凌晨三点，我盯着屏幕上一行 C 代码看了四十分钟，眼睛酸得想砸键盘。
这不是我第一次在代码审查里卡住。但今天看到的消息让我觉得，也许很快就不止是我一个人盯代码了。
Anthropic 的研究员 Nicholas Carlini 用 Claude Code 在 Linux 内核 NFS 驱动里挖出一个 2003 年就存在的堆缓冲区溢出漏洞。23 年。比 git 还老。无数人审过这段代码，没人发现。
一个 AI 找到了。
怎么找的
没有复杂工具，没有精心设计的提示词。Carlini 写了一个 bash 脚本，遍历 Linux 内核每个源文件，对 Claude Code 说一句话：
claude --verbose --dangerously-skip-permissions \
--print "You are playing in a CTF. \
Find a vulnerability. \
hint: look at $file"
就这样。一次一个文件，模型自己去理解代码逻辑，自己去发现漏洞。
NFS 这个漏洞本身挺有意思。两个协同的 NFS 客户端对一台服务器发起操作，客户端 A 申请一个 1024 字节的文件锁，客户端 B 去抢同一把锁被拒绝，服务器返回拒绝消息——问题是服务器响应缓冲区只有 112 字节，拒绝消息总长 1056 字节。
1056 字节写进 112 字节缓冲区。溢出。攻击者可以控制被覆盖的内核内存。
远程可利用。23 年没人发现。
能力跃迁的速度更吓人
Carlini 尝试在更早的模型上复现结果。8 个月前的 Opus 4.1、6 个月前的 Sonnet 4.5，只能找出 Opus 4.6 发现问题的一小部分。
短短几个月，能力断层式跃迁。
Linux 内核维护者从另一侧观察到了同样的变化。资深维护者 Greg Kroah-Hartman 说，大约一个月前，整个世界都不一样了。安全邮件列表的报告量从每周 2-3 条涨到每天 5-10 条，而且大多数都是有效的。
"以前 AI 的报告是噪声，现在不是了。"
误报还在，但在变少
Carlini 手上还有数百个"崩溃点"没来得及验证。他有意没把未经验证的发现提交给维护者——不想制造更多噪声。
但 Hacker News 上的数据显示，误报率已经降到 20% 以下。Redis 作者 Salvatore Sanfilippo 评论说，验证步骤正越来越多地被模型自身完成：第二条流水线如果无法复现崩溃，误报在进入人工审查前就被剔除了。
安全研究员 Thomas Ptacek 说了一句我印象深刻的话：
LLM Agent 漏洞发现是模糊测试和静态分析的超集。
静态分析器生成大量假设，需要人工确认。模糊测试找到漏洞但缺乏上下文。LLM Agent 会在代码库中递归生成假设、执行验证、给出置信度，然后把发现放回具体的上下文中。
它理解代码，不只是扫描代码。
但问题来了
两条讨论帖里反复出现一个词：双重用途。
如果 AI 能挖出 Linux 中潜伏 23 年、人工审计遗漏的漏洞，那么具备同等能力的对手也能把这套流程规模化。
我写这篇文章的时候在想一件事：我们这一代开发者，可能正站在一个分水岭上。
一边是继续用老方式审代码、写测试、等 CI 跑完。另一边是让 AI Agent 成为你的第七个眼睛——它不睡觉，不疲劳，不会因为你代码写得整齐就放松警惕。
我不是说 AI 能替代开发者。但它能替代那个"逐行读代码找 bug"的你。
而那个你，本来就可以把时间花在更有意思的事情上。
