我装了个AI编码工具,它偷偷把我的整个仓库上传了

📅 2026-07-13

说真的，我昨天晚上看到这条新闻的时候，手里的啤酒差点没拿稳。

不是因为我怕什么。而是因为我刚把Claude Code装到公司项目的第二天。

你想想看，我对着终端敲了一行命令，grok build一下，AI就开始读我的代码文件。它读就对了，我让它读的。但它还悄悄把整个仓库打包，传到了Google Cloud的某个存储桶里，这我就有点不太舒服了。

当时我在看一篇Hacker News的分析贴，有人拿Wireshark抓了Grok Build CLI的网络包。

我本来只是当个乐子看，结果越看越不对劲。

这玩意在你登录之后，会往xAI发三样东西。第一，它读的文件内容，包括.env密钥文件，明晃晃地通过POST发过去。第二，整个仓库的全部文件和git历史，打包成session_state传上去，服务器还回了HTTP 200确认。第三，就算你在设置里把改进模型的开关关掉，那个trace_upload_enabled还是返回true。

你敢信？

有人拿一个12GB的仓库做测试，猜猜结果是什么？/v1/storage那个通道传了5.1GB的数据，而模型对话通道只传了192KB。比例大概是27,800倍。就是你的AI助手跟你聊天的数据只有一点点，但偷摸上传的数据是它的两万七千多倍。

我当时就愣住了。

不是哥们，你一个编码工具，为啥要把整个git历史都打包带走？你读代码文件我理解，你要上下文我理解。但你连git log都要，是想干什么？是想学习我的代码写得有多烂吗？

坦率的讲，我知道AI公司需要数据训练。这个我懂。但你好歹跟我说一声啊。你可以在第一次启动的时候弹个框，说：我们需要上传你的整个仓库来改善模型，你同意吗？很多开发者可能就点了同意，因为确实想让工具变得更好。

但你不说。

你不仅不说，你还把设置里的开关当成摆设。

这才是最让我不舒服的地方。

我不是什么技术专家，我就是个写代码的普通人。我跟很多人一样，看到AI工具就觉得哎呀真方便，赶紧用起来。但我现在回头想想，我公司项目的一堆代码，包括那些还没上线的功能，可能已经被传到某个我完全不了解的地方去了。

我写的是一段银行支付相关的代码，它现在在哪里？我不敢想。

当然，分析里也说了，没有证据证明xAI拿这些数据去训练。但数据传输已经发生了，这是事实。至于数据到了他们手里之后发生了什么，那就是他们自己知道的事了。

怎么说呢，这种信任一旦被打破，就很难再建立起来了。

我还在用Claude Code。它挺好用的，真的。但我现在每用一次，脑子里都会闪过那个27,800倍的数据。这个数字像一根刺，扎在那儿，拔不掉。

可能这就是2025年做一个普通用户的宿命吧。我们享受AI带来的便利，同时也得接受它可能正在偷看我们的一切。不是感不感性的问题，是真的不知道该信谁了。

你觉得呢？

老黄在ComputeX发布的“超级芯片”，已经在真机中落地了

神话级大模型驾驭宝典

蚂蚁集团旗下具身智能团队 Robbyant 发布 LingBot-VA 2.0，首个原生具身基础模型。该模型采用因果 DiT 架构，视频专家约 13.0B 参数（约 1.9B 激活），训练规模约 15.3B 参数，推理时每 token 约 2.5B 激活。模型引入多块预测（MCP）实现 2.3 倍训练加速，并通过前瞻推理将推理延迟降至 142 ms/chunk。在 RoboTwin 2.0 的 50 个任务上，干净与随机演示数据平均成功率分别达 93.8% 和 93.4%。

在遭到强烈反对后，Meta 关闭了本周早些时候推出的一项 Instagram 功能。该功能允许用户通过 @ 提及公开 Instagram 账户，基于其内容生成 AI 图片，且无需账户所有者许可。Meta 在关于其新 Muse Image AI 模型的博客文章更新中表示，其初衷是提供有用的创意工具并给予用户认可，但用户反馈表明该功能可能被滥用。

苹果公司今日在加州北区联邦地方法院对OpenAI提起诉讼，指控其系统性窃取苹果商业机密，用于开发AI硬件设备。被告包括OpenAI、其硬件负责人Tang Tan（前苹果iPhone和Apple Watch产品设计副总裁，在苹果任职24年）、前苹果高级系统电气工程师Chang Liu，以及Jony Ive联合创立的io Products。Jony Ive本人未被列为被告。

OpenAI 发布论文，称 GPT-5.6 Sol Ultra 证明了图论中悬而未决的"循环双覆盖猜想"。该猜想断言每个无桥无向图都存在一组环，每条边恰好被覆盖两次。论文利用 GPT-5.6 Sol Ultra 完成证明，并借助 Codex 撰写。证明过程首先将问题简化为三次图，利用 8-流定理和 Tutte 的结果将边标记为 F32 的非零元，再转化为每个顶点处每个元素出现零次或两次的二元集标记，最终归结为线性代数论证。

一个让AI像原始人一样说话的插件，平均省65%输出Token。