对于注重隐私的GitHub命令行界面(CLI)用户来说,有一个情况需要特别注意。这家微软旗下的代码托管平台已悄然开始从CLI用户处收集匿名化的客户端遥测数据,并将该功能默认设为开启状态。
此次变更并未发布独立的博客公告,仅通过更新GitHub CLI文档(新增遥测说明页)、在版本发布说明中提及匿名遥测功能,以及过去一周在CLI代码仓库中密集推送相关更新来实现。GitHub对此次遥测更新给出的理由十分直接:称收集的数据将帮助团队了解功能使用情况,并推动CLI产品持续改进。
当然,还有AI方面的考量。
遥测说明页面写道:"随着GitHub CLI在智能体场景中的应用不断增长,我们的团队需要了解各项功能在实际使用中的情况。我们利用这些数据来确定工作优先级,并评估功能是否真正满足用户需求。"这里所说的"真实用户",显然也涵盖了AI智能体。
从表面上看,这一做法并无不妥:企业确实需要了解用户如何与产品交互,以及哪些功能值得投入更多资源。从这一角度而言,GitHub增加遥测功能并不令人意外。然而,问题在于:在未明确告知用户将收集哪些遥测数据的情况下,便将其默认开启,这种做法难以让人接受。
CLI代码仓库中新增了大量涉及遥测的代码,但并未提供可能被收集的数据点的完整清单。GitHub在遥测说明页面上也未作详细说明,而是建议用户通过启用日志记录来自行查看将被发送的内容。
帮助页面写道:"如果您希望在不实际发送数据的情况下查看具体内容,可以启用日志记录。"页面随后提供了一个数据样本,其中包含智能体字段、系统架构、设备ID、操作系统、标志位、命令名称、调用ID及其他元数据。GitHub同时指出,实际发送的遥测数据内容可能与此存在较大差异。
GitHub表示,从CLI客户端收集的遥测数据将发送至其内部分析基础设施。但对于那些在未获充分告知的情况下被迫向微软和GitHub提交更多数据的用户而言,这一解释恐怕难以消除疑虑。好在GitHub在新的遥测说明页面上提供了关闭遥测的操作指引。
用户可通过环境变量或CLI配置选项两种方式关闭遥测功能。在环境变量方面,GitHub表示,导出GH_TELEMETRY=false(或其他等效的false值)即可关闭,设置DO_NOT_TRACK=true同样有效。
对于希望通过CLI配置文件进行修改的用户,可执行命令gh config set telemetry disabled来关闭遥测功能。
截至发稿,GitHub尚未就本文相关问题作出回应。
Q&A
Q1:GitHub CLI遥测功能收集哪些数据?
A:根据GitHub提供的数据样本,遥测内容包括智能体字段、系统架构、设备ID、操作系统、标志位、命令名称、调用ID及其他元数据。不过GitHub也指出,实际发送的遥测数据内容可能与样本存在较大差异,用户可通过启用日志记录功能来查看具体将被发送的内容,而无需真正发送数据。
Q2:GitHub CLI遥测功能为什么默认开启?
A:GitHub给出的官方理由是,随着CLI在智能体场景中的应用不断扩展,团队需要了解功能的实际使用情况,以便确定工作优先级并评估功能是否满足用户需求。此举的目的是帮助改进产品,但由于未提前发布公告、未明确列出收集的数据范围便直接默认开启,引发了用户对隐私保护的质疑。
Q3:怎么关闭GitHub CLI的遥测功能?
A:有两种方式可以关闭。第一种是通过环境变量:导出GH_TELEMETRY=false或设置DO_NOT_TRACK=true即可。第二种是通过CLI配置文件:执行命令gh config set telemetry disabled来关闭遥测功能。GitHub已在新的遥测说明页面上提供了上述操作指引。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。