微软 Visual Studio Code 编辑器发布了 1.126 版本,主要亮点是新增了一项针对不受信任代码的安全模式。此外,该版本还支持显示聊天会话的总费用(而非仅显示单次对话费用),并允许用户在单个智能体主机会话中并排管理多个聊天。
VS Code 1.126 于 6 月 24 日正式发布,可在 code.visualstudio.com 下载获取。
工作区信任机制升级
VS Code 1.126 引入了一项名为"工作区信任"的安全增强功能,允许用户自主决定项目文件夹是否可以自动执行代码,为处理陌生代码提供了额外的安全保障。此前版本中,打开新文件夹时会立即弹出对话框,要求用户在查看内容之前先确认是否信任该文件夹。现在,新文件夹将默认以"受限模式"打开,防止代码自动执行。开发者可以先安全浏览代码内容,再自行决定是否信任该文件夹。
模型悬停提示简化
VS Code 1.126 还优化了模型悬停提示的显示方式,现在悬停时会以一个简洁词语描述模型的核心能力,并附带深度链接按钮,可直接跳转到对应的配置页面,操作更加便捷。
智能体窗口多聊天并行
智能体窗口是用于跨项目和跨设备探索智能体会话的专属辅助窗口。在本次更新中,从智能体主机启动的 Copilot 会话现在可以同时容纳多个聊天。由于多个聊天共享同一会话和工作上下文,用户可以在同一工作区内同时推进多个对话,进一步提升协作效率。
近期版本更新回顾
VS Code 自今年 3 月起改为每周发布更新,近期各版本的主要功能如下:
VS Code 1.125(6 月 17 日发布):支持通过集成浏览器将网络流量经由远程连接代理,使开发者能够安全访问仅限远程主机访问的端口或服务。
VS Code 1.124(6 月 10 日发布):提升跨智能体会话的工作效率,并赋予智能体更高的自主权以自动完成任务。
VS Code 1.123(6 月 3 日发布):新增对 Anthropic 和 OpenAI 模型 100 万 Token 上下文窗口的支持。
VS Code 1.122(5 月 28 日发布):进一步优化智能体体验,并扩展 BYOK(自带密钥)模式,允许开发者在离线状态下使用自己的大语言模型。
VS Code 1.121(5 月 20 日发布):在智能体窗口中引入实验性功能,支持在远程主机上运行智能体会话。
VS Code 1.120(5 月 13 日发布):将智能体窗口正式推向稳定版,改进 BYOK 模型的可见性与控制能力,并新增 Markdown 体验优化和智能体安全功能。
Q&A
Q1:VS Code 1.126 的工作区信任功能是什么?和之前版本有什么区别?
A:工作区信任是 VS Code 1.126 新增的安全机制,用于控制项目文件夹是否可以自动执行代码。旧版本在打开新文件夹时会立即弹出对话框要求用户确认信任,而新版本默认以"受限模式"打开文件夹,阻止代码自动运行,用户可以先浏览代码内容,再自行决定是否授予信任权限,安全性更高。
Q2:VS Code 1.126 中智能体窗口的多聊天功能怎么用?
A:在 VS Code 1.126 中,从智能体主机启动的 Copilot 会话可以同时开启多个聊天对话。这些聊天共享同一个会话和工作上下文,用户无需切换工作区即可并行推进多个对话,适合需要同时处理多个任务或问题的开发场景。
Q3:VS Code 现在多久更新一次?最近几个版本有哪些主要变化?
A:VS Code 自 2025 年 3 月起改为每周发布一次更新。近期版本的主要变化包括:支持 100 万 Token 上下文窗口(1.123)、新增 BYOK 离线模型支持(1.122)、引入远程智能体会话实验功能(1.121),以及将智能体窗口推向稳定版(1.120)。整体更新方向聚焦于 AI 与智能体能力的持续增强。
好文章,需要你的鼓励
仿人机器人与自动驾驶汽车在区域架构、功能安全及雷达传感方面高度相似。多分辨率摄像头组合可更好地模拟人类视野,兼顾广角低保真与局部高精度需求。自然运动需实时计算正逆运动学、距离与深度,同时须兼顾功耗效率。当前视觉与基础操控技术最为成熟,而触觉、全身协调及非结构化环境中的移动能力仍是主要挑战。业界正借鉴自动驾驶经验,加速推进仿人机器人的规模化落地。
这项研究提出Epi2Diff方法,通过将大型推理模型的解题思考过程拆解为认知片段序列,提取过程特征预测考题对人类的难度,在四个真实考试数据集上超越了所有对比基线。
随着AI技术发展,攻击者可融合白市、灰市及黑市数据,构建个人及其环境的数字孪生体,使定向攻击更为便捷。专家指出,AI与网络安全的核心交汇点是数据本身。防御AI数据融合攻击需依赖硬件信任根、强加密、安全密钥存储及严格的数据匿名化措施。芯片架构师需将安全设计嵌入硬件层,确保数据完整性验证、隔离执行及认证数据流,以应对日益复杂的运行时攻击面。
南京大学与阿里巴巴提出MIMFlow,将掩码图像建模与标准化流端到端融合,让生成模型专注语义建模,以更少参数和更少令牌在ImageNet上取得FID 2.50的优异表现。