“写笔记”支持四种格式——Word 文档、Excel 表格、Markdown、纯文本，起稿或二次编辑时都能随时切换，同一篇笔记想用哪种形态来记，都由你说了算。
md、txt、csv、json 这类纯文本则原样载入，不做多余加工。拿一张现成的表倒进来、改几笔、再导出去，等于白用一台免费的格式转换器。
要带走就在右上角点“下载”，可导出 PDF、Word、Markdown、Excel、TXT 等格式；列表卡片“⋯”菜单里，也有同样的下载入口。
在“工具”页点“＋ 上传工具”即可发布：填好名称与链接，再用 Markdown 把使用方法写清楚——能解决什么问题、怎么装、怎么用，比堆介绍实在。
要分发安装包就一并上传压缩包（ZIP、RAR、7Z、TAR.GZ，最大 35MB），别人在详情页一键下载；只放链接不带附件也可以。
工具按大家的收藏热度排序，好用的自然会被顶上来。发布后可在详情页或卡片菜单里编辑、下架。
写笔记时勾上“隐藏”，这篇就只存在于你自己的账号里：不进列表、不进搜索、不上首页精选，也不会出现在任何公开的页面，链接发给别人同样打不开。
适合放密码、草稿、日记这类只给自己看的内容；想公开，去“发布”打开它，把“隐藏”的勾去掉再保存，之后编辑会默认保持原状态，不会悄悄变回公开。
你的内容会同时保存在多个副本上，系统定期做备份与完整性校验，再配合异地容灾机制：就算某台机器出问题，数据也不会丢，可以长期放心存放；特别重要的资料，仍建议你另外再留一份备份。
全站跑在容器化、模块化的现代架构上，更新、部署、回滚都很快，扩展性和稳定性都按长期运营的标准来设计（Built for reliability, designed to scale）。
这个网站最早只是一个人的笔记仓库，后来慢慢长成现在的知识中枢。设计上很克制——没有广告、没有追踪、没有推荐算法，只是干干净净地存放一些东西；既然做好了，就公开出来，万一有人用得上呢。
不做大而全，不做平台梦，保持简单、保持克制、保持好奇。所有内容都由用户贡献、由用户维护：不会突然冒出付费墙，不会在角落塞广告位，也不会把你的数据卖给第三方。
产品会持续迭代，站内日志页记录着每一次改动，改了什么都有迹可循；想了解这个站是怎么一步步走到今天的，翻翻日志就能看到来龙去脉。
如果在这里看到涉嫌违规的内容，点对应卡片右侧的“举报”按钮就能提交，我们会尽快核实处理；也谢谢你花一点时间，一起把这里维护干净。
AISLE 在 curl 中发现 6 个 CVE：AI 安全系统对比前沿实验室的完胜
一家小型 AI 安全公司 AISLE 在 curl 中发现 6 个零日漏洞，而 OpenAI 和 Anthropic 的前沿 AI 系统报告为零，引发对 AI 安全能力差异的深刻反思。
背景：curl 与 AI 安全竞赛
curl 是世界上最广泛部署的软件之一，超过 200 亿个实例运行在从智能冰箱到航天器的各种设备上。2026 年 8 月 24 日，curl 创始人 Daniel Stenberg 在博客中透露，他已使用 Anthropic 和 OpenAI 的最新前沿 AI 安全系统对 curl 代码库进行了分析。结果令人震惊：Anthropic 的 Mythos 系统声称找不到更多漏洞，OpenAI 的 Codex Security 返回了一个空列表。彼时，curl 的下一个版本仅有 3 个待处理的 CVE。
这一公开的“零结果”成为后续对比的独特基线——它发生在 AISLE 运行之前，且带有时间戳，提供了一种干净的实验环境，排除了事后归因的可能性。
AISLE 的发现：29 份报告，6 个 CVE
AISLE 是一家专注于 AI 安全系统的公司，其核心方法论是“System over Model”——即通过专门的系统架构，而非单纯的模型规模竞争。在 Daniel 发布零结果后，AISLE 立即对其自主 AI 系统针对 curl 代码库进行了分析。次日，在审查完成之前，Daniel 更新了状态：“Mythos: 0, AISLE: 29”——AISLE 产生了 29 份报告。
curl 安全团队在数天内审查了这些报告，其中 6 份被认为严重到足以分配公共 CVE 编号，并随 curl 8.22.0 版本（刚发布）修复。这些漏洞是：
- CVE-2026-80229：OpenSSL provider 释放后使用（use-after-free）
- CVE-2026-80230：OpenSSL 固定绑定绕过（pinning bypass）
- CVE-2026-80231：本地 CA 存储连接重用问题
- CVE-2026-80255：tab 字符绕过安全属性（secure attribute bypass）
- CVE-2026-82208：wolfSSL CA 缓存命中覆盖回调（CA-cache hit overrides callback）
- CVE-2026-82209：域限定公共后缀 cookie（domain-scoped public-suffix cookie）
所有六个漏洞的严重级别均被评定为“低”。这反映出 curl 工程成熟度极高——残留的漏洞往往隐藏于极窄的配置和微妙的交互中，限制了实际影响力。尽管严重性低，但每个 CVE 的都是之前未公开的生产代码缺陷，被领域专家复现并接受，然后修复并部署，因而具有极强的外部验证价值。
意义与启示
这 6 个 CVE 的发现并非来自传统的 CTF 挑战或预定义基准——那些测试可能已包含在模型中训练数据。AISLE 分析的是真实的生产代码，且由 curl 维护者（而非 AISLE 自身）独立判断每个发现是否真实以及是否值得 CVE。这种验证方式使结果具有客观性和公信力。
截至 8 月 28 日，curl 的待处理 CVE 数量从此前的 3 个上升到 10 个，其中 6 个来自 AISLE，紧随 Anthropic 和 OpenAI 报告的零结果之后。更引人注目的是，Linux 稳定版长期维护者 Greg Kroah-Hartman 在 Daniel 的帖子下回应：“我在 Linux 上也看到了同样的情况。不知道 AISLE 做了哪些不同的事，但哇……”这表明 AISLE 的成功可能不仅限于 curl，而是其系统化 AI 安全方法在广泛代码库中的有效性。
为什么 AISLE 能胜出？
虽然 AISLE 未公开具体技术细节，但其“System over Model”的论文强调，安全分析需要超越单独的语言模型——需要结合静态分析、动态执行、形式验证和特定领域的知识图谱，形成一个集成的自主系统。相比之下，前沿实验室往往侧重于单一模型的扩展，可能在处理特定类型漏洞（如配置交互、状态混淆）时不如系统化工具。
此外，AISLE 的发现速度令人惊讶：在一天内产生 29 份报告，且其中 6 份迅速被确认。这表明其系统在设计时可能针对真实 C 代码库（如 curl）中的常见模式进行了优化。
未来展望
这一结果对 AI 安全领域具有深远影响：
- 评估方法的转变：使用生产代码和真实 CVE 作为基准，比传统基准更能反映实际安全性。
- 个人或小团队的可能性：AISLE 作为小型公司，能够与前沿实验室竞争，表明专业化的安全 AI 系统可能有更大发展空间。
- 安全代码的挑战：即使经过高度审计的代码库（如 curl）仍存在漏洞，AI 辅助审计将成为安全团队的重要工具。
Daniel Stenberg 的公开零结果成为 AI 能力比较的典型案例，而 AISLE 的 6:0 结果则用事实表明：在特定领域，系统化架构的优势可能超越模型规模。
原文链接：https://aisle.com/blog/aisle-discovered-six-curl-cves-after-openai-and-anthropic-found-zero