从作者确认、目标期刊或会议选择、查重与预印本政策，到正式投稿、审稿修改、撤稿与改投的完整流程。

从领域地图、所有权验证、模型指纹与水印，到版权攻击、模型血缘和可信来源验证的一条 LLM 模型版权安全入门路线。

Academic Research Skills 的人机协作边界、十阶段科研流程、Material Passport 与完整性验证，并提供 macOS 安装说明及 27 种模式的使用示例。

更新时间：2026 年 8 月 适用版本：Headroom 0.34.x 重点平台：macOS 主要场景：Claude Code、OpenAI Codex、Cursor、MCP 和自建 AI Agent 在 Claude Code、Codex 等 AI 编程工具中，Token 消耗并不只来自用户输入的提示词。随着任务不断进行，模型还会反复接收： 项目目录和文件内容； 代码搜索结果； Git Diff； 编译和测试日志； API 返回的 JSON； 数据库查询结果； MCP 工具说明； 之前的对话和工具调用结果。 这些内容往往包含大量重复信息。它们不仅增加 Token 消耗，还可能挤占模型的上下文窗口，使真正重要的信息变得不突出。 Headroom 的作用，就是在请求发送给大模型之前，对这些上下文进行整理和压缩。 一、Headroom 是什么 Headroom 是一个开源的 大模型上下文优化工具。 它可以部署在 Claude Code、Codex、自建 Agent 与上游模型服务之间，对请求中的日志、JSON、搜索结果、表格和其他工具输出进行压缩，然后再将优化后的请求发送给模型服务。 基本工作流程如下： 1 2 3 4 5 6 7 8 9 Claude Code / Codex / AI Agent │ │ 原始对话、代码、日志和工具结果 ▼ Headroom 本地代理 │ │ 识别内容类型并压缩冗余信息 ▼ Anthropic / OpenAI / 其他模型服务 Headroom 不负责生成最终答案。 ...

文章来源 Strengthening AI Agent Hijacking Evaluations Large AI models are increasingly used to power agentic systems, or “agents,” which can automate complex tasks on behalf of users. AI agents could have a wide range of potential benefits, such as automating scientific research or serving as personal assistants. However, to fully realize the potential of AI agents, it is essential to identify and measure — in order to ultimately mitigate — the security risks these systems could introduce. ...

一、安装与配置 一键安装 1 2 3 4 5 # macOS/Linux curl -LsSf https://astral.sh/uv/install.sh | sh # Windows irm https://astral.sh/uv/install.ps1 | iex 支持通过 pip 安装：pip install uv 版本验证与更新 1 2 uv --version # 检查版本 uv self update # 自动更新到最新版本 二、项目管理 初始化项目 1 2 uv init my_project # 创建项目目录并生成配置文件 uv init . --python 3.12 # 在当前目录初始化并指定 Python 版本 生成文件：pyproject.toml（主依赖）、uv.lock（精确锁文件） 依赖管理 1 2 3 4 5 uv add requests # 添加主依赖 uv add --dev pytest # 添加开发依赖 uv remove flask # 移除依赖 uv lock # 生成/更新锁文件 uv sync # 同步依赖到虚拟环境 运行脚本 ...

A recent paper, “Principled Instructions Are All You Need for Questioning LLaMA-1/2, GPT-3.5/4,” introduces 26 guiding principles designed to streamline the process of querying and prompting large language models. Here’s the list of these prompt engineering tricks with examples. https://www.superannotate.com/blog/llm-prompting-tricks

LLM Powered Autonomous Agents

1. 基础语法 功能 语法 效果 行内公式 $a^2+b^2=c^2$ $a^2+b^2=c^2$ 公式块 $$ a^2+b^2=c^2 $$ $a^2+b^2=c^2$ 强制大号公式 \dfrac{a}{b} $\dfrac{a}{b}$ 普通分数（小号） \tfrac{a}{b} $\tfrac{a}{b}$ 2. 上下标 语法 效果 x^2 $x^2$ x_1 $x_1$ x_{ij} $x_{ij}$ e^{i\pi}+1=0 $e^{i\pi}+1=0$ 3. 分数与根号 语法 效果 \frac{a}{b} $\frac{a}{b}$ \dfrac{1}{2} $\dfrac{1}{2}$ （大号，推荐公式块） \tfrac{1}{2} $\tfrac{1}{2}$ （小号，推荐行内） \sqrt{x} $\sqrt{x}$ \sqrt[3]{x} $\sqrt[3]{x}$ 4. 求和/积分/极限 语法 效果 \sum_{i=1}^n i $\sum_{i=1}^n i$ \prod_{i=1}^n i $\prod_{i=1}^n i$ \int_0^1 x^2 dx $\int_0^1 x^2 dx$ \iint_D f(x,y)dA $\iint_D f(x,y)\,dA$ \lim_{x \to 0} \frac{\sin x}{x} $\lim_{x \to 0} \frac{\sin x}{x}$ 5. 矩阵 1 2 3 4 \begin{bmatrix} a & b \\ c & d \end{bmatrix} $$ \begin{bmatrix} a & b \\ c & d \end{bmatrix} $$常见： ...