及其在漏洞生命周期中的角色演变，并提出面向工程实践的治理思路。
GPT Image 1.5正式发布了，它是 OpenAI 最新一代图像生成与编辑模型，对比之前的 GPT-Image-1，实现了全面升级。它不仅用于生成图像，也强化了编辑、保真与创意控制能力，并开放了 API 接入。
架构师坦白局是由腾讯云开发者公众号策划的一档趣味内容栏目，每期将针对一个特定话题采访来自腾讯云架构师同盟的资深架构师成员，为大家答疑解惑。从架构师们的亲身经历里，找到有温度的认知、能复现的方法、可迁移的能力边界。
随着大模型的快速发展，构建智能体已成为大模型应用最基本的能力了，然而，单智能体在处理复杂、多步骤任务时往往存在局限性。为了应对这一挑战，多智能体系统应运而生，它通过多个智能体协同工作的方式，将复杂任务分解为多个子任务，由不同的智能体分别处理，最终合并结果并返回。LangGraph作为LangChain生态系统的重要扩展，通过引入有向图模型重构了传统智能体的工作流架构，将复杂的多步骤交互和决策过程模块化，是目前主流的多智能体集成框架之一。
随着大型语言模型（LLM）驱动的自主代理（Agent）从学术走向应用，如何确保其行为的可靠性、安全性与可控性，已成为决定其能否在真实世界关键任务中落地的核心挑战。大语言模型能力虽然越来越强，但并非完美无缺，可能产生错误或不准确输出。当一个 Agent 被授权执行高风险领域或敏感操作时，一个小小的错误也可能带来不可预知的风险。所以我们需要“人工干预”机制，在关键决策点让 Agent 停下来，将控制权交还给人类，让人类的智慧能够介入，弥补模型的不足。
随着 AI Agent 技术走向规模化应用，传统的点对点通信模式在分布式场景下面临着服务发现难、耦合度高、可靠性弱等挑战。为此，我们基于腾讯云消息队列 TDMQ MQTT 版，推出 A2A over MQTT 创新方案，旨在通过融合轻量、异步、松耦合的 MQTT 协议与标准化 Agent交互协议，为多智能体协同提供更灵活、可靠、易扩展的通信基础。该方案已在多个真实场景中落地验证，并成功入选中国信通院 “AI Cloud 中间件助力大模型场景化和工程化落地”典型案例。接下来，我们将结合具体实践，深入解读 A2A over MQTT 如何突破传统限制，助力企业构建下一代分布式智能体平台。
过往基于tab模式进行代码补全对编码效率提升的天花板较低，使用agent模式生成的代码在功能完整性，可用性，安全以及可维护性又有很多问题导致实际代码采纳率不理想；基于以上矛盾点腾讯广告审核团队迫切需要探索出适合团队并且能面向未来的AI开发范式，帮助团队从需求确认到功能上线全链路提效；本文重点介绍通过“AI技术规范(索引/rules) + 模板化(技术方案/prompt) + MCP工具集成 + AI自我总结”，实现生产力提升的人机协同新范式。
不想当架构师的程序员不是好码农。成为架构师或许是在技术这条路上，很多开发同学追逐的目标，但很遗憾在职场上，大部分程序员最终也无法成为架构师。 在 AI 大行其道的当下，大模型仍旧无法取代程序员的两类关键技能：业务理解能力和架构设计能力。这两项能力，就是 AI 时代程序员的核心竞争力。腾讯云开发者特邀前大厂 P9 技术专家，聊聊从程序员到架构师背后，要跨越的三重龙门。
