ctf ai ml：面向 CTF 的 AI / 機器學習攻防 Skill
ctf ai ml（@user_257ad2a8/ctf-ai-ml，v1.0.0）是 SkillHub 社區 it-ops-security 類 Skill，面向 CTF 中的對抗樣本、模型提取、提示詞注入、成員推斷、投毒、LoRA 與 LLM 越獄等場景。本文基於官網簡介與 SkillHub 安裝文檔，說明定位、能力範圍、skillhub install 命令及 Cursor/Claude Code 等 skills 目錄，並交代適用人羣與使用注意。requires_api_key=false。
閱讀全文DeepSeek Harness (DSH) 實時重複輸出守衛
`dsh-dupguard` 是 DeepSeek Harness (DSH) 的一個插件，用於在模型推理流中實時檢測並截停連續重複的輸出。該插件默認連續重複 ≥ 10 次即中斷，且對代碼區域等場景做了放寬處理。它支持通過設置頁配置閾值、白名單及全局通知。安裝需滿足 DSH ≥ 0.1.2-rc.1 及 Node.js ≥ 20，並需重啓 DSH 生效。
閱讀全文dsh-plugin-task-runner：任務拆解模式
DeepSeek Harness 的 `dsh-plugin-task-runner` 插件通過“任務拆解模式”解決本地大模型上下文窗口受限問題。主代理負責拆解任務，子代理在隔離的短上下文中並行執行，主代理彙總結果。該插件支持併發控制、外部記憶落盤、預算控制及雲端兜底，適合處理複雜長鏈路任務。
閱讀全文zhangyh-x/dsh-model-pricing - 大模型價格與政策速查表
DeepSeek Harness (DSH) 的 `zhangyh-x/dsh-model-pricing` 插件是一款“聯網工具”，旨在爲大模型價格與政策查詢提供速查表。該插件有助於開發者解決頻繁關注價格變動與政策更新的問題。用戶可通過其 GitHub 倉庫或插件目錄頁進行獲取與安裝。適用場景包括需要頻繁查閱大模型定價或最新政策的開發者。使用時需注意，插件以當前 DSH 進程權限運行，建議安裝前檢查源碼以確保符合使用規範。
閱讀全文dsh-steer：在思考過程中引導與打斷大模型
dsh-steer 是 CAI-MH 維護的 DSH 插件，允許在模型運行時實時注入糾偏信息或打斷對話，無需等待回合結束。它提供“發送引導”和“打斷”兩種核心模式，支持可視化控制及同源 HTTP 接口。通過注入消息到下一步邊界或直接取消會話，開發者可精細控制模型狀態。安裝需將文件放入 node_modules 並在 package.json 註冊，接口默認僅限本機訪問。
閱讀全文dsh-inline-images：DeepSeek Harness 對話內聯圖片/視頻支持
`dsh-inline-images` 插件旨在解決 DeepSeek Harness (DSH) 中本地圖片路徑無法預覽的問題。該插件能將本地路徑和 Markdown 語法轉換爲可渲染的 URL，支持圖片與視頻內聯顯示，並具備點擊放大、尺寸調節及過期 URL 自動刷新功能。通過流式與持久化雙通道改寫，確保實時顯示與保存消息的一致性。安裝時需注意依賴注入及反向代理配置。
閱讀全文dsh-cortex：低成本多模型編排與質量門控插件
dsh-cortex 是 DeepSeek Harness 的一個插件，旨在通過“主模型作爲 Supervisor，小模型作爲 Executor”的架構解決大模型處理成本高、小模型質量難保證的矛盾。它提供任務遞歸拆解、動態路由、四級質量門控、預算控制及組織模式治理等能力。該插件依賴 Node.js 20 及相關庫，支持 DAG 結構與軟缺陷修正，能通過智能調度實現降本提質。
閱讀全文Google 發佈 Gemini 3.6 Flash：Token 效率提升 17%、Agent 默認模型的性價比之戰
2026 年 7 月 21 日 Google 發佈 Gemini 3.6 Flash，輸出 Token 較 3.5 Flash 減少 17%（DeepSWE 基準最高 65%），輸出定價 7.5 美元/百萬 Token，DeepSWE 從 37% 提升至 49%。同批還有 3.5 Flash-Lite 與 3.5 Flash Cyber。7 月 28 日 Gemini API Managed Agents 默認切換至 3.6 Flash，新增 Environment Hooks、預算控制與免費層級。本文基於官方博客梳理模型能力、基準數據與開發者上手要點。
閱讀全文部署文心4.5開源模型給Android設備調用
在上一篇文章《文心4.5開源大模型的使用和部署》已經介紹瞭如何使用fastdeploy部署文心4.5開源大模型的，並且簡單調用了接口，本篇文章來介紹Android如何調用這個部署的接口，並實現對話。
閱讀全文文心4.5開源大模型的使用和部署
文心4.5系列開源模型共10款，涵蓋了激活參數規模分別爲47B 和3B 的混合專家（MoE）模型（最大的模型總參數量爲424B），以及0.3B 的稠密參數模型。下面我們就介紹如何快速使用文心4.5模型推理，以及部署接口給Android、微信小程序等客戶端調用，注意這裏只接受文本類型的模型，實際文心4.5也有多模態的模型。
閱讀全文