跳到正文
2026 年第 39 周 · 09.21 — 09.27每周一出刊

AI 周报 · 2026 年第 39 周 · 09.21 — 09.27

AI风向

第 1 期392026 年第 39 周09.21 — 09.27
4件大事2条精选3期日报约 3 分钟读完
本期导读

GitHub 双发:智能体模糊测试与 Copilot 自定义工作流

首次补录版:仅回顾已收录来源,覆盖不完整。本期覆盖 2026 年 9 月 21 日至 9 月 27 日。期间最重要的两条动态均来自 GitHub:一是 GitHub Security Lab 的 Antonio Morales 发布 Fuzzing Taskflow,一个基于 Taskflow Agent 构建的 C/C++ 项目自主模糊测试管线,用户只需指定 GitHub 仓库,系统即可自动识别入口点、分析构建系统并编写 harness,展示了 LLM 智能体在安全测试自动化方向的落地;二是 GitHub 官方发布 Copilot app 教程,介绍如何在 agent 会话中运行 /create-canvas 技能,用自然语言描述工作流、用户可做的操作和 agent 可做的操作,从而生成看板、清单、仪表盘等自定义工作流。两条动态共同指向智能体工具化与工作流自定义的趋势。

01

LLM 智能体自动化安全测试

本版导读GitHub Security Lab 的 Antonio Morales 发布 Fuzzing Taskflow,这是基于 Taskflow Agent 构建的 C/C++ 项目自主模糊测试管线。使用者只需指定一个 GitHub 仓库,系统便能自动完成三项关键工作:识别项目入口点、分析构建系统、编写 fuzzing harness。它把传统上依赖专家经验的模糊测试前置工作交给 LLM 智能体,降低了 C/C++ 安全测试的使用门槛。

02

Copilot 自定义工作流入门

本版导读GitHub 官方教程介绍了在 GitHub Copilot app 中用 canvases 搭建自定义工作流的方法:在 agent 会话中运行 /create-canvas 技能,用自然语言描述工作流、用户可执行的操作以及 agent 可执行的操作,agent 随即生成看板、清单、仪表盘等界面。这为用户将重复任务固化为可视化协作面板提供了官方路径。

GitHub Blog · AI & ML一手09.26

GitHub Copilot app 教程:如何用 canvases 构建自定义工作流

GitHub 官方教程介绍如何在 GitHub Copilot app 中用 canvases 搭建自定义工作流:在 agent 会话中运行 /create-canvas 技能,用自然语言描述工作流、用户可做的操作和 agent 可做的操作,agent 即生成看板、清单、仪表盘等界面并在右侧面板打开。

往期 AI 周报
(本期完)

AI风向 周报由编辑系统根据公开来源自动综合,每条均附原文 · 往期周报