#10081 Agents need control flow, not more prompts
文章主張，提升 AI Agent 能力的關鍵不在於更複雜的 Prompt Engineering，而在於賦予它們更傳統的程式控制流（如條件、迴圈、函式呼叫）。這種觀點挑戰了當前主流的 Prompt-centric 思維，認為結合符號式 AI 的結構化方法才能建構出更可靠、可預測的 Agent。
💬 當你設計複雜的 AI Agent 時，與其陷入無盡的 prompt-tuning，不如思考如何用傳統程式碼來編排和約束 LLM 的行為，以獲得更穩定的結果。
#10014 OpenAI models, Codex, and Managed Agents come to AWS
OpenAI 的模型正式登陸 AWS，讓企業能夠在自己的 AWS 環境中安全地使用 GPT、Codex 和託管代理。這是一個重要的里程碑，代表企業可以將 OpenAI 的頂級模型與 AWS 的安全、資料治理和基礎設施生態系緊密結合。
💬 你現在可以直接在 AWS 上使用 OpenAI 模型，這簡化了將頂尖 AI 功能整合到現有雲端架構的過程，特別是對於有嚴格數據駐留和安全合規要求的場景。
#10009 Scaling Trusted Access for Cyber with GPT-5.5 and GPT-5.5-Cyber
OpenAI 正在擴大其網路安全專用模型的測試範圍，推出 GPT-5.5-Cyber，專門用於輔助安全研究人員發現和修復漏洞。這代表頂級 AI 模型正朝向特定領域（如此處的網路安全）進行深度優化，以處理更複雜和關鍵的任務。
💬 這意味著 AI 將成為你漏洞分析和威脅獵捕的得力助手，你需要開始思考如何將這類專用模型整合進現有的 DevSecOps 工作流程中。
#10050 How Anthropic’s Mythos has rewritten Firefox’s approach to cybersecurity
Mozilla 分享了使用 Anthropic 的 Mythos (Claude 系列) 模型來審查 Firefox 程式碼庫，並成功發現大量高風險漏洞的經驗。這證明了現代 LLM 在靜態程式碼分析和複雜漏洞挖掘方面，已經具備超越傳統工具的能力。
💬 你的 SAST 工具可能很快就要被 LLM-based 的漏洞審查 Agent 取代，這將改變你對程式碼安全性的評估方式和深度。
#10020 Securing the git push pipeline: Responding to a critical remote code execution vulnerability
GitHub 詳細拆解了他們在兩小時內應對一個 `git push` 管道中嚴重 RCE 漏洞的過程，從驗證、修補到事後調查都涵蓋。這篇文章是世界級團隊如何處理重大安全事件的寶貴案例，展示了高效的內部協調與技術決策。
💬 這是一份來自 GitHub 的頂級資安事件應對劇本 (playbook)，你可以借鑑其流程來審視並強化自己團隊的事件響應機制。
#10023 How Cloudflare responded to the “Copy Fail” Linux vulnerability
Cloudflare 分享了他們應對嚴重 Linux 核心權限提升漏洞 "Copy Fail" 的完整過程，展示了如何在龐大的全球基礎設施上快速檢測、調查和緩解威脅。這篇文章凸顯了在大規模雲環境中，擁有強大的可觀測性和自動化補丁部署能力至關重要。
💬 如果你的基礎設施也運行在 Linux 上，這篇文章提供了大規模、零停機修補核心漏洞的實戰經驗，值得學習。
#10018 Agent pull requests are everywhere. Here’s how to review them.
GitHub 提出了審查 AI Agent 產生之 Pull Request 的實用指南，指出審查重點應從語法正確性轉向邏輯、邊界案例和潛在的技術債。隨著 AI 寫的程式碼越來越多，人類工程師的角色正轉變為更資深的架構師和品質保證者。
💬 你將花費更多時間審查 AI 產生的程式碼，這份指南能幫助你快速建立新的 Code Review 心智模型，專注於找出 AI 容易忽略的深層問題。