这不是一个Step by Step的时代，这是一个Transfer to AGI的时代
草率离职 & 二度转折
阿里云从事的工作比较偏纯 AI for Redteam，实在谈不上喜欢，所以在40天的节点选择了离职。当时，尚为一个0-offer的状态…但我想清楚了，自己想做什么，不想做什么。
去哪好呢？深圳、杭州已经待过了，北京似乎不太适合人类生存，也许魔都sh会更符合我的调性。
于是，沪漂启动。
这是个草率的决定，因为当时新的工作机会并不很多，骑驴找马才是更smart的。
更草率的是，当时投递了小红书的AI安全后，甚至还没约面，我便先行租好了房，通勤大约45分钟（BTW，预算4k不可能在黄浦区租到单间）。
小红书AI安全是个新组建的团队，整体画像大致为从字节豆包/deerflow、阿里Qoder、腾讯Workbuddy挖人组成的社招 + 零星几个校招（hr说整体学历在博士的level）。最终也是有幸拿到了offer，工作内容很 Redteam for AI，负责内外部 Agent 安全治理，对于当时的我是相对心仪的选择。
但接到offer的几乎同期，MiniMax也约了面🤔最终很快推进也拿到了offer（这也是个组建中的新团队）
非常巧的是，MM的办公地离我租的房只有2km，电动车通勤非常方便，几乎比在学校从宿舍到教学楼的速度还要快，令人心情愉悦😋于是选择了加入了模型厂–计算机就业的时尚单品。负责的工作更多偏向Cyber模型训练 + RedTeam for AI itself，非常契合我当前的审美。
也许这就是命运的安排，离职当天MM还没有挂出这个岗、租房时MM也没有进行约面、在接到offer的那一刻，我也没有意识到自己成为了MiniMax安全BU的二号员工（是的，这真的是个非常新的团队）。
公司时髦值很高👍
选择的原因
其实更多是我的一个行业观察吧，这是一个尚未进入稳定职场环境的在校生的独有视角
行业观察
当下的时间节点，我会把当前的安全行业的方向分为三种：AI for Security、Security for AI、Cyber Model Training
暴论一点地说：
当前市场需求：AI for Security > Security for AI > Cyber Model Training
技术半衰期：Cyber Model Training > Security for AI > AI for Security
个人选择倾向：Cyber Model Training > Security for AI > AI for Security
接下来逐个去聊吧
1. AI for Security
真正有价值的，在于基模能力、Agentic Infra 与 高质量Skill，而不在什么别具一格的Harness。
黑盒的/白盒的，一切应用层上基于AI对安全的赋能。
它的形式可以是一个基于已有Coding Agent的skill、可以是一个Agent Runtime System、也可以是基于企业已有的安全提效infra去做Agentic化的工作（比如长亭的无锋CLI化 or 蓝军协同平台 CLI化，whatever）、或者一切已有hacker工具的Agentic化（比如IDA MCP/Burp MCP/VShell MCP）。
但太多人过于关注了Harness。
这本质是一个低门槛的事，门槛低到一个初中生可以很快vibe出一套Agent Runtime System，并在edusrc刷到800分（https://github.com/StanleyNull/AutoHunter）
同时这也是个半衰期较短的事，某个垂类任务能力的提升/流程的优化，很容易会被一次Agent厂的功能更新所替代。
作为安全从业者，也许我们不得不承认的是，自己vibe出的Agent如果以效果/最大潜力为导向，是很难跑赢Claude Code / Codex这种通用Coding Agent的。就我个人曾写过的一个代码审计Agent而言，确实在两次Update后就被抹去了很多设计的价值（/goal与Dynamic Workflow）。而如果以调度能力为导向，比如做7x24h的E2E，那么你的设计就真的有先进性吗，和直接套一层daemon + claude sdk又有什么显著差距呢， 甚至一些开源OPC平台（如Multica）就不能满足这种需求吗？
此外，当前较为深度场景的AI赋能安全，从Harness层面我们也不必做太多事。
在调研&使用了很多商业的或开源的自动化黑/白盒漏洞挖掘产品后，我依然会觉得，Harness其本身的价值在于组织相对重复的任务交付给Agent全自动化跑完。如果纯以单个任务效果为导向，一定是跑不赢安全从业者半自动化去用现有Coding Agent进行挖掘的（卡点比较明确：Loop Engineering系统产生的过程prompt，当前很难比得上人类专家的Sense/Taste）。一些高精度的场景，比如后渗透的安防设备对抗，更是不得不交付给人操作Agent去进行，或者至少该从Agentic Infra左移的角度入手（而这又回到了传统安全建设本身）。
这里附上某个在推特上很活跃的商业化代码审计平台，花了2000刀乐但不如本地claude跑的效果的招笑截图：
兜兜转转绕回来，除去Harness，其实 AI for Security这个方向，基模能力我们无法干预，Agentic Infra 最终又会回到传统安全能力建设本身。唯一与AI本身强相关的，便是Skill的编写了。个人觉得Skill对于安全赋能的一些好的实践方向是：1.通过流程引导更好的思考 2.用Skill去接入已有的Infra CLI 3.真的一些未公开的独有打法/内部知识。
遗憾的是，尽管这本身门槛未必多高（更多在磨合与实践成本），但国内社区依然会有非常多“塞入大量模型已训练知识的低质skill”，其实不如直接去采用相对有背书的解决方案/Best Practice，比如代码审计可以参考Anthropic官方的设计：https://github.com/anthropics/defending-code-reference-harness/tree/main/.claude/skills
而长期来看，Skill也是会被Cyber模型能力迭代内化吞噬的。也许最终留下的，只有Agentic Infra。毕竟模型再强，也不能纯靠推理低成本无试错地打0day/过EDR/不依赖fofa做资产测绘，这种适当的外部工具托管一定是长期且必要的。
总的说我会觉得，AI for Security 最终的能力只是“如何更好的用AI去解决安全场景的问题” 或者进一步抽象为 “如何更好使用AI”，这可以作为这个时代的加分项，但长期来看一定不能作为你的核心竞争力。
2. Security for AI
“年轻人不要太浮躁————不浮躁还叫什么年轻人”
也叫AI红队，关注AI自身安全/AI应用安全，比如对Anthropic/OpenAI的Cyber Alert Bypass、Universal & Agentic Jailbreak、Agent工具滥用、Agent自身漏洞（like Claude Code 0Click RCE），Agent Runtime Sandbox逃逸/横向、AI相关生态投毒、模型窃取等。
AI Sec作为一个新的攻击向量确实更具吸引力，但我并不觉得“沾了AI Sec的都是水怪”，事实上Software Sec 与 AI Sec 都有其浅显或“水”的部分，也有其核心与艰深的部分，这取决于个人的研究深度。此外AI Sec本身也有很多工程化层面的漏洞，比如0/1 Click漏洞 和 水坑/CSRF+CORS的攻击面，从这个角度看，和Software Sec也有很多交集。
个人会更看好sec for ai，本质是看涨AI🧑💼（也算大众普遍的观点吧，BlackHat来看，AI相关议题的数量也是一边倒的增加）
尽管目前企业层面还没有大规模把Agent用起来，用起来的也更多只是内场的生产力Agent，对外暴露的资产与能力甚少。但在可预见的不远未来，平台服务入口AI化、硬件产品AI化 乃至 传统OS演化为LLM-OS的大趋势下，后续一定会暴露出更多的资产面（甚至超过传统Software）。
Security for AI这个方向的本质是新增了一个至少是协议级/OS级的攻击面作为研究对象，是面的拓展。而上文提到的 AI for Security，我理解只是研究这个对象的提效工具或标准方法。
3. Cyber Model Training
Anyway，国内要有自己的Mythos
本质上是对模型做网安能力的post-training。
就像过去各大模型厂更多是对模型做coding、agentic、math、多模态层面的训练，Cyber能力现在以及后续一定会成为热门方向。
我认为有这些原因吧：1.Anthropic和OpenAI已有Cyber特供模式；2.Cyber和coding很像，都是在完成可验证的问题；3.多模态不好Scaling 且市场化能力上不如Cyber
各家厂商也都在做，阿里的Qwen-Cyber似乎吴妈很关注🤔长亭在数据集的推进也比较活跃：https://www.chaitin.cn/share-plan
这个赛道最终比拼的是 定义高价值安全问题的能力 + 高质量安全领域数据 + 与基模训练团队的合作。
个人思考
去做上游智能的创造者，中游产品的研究者，而非仅仅下游智能的应用者
对一个产品进行漏洞挖掘，有很好的产出，这自然是不错，但它积累的技术复利对现阶段的我是不够长尾的。
前段时间我在深深地焦虑，因为自己看不懂的东西越来越多，哪怕做Redteam for AI更多也只是利用工程化的偏software层面的攻击面。如果只做自己擅长的事，这是一种慢性自杀。
技术的门槛长期来看在未来会被AI磨平，认知就显得更加珍贵，所以大可不必给自己太多的框定和限制。
于是选择跳出先前的舒适圈，走进 Cyber Model Training 这个相对陌生又安全的交叉领域，接触新事物，更新自己的认知。
给自己打一个新Tag，我希望是：AI Researcher & AI Security Engineer。
结语
用马师的一句歌词结尾，也希望自己活的更潇洒一些：
“Maybe we can play something new, something special, something cool😎”
