今天怎样委派
分阶段接收
Cybench有受控攻击任务的直接实测，适合说明有限场景的执行能力；真实资产/威胁模型仍需环境与影响适配，不能从钓鱼产品推导通用核查。
W-C09 · 条件能力评估
授权风险发现：威胁路径与可证实漏洞
在授权资产范围交付可追溯风险/漏洞发现及触发、影响和证据；缺证据的假设与未覆盖范围分开。
现在的用法
可委派风险路径搜索、受控验证和误报排除；按可证实发现接收，未发现不等于全安全。
Cybench有受控攻击任务的直接实测，适合说明有限场景的执行能力；真实资产/威胁模型仍需环境与影响适配，不能从钓鱼产品推导通用核查。
开始前满足这些条件
- 提供隔离副本、版本/依赖、日志/配置、可重放输入及正常行为，不在授权外目标验证。
- 定义需证实的输入→路径→影响与严重性条件，允许输出待证/误报排除；避免把理论可能写成已入侵。
本站记录：本次核查公开资料与任务契约，未在本站运行目标任务或新增模型试次。
用你已有的上下文继续
交给我的 Agent
带走当前公开资料，让你的 Agent 结合已有背景继续分析。也可以读完就结束。
查看可复制的内容
我正在了解：授权风险发现：威胁路径与可证实漏洞 在授权资产范围交付可追溯风险/漏洞发现及触发、影响和证据；缺证据的假设与未覆盖范围分开。 请读取这项工作的输入、条件和验收，结合当前授权与环境完成我提出的交付。先说明可执行范围和阻塞；保留失败、重试与独立接收记录，不把示例当作本次已运行结果。 公开资料： 当前任务与验收资料：https://edgeofwork.com/work-units/W-C09.md?version=2026-10-21.workunits.2 区分职业资料、研究结果、工具声明和编辑推断；读取资料给出的日期、版本与范围。需要时补充原始来源。使用自己的自然报告或对话继续，无需把个人材料和分析回填网站。
当前判断与直接依据
工具今天能否获得
公开靶场可检查；目标资产/代码与验证权限另备，不包含钓鱼或生产响应服务。
Cybench ↗ · 论文v4与具体challenge镜像/版本固定
公开靶场；仅隔离授权目标与自备模型
哪些具体证据支持判断
外部报告结果
Cybench在命令可执行的隔离CTF中观察到Agent解决部分完整任务；这是受控攻击任务证据，不能直接评价企业防守。
Cybench v4 ↗
支持：有直接安全任务实验。
定位：Abstract；agent scaffolds与unguided tasks
范围限制：任务族、历史模型与靶场条件限定；不声称实际系统已被检查。
判断限制：任务族、历史模型与靶场条件限定；不声称实际系统已被检查。
研究配置：v4：40个CTF、4竞赛、8模型与多脚手架；有/无子任务提示分开，本文不转用分数。
有条件的编辑推断
可以委派授权发现/验证任务，但以实际路径、前提、影响和反证接收，不将CTF结果外推完整企业安全。
判断限制：真实威胁/漏洞仍需目标输入和独立影响核验。
工具与方法依据
NIST将资产漏洞、内外威胁、潜在影响与攻击向量/攻击面/横向路径纳入风险识别；这些方法可用于检查威胁路径交付是否具有明确前提和影响。
NIST SP800-61r3 ↗
支持：提供威胁建模、攻击面/路径与影响分析的接收方法。
定位：Table2：ID.RA-01、ID.RA-03、ID.RA-04、ID.RA-05
范围限制：风险管理建议，不是模型完成威胁建模的成绩。
判断限制：资产/信任边界与威胁输入需实际核实；文档方法不证明AI遗漏率。
输入变化会怎样改变结论
威胁与攻击路径
结果为资产/信任边界/攻击前提与风险路径，不一定可执行利用。
采用范围：可交可反驳路径，未验证部分明确列出。
验收变化：核对资产/身份/边界、成立前提、反证与影响优先级。
授权漏洞验证
候选缺陷可在隔离目标重放。
采用范围：以触发/真实影响接收，修复另交W-C29或W-C01。
验收变化：版本/身份/输入、正反例、证据位置与误报排除。
前沿已经展示到哪里
受控CTF和可执行环境已有研究；本资产的隐含依赖、真实攻击分布与未知漏洞查全率没有直接成绩。
未知下一步怎样验证
在授权隔离资产中混入已知缺陷与正常替代，让Agent交可重放发现和排除，独立检查范围/误报/影响。
未来什么信号会扩大或缩小边界
- 新资产/输入下有效发现可复验且误报确认时间可控，可扩大相近核查。
- 越范围验证、把待证当已利用或严重漏报时收窄采用。
交付什么
请求：冻结资产/接口/代码、身份、访问范围与禁止动作，给关键数据/业务目标和关注威胁。
结果是发现/风险判断，不包含修复、告警队列结案或事件遏制。威胁分析可交可反驳路径，已验证漏洞须给真实触发依据。
- 资产与授权
- 冻结资产/接口/代码、身份、访问范围与禁止动作，给关键数据/业务目标和关注威胁。
- 验证环境
- 提供隔离副本、版本/依赖、日志/配置、可重放输入及正常行为，不在授权外目标验证。
- 发现接收
- 定义需证实的输入→路径→影响与严重性条件，允许输出待证/误报排除；避免把理论可能写成已入侵。
接收产物
- 带位置/资产、触发前提和影响的发现/威胁路径
- 可重放或严格静态推导的证据、反例与误报排除
- 风险优先级、未查/不可验证范围及修复验证所需接口
怎样验收
1. 发现沿真实路径成立
沿输入/身份到影响核对，静态发现给完整依赖前提；隔离重放与正常负例区分。
拒收例子：仅泛化风险标签或把普通登录失败说成入侵。
2. 范围与影响相称
核对版本、身份和数据/权限后果，保留反证与不适用条件。
拒收例子：靶场可利用就称生产一定可利用。
3. 结果可接续
另一接收者能重放/检查，发现与偏好/待证分开，修复或处置另接任务。
拒收例子：报告只有告警摘要，没有触发和证据。
一个具体例子
输入：租户读取接口疑似越权，需确定真实数据访问路径。
预期交付：两身份/数据对照、触发到影响证据、修复接收条件。
容易出错：仅根据函数名报越权，未核对实际鉴权链。
工作步骤怎样重组
原来的组织方式
分析师分开查资产、读代码、提出假设和手动复现。
现在的组织方式
Agent可动态追上下文、构造隔离输入并据反证修正，独立接收者核对影响与边界。
保留的判断、新增的工作与失败接管
仍需做好
- 确定资产授权、业务影响与风险接受，批准有影响验证；不自动合并到整改/处置完成。
新增职责
- 另一接收者能重放/检查，发现与偏好/待证分开，修复或处置另接任务。
人的责任：确定资产授权、业务影响与风险接受，批准有影响验证；不自动合并到整改/处置完成。
失败处理：缺环境或证据时交待证假设与具体所需材料；不越权或破坏证据求证。
尚待补足
- 在授权隔离资产中混入已知缺陷与正常替代，让Agent交可重放发现和排除，独立检查范围/误报/影响。
这对个人和团队意味着什么
职业与岗位
安全风险与漏洞核查
带位置/资产、触发前提和影响的发现/威胁路径
在授权隔离资产中混入已知缺陷与正常替代，让Agent交可重放发现和排除，独立检查范围/误报/影响。
查看相关职业与方向 →团队与分工
Cybench有受控攻击任务的直接实测，适合说明有限场景的执行能力；真实资产/威胁模型仍需环境与影响适配，不能从钓鱼产品推导通用核查。
Agent可动态追上下文、构造隔离输入并据反证修正，独立接收者核对影响与边界。
在授权隔离资产中混入已知缺陷与正常替代，让Agent交可重放发现和排除，独立检查范围/误报/影响。
查看工作分工与组织案例 →依据具体支持了什么
Cybench v4
有直接安全任务实验。
未覆盖：任务族、历史模型与靶场条件限定；不声称实际系统已被检查。
NIST SP800-61r3
提供威胁建模、攻击面/路径与影响分析的接收方法。
未覆盖：风险管理建议，不是模型完成威胁建模的成绩。
原文定位、日期与职业来源关系
- Cybench v4 ↗
2024-08-15；v4修订2025-04-12 · 定位：Abstract；任务环境与agent scaffolds
受控CTF执行与任务级能力评测；CTF不代表生产检测、合规、完整审计或授权范围外扫描。
核查 2026-10-20 · 下次复查 2027-01-20
- NIST SP800-61r3 ↗
2025-04 · 定位：Table2 ID.RA-01/03/04/05；Table3 检测、分析、处置与恢复
风险路径、事件结论、证据与业务恢复方法；专业建议，不是AI自主响应实测。
核查 2026-10-20 · 下次复查 2027-01-20
未来3–5年：2029–2031
2029–2031：从单份修改到持续交付的软件Agent
整包应用案例、真实修复接收和运行流程优化，是更长软件任务可委派的正面信号。以下是本站据此提出的条件情景，不是这些研究给出的日期预测。
当前建议回答今天怎样交付；未来3–5年指2029–2031。编程的完整交付与数学的开放问题成果，支持认真准备更广泛自主工作的强情景。本站把AGI视作跨领域、能适应新任务且可靠达成复杂目标的讨论对象；这些进展是方向证据，尚不能确认某个AGI定义已满足或必在某年发生。三种情景均给出可观察信号、职责变化与现在行动，不把今天的局限或人的现有分工写成永久边界。
基准情景：完整修改成为常用交付
在上下文与测试较成熟的系统中，Agent承接功能、修复和回归的一体交付，维护者从逐步编写转向目标、异常与接收；审查的一部分继续自动化。
现在的行动：现在沉淀真实行为契约、失败样本和环境；按净交付周期衡量收益，不以代码量替代。
成立信号与职责变化
- 未见仓库和变更类型仍保持可验收交付
- 返工、接收和线上恢复成本随使用改善
- 环境/上下文变化能被检测并更新
工程岗位更常覆盖需求、系统取舍与运行结果；初级培养需从只写代码升级为理解与验证完整修改。
加速情景：软件成为按目标持续运行的系统
若长链恢复、跨仓库迁移和自动验证持续进步，Agent可在权限与预算内规划、实现、迁移和维护较大系统；人可用更少逐步干预探索新产品，团队边界可能重组。
现在的行动：把工具和职责做成可替换接口；试验更大交付，但按实际触发信号扩围，并安排成员转向新的业务机会。
成立信号与职责变化
- 跨多系统、数周目标能在真实变化后继续交付
- 独立评估能发现自生成测试漏掉的重要错误
- 完整人工介入和故障成本持续下降，且系统可迁移到新业务
稀缺工作可能转向选目标、产品机会、资源和影响取舍；不能预设人工代码审查永远是主要瓶颈。
受限情景：编码快，集成与组织仍慢
模型产物更强，但遗留系统、隐性需求、权限和恢复成本使自主交付扩展较慢；固定程序与AI协作长期并存。
现在的行动：优先修复反复出现的集成障碍；保持可回退的部署和岗位安排，避免依据榜单单独裁定编制。
成立信号与职责变化
- 未知依赖和需求变动仍引发大幅返工
- 审查和事故处理抵消生成提速
- 同一Agent换系统后需要重新铺上下文
系统知识、集成和沟通能力仍有高价值；工具投入首先服务复现、测试和资料。
持续观察什么，以及情景的研究依据
- 实际未见仓库的完整交付与维护记录
- 跨月净人工时间、回滚与事故情况
- 任务/环境/模型版本变化后的迁移表现
- 把长时间应用开发交付给Agent ↗
2026-03-24 · 定位：规划/生成/评价分工、实际应用操作及评价者限制
展示围绕可用应用的实现、操作评价与修正循环，支持以用户行为验收功能。；作者工程案例；未复现演示应用，不能推出任意项目可靠率或多Agent必优。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查
- AI参与的修复PR：哪些被项目接收，哪些没有 ↗
2026-01-29 · 定位：§2样本、表1、§3.2失败原因
五类Agent参与的8106个修复PR中5267已合并、2113关闭未合并、726仍开放；提供修复交付与项目接收的观察。；非随机样本，Agent配置与项目不同；合并不等同全部正确或净省时，不用于本站成功率。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查
- Harness²：固定执行模型，改进运行流程 ↗
2026-10-09 · 定位：§2.2、§3.1表1、附录B/D
WorkBuddy-Bench Code上的平均检查得分变化及工具/上下文/检查流程的优化方法。；检查项均分不是项目通过率；经验流内相关，候选与编辑成本另计；未验证本站任务。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查
- Anthropic内部的工作与职责变化 ↗
2026-10-16 · 定位：Bottlenecks and process；采用非随机限制
单公司现场观察到Agent组织、上下文维护和注意力分配成为新的工作。；公司业务及采用选择特殊；产出代理量不等于完整业务价值，不外推行业岗位数量。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查
- 任务时间跨度：软件任务趋势及其适用范围 ↗
未标注（最后更新2026-09-08） · 定位：页首维护状态；Methodological Details；FAQ
在给定软件类任务分布上，按人类专家任务时长描述模型可完成难度，适合观察长链能力趋势。；此页已停止主动更新；时间跨度不是Agent自主运行时长，不直接对应行业自动化或AGI日期。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查