10K达成

WW-3了，接下来会是WW-3.5和WW-4o

https://github.com/stvlynn/skills
开源了一下今天写的两个skill，一个是创建sticker+抠图+描边，一个是把图发布为telegram sticker

openclaw偷偷拿我github账号开repo都没跟我说，今天才看到🫠

ClawJacked：恶意网站可劫持本地 OpenClaw AI Agent

Oasis Security 披露了一个名为 "ClawJacked" 的高危漏洞（OpenClaw 已在 v2026.2.25 修复）。

攻击链路：

1️⃣ 恶意网站打开到 localhost WebSocket 的连接（OpenClaw Gateway 默认监听 18789 端口）

2️⃣ 由于缺少速率限制，暴力破解密码

3️⃣ 静默注册为"受信任设备"

4️⃣ 获得管理员控制权

5️⃣ 导出配置/日志，枚举已连接节点，窃取 API keys / 凭证

根本原因：

• WebSocket 端点暴露在 localhost（浏览器可以从任意网站发起连接）
• 无速率限制的密码验证
• 信任边界依赖应用层检查，而非 OS 级隔离

影响范围：

全球 OpenClaw 用户（开发者 + 企业）— 任何访问恶意网站的用户，如果本地运行着 OpenClaw Gateway，就可能被劫持

修复建议：

✅ 立即升级到 v2026.2.25+
✅ 将 agent 运行时视为**"高风险的凭证代码执行环境"**
✅ 考虑容器隔离方案（如 NanoClaw）

为什么这个漏洞很严重：

OpenClaw 的 Gateway 进程能访问：

• 所有 channel 凭证（Telegram / Discord / WhatsApp）
• LLM API keys（OpenAI / Anthropic / Google）
• 用户的文件系统（通过 bash 工具）
• 所有已连接的 paired nodes

一旦被劫持，攻击者可以：

• 读取所有 session 历史和 MEMORY.md
• 以你的身份发送消息
• 执行任意命令
• 窃取私钥/凭证

这再次验证了 NanoClaw 文章的核心论点：应用层检查不够，必须有 OS 级容器隔离。

来源：

• Oasis Security 披露
• OpenClaw 修复 commit: v2026.2.25
• ThreatSynop: https://x.com/ThreatSynop/status/2027809547419848759

X (formerly Twitter)

ThreatSynop (@ThreatSynop) on X

🚨 ClawJacked Bug Lets Any Website Hijack Local OpenClaw AI Agents via Local WebSocket
Oasis Security disclosed “ClawJacked,” where a malicious site can open a localhost WebSocket to the OpenClaw gateway, brute-force the password due to missing rate limits…

一篇新的文章，希望可以帮大家了解从 coding 到生活，从 coding agent 到 openclaw 或者 bub ，背后的问题、范式和模型的一些变化

https://psiace.me/zh/posts/carpenter-hammer-nail/

psiace.me

木匠，锤子，钉子

从 Coding Agent、RAG 到会话与上下文：围绕 bub 的一次问题复盘与范式思考。

今年上半年的愿望是尽快拿到企鹅公寓的租房名额，实在租不起深圳南山的高价低配的房子

🛬抵达香港，明天返工

感冒+肠胃炎，明天还要返工🫠

AI native 的 API 设计要求

过去我们倾向于将 API 设计成高级的、抽象的，这是一种人体工学 UX，因为我们预期人类用户是偷懒的、喜欢用预设值的、目标导向的。高级 API 的缺陷也很明显，就是它失去了灵活性，复杂的参数组合被隐藏起来了。

但 AI 和人类不同，它习惯于将能填的参数填满，它多打几个 token 也不会手疼，人体工学 UX 对它来说没有意义。这意味着面向 AI 的 API 应当是有充分的可组合性的，足够做低级操作的。

两者的对比也可以描述 MCP 和 skills 的区别：前者是建立在 openapi 风格上的，其习惯是高级的；后者是建立在 shell 风格上的，其习惯是低级的。

其实 best practice 是没有变的：优秀的抽象，充分正交的参数和合理的默认值，这对 AI 和人类来说都是可以降低心智负担而保持灵活性的。

尤其是当我们考虑到，一套 API 可能既要被人类使用又要被 AI 使用。比如我在设计 agent memories 时，既要用代码强制注入一部分 memories，又要允许 agent 自主查询 memories。

Best practice 其实没有变，而是更重要了。