TerminalWorld：终端 Agent 评测不能只靠人造题
TerminalWorld 从真实终端录屏反向构造任务，得到 1530 个验证任务和 200 个人工复核子集。它说明终端 Agent 的真实难度，比专家手写 benchmark 更杂、更长、更贴近日常开发。
- 论文处理 80870 条真实终端录屏，生成 1530 个验证任务，覆盖 18 类真实任务和 1280 个唯一命令。
长文库
技术、行业、人物与 Agent 系统观察。
Agent 陪读系列
给刚开始用 Claude、ChatGPT、Cursor、Copilot 和各类 coding agent 干活的人，一条从概念、工程、方法到团队变化的顺读路线。
Reading Path
先读 00，再按 01 到 08 的顺序往下读。Latest Archive
AI Agent
AI Agent 时间线。
Agentic CLEAR：只做可观测还不够，Agent 需要解释型评测
Agentic CLEAR 位于 observability layer 之上，试图从系统、trace 和 node 三个层级自动生成行为判断。它解决的「日志能不能变成可行动的评测」。
- 论文提出系统、trace、node 三层粒度的自动评测反馈，目标是让错误分析适配不同领域。
Contractual Skills：企业 Agent 的技能文件该像合同
Contractual Skills 把 SKILL.md 从提示材料升级为可检查的任务合同：目标、输入边界、权限、证据、验收标准、审批点和交接规则都要写清楚。
- 论文提出 GovernSpec-inspired 框架，把技能组织成目标、权限、证据、输出合同和验证步骤。
Spreadsheet-RL：办公 Agent 可能需要专门训练
Spreadsheet-RL 用强化学习训练专门的表格 Agent，并在 SpreadsheetBench 和领域表格任务上提升 Pass@1。它说明办公自动化不一定靠通用模型提示就能解决。
- 论文构建 Spreadsheet Gym，在 Microsoft Excel 环境中通过 Python sandbox 暴露大量表格功能。
Boiling the Frog：Agent 安全要看多轮动作
Boiling the Frog 把安全评测从单轮有害回答，转向企业办公环境里的多轮渐进攻击。它提醒我们，Agent 风险往往是在状态被慢慢改坏后出现。
- 论文用 stateful multi-turn evaluation 检查工具型模型是否会在渐进请求中产生不安全 artifact。
Claw AI Lab：自动科研需要实验室而不是流水线
Claw AI Lab 把自动科研从隐藏的 prompt-to-paper 流水线，改造成可交互、可监控、可回滚的多 Agent 实验室。它的让研究过程更可控。
- 论文允许用户从一个 prompt 实例化研究团队，并支持角色定制、实时监控和 artifact inspection。
WorkstreamBench：金融表格 Agent 评测开始贴近真实流程
WorkstreamBench 把 Agent 评测放进端到端金融表格任务，而不是只看孤立公式或单步操作。它提醒我们，企业 Agent 的难点往往在流程、文件状态和业务语境。
- WorkstreamBench 关注金融场景里的端到端 spreadsheet tasks，问题比单点 Excel 操作更接近企业工作。
HarnessAPI：MCP 工具不该和 HTTP 接口各写一遍
HarnessAPI 把 typed skill folder 作为单一真源，同时生成流式 HTTP endpoint、OpenAPI 页面和 MCP tool。它真正指出的问题是：Agent 工具层如果继续手工复制，很快会漂移。
- HarnessAPI 从一个 handler.py 和 Pydantic schema 派生 HTTP、Swagger UI 和 MCP tool。
DeltaBox：长程 Agent 需要毫秒级回滚
DeltaBox 把 Agent 沙箱从「隔离环境」推进到「可快速试错的执行底座」。它讨论的 checkpoint 和 rollback，决定长程 Agent 能不能安全探索多条路径。
- DeltaBox 针对有状态 Agent 提供 sandbox checkpoint 和 rollback，目标是支持低成本试错。
Agent 时代，编程语言不会消失，只会重新分工
Agent 时代不会让编程语言变得不重要。变化恰好相反：语言会从人的偏好问题，变成 Agent 能否理解、修改、验证、部署和长期维护系统的协作界面。
- 自然语言会成为任务入口，但不会替代编程语言承担系统边界。
LCGuard：多 Agent 共享 KV 缓存的隐私边界
LCGuard 关注一个容易被忽略的通道：多 Agent 系统不只会通过自然语言泄密，也可能通过共享 KV cache 泄漏上下文、推理状态和角色私有信息。
- 论文把共享 KV cache 视作 latent working memory，并用可重构敏感输入来定义泄漏风险。
MOSS：Agent 自我进化不能只改提示词
MOSS 把自我进化从 prompt、技能文件和工作流配置推进到源码层。它值得讨论的重点是失败证据、回放验证、用户同意和回滚机制能否形成生产完整流程。
- MOSS 认为源码级改写是 prompt、技能文件和工作流图的严格超集，可以覆盖结构性失败。
Composio：Agent 工具集成和授权层的产品化路线
Composio 的价值在它选择承接的 Agent 工程层：把 SaaS 工具、认证和 action 管理做成 Agent 工具层。判断它是否适合团队，要同时看抽象、生态、治理边界和真实维护成本。
- Composio 的核心定位是把 SaaS 工具、认证和 action 管理做成 Agent 工具层，查询时 GitHub 生态热度为约 2.8 万 stars。
MCP Servers：Agent 工具生态的协议入口
MCP Servers 的价值在它选择承接的 Agent 工程层：Model Context Protocol 官方工具 server 集合入口。判断它是否适合团队，要同时看抽象、生态、治理边界和真实维护成本。
- MCP Servers 的核心定位是 Model Context Protocol 官方工具 server 集合入口，查询时 GitHub 生态热度为约 8.6 万 stars。
browser-use：浏览器 Agent 的开源爆款如何使用
browser-use 的价值在它选择承接的 Agent 工程层：让 Agent 操作浏览器完成网页任务。判断它是否适合团队，要同时看抽象、生态、治理边界和真实维护成本。
- browser-use 的核心定位是让 Agent 操作浏览器完成网页任务，查询时 GitHub 生态热度为约 9.5 万 stars。
Continue：开源 AI 编程助手的团队治理价值
Continue 的价值在它选择承接的 Agent 工程层：把模型、规则和上下文接入 IDE 的开源编码助手。判断它是否适合团队，要同时看抽象、生态、治理边界和真实维护成本。
- Continue 的核心定位是把模型、规则和上下文接入 IDE 的开源编码助手，查询时 GitHub 生态热度为约 3.3 万 stars。
Aider：终端 AI Pair Programming 的长期主义
Aider 的价值在它选择承接的 Agent 工程层：围绕 Git 工作流的终端 AI 编程助手。判断它是否适合团队，要同时看抽象、生态、治理边界和真实维护成本。
- Aider 的核心定位是围绕 Git 工作流的终端 AI 编程助手，查询时 GitHub 生态热度为约 4.5 万 stars。
垂类 Agent 的现实主义，Lovart 复盘说明了什么
晚点聊与 Lovart 创始人陈冕的复盘，适合用来理解垂类 Agent。垂类重点是围绕一个专业场景持续接模型、改交互、建上下文和抢用户心智。
- 垂类 Agent 的核心是专业工作流和交付标准。
20 问 OpenClaw，真正有价值的是问题框架
十字路口这期 OpenClaw 20 问的价值，不只是解释一个热门工具，而是示范了怎么拆 Agent 新物种：先分清对象、环境、用户、成本、风险和创业机会，再判断它到底值不值得追。
- 面对 Agent 新物种，先问问题比急着判断革命或泡沫更重要。
造 Agent 的工具，也会成为 Agent 时代的生意
晚点聊从 OpenAI 开发者日聊到 Agentic Tooling，提醒我们不要只盯 Agent 应用。每一波应用爆发前，都需要构建、调试、评估、部署、监控和权限管理工具先成熟。
- Agentic Tooling 面向开发者、创业团队和企业平台团队，而不只是终端用户。
年末 AI 回顾里，Agent 最该留下哪几条判断
晚点聊年末 AI 回顾不只是盘点热闹，它把模型、应用、巨头、创业公司和硬件放到同一张图里。对 Agent 来说，最该留下的是：Coding 是样板，垂类是落点，工具链是杠杆。
- Agent 重点是模型到真实任务之间的一种组织方式。
从模型竞争到系统竞争，Agent 季报该看什么
晚点聊 26Q1 AI 季报把 OpenClaw、Claude Code、OpenAI 和 Anthropic 放在同一张季度图里看。它提醒我们：Agent 的竞争已经不只是模型强弱，而是系统完成任务的能力。
- Agent 产品的核心变量，正在从模型分数转向系统完成任务的能力。
OpenClaw 热度背后，委托式 AI 终于有了样子
OpenClaw 相关节目在近期小宇宙 Agent 讨论里形成第一梯队，因为它让用户第一次直观看到 AI 可以被委托去完成一段电脑工作。
- OpenClaw 的热度来自可见执行过程，而不是单纯的模型能力宣传。
Agent 新范式在环境里学习
硅谷 101 E191 最值得拿出来写的判断是：Agent 的进化让模型进入可操作、可反馈、可评估的环境。环境定义得越清楚，Agent 越可能稳定落地。
- Agent 的关键是能否从环境反馈里修正行动。
投资人看 Agent，李世石时刻会发生在哪些行业
晚点聊与戴雨森关于 Agent 的长谈，适合从投资视角理解行业拐点。所谓李世石时刻，重点是某个垂直任务突然被机器用新方法打穿。
- 李世石时刻指的是局部任务被新方法打穿，不是行业瞬间消失。
日抛式软件来了，Agent 创作平台会改变什么
晚点聊对谈 MuleRun 陈宇森，把 Claude Code 和 AgentBuilder 放到软件创作方式变化里看。最值得追的是：未来很多小软件可能不再长期维护，而是围绕一次任务快速生成、使用、废弃。
- 日抛式软件重点是为短周期任务生成临时工具。
Agent 开发上半场，硬仗在 Context 和工具
42 章经把 Agent 拆成 LLM、Context 和 Tool Use 三件事。这个框架朴素但有用：Agent 能不能干活，往往不由模型一句话决定，而由上下文组织、工具暴露、环境反馈和失败恢复共同决定。
- Agent 三要素可以先看 LLM、Context、Tool Use，别只盯模型。
Cline：IDE 内自主 Coding Agent 为什么受欢迎
Cline 的价值在它选择承接的 Agent 工程层：VS Code 里的自主编码 Agent 和工具调用工作台。判断它是否适合团队，要同时看抽象、生态、治理边界和真实维护成本。
- Cline 的核心定位是 VS Code 里的自主编码 Agent 和工具调用工作台，查询时 GitHub 生态热度为约 6.2 万 stars。
OpenHands：开源 Coding Agent 平台的野心
OpenHands 的价值在它选择承接的 Agent 工程层：把代码、终端、浏览器和运行环境放进一个自治工作台。判断它是否适合团队，要同时看抽象、生态、治理边界和真实维护成本。
- OpenHands 的核心定位是把代码、终端、浏览器和运行环境放进一个自治工作台，查询时 GitHub 生态热度为约 7.5 万 stars。
n8n：自动化工作流平台如何接住 Agent
n8n 的价值在它选择承接的 Agent 工程层：从通用自动化平台扩展到 AI 工作流。判断它是否适合团队，要同时看抽象、生态、治理边界和真实维护成本。
- n8n 的核心定位是从通用自动化平台扩展到 AI 工作流，查询时 GitHub 生态热度为约 18.9 万 stars。
Flowise：可视化 Agent Builder 的价值和天花板
Flowise 的价值在它选择承接的 Agent 工程层：用节点和流程图搭建 LLM 应用与 Agent flow。判断它是否适合团队，要同时看抽象、生态、治理边界和真实维护成本。
- Flowise 的核心定位是用节点和流程图搭建 LLM 应用与 Agent flow，查询时 GitHub 生态热度为约 5.3 万 stars。
Dify：开源 Agent 应用平台的强项和边界
Dify 的价值在它选择承接的 Agent 工程层：开源 LLM 应用平台和企业低代码入口。判断它是否适合团队，要同时看抽象、生态、治理边界和真实维护成本。
- Dify 的核心定位是开源 LLM 应用平台和企业低代码入口，查询时 GitHub 生态热度为约 14.2 万 stars。
Haystack：生产级 RAG Pipeline 的稳路线
Haystack 的价值在它选择承接的 Agent 工程层：搜索和 RAG 工程积累深的 LLM pipeline 框架。判断它是否适合团队，要同时看抽象、生态、治理边界和真实维护成本。
- Haystack 的核心定位是搜索和 RAG 工程积累深的 LLM pipeline 框架，查询时 GitHub 生态热度为约 2.5 万 stars。
LlamaIndex：知识型 Agent 的上下文入口
LlamaIndex 的价值在它选择承接的 Agent 工程层：从文档、数据和索引出发构建 Agent 上下文。判断它是否适合团队，要同时看抽象、生态、治理边界和真实维护成本。
- LlamaIndex 的核心定位是从文档、数据和索引出发构建 Agent 上下文，查询时 GitHub 生态热度为约 5.0 万 stars。
Mastra：TypeScript 团队的 Agent 应用框架
Mastra 的价值在它选择承接的 Agent 工程层：面向 Node/TypeScript 生态的 Agent 与 workflow 框架。判断它是否适合团队，要同时看抽象、生态、治理边界和真实维护成本。
- Mastra 的核心定位是面向 Node/TypeScript 生态的 Agent 与 workflow 框架，查询时 GitHub 生态热度为约 2.4 万 stars。
Agno：一体化 Agent Platform 的取舍
Agno 的价值在它选择承接的 Agent 工程层：把 Agent、知识、记忆和工具放到一个平台式框架里。判断它是否适合团队，要同时看抽象、生态、治理边界和真实维护成本。
- Agno 的核心定位是把 Agent、知识、记忆和工具放到一个平台式框架里，查询时 GitHub 生态热度为约 4.0 万 stars。
Pydantic AI：类型安全 Agent 框架的后端路线
Pydantic AI 的价值在它选择承接的 Agent 工程层：把类型、依赖注入和结构化输出放到 Agent 开发中心。判断它是否适合团队，要同时看抽象、生态、治理边界和真实维护成本。
- Pydantic AI 的核心定位是把类型、依赖注入和结构化输出放到 Agent 开发中心，查询时 GitHub 生态热度为约 1.7 万 stars。
Semantic Kernel：微软企业栈里的 Agent 编排层
Semantic Kernel 的价值在它选择承接的 Agent 工程层：微软生态里的 LLM/Agent 编排层。判断它是否适合团队，要同时看抽象、生态、治理边界和真实维护成本。
- Semantic Kernel 的核心定位是微软生态里的 LLM/Agent 编排层，查询时 GitHub 生态热度为约 2.8 万 stars。
AutoGen：多 Agent 协作框架的研究底色
Microsoft AutoGen 的价值在它选择承接的 Agent 工程层：微软推动的多 Agent 编程框架。判断它是否适合团队，要同时看抽象、生态、治理边界和真实维护成本。
- Microsoft AutoGen 的核心定位是微软推动的多 Agent 编程框架，查询时 GitHub 生态热度为约 5.8 万 stars。
CrewAI：角色型多 Agent 框架适合什么团队
CrewAI 的价值在它选择承接的 Agent 工程层：用角色、任务和流程组织多 Agent 协作。判断它是否适合团队，要同时看抽象、生态、治理边界和真实维护成本。
- CrewAI 的核心定位是用角色、任务和流程组织多 Agent 协作，查询时 GitHub 生态热度为约 5.2 万 stars。
LangGraph：长程 Agent 的状态机底座
LangGraph 的价值在它选择承接的 Agent 工程层：把 Agent 从聊天循环推进到可恢复状态图。判断它是否适合团队，要同时看抽象、生态、治理边界和真实维护成本。
- LangGraph 的核心定位是把 Agent 从聊天循环推进到可恢复状态图，查询时 GitHub 生态热度为约 3.3 万 stars。
LangChain：Agent 应用框架的生态优势和负担
LangChain 的价值在它选择承接的 Agent 工程层：最宽的 LLM 应用开发生态。判断它是否适合团队，要同时看抽象、生态、治理边界和真实维护成本。
- LangChain 的核心定位是最宽的 LLM 应用开发生态，查询时 GitHub 生态热度为约 13.7 万 stars。
运营商卖 Token，国内 AI 计费会怎么变
我看好运营商卖 Token 的企业侧影响，不看好它短期变成大众像买流量一样主动购买的消费品。真正机会不在低价词元包，而在把 AI 调用做进企业账单、办公应用、政企服务和成本管理。
- 普通用户买的是 AI 搜索、写作、总结、办公助手等具体权益。
小模型有前途，但别把单片机和语言模型混为一谈
小模型有前途，关键价值是把高频、低延迟、隐私敏感和成本敏感的任务从大模型调用里拆出来。单片机 TinyML 当然是真小模型，但不能拿它证明小语言模型也能在所有设备上通用。
- 单片机上的 TinyML 是真小模型，但主要做传感器、语音唤醒和简单视觉，不等于通用语言模型。
cch 随机请求头为什么会坑到第三方 API 用户
cch 真正坑人的地方不在随机字符本身，而在它把客户端归因、缓存命中、网关兼容和第三方 API 成本绑在了一起。对直连用户这可能只是实现细节，对代理、Bedrock、兼容层和企业网关来说，它会变成稳定性问题。
- cch 不是普通随机数，它出现在归因字符串里，并且会让请求形状随调用变化。
多 Agent 系统最难的重点是控制权转交
多 Agent 系统的关键在于什么时候转交、转给谁、带着什么上下文转交，以及转交后谁对结果负责。
- handoff 不是普通工具调用，它会改变谁拥有下一步对话或任务控制权。
沙箱不只是安全层，而是 Agent 产品的运行界面
Agent 沙箱不能只按安全容器理解。影响产品体验的，是它如何准备依赖、挂载仓库、限制网络、保留状态、运行测试，并把结果交还给人。
- 沙箱的核心价值不只是隔离风险，还在于把仓库、依赖、工具链、网络和测试变成可复用的执行现场。
长程 Agent 缺的重点是生产任务队列
长程 Agent 不能被当成一条更长的模型调用。生产系统需要 job、step、worker、queue、checkpoint、局部 retry、人工等待和恢复机制。
- 长程 Agent 的生产边界应该从 job 和 step 开始，而不是从更长上下文开始。
Agent 进企业以后，第一件事是给它一个身份
企业 Agent 不能长期借人的账号和 token 做事。它需要自己的身份、owner、权限边界、委托记录、生命周期和撤销路径，否则自动化越强，责任越模糊。
- Agent 身份重点是能被目录、权限、审计、生命周期和风险策略管理的非人主体。
一次任务变成一串推理，Agent 产品化会卡在容量上
Agent 产品化的瓶颈不只是模型会不会调用工具，而是一次用户任务会被放大成多轮推理、工具等待、上下文增长、KV cache 迁移、网络传输和电力负载。
- OpenAI 的 function calling 和 Codex agent loop 说明，工具型 Agent 天然会把一次任务拆成多轮模型请求和外部执行。
MCP 工具供应链最危险的依赖，可能是工具描述
MCP 让 Agent 接工具变得更容易，也把工具描述、schema、输出和 scope 变成新的供应链入口。企业不能只问能接多少工具，要问谁能把工具放进模型上下文。
- MCP server 不是普通插件，它会把工具描述、参数和返回值放进模型上下文，描述本身就可能成为指令入口。
Agent 每一步都要可追责，trace 会变成审计证据链
Agent 进生产后，企业要的一条能复盘、能追责、能脱敏、能解释审批边界的执行证据链。
- Agent trace 要覆盖模型调用、工具参数、检索材料、handoff、审批、guardrail 和异常，而不是只记录最终回答。
企业 AI 工作站正在变成 Agent 的新底座
NVIDIA 和 Dell 最近的动作说明，企业 agent 基础设施不只会往云上集中，也会向工作组、本地机房和 deskside 设备下沉。约束开始变成内存、数据位置、网络和交付形态。
- DGX Station 把 GB300 Grace Blackwell 做成桌边 AI 超算形态。
Agent 记忆重点是生命周期管理
最近几篇 Agent memory 论文给出的共同判断很清楚：长期记忆不能只是把历史塞进向量库，而要管理写入、检索、更新、遗忘、调度和成本。
- Goal-Mem 把检索从相似度搜索推进到目标分解，说明记忆 retrieval 必须服务于推理目标。
Agent 开始处理密钥后，机密计算会重新上桌
当 Agent 能读凭证、调工具、跨系统执行任务，安全问题就不只在提示词和权限策略。机密计算、远程证明和硬件隔离会重新进入企业 Agent 架构。
- Agent 的威胁面覆盖感知、规划、记忆、行动和协作层，已经超过单次模型推理。
垂直 Agent 会先从金融工作包里跑出来
金融 Agent 的重要性不在「AI 会不会炒股」，而在它把 pitchbook、KYC、估值复核、月结和审计这类高价值流程做成可安装工作包。垂直 Agent 的落地路径，可能会比通用 Agent 框架更快。
- 金融 Agent 可写的是有输入、模板、数据源、复核点和交付物的专业流程。
垂直 Agent 为什么先在金融落地
金融 Agent 先落地，因为它有高价值、强流程、强审计和明确交付物。
- Anthropic 的金融 Agent 模板把 skills、connectors 和 subagents 组合成参考架构，面向 pitchbook、KYC、月结和估值复核等具体工作。
Agent 的下一块战场，是屏幕上的真实工作流
GUI Agent 的把浏览器、桌面、手机和办公软件变成可观察、可执行、可回放的工作环境。谁能控制屏幕，谁才真正接近用户每天做事的地方。
- GUI Agent 的关键是能不能稳定理解界面状态、执行动作并在失败时恢复。
Agent 的下一块战场是屏幕和浏览器
GUI Agent 的关键变化，重点是浏览器、搜索、桌面和手机正在被重新做成 Agent 的执行环境。
- Google 在 I/O 2026 把 Search agents、Universal Cart 和 Gemini Spark 连在一起，说明入口竞争已经从回答问题延伸到持续执行任务。
Agent 走向生产后，真正缺的是运行层
最近的论文和开源项目说明，agent 的瓶颈不只在模型。沙箱回滚、工具 API、源码级自修复、repo memory 和经验共享，正在一起构成新的运行层。
- DeltaBox 说明，长程 agent 需要便宜的状态回滚。
评估 coding agent，不能只看测试绿了没有
最近几篇论文把 coding agent 的评估问题说得更清楚了：测试通过、PR 合并、终端任务跑完，都只能说明一部分事实。要看的是 agent 有没有投机、有没有越界，以及人类审查到底补了多少洞。
- SpecBench 说明，测试绿了也可能只是学会投机动作和绕过验收。
Agent 的流程税：省下的代码时间，可能还给了审查和返工
Coding agent 的成本不只在账单里，也在流程里。它能节省写代码的时间，也可能把成本转移到规格、审查、CI、回滚、权限和人类收口上。
- Agent 的流程税来自规格、验证、审查、回滚、权限和预算归因，不会自动出现在 token 单价里。
Agent 不是免费同事：企业开始重算 AI 的真实工时
企业对 agentic AI 的疑问正在从「能不能替人做事」转向「跑完整个流程后到底省不省钱」。变贵的往往是多轮调用、上下文、返工、审查和预算归因加在一起的真实工时。
- 企业开始把 agentic AI 当成可归因的工作流成本，而不是一次性的模型试用费。
AI 编程的包月幻觉正在结束
AI 编程工具正在从座席订阅走向资源计量。Codex 限流、Copilot AI Credits、代码审查消耗 Actions minutes，说明团队必须开始按任务管理 token、并发、上下文和验证成本。
- GitHub 从 premium request 转向 AI Credits，并按 token 消耗计算，打破了短问答和多小时 autonomous coding session 成本相同的订阅错觉。
Agent 安全重点是运行时问题
能调用工具的 Agent 不能再按聊天机器人管理。它会读文件、跑命令、连服务、写数据，安全边界必须放在运行时：权限、隔离、拦截、审计和回滚。
- Agent 的风险来自工具调用和真实副作用，提示词约束挡不住文件操作、shell 命令、HTTP 请求和多步攻击链。
Agent 可观测性会成为新的基础设施
Agent 真正进入生产之后，问题不再只是能不能回答，而是每一步为什么这样做、花了多少成本、调用了什么工具、失败在哪里。可观测性会从辅助日志变成 Agent 平台的核心层。
- Agent 的结果对错只是最后一帧，需要管理的是中间轨迹、工具选择、上下文消耗和失败原因。
Agent Skills 正在变成新的软件包
Skills 把流程、工具、脚本、文件和调用约定打包成可安装资产。Agent 生态的下一层竞争，会落到谁能分发、治理和复用这些能力包。
- Skills 的价值不在把提示词写长，而在把稳定流程、工具调用、脚本和检查方式封装成可复用单元。
Agent 安全的边界正在从提示词移到运行时
Agent 安全不能继续只押在提示词上。模型会被外部内容误导，安全设计要限制的是它随后能访问什么、执行什么、改写什么，以及谁能复盘这些动作。
- Prompt injection 的麻烦在于指令和数据混在同一个输入通道里，不能只靠写更强提示词来消除风险。
Agent 不是免费同事：企业开始重新计算 AI 的真实工时
企业开始发现，agent 的成本一项任务从启动、运行、审查、返工到归责的完整工时账。
- Agent 成本不能只按模型调用价格看，还要算任务描述、上下文管理、review、返工和事故复盘。
Coding Agent 正在竞争企业运行层
这一周的信号说明，Coding Agent 的竞争不再只看模型会不会写代码，而是看谁能把沙箱、权限、验证、成本和工作流一起接进企业工程系统。
- Dropbox Nova 把 coding agent 接进 monorepo、Bazel 和内部验证路径，说明落地重点已经转向工程系统集成。
03｜GitHub 趋势：多 Agent 工作台和记忆层升温
这一周 GitHub 上值得看的是多 agent 工作台、repo-native memory、本地 MCP 记忆和小模型 coding agent 同时升温。
- Superset 代表多 agent 编程工作台方向，重点是并行会话、远程 workspace 和 issue 到 PR 流程。
03｜论文精选：Agent 评测和运行时正在变硬
这一周最值得看的论文，都在把 agent 从演示推回工程约束：沙箱回滚、隐藏测试、PR 结果解释、终端真实任务、越权行为和系统级安全。
- DeltaBox 把有状态 agent 的 checkpoint 和 rollback 做到毫秒级，说明沙箱已经是长程 agent 基础设施。
05｜HN 本周在讨论 Agent 成本和运行边界
这一周 HN 上最有价值的讨论，集中在企业 agent 的成本、spec-driven workflow、本地 RAG 记忆和 Claude Code 安全边界。
- 企业内部 agent 成本讨论开始从模型价格转向 token 消耗和组织 KPI。
02｜本周 GitHub AI 趋势，评估栈第一次跑过框架
这周 GitHub 上速度最快的 AI 仓库不再是新框架，而是评估工具。原因不复杂：上线越多，evals 越值钱。
- Agent 评估工具的关注度第一次稳定地超过新框架。
02｜AI 论文精选：工具落地评测正在变硬
本周值得读的论文，集中在工具调用的落地评测：不只是看模型能不能调出工具，更要看工具反馈被吸收的方式。
- 工具调用评测从单步成功率，转向多轮稳定性和错误回收能力。
04｜上下文工程的成本，正在被 HN 重新算一遍
上下文越长不等于效果越好。最近 HN 上几条讨论又把这件事翻了一遍，焦点不是窗口尺寸，而是上下文的质量、组织和重读成本。
- 上下文窗口的尺寸已经不是核心约束，组织方式才是。
Hermes 安装指南：macOS 和 Windows 怎么装
Hermes 不难装。macOS 直接跑官方安装器，Windows 先装 WSL2 再按 Linux 路线装。装完别先闲聊，先用并行读仓库和定时任务两个例子，看看它适不适合你。
- macOS 原生可装，Windows 走 WSL2，别在原生 PowerShell 路线上耗时间。
01｜论文精选：这一周最值得看的三条判断
这一周最有价值的论文，同时改了三条判断：个人代理依然很脆弱，自动化 QA 还远不到可托付，竞赛编程 agent 的上限又被往上推了一截。
- OpenClaw 与 CIK-Bench 给出一个刺眼结果：面对真实网页里的对抗内容，个人 AI 代理的提示注入攻击成功率达到 73.7%。
01｜GitHub AI 趋势：这一周最值得看的三条线索
这一周 GitHub 上真正有分量的上涨，集中在三类更靠近产品底层的仓库：agent 运行层、端侧推理运行时和全双工语音代理。
- Hermes Agent 一周新增 14811 星，核心信号不在新 CLI，而在于它把安装、记忆、MCP 和 40 多个工具打成一层可运行的 agent 环境。
Anthropic 为什么要把 Managed Agents 做成平台层
Claude Managed Agents 重点是 Anthropic 把 Agent 从模型接口推进到官方运行时平台的一步。重要的变化，重点是 Anthropic 开始接管 session、memory、vault、observability 和 prompt versioning 这一层基础设施。
- Anthropic 现在提供的不只是模型，而是一套托管式 agent harness，把 agent、environment、session 和 events 打包成官方平台能力。
Claude Managed Agents 的运行时架构是什么
Anthropic 这次公开的一套正式的运行时抽象。Agent、Environment、Session、Events 这四层一起定义了 Claude Managed Agents 的架构边界，也决定了它更适合长任务、异步执行和托管式运行，而不是完全自定义的 prompt loop。
- Claude Managed Agents 的核心是 `Agent -> Environment -> Session -> Events` 这一套托管运行时抽象。
00｜GitHub AI 趋势：最近 7 天快涨仓库怎么看
这条线只跟最近 7 天蹿升很快的 AI 仓库，重点判断它们背后到底是新工作流、新工具链还是短期热度，并用文档、活跃度和可复现入口先筛掉噪音。
- 候选池可以来自 GitHub Trending，但正文判断不能停在榜单截图。
00｜论文精选：最近 7 天的新论文该怎么挑
这条线只看最近 7 天值得工程和产品层继续跟进的 AI 论文，重点判断问题定义、证据强度和落地价值，不做摘要搬运，也不追每天的热点论文名单。
- 默认只看最近 7 天公开的新论文或重要新版本，不靠旧论文翻红撑版面。
罗福莉谈 OpenClaw：成本批评成立到哪一步
罗福莉批评 OpenClaw，核心是第三方 Agent 框架终于要自己承担长期运行的成本。把官方计费规则、API 价格和 OpenClaw 近期调整放在一起看，她对单位经济的批评基本成立。
- 罗福莉批评得最准确的部分，是第三方 Agent 框架不能继续把第一方订阅当成长期补贴。
把多窗口 AI 工作流重构成单一控制面
需要重构的重点是项目控制层。多窗口同时写文章没有错，问题在于写作、主干集成、部署和恢复过去没有被放进同一套状态机里管理；而且这套控制面现在已经开始落成具体脚本和状态文件。
- 多 Console 并发写作不是问题，问题是过去没有把主干合并和部署收口成单写者流程。
Hermes 和 OpenClaw 怎么选：先看层级
Hermes 最近热起来，不代表它会直接替代 OpenClaw。两者都挂着 agent 这面旗，但一个更像执行内核，一个更像个人助手入口和控制平面，个人用户与企业用户后面的答案会完全不同。
- Hermes 更像 agent runtime，OpenClaw 更像个人助手入口和 control plane。
02｜Coasts 把 agent 运行时问题直接摆出来了
Coasts 把依赖、端口、网络和共享服务这些平时埋在脚手架里的问题直接摆到了产品正面。
- Coasts 关心的是进程、端口、网络和共享服务怎么一起管。
00｜本周 3 篇 Hacker News AI 文章先看哪一篇
这页只做导读：告诉你本周 3 篇分别在讲什么，适合谁先读。
- 这里只留最近 7 天里能回到原始来源核对的讨论。
GSD2 和 OMX 怎么选：两套 AI 编程工作流的分水岭
GSD2 在管项目，OMX 在管 Codex。两边都能做长任务，但不在同一层：一个更像执行内核，一个更像编排外挂。把它们看成同一层工具，后面基本都会用错。
- GSD2 把项目压成 milestone、slice、task 和落盘状态，更像执行内核。
Karpathy 的 LLM Wiki 火了，普通人该怎么用
Karpathy 的 LLM Wiki 之所以引发共鸣，在于它把大模型往「持续整理、持续改写、持续积累」的方向推了一步，也提醒普通人别把知识管理做成新的体力活。
- 这套方法最有意思的地方，是把问一次答一次的临时问答，变成会留下痕迹的整理流程。
Cursor 3.0 和 AI Agent IDE 怎么选
Cursor 3.0 已经不只是更强一点的 AI IDE。值得比较的，是它如何和 Windsurf、Copilot、Cline 分别走向不同的 agent 路线：控制台、协作编辑器、GitHub 代理系统和开放执行层。
- Cursor 3.0 最关键的升级把本地与云端 agent 收口成统一调度面。
2026 年看 Agent 与大模型，还没做完的六件事
到 2026 年 4 月，主流产品已经把推理、工具调用、短期记忆和基础 Agent 形态做成标配，但决定下一代能力上限的几块底盘仍未完成：算力分配、验证器、持续记忆、长时程执行、长上下文工作记忆与可验证推理。
- 更长的思考时间已经商品化，但「把额外算力稳定转成成功率」仍然没有被产品层彻底解决。
AI 一周办成 700 人大会？一个案例能证明什么，不能证明什么
一篇「用 AI 一周办成 700 人大会」的文章之所以好看，是因为它说对了一半。AI 的确能显著压缩策划、写作、整理和沟通型工作，但一个成功案例还远远不够证明「经验已经失效」或「AI 是主要因」。
- 现有研究较强支持 AI 抬高新手下限、压缩写作策划类工作的时间成本，但不支持把单个成功故事直接上升为普遍规律。
传统 SaaS 转向 AI：要重写的不只是产品，还有公司结构
传统 SaaS 公司转向 AI，真正难的从来都不在接入一个模型接口，而在定价、交付、组织分工、数据资产和产品边界要一起重写。能不能转型，先是公司战略问题，然后才落到功能层。
- 这轮转型最后会体现在收入质量和估值逻辑上，核心变量是上下文、动作权限和结果交付，不是页面多几个 AI 按钮。
群友的 AI Agent 协作方法论参考
与 Agent 协作时，最关键的先判断任务是否落在它的能力边界内，再决定该放手、补足，还是拆解。拉开效果差距的，是边界判断、任务粒度、验证机制和干预时机。
- 控制强度应与能力缺口成正比，覆盖度高就放手，覆盖度一般就补信息，覆盖不了就拆任务。
LeWorldModel 的真正价值：给大模型补上一层物理直觉
LeCun 团队的 LeWorldModel 价值在于它用更简单的 JEPA 训练方式，把轻量、快速、可规划的物理建模重新带回了台面，也让 LLM 与世界模型的分工更清楚。
- LeWorldModel 证明，小参数世界模型也能在特定控制任务里做到稳定训练、快速规划和有意义的物理表征。
更强 AI 的下一步，也许不在「更像人」这条线上
如果意识不是工程目标，那么更强 AI 的演化方向就没必要沿着「更像人」展开。值得追踪的，是架构、记忆、工具使用、世界模型和多代理协作这些更具体的系统变量。
- 未来更强 AI 的主战场，更像系统架构，而不只是参数规模。
QVeris、LangChain 与 Agent 分层
QVeris 更像能力发现与统一执行层，LangChain、LangGraph 和 Deep Agents 则分别落在 framework、runtime 和 harness。把它们写成同类替代品，会直接讲乱技术栈边界。
- QVeris 当前公开交付的是 tool search + tool execution，更像能力路由层。
05｜YC W26 长周期赌注：研究型公司的时间尺度
CellType、Polymath 和 Ndea 代表的重点是三种更长周期的技术押注。评估它们，不能只问今天有没有收入，更要问科学路径、资本结构和下一轮验证点。
- CellType、Polymath 与 Ndea 的共同点重点是都更依赖长期研究正确性而不是短期销售效率。
04｜YC W26 Physical AI：机器人项目如何穿过部署现实
机器人叙事最容易被 demo 放大，决定成败的却是部署、单位经济、数据完整流程和现场复杂度。这一批公司值得看，但必须按比 SaaS 更重的现实标准来判断。
- 机器人应用层最先成立的地方，往往是单场景、高 ROI、流程极痛的工业与农业动作。
03｜YC W26 Agent 基础设施：谁在争下一层控制点
Agent 基础设施会热，但热不等于都能长成平台。需要追问的，是身份、运行时验证、编排、监控和支付之中，哪几层站在动作执行与价值流转的关键入口上。
- 最值得重视的控制点，是 orchestration、runtime action validation、identity governance 和 payment rails。
02｜YC W26 医疗 AI：同一标签下的四条兑现路径
医疗 AI 最容易被乱。行政自动化、患者前端、临床辅助与长期管理看上去都在用模型，商业节奏、监管压力和兑现方式却完全不同。
- 最接近真钱的医疗 AI，往往先发生在前台、计费、排班与保险环节，而不是最宏大的临床叙事。
01｜YC W26 收入型 Agent：谁最先逼近真钱
这一组公司最值得看的是它们已经切进愿意持续付费的工作流。判断它们的关键是交付质量、替代强度和留存路径。
- 结果型 Agent 的关键在于客户愿不愿意按结果持续付费。
00｜YC W26 Agent 创业地图：27 家公司该怎么分层
这组稿件不把 YC W26 的 Agent 项目混成一个总口号，而是按结果型产品、医疗、基础设施、机器人和长周期研究五个框架重排。重要的是谁占住了预算、控制点与时间窗口。
- 最应该优先看的，是已经切进结果付费工作流的公司，而不是口号最响的通用 Agent。
Self-Evolving Agents：自进化研究地图
自进化 agent 听上去像终局叙事，但当前研究真正提供的，更多是一张问题地图：评估如何设计、反馈如何形成、记忆怎样约束、改进怎样不失控。地图重要，胜利尚早。
- 它的核心贡献，是把自进化 Agent 研究整理成四条主轴和问题边界。
Swarms：多 Agent 工厂化的野心与代价
Swarms 的吸引力在于它不满足于单个 agent，而是试图把多 agent 策略批量化、模块化、产品化。但一旦走向工厂化，复杂度、调试成本和可靠性问题也会同时放大。
- Swarms 的核心是用一组预制架构把多 Agent 协作做成可选择、可切换的策略集合。
OxyGent：多 Agent 底盘为什么先要可伸缩
OxyGent 想解决的是多 agent 协作一旦进入长链路任务，状态、扩展性和系统稳定性如何一起成立。可伸缩性不是锦上添花，而是多 Agent 底盘前提。
- OxyGent 的核心表达把工具、模型和 Agent 抽象成可拼装的 Oxy 组件。
SICA：在自我进化之前，先把评估做硬
让 coding agent 自我改进听上去像自然下一步，但如果评估体系不够硬，所谓进化很容易只是噪声累积。SICA 的意义，在于先把怎么验证变好摆到系统中心。
- 这个项目最核心的把自改进收敛成「评估-归档-修改-再评估」的实验完整流程。
crewAI：把多 Agent 从概念秀拉回工作流
crewAI 值得看的地方，把角色分工、任务编排和流程可见性收回到工程可执行的范围。它代表的是多 agent 从演示叙事向工作流产品的回落。
- crewAI 最早吸引人的是角色协作，后来真正补强的是 Flows、Memory 和可观测性。
Agent Orchestrator：并行 Agent 的后勤层
并行 agent 的难点，不在再多开几个模型窗口，而在任务拆分、依赖协调、结果合并与失败回收。Agent Orchestrator 的价值，是把这些后勤工作从演示效果推进成可持续工程。
- 它的核心，在于给每个 Agent 独立 worktree、分支和 PR 槽位。
从信息流到知识层：怎样筛出值得长期沉淀的可靠知识
做知识库最容易犯的错误，是把所有信息都当知识留下来。值得长期保留的，应该是 30 天后、90 天后还能支持判断、设计和行动的内容，而不是今天最热的链接。
- 信息排序解决的是「今天先看什么」，知识沉淀解决的是「未来还该保留什么」，这两个问题不能共用一个分数。
Agentic Web：当 AI 代理开始替人上网
如果主要上网「客户端」逐步从人变成 AI 代理，互联网真正要重写的就不只是搜索入口，还包括接口层、支付层、身份层和预算层。Agentic Web 的核心，正在变成一张机器之间可调用、可结算、可审计的执行网络。
- 浏览器型代理证明了 AI 已能替人操作网页，但它更像过渡性的义肢，而不是最终形态。
WordPress 和 Hexo 之外，独立博主还需要什么
对认真独立建站的博主来说，缺的往往是一套能同时承接采集、生成、审计、发布、主题切换和运维的内容操作系统。WordPress 和 Hexo 很成熟，但它们主要解决的仍是上一代建站问题。
- WordPress 解决的是后台运营，Hexo 解决的是静态生成，但两者都还不是一条 Agent 原生的内容生产线。
OpenClaw 全球 B 端与 C 端使用现状对比
截至 2026 年 3 月，OpenClaw 在全球范围内更像一个先在 C 端和 prosumer 层爆发、再被 B 端试点和平台层承接的产品。C 端赢在入口和上手速度，B 端更可能在治理、托管、安全和组织化包装上沉淀收入。
- OpenClaw 的核心母体仍然是个人 AI 助手，而不是企业软件套件。
想建立 2026 年 AI 判断，先别只追新闻
先挑出那些三个月后仍会重写你判断的原文。这 10 篇博客覆盖 Agent 定义、评测偏差、软件工程、推理路线、系统安全和 Agent 公司结构这几条关键线。
- 这十篇里最重要的是它们分别重写了 Agent 定义、评测方法和工程边界。
近期最值得看的 10 场 AI 播客与 YouTube 访谈
如果你只想补最近一轮 AI 讨论里最有信息密度的 10 场播客与 YouTube 访谈，这份清单足够覆盖模型、Agent、评测、编码、世界模型、机器人和 AI for Science 这几条主线。
- 最值得补的重点是能解释 2026 年技术与产业分岔点的长访谈。
谷歌整合 AI Studio 之后，AI 开发市场会怎么变
这次被热传成「AI Studio 四个月重构」的事件，实质是谷歌把 Firebase Studio 的全栈原型能力收进 Google AI Studio，并把重度代码工作收敛到 Antigravity，开始把模型、后端和部署串成一条开发链。
- 谷歌这次收拢的「模型、原型、后端、部署、本地 IDE」整条开发链。
当 AI 离开聊天框：张小珺访谈里的机器人、汽车与物理世界
如果前两篇写的是模型公司和 Agent 公司怎样在屏幕里争入口，这一篇写的就是另一件更硬的事：当 AI 要接管汽车、机器人和物理动作时，软件、世界模型、终端与时间尺度会一起改变。
- 张亚勤把 AGI 画成一张分阶段地图：先信息智能，再物理智能，最后才是生物智能，时间尺度和载体完全不同。
从张小珺的 AI 深访里，看见 Agent 时代产品线索
把肖弘、明超平、李想这些访谈接起来看，2025 年之后变化重点是产品定义从「一个会回答的模型」变成「一个能嵌进环境、持续代办并承接信任关系的活系统」。
- 肖弘最值得记住的重点是他对应用公司的方法论：预判模型下一个能力点，先在场景里等它到来。
00｜AI 进入组织之后，8 个岗位会先重排责任链
这组文章追踪的重点是软件组织里的责任链会如何被重排：哪些执行环节变轻，哪些判断权上移，哪些角色会因为 Agent 变强而重新变贵，以及团队该怎样重新分工。
- 这组系列真正关心的，重点是责任、边界和交付链会怎样迁移。
03. 产品经理在 Agent 时代，会转向成功定义与边界设计
产品经理这类岗位短期更像是在换重心，而不是被整体替代。需求文档、调研摘要和会议纪要会更容易自动化，但成功定义、边界处理和取舍判断会变得更重要。
- 需求文档和纪要整理会更容易自动化，但目标定义和取舍判断并没有变轻。
04. 测试工程师会更靠近评测与放行规则
测试工程师不会因为 AI 更会生成用例就自然淡出团队，先变化的更像是测试岗位里的重复执行层。越往前走，测试越会靠近评测工程、verifier 设计、安全边界和放行规则。
- 最先变化的，是机械执行测试这一层，而不是负责质量边界和放行条件的人。
05. 架构师在 Agent 时代，会更像运行时设计者
架构师的工作不会因为 AI 更会写代码就自然缩小，真正被重新筛选的，是只停留在图纸层、不碰运行细节的那种工作方式。Agent 时代更稀缺的，是能设计状态、协议、权限和运行边界的人。
- 先被削弱的，重点是那种长期脱离执行、只在上层画图的工作方式。
06. 项目管理进入 Agent 时代之后，会更像流程编排层
项目管理不会整体淡出团队，但信息同步、状态跟进和会议纪要整理这类环节会更早自动化。更有价值的部分，会逐渐转向流程编排、升级路径、依赖管理、人工接管点和例外治理。
- 状态同步和信息搬运会更早自动化，但例外治理和依赖编排并没有变轻。
07. 当 Agent 开始读文档，文档会变成运行时上下文
文档不会因为生成式 AI 普及就失去价值，但那些「为了交付而交付」的说明书会更快商品化。更重要的文档，正在变成 Agent 和人共同消费的运行时上下文与约束层。
- 低价值文档最容易被生成式 AI 商品化，高价值文档反而会因为 Agent 普及而更重要。
08. AI 工具扩散之后，IT 部门会更像内部 AI 平台
IT 部门不会因为团队自助用 AI 工具就自然边缘化，先被压缩的更像是装机、开账号和工单分发这类旧式支持工作。接下来更重要的 IT，会更像内部 AI 平台、权限控制和治理团队。
- 先被压缩的，是 helpdesk 型、工单搬运型 IT，而不是负责身份、权限和审计边界的人。
Pico、Null、Zero 三种 claw 路线怎么分
PicoClaw、NullClaw、ZeroClaw 的名字虽然都带 claw，但它们不是 OpenClaw 官方产品矩阵，更不是简单的大中小版本。三者分别在轻量部署、Zig 极简路线和本地隐私上做了不同取舍。
- 三只 claw 都有官网和仓库，但不是 OpenClaw 官方产品线。
OpenClaw 更像长期在线的 Agent 协调层
OpenClaw 更适合被理解成一层把聊天入口、长连接网关和底层 coding agent 接起来的协调层。它主要解决的是长期在线、跨设备接力和多执行器编排，而不是单次仓库编码的速度比较。
- OpenClaw 的核心价值不在单次仓库编码速度，而在聊天入口、Gateway 和执行器之间的长期协调。
从实践到原则：Harness Engineering 的落地方法
Harness Engineering 要做的，是把代码仓库、执行环境、验证门禁和反馈回路改造成 Agent 可读、可控、可评估的工程系统，让 AI 能在真实项目里稳定交付。
- Harness Engineering 的对象重点是 Agent 所处的整个工程执行环境与治理回路。
Pi 内部原理：从会话树到 RPC 接入
Pi 的核心并不神秘：它用 `createAgentSession()` 把模型、资源加载、工具集合、会话树和运行模式装配起来，再由 `AgentSession` 接管工具执行、上下文管理、自动压缩与 RPC 集成。
- Pi 的核心抽象重点是 `AgentSession` 这层把状态、工具、扩展和模式统一起来的运行时。
OpenClaw 把真实 Chrome 会话接进 Agent
OpenClaw 在 `2026.3.13` 更新线里把 live Chrome session attach 做成官方能力，真实浏览器会话第一次进入 Agent 的正式工作流，浏览器插件也从必选项退回到可选路径。
- 新增 `existing-session` 后，已登录的本机 Chrome 会话第一次成为官方 attach 对象。
Pi：OpenClaw 背后的极简 Agent，是怎么工作的
Pi 是一套刻意保持极简的 coding agent harness，不走大而全的平台路线。它把上下文、工具、会话状态和多种接入方式压成一层轻量执行骨架。
- Pi 更像一套 coding agent 运行时和 harness，而不是一个把所有功能都打包好的大平台。
机器上桌之后之六：Martin Fowler
在 AI Agent 时代，Martin Fowler 之所以仍然很重要，因为当生成变快、代理变多、系统边界更容易被穿透时，重构、边界划分、渐进式演化和技术判断反而比以前更像硬约束。
- Martin Fowler 的重要性，在于他持续把复杂技术变化翻译成团队能执行的工程判断，而不只是抽象观点。
文科生如何有效使用 AI Agent 做内容创作
对文科生来说，AI Agent 最有价值的用法，先接手找资料、拆提纲、改写、多版本分发这些重复环节，让人把精力留在判断、事实核验和语气控制上。
- 文科生不是 AI Agent 的边缘用户，内容工作反而很适合先从人机协作开始落地。
编程 Agent 的基础结构：模型、工具、状态与验证完整流程
编程 Agent 是一套能围绕目标读取上下文、调用工具、执行步骤并根据结果继续推进的系统。把这条线看懂，模型、工具、状态和评测这些基础概念就会立刻落地。
- 理解 Agent 的第一步，是先看清它和聊天、补全、工作流之间的边界。
Java 后端如何转向 AI Agent 工程
Java 后端转向 AI Agent，是把过去积累的系统边界感、异常经验和工具工程能力，重新组织成运行时、评测完整流程和治理能力，并把业务流程改造成可审计的执行系统。
- Java 旧栈不会失效，它会重新定价成工具层、状态层、观测层和治理层能力。
如何转成 AI Agent 工程师：一份基于最新研究的转型路线图
如果你还把 AI Agent 工程师理解成「更会写 Prompt 的人」，那大概率会转错方向。真正有价值的 Agent 工程，是把模型、工具、状态、评测和治理串成可交付系统能力。
- 从官方实践到最新论文都在指向同一个结论：Agent 工程的核心是系统能力。
Agent 积累的是 Knowhow，不只是数据
Agent 的长期价值，主要来自持续沉淀任务拆解、工具调用、异常处理和验证标准这些可迁移的 knowhow，而不只是在数据和微调上继续加码。
- Agent 的长期进步，更常来自工作流和验证完整流程不断变强，不只靠参数自己长出新能力。
Clawith：一支 AI 团队的开源样机
Clawith 最有意思的地方在于认真回答团队协作里身份、权限、触发器、审批和审计怎样一起落地，并让多 Agent 真正进入组织工作流，这一点很关键。
- Clawith 的新意不在模型层，而在把 Agent 当成带身份和关系的组织成员来设计。
访谈：Harrison Chase 谈 Harness
这篇访谈围绕 Harrison Chase 的核心判断展开：Agent 时代真正要重建的，不只是模型接口，而是一整套执行、上下文和人类协同基础设施。
- 这期访谈的重点是 Agent 的底层运行方式正在整体重建。
现在做 Agent 产品，最该补哪一层缺口
现在做 Agent 产品，更值得补的是那层把 runtime、审批、回滚和团队规则接进真实工作流的控制层。系统层和平台层都已有强手，组织如何接住 Agent 反而还是空白。
- 系统层最像产品，平台层最像底座，但两边都已经出现清晰强手。
平台层争夺战：谁会成为 Agent 基础设施
平台层决定的是 Agent 能不能长期、稳定、可治理地跑起来。眼下最值得看的四条路线，分别是 LangGraph、微软、OpenAI 和 AWS 所代表的平台化方向。
- LangGraph 目前最像开放生态里的头号平台层选手，优势在 durable execution 和状态工作流。
做 Agent 系统前，先看懂系统、平台与工具版图
如果你想做的是能承接长任务、异步执行和团队协作的 Agent 产品，动手前先看清系统、平台、工具三层版图。它们解决的问题不同，拿到的入口不同，真正留下的缺口也不同。
- 市场已经分成系统、平台、工具三层，三类玩家的强项和边界并不相同。
长时间 AI Agent：从研究叙事到生产系统
长时间 Agent 的真正难点，不在单步够不够聪明，而在跨很多轮、很多上下文和很多工具调用之后，能不能继续保持状态连续、结果可验证和错误可恢复。
- METR 证明的是任务跨度能力在增长，不等于企业级稳定性已经成熟。
长时间 AI Agent 生产架构蓝图
如果一个 Agent 要连续运行二十分钟、两小时甚至更久，系统默认该长什么样？这篇文章把分层架构、状态模型、检查点、验证和上线顺序全部拆开讲清楚。
- 默认架构让 Orchestrator 调度很多短而可验证的小步骤。
OpenClaw 爆火之后，谁在卖工具，谁在卖云，谁在卖入口
OpenClaw 是一根很清楚的产业探针。它暴露了一件事：当 AI 编码从聊天升级为工作流，产业链每一层都会重新找位置，重新争入口、运行时和服务边界。
- OpenClaw 的意义在 AI 编码工作流第一次低门槛跨过开发者圈层。