Arcjet本周发布了其JavaScript SDK的v1.0版本,从测试版正式升级为稳定的生产环境API。
Arcjet的安全平台与组织代码一同发布,为每个请求提供嵌入式AI安全功能。该平台的AI模型可以直接在开发者代码中执行攻击检测,包括机器人检测、速率限制、邮箱验证、表单垃圾防护和数据脱敏等功能。它的设计理念是直接集成到现代代码库中,在不牺牲灵活性的前提下将安全功能嵌入代码,从而简化左移安全的实施过程。
Arcjet花费了两年多时间公开构建和测试这个SDK,以确保稳定性并减少开发者的维护负担。
Arcjet创始人兼首席执行官David Mytton表示:"经过2.5年的alpha和beta版本迭代,我们宣布SDK已经稳定并可用于生产环境。从一开始我们就将其视为'生产级'产品,注重可靠性、冗余性和安全性等方面,但这是官方正式标识。"
Mytton说,Arcjet将稳定性视为一级产品要求而非后续考虑的因素。他补充道,安全产品的采用依赖于可靠性,尤其是在JavaScript生态系统中。
"安全工具只有在保持安装状态时才能发挥作用,而JavaScript生态系统所遭受的持续版本更迭是库被移除的重要原因",Mytton告诉The New Stack。"我们有很多新功能计划,但我们的目标是避免破坏性变更。"
据该公司介绍,在整个alpha和beta期间,Arcjet在两年内仅引入了三次破坏性变更,大部分都很小,并在可能的情况下保持向后兼容性。
"发布v1.0向开发者明确传达了Arcjet的API已经稳定并通过真实生产工作负载充分测试",Mytton在声明中指出。"安全不应该带来更多工作。它应该静默地消除整个类别的问题,让团队可以专注于构建功能而非维护工具。"
Arcjet于2023年首次发布JavaScript SDK的alpha版本,并在2025年1月核心API设计在实际使用中得到验证后升级为beta版。该公司表示,数千名开发者已将其SDK部署到生产环境中。
RedMonk联合创始人兼分析师James Governor告诉The New Stack:"在过去10年里,我们花费了大量时间讨论左移安全,但大部分都是废话。除非你让正确的事情变得极其简单,否则没有人会去做。没有出色的开发者体验,安全永远是事后考虑。JavaScript安全是一团糟,生成式AI只会让情况变得更糟。很高兴看到Arcjet在这个领域进行创新,真正专注于将开发者体验作为改善应用安全的手段。"
关于他提到的新功能计划,Mytton列举了以下几点:
公开发布Arcjet的本地模型:去年宣布的功能将在接下来几个月内公开发布。它在应用环境内部运行,通过利用更多本地上下文做出决策,帮助减少敏感路由上的误报。
决策中更丰富的威胁情报:我们已经在内部使用实时声誉信号,但我们计划公开底层情报(决策背后的"原因"),以便团队可以将其输入到自己的欺诈或风险分析流水线中,而不仅仅将Arcjet视为黑盒。
支持更多语言:我们已经基于JavaScript的经验教训发布了Python beta版。Java和Go等其他语言即将推出。
该公司上个月发布了其Python SDK的beta版本。
"我们从JavaScript生态系统开始,因为这是大多数新应用通过全栈开发构建的地方",Mytton上个月告诉The New Stack。该公司开始时就支持JavaScript和TypeScript应用。
Arcjet的创新方法是在其SDK中嵌入WebAssembly(Wasm)模块,允许以接近原生的速度对传入请求进行本地分析。
Arcjet的beta用户、Thatch联合创始人兼首席执行官Chris Ellis在之前的采访中告诉The New Stack:"Arcjet帮助我们轻松投资于平台的安全性和效率。"
他补充道:"与给我们很少系统影响可见性的独立安全服务不同,Arcjet在运行时为我们提供丰富的应用级洞察,帮助我们在应用的关键部分(从销售到客户入驻)构建安全自动化。"
Q&A
Q1:Arcjet的主要功能是什么?
A:Arcjet是一个JavaScript安全平台,提供嵌入式AI安全功能,包括攻击检测、机器人检测、速率限制、邮箱验证、表单垃圾防护和数据脱敏等,直接集成到代码中运行。
Q2:Arcjet v1.0相比之前版本有什么改进?
A:v1.0版本标志着从测试版升级为稳定的生产环境API,经过2.5年的alpha和beta测试,在两年内仅引入三次小的破坏性变更,确保了稳定性和向后兼容性。
Q3:Arcjet支持哪些编程语言?
A:目前支持JavaScript和TypeScript应用,已发布Python SDK的beta版本,Java和Go等其他语言的支持也即将推出。
好文章,需要你的鼓励
海外博主做了一次 Siri AI、ChatGPT、Claude 横评。看完之后我最大的感受是,AI 助手的竞争已经不只是模型能力,而是谁离用户更近。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。