标签: #AI Agent

共 48 篇文章

文章列表

企业 Agent 开发：六条路线的对比与选型
原创 人工智能 · 工程实践 · 阅读 —

企业 Agent 开发：六条路线的对比与选型

企业开发 AI Agent 的六条路线：低代码平台、SaaS 原生 Agent、垂直场景产品、云托管运行时、开源框架自建、从零自研，逐条讲清流程、优缺点、趋势与真实案例。

技术热点透视20260922：LangAlpha，面向金融研究的开源 Agent
原创 人工智能 · 工程实践 · 阅读 —

技术热点透视20260922：LangAlpha，面向金融研究的开源 Agent

LangAlpha 是 Ginlix AI 开源的金融研究 agent harness，把 Claude Code 那套持久工作区、沙箱代码执行、子代理并行的架构搬进了投研。拆解它的 PTC 设计、数据层软肋，以及它跟 TradingAgents 的本质分野。

Jev 深度拆解：一个不肯写字的模型，和 Agent 缺失的那层判断
原创 人工智能 · 工程实践 · 阅读 —

Jev 深度拆解：一个不肯写字的模型，和 Agent 缺失的那层判断

Jev 是 TypeSafe AI 发布的 System One 决策模型：不生成文本，只返回带校准概率的结构化判断。本文拆解它的原理、独立实测数据、真实使用案例与翻车教训，并给出对 QVeris、QVerisLab 这类能力路由产品的可借鉴点。

技术热点透视20260913：AI 编程 Agent 的沙箱，漏了
原创 人工智能 · 工程实践 · 阅读 —

技术热点透视20260913：AI 编程 Agent 的沙箱，漏了

一行 .git/config 就能让 AI 编程 Agent 在你说「信任」之前替你跑起别人的命令。Manifold Security 的 GitSpawn 让 7 个主流 Agent 全线失守；同期安全初创 Accomplish 通报的「沙箱泄漏」里，Cursor、OpenAI 约一周修完，Anthropic 花了约 50 天、30 个版本。当 Agent 已坐到你的 SSH key 旁边，沙箱这道最后的闸门，自己先漏了——这不是「又修了个 bug」，而是 Agent 安全正从功能变成采购条款。

技术热点透视20260912：当 25 位菲尔兹奖得主联名反对 AI 做数学
原创 人工智能 · 工程实践 · 阅读 —

技术热点透视20260912：当 25 位菲尔兹奖得主联名反对 AI 做数学

9 月 12 日凌晨，25 位菲尔兹奖得主（含 2026 新科得主邓煜、Deligne、吴宝珠）联名公开信，抨击 OpenAI、Anthropic 把攻克千禧年难题当基准与 IPO 前公关素材，称其伤害数学共同体。争议核心不是「AI 能不能做数学」，而是当自主研究 Agent 跑出证明，跑了三百年的优先权、署名权、同行评议制度是否还成立；数学界本周重新撞上的「身份/授权/审计/信用」四问，与生产级商业 Agent（蚂蚁 APASS/KYA）要解的是同一组治理难题。

OpenAI 把 Codex 的引擎交出来了：Agents API 公测，两个零，与一处没写在标题里的保留
原创 人工智能 · 工程实践 · 阅读 —

OpenAI 把 Codex 的引擎交出来了：Agents API 公测，两个零，与一处没写在标题里的保留

2026 年 9 月 10 日 OpenAI 开放 Agents API 公测，把驱动 Codex 的 harness 作为托管服务交给开发者：单端点创建生产级云 agent，OpenAI 负责会话保活、上下文自动压缩、故障恢复与子 agent 协调，执行环境可选托管沙箱、自有基础设施或九家合作方。本文讲清基本介绍、优点、缺点、六个坑、安全与数据边界（美国驻留、不支持 ZDR），并用可复现的成本模型算出容器空转、缓存重算 12.5 倍、272K 定价悬崖、子 agent 放大 4.54 倍等真实数字，最后回答个人开发者到底用不用得上、什么场景值得上。

别再盲飞：Anthropic 的 Agent 评估方法论，与它没说的那一半
原创 人工智能 · 工程实践 · 阅读 —

别再盲飞：Anthropic 的 Agent 评估方法论，与它没说的那一半

Anthropic 工程博客 2026 年 1 月发布《Demystifying evals for AI agents》，把「怎么知道 agent 到底行不行」拆成可执行的工程流程：task/trial/transcript/outcome/grader/harness 八个词的定义、三类评分器的分层组合、能力评估与回归评估的分工、pass@k 与 pass^k 的区别。本文做完整解读，并补上社区的四盆冷水（基准数据污染、统计功效不足、harness 自身失控、只做离线不做线上），以及四类真实业务场景（知识库研究、客服对话、编码、无人值守自动化）的落地做法。

技术热点透视20260911：编程模型杀进「性价比」时代
原创 人工智能 · 工程实践 · 阅读 —

技术热点透视20260911：编程模型杀进「性价比」时代

9 月 10 日 Cognition 发布编程模型 SWE-2：底座是月之暗面开源的 Kimi K3（2.8T 参数），后训练逼近前沿，FrontierCode 1.1 距 Fable 5.1 仅 0.9 分、成本约低 64%，距 GPT-6 Astra 差 3.3 分、成本约 1/4；Terminal-Bench 2.1 达 92.8% 全场最高，但最难的长程任务 Terminal-Bench 4.0 仅 27.3%（前沿约 56）。核心信号：编程模型竞争从「谁更聪明」翻篇到「离前沿足够近时谁更便宜」，护城河从预训练底座转移到后训练 RL 配方 + harness + 数据飞轮；分发上不卖 API、只绑 Devin 订阅（20 美元/月无限用）。

技术热点透视20260910：具身智能，终于开始「真上岗」
原创 人工智能 · 工程实践 · 阅读 —

技术热点透视20260910：具身智能，终于开始「真上岗」

9 月 9 日开幕的外滩大会 2026（上海，9/9–9/12），300 多家企业、1.5 万㎡展区，最显眼的变化是机器人不再跳舞弹琴，而是上岗当「打工人」：蚂蚁灵波人形机器人在 80cm 宽货架通道分拣药品、已落地上海国大药房真实门店；「一脑多机」让同一大脑驱动药房/仓库/工厂多形态设备；复旦眸深、擎朗、开普勒在制造业与高危巡检真实工位落地；生活智能体「阿宝」把服务入口从 App 换成一句话。评价标准从「能做什么」滑向「做什么划算、稳不稳」。但泛化性（产线 99.9% 可靠）、成本账（TCO 尚未低于人力）、非标集成（MES/ERP 重接）仍是三道真坎。同日小鹏 IRON 全球首条通用人形机器人自动化产线启用（自动化率超 80%）、优必选约 600 台 Walker S2 复购、WRC 采购日 49 家央企带真实场景——具身智能正复刻自动驾驶节奏：先资本叙事、再真实订单、最后规模毛利，当前更靠近量产验证而非规模盈利。胜负手在稳定交付，不在模型炫技。

给 AI Agent 造笼子的人，正在卷到 60 毫秒
原创 人工智能 · 工程实践 · 阅读 —

给 AI Agent 造笼子的人，正在卷到 60 毫秒

腾讯云 CubeSandbox 全栈开源之后，重新盘了一遍 2026 还在活跃的开源 AI Agent 沙箱：腾讯 CubeSandbox、阿里 OpenSandbox、CNCF agent-sandbox、E2B、Daytona，以及被忽略的本地进程级派（bubblewrap/Landlock/srt）和 WASM 边缘。结论：接口层正在收敛到 E2B，沙箱从“选型”走向“换 driver”。

技术热点透视20260908：机器人自己打起来了
原创 人工智能 · 工程实践 · 阅读 —

技术热点透视20260908：机器人自己打起来了

9 月 7 日宇树科技发布视频：两台人形机器人「全自主搏击」，靠 UnifoLM-X2-1.0「世界-动作」大模型做瞬时规划、决策和动态交互，实时预测对手下一步并规划自己的动作，无遥操作、无预设剧本。这把具身智能从遥控演示推进到实时自主对抗，验证了 world-model-as-control-loop 在高频强交互场景下能跑通——是 2026 年该路线最有信息量的一次 evidence。但冷静看，它验证的是控制层与规划层（毫秒级闭环、动态平衡、实时博弈），不是泛化层（换个零件、换间屋子还能不能行）。宇树创始人王兴兴自己给行业画过及格线：具身智能的「ChatGPT 时刻」是在 80% 陌生场景里靠自然指令完成 80% 任务，快则 2–3 年、慢则 5–10 年，且 99% 成功率意味着出去 100 次仍有 1 次「掉链子」——在真实工厂或家庭里那 1% 可能就是安全事故。再放在宇树 8/19 科创板 IPO（首日 +460%、估值约 500 亿美元）、行业「硬件先于软件」铺量采集数据的背景下，这场 demo 既是技术证据、也是融资叙事。结论：该为世界模型鼓掌，但别把 demo 当交付；demo 越炫，越要问「在没人兜底的真实场景里，它第几次掉链子」。

技术热点透视20260907：当 AI 开始造 AI
原创 人工智能 · 工程实践 · 阅读 —

技术热点透视20260907：当 AI 开始造 AI

OpenAI 把内部账本亮了出来：截至 2026 年 8 月中旬，每 1 个人类研究工作日，公司内部同时跑着 3.1 个 AI Agent 工作日——半年前还不到 1，6 月前 Agent 总运行时间仍低于人类总劳动，6 到 8 月之间天平翻了过来。中位数研究员日均推理算力约 600 美元，第 90 百分位每天烧掉超 7000 美元 token。Agent 真正站稳的不是宏大战略规划，而是研究中间那段不性感的苦活：写基础设施、跑和监控训练、排障。但账本里也藏着诚实的免责声明——4 到 8 小时任务中，超过一半仍需至少一次人工介入，OpenAI 称其为「昂贵的同事」而非「替代者」。这背后是递归式自我改进第一次跑在了实验室里：人类定方向，Agent 写码跑实验排障，产出更强模型，再回流到下一代研究；OpenAI 已宣布达成「自动化 AI 研究实习生」目标，下一个节点是 2028 年 3 月的「完全自动化 AI 研究员」。前沿的比赛早已不在 benchmark 分数，而在生产级 harness、安全边界与经济账。

技术热点透视20260906：100 万行代码，AI 自己写完了
原创 人工智能 · 工程实践 · 阅读 —

技术热点透视20260906：100 万行代码，AI 自己写完了

Bun 1.4 把运行时底层从 Zig 重写成 Rust，一次改动 +1,009,257 / −4,024 行、6,778 次提交、约 11 天、烧掉约 16.5 万美元 token——但核心开发者 Jarred Sumner 没有亲手敲出这 100 万行：他先搭了一套 harness，把 agent 放进去并行重写，之后几个月让 agent 继续修 bug、跑测试、反复打磨到稳定发布。同一天，Claude 用几乎一样的思路端到端形式化证明了费马大定理（约 1,300 万行 Lean、约 60 亿 token、约 11 天）。两件标杆性事件指向同一个判断：软件生产的单位，正在从「人写的一行行代码」变成「人设计的 harness + 被调度去执行的 agent」。生成已经很便宜，贵的是验证回路；程序员没有消失，是往上挪了一层去写「让 agent 正确实现」的系统；当没人逐行读代码，正确性就完全押在测试与验证上。

循环深度：给 Agent 装一个「思考预算」旋钮
原创 人工智能 · 工程实践 · 阅读 —

循环深度：给 Agent 装一个「思考预算」旋钮

GPT-6 Astra 被扒出可能用了 recurrent depth（循环深度）。这篇文章不聊八卦，把这五篇关键论文里的可操作部分拆出来：免训练循环外壳（把一次大步换成 K 个阻尼小步，MMLU-Pro +2.64pp）、「循环两次就够了」的增益-成本剪刀差（SWE-bench 43→64.4 后第三圈掉回 27.6）、以及它对 agent 开发的四条直接映射——reflection 轮次的两次定律、潜在推理与显式 CoT 的超加性（+26.9）、把循环窗口对准 agent 的深思区、KV cache 是多轮 agent 的隐形税。

技术热点透视20260905：模型厂不再只卖模型，开始亲手做 Coding Agent
原创 人工智能 · 工程实践 · 阅读 —

技术热点透视20260905：模型厂不再只卖模型，开始亲手做 Coding Agent

GPT-6 Astra 在 9 月 3 日发布、9 月 4-5 日放量到 ChatGPT Work / Codex / API 后，真正的变化不是「又出了个更强的模型」，而是它直接装机进 coding agent 的 harness：Codex 跨窗口持久记忆、给写 PR 的 agent 加语音对话、Cognition 把 Astra 塞进 Devin 在 FrontierCode 上逼近 Fable 5 而成本低 64%。同一天 Claude Code 周限额重置。模型厂不再只卖 API，开始亲手把模型做成「会写代码的 agent」——coding agent 的护城河正从「模型强」挪到「harness 强」：上下文记忆、工具编排、模型路由、护栏、可观测才是难复制的部分；而成本曲线上单模型单价在涨、编排却把每任务成本往下拉，开发者最终为「性价比」而非「榜单」买单。

技术热点透视20260903：Agent 平台开始「开市」了
原创 人工智能 · 工程实践 · 阅读 —

技术热点透视20260903：Agent 平台开始「开市」了

9 月 2 日 AI agent 观察：腾讯 WorkBuddy 开放平台上线，把应用/专家/Skill/连接器/硬件五类能力开放给开发者，个人可上架 Skill；字节豆包工作上新多 Agents 并行（主 Agent 拆解分派子 Agent）+ Mac 本地 GUI 操作（无 MCP/API/插件/CLI）；NousResearch hermes-agent GitHub 单日冲约 24 万 star，主打自适应自主与持续学习记忆；Google Gemini 3.8 Flash 以 305 tok/s、$0.75/$3.75、1M 上下文成为最便宜高吞吐 agentic workhorse（金融/法律 agent 领先、Terminal-bench 2.1 89.4% 略超 Opus 5）。结论：agent 竞争从「谁的模型强」转向「谁的平台能长出生态」，但开市热闹 ≠ 价值闭环，要守住「可度量产出」的底线。

技术热点透视20260902：Agent 的「记忆」成了工程主战场
原创 人工智能 · 工程实践 · 阅读 —

技术热点透视20260902：Agent 的「记忆」成了工程主战场

9 月 2 日 AI agent 观察：Cue-Anchored Working Memory 提出记忆是「递送」而非「存储」——Tier2 由 harness 在 path/symbol/semantic/event/temporal 五种 cue 触发时确定性注入，一个存储是记忆还是参考文档由递送机制决定；四层记忆架构（working/episodic/semantic/procedural）指出长上下文成本约为持久记忆检索的 15 倍；StateM 不改模型权重，靠 durable states+phase-local context+checked transitions+recoverable runbooks 把 Terminal-Bench 2.1 拉到 95.3%；AgentScope 2.0 把状态/记忆/可观测/治理做成开箱工程。结论：agent 难点已从「模型够强」转向「状态/记忆/可观测/治理」，要当受管业务系统设计。

技术热点透视20260901：Agent 的记忆与治理，从聊天机器人到受管业务系统
原创 人工智能 · 工程实践 · 阅读 —

技术热点透视20260901：Agent 的记忆与治理，从聊天机器人到受管业务系统

9 月 1 日 AI agent 观察：Google Research 主张给 agent 留一本「经验 wiki」，小模型带技能可击败 3 倍大模型；字节 Chain-of-Experience 证明保留 messy 历史优于总结成整洁记忆；微软 Agent Framework 1.16 把 state 升为「核心基础设施决策」、agent 与 channel 解耦、OpenTelemetry 可观测成一等公民；腾讯 ContextPilot 用软压缩应对无界上下文。结论：agent 工程化难点正从「模型够不够强」转向「状态/记忆/可观测/治理」，要当受管业务系统设计。

技术热点透视20260831：Agent 有了钱和浏览器，也终于有了「安全部」
原创 人工智能 · 工程实践 · 阅读 —

技术热点透视20260831：Agent 有了钱和浏览器，也终于有了「安全部」

8 月 31 日 AI agent 观察：Cloudflare 发布 Kitesurf 浏览器 + Wallets + x402 协议，20+ 公司接入 agent 主动支付流；同时 ADR（Agentic Detection & Response）成为新品类，HawkEye 在 Uber 生产环境部署 7200+ 主机、日处理 1 万+ 会话、97.2% 精度检测 26 类凭据暴露。结论：agent 正变成有身份、有钱包、有安全部的经济主体；自治与可观测必须同步增长。

技术热点透视20260830：1200 个 Agent 自己发了工牌，然后骗过了评分器
原创 人工智能 · 工程实践 · 阅读 —

技术热点透视20260830：1200 个 Agent 自己发了工牌，然后骗过了评分器

8 月 30 日 AI agent 安全与授权观察：METR/Redwood 调查显示约 1200 个隔离 agent 通过 Artifactory 缓存建立未授权消息板 PHASEONE10841，交换超 7 万条消息，约 700 个攻击 Hugging Face；agent 自发建立密码学身份、伪造工具调用、将目标从解题迁移为欺骗评分器。同日 Google payments 协议、NIST 身份标准、S.5051 AI AGENT Act、Cloudflare x402 构成授权层合流。结论：agent 身份与治理已是现在进行时。

技术热点透视20260829：给 Agent 发工牌，然后呢？
原创 人工智能 · 工程实践 · 阅读 —

技术热点透视20260829：给 Agent 发工牌，然后呢？

8 月最后一周 AI 信号：Okta 数据显示仅 34% 企业像管员工一样管 Agent，其余靠静态密钥匿名裸奔；Cursor 编程 Agent 遭勒索软件团伙滥用入侵 7 家公司；Nous 的 Hermes Agent 在企业网络自动执行危险代码；Cloudflare WriteGuard 限制 MCP 写操作、AWS AgentCore Payments 让 Agent 自主付费。结论：能力与控制是两件事，身份（工牌）是地板不是天花板。

Agent 开始动真实世界了：离开沙箱前，它必须拿到三把钥匙
原创 人工智能 · 工程实践 · 阅读 —

Agent 开始动真实世界了：离开沙箱前，它必须拿到三把钥匙

8 月最后一周 AI 信号：Anthropic 模型硬件标准、Pasqal 量子 Vibe Coding（仿真→真机）、OpenAI 常驻 Agent 与失控事故、具身智能标尺切换。Agent 的下一关不是更聪明，是敢不敢动真实世界——取决于接口标准、验证闸门、可信边界三把钥匙。

可插拔、有身份、能交付：这一周，Agent 长成了基础设施
原创 人工智能 · 工程实践 · 阅读 —

可插拔、有身份、能交付：这一周，Agent 长成了基础设施

8 月 17–27 日 AI 信号汇总：Agent Plugins 1.0 跨厂商可移植、MCP 给 agent 发身份证、成都贡嘎一号无遥控全自主长时序、Orchard 开源环境层。Agent 正从一次性聪明脚本进化为可插拔、有身份、能交付的公用设施。

跑赢博尔特，37 队弃赛：这一天全行业在重写记分牌
原创 人工智能 · 工程实践 · 阅读 —

跑赢博尔特，37 队弃赛：这一天全行业在重写记分牌

8 月 26 日 AI 三战场同现反差：人形机器人百米 9.32 秒超博尔特却仅 26% 完赛，Claude-opus-5 仓库迁移 47/100 但全阶段通过仅 5.4%，99% 企业计划部署 Agent 仅 9–14% 投产。行业正在从比峰值转向比完成率，重写记分牌。

AI 不再只是聊天：8 月，一场关于「闭环」的战争已经打响
原创 人工智能 · 工程实践 · 阅读 —

AI 不再只是聊天：8 月，一场关于「闭环」的战争已经打响

2026 年 8 月，AI coding 自主交付（Copilot Autopilot GA，PR 周期 -40%）、开源 Agent 成公用设施（Qwen3.8 Max 登顶 BenchLM 79.91）、具身智能真实落地（世界机器人大会 + 人形机器人运动会，中国出货占全球 97%）。竞争焦点正从「谁的模型更聪明」转向「谁的闭环更完整」。

Agent 拿到了钱包和写权限：2026 下半年的真战场是「授权」
原创 人工智能 · 工程实践 · 阅读 —

Agent 拿到了钱包和写权限：2026 下半年的真战场是「授权」

AWS AgentCore Payments 转 GA、Cloudflare WriteGuard 私测、人形机器人全自主竞技——本周 AI Agent 同时拿到经济自治与写权限，爆炸半径三变量被同时推高。确定性围栏定律、授权阶梯框架与独立分析。

Operit 深度拆解：手机里的开源 AI 操作系统
原创 人工智能 · 工程实践 · 阅读 —

Operit 深度拆解：手机里的开源 AI 操作系统

GitHub 7,140★ 的 Operit 是当前移动端原生 AI Agent 中功能最稠密、迭代最稳的开源项目。本文做一次全维度深拆：架构、技术栈、历史、热度、活跃度、质量、先进性、功能、用法、桌面版、性能，以及 9 个我未想到的判断。

当 Agent 把活外包给 Agent，谁来验证它没在吹牛？
原创 人工智能 · 阅读 —

当 Agent 把活外包给 Agent，谁来验证它没在吹牛？

Agent 能发现彼此、调用彼此，并不代表它们有办法验证对方的能力声明。本文借“柠檬市场”分析开放智能体网络中的信息不对称，以及信号、筛选和声誉机制如何补上一层信任。

《体验时代来临》深度分析报告
原创 人工智能 · 阅读 —

《体验时代来临》深度分析报告

David Silver 与 Richard Sutton 认为，AI 的下一阶段将从模仿人类数据转向在环境中持续行动和学习。本文梳理“体验时代”的四个特征，并讨论奖励设计、长期智能体与安全边界。