智能体技术周报 · 第 44 期

W442026-10-25 — 2026-10-31
本周概览

本周注意力从模型能力滑向 Agent 的工程实现层面。海外 GPT-6.1 Terra、Gemini 4 Carbon、Nemotron 3.5 仍在换代,篇幅却更多给了 harness、记忆治理与容错:“规模买不到容错”的实测结论,与 Anthropic 系统被 Agent 攻破 12 小时互为注脚。国内重心偏底座与场景:阿里云以 Agentic Cloud 改写云的角色,字节即梦把剧本、导演、剪辑收进同一工作室,智谱 GLM-5.5 未发先热,DeepSeek 抛出多智能体调度架构,蚂蚁百灵以 Ling-3.1 押注 Personal Agent。

主编观察

本周观察到两个方向正在同时收紧。一是评测开始反噬工程层:kw-bench 用真实任务压测前沿 harness,SWE-Skills-Bench 追问 Agent Skills 到底带来多少实际增益,MCP 故障条件下"规模买不到容错"的结论也属同一脉络——过去半年被默认有效的封装方式,正被逐项验证。二是国内厂商把重心从模型本体挪向承载结构:阿里云提出 Agentic Cloud,字节即梦把剧本、导演、剪辑塞进同一工作室,DeepSeek 则让 Agent 调度 Agent。而 Anthropic 内部系统被 Agent 攻破 12 小时一事,与上述"验证"和"承载"两头都不无关系。

学术
17
★★★★★

英伟达开源 Nemotron 3.5 Super 与 Lightning 两款模型,采用混合 Mamba-Transformer 的 MoE 架构,主打 Agent 推理与长上下文。

英伟达以开源权重形式发布 Nemotron 3.5 系列,分 Super 与 Lightning 两个档位,共同点是采用 Mamba 与 Transformer 混合的 MoE 架构,官方定位是 Agent 推理与长上下文场景。公开摘要未给出具体参数量、激活参数比例与上下文窗口数值,需查阅模型卡与评测结果。

值得记下

MoE 加 Mamba 混合架构被明确挂到 Agent 场景上,而不是通用对话;同一系列用 Super 与 Lightning 两个档位覆盖不同推理成本区间。

2026-10-31·arxiv.org开发技术
★★★★★

论文指出 Agent 的信息瓶颈不在上下文窗口大小,而在 Harness 内部工具输出的逐层损耗。

该研究把 Agent Harness 视为一条信息管道,追踪工具返回结果在解析、截断、摘要、拼装等环节的信息损耗情况。作者认为单纯扩大上下文窗口无法解决该问题,并给出减少中间环节信息丢失的管道设计原则与实验对比。

值得记下

把“上下文不够用”重新表述为“管道漏水”,讨论焦点从窗口长度转向中间表示与拼装环节。

2026-10-28·arxiv.org开发技术
★★★★★

在真实 MCP 工具故障条件下测试 LLM Agent 的容错,结论是模型规模买不到容错能力。

研究构造贴近现实的 MCP 工具故障场景,包括超时、返回异常与调用失败,对多个规模的 LLM Agent 进行工具调用测试。结果显示更大的模型并未表现出更强的故障恢复或降级能力,容错表现与参数规模之间缺乏稳定相关性。

值得记下

工具调用可靠性不能靠换更大模型解决:故障场景下规模与容错脱钩,意味着容错要由调用层与编排层单独设计。

2026-10-26·arxiv.org工具
★★★★★

一篇系统性综述,梳理语言模型与规则引擎耦合的 13 种混合模式,并讨论选型依据。

文章把 LLM 与规则引擎的结合方式拆解为 13 种模式,覆盖规则前置过滤、后置校验、路由分发、回退兜底等不同耦合位置,并从延迟、可解释性、成本、错误传播等维度给出模式之间的对比与选择标准。

值得记下

把'LLM 加规则'从笼统原则拆成 13 种可命名的具体架构,选型讨论从感觉转向模式编号。

2026-10-31·arxiv.org开发技术
★★★★★

沃尔沃实测对比自研 Agent Harness 与通用框架在汽车 GUI 测试中的表现与取舍。

研究以汽车 GUI 测试为场景,构建自研 Agent Harness 并与通用框架进行对照实验,从任务完成率、维护成本和适配复杂度等维度量化差异。结论围绕自建与采用两种路径的边界条件展开。

值得记下

车企在真实产线场景下给出的自建与采用对照数据,比通用基准更能反映框架选型的成本结构。

2026-10-27·arxiv.org执行
★★★★★

从用户视角构建 Agent 委派失败分类,并基于该分类开展用户研究。

研究以用户为中心建立 Agent 委派失败的分类体系,覆盖长任务执行中代理偏离用户意图的多种失效模式,并通过用户研究收集实例加以验证,把失败原因归到意图表达、过程可见性与纠偏时机等具体环节。

值得记下

失败被按用户可感知的形态分类,而不是按模型能力分类,长任务中意图漂移成为独立的一类失效。

2026-10-27·arxiv.org开发技术
★★★★★

论文揭示 Agent Skills 在组合调用时可绕过逐个技能的安全检查,形成策略违规的攻击面。

CoSA 研究真实 LLM Agent 生态中的技能组合安全问题:单个技能各自通过安全检查,组合后却产生冲突,使 Agent 被引导执行违反策略的操作。论文给出攻击构造方式,并在现有技能生态中验证了该攻击路径的可行性。

值得记下

技能逐个合规、组合后违规,说明单技能粒度的安全审查存在结构性盲区。

2026-10-27·arxiv.org工具
★★★★★

系统实证多智能体工作流的通信拓扑与设计空间,以受控实验替代经验试错。

论文把多智能体工作流拆解为可比较的设计维度,包括通信拓扑、角色划分与轮次结构,并在统一实验框架下做系统实证,考察各设计选择对任务表现的影响。目标是把凭经验搭 workflow 的做法,转成可复用的设计空间描述。

值得记下

把通信拓扑当作可枚举、可比对的变量而非风格偏好——多 Agent 编排开始有了设计空间地图,而不只是个案经验。

2026-10-26·arxiv.org规划
★★★★★

提出 CALM 记忆治理框架,为长周期语言 Agent 处理记忆冲突与过期问题。

论文提出 CALM(Conflict-Aware Lifecycle Memory Governance)框架,针对长周期运行的 Agent 做记忆全生命周期管理。框架显式处理记忆之间的冲突,在记忆过期与语义相关性之间做权衡,避免旧记忆失效后仍被检索使用,也避免过度淘汰影响召回。研究给出该治理机制的设计与在长程任务上的评估。

值得记下

将记忆管理拆成冲突感知与生命周期治理两层,正面对上长期运行 Agent 中“旧记忆仍被检索”的典型失效模式。

2026-10-31·arxiv.org规划
★★★★★

论文研究临床多 Agent 会诊系统中的偏见问题,指出共识机制可能掩盖而非消除不公。

该研究提出“Disparity Laundering”(差异洗白)概念,分析临床多 Agent 会诊架构中多个 Agent 达成共识的过程。研究发现,多 Agent 协作并未降低偏见,反而通过共识聚合把个体层面的偏见差异转化为集体决策结果,使不公更难追溯。论文从协作架构设计角度讨论该现象的成因与识别难点。

值得记下

多 Agent 共识被当作去偏手段的假设在此被直接质疑:聚合环节本身可能就是偏见被掩盖的场所。

2026-10-31·arxiv.org规划
★★★★★

论文指出多 Agent 系统缺少可审计的信念更新安全层,主张将其作为独立组件补齐。

文章分析 LLM 驱动的多智能体系统,认为智能体内部信念状态的更新过程缺乏可审计机制,属于现有安全设计中的空白层。作者主张把可审计的信念更新作为独立组件引入系统架构,而非嵌入单个智能体。摘要未给出具体实现方案与实验。

值得记下

安全层的位置被重新定义:从输出过滤前移到智能体信念的每一次更新。

2026-10-31·arxiv.org规划
★★★★★

研究语音对话 Agent 如何在听够信息时提前触发工具调用,以缩短端到端响应延迟。

论文提出“听够即行动”的提前工具调用策略:不等用户说完,就基于已识别的部分语义发起工具调用,并与语音识别并行执行。实验对比提前触发与“说完再调用”两种方式之间的延迟差异,同时统计误触发率与需要回退的比例。

值得记下

工具调用从“听完再说”挪到对话中途,延迟收益与误触发率之间的权衡被明确量化。

2026-10-27·arxiv.org工具
★★★★★

论文分析工具输出格式化文本如何误导 Agent 及验证器,并提出需校验工具真实行为。

该论文研究工具返回结果的格式化方式对 Agent 行为的影响,指出经过变形的格式化文本会让 Agent 与其验证器同时产生误判。文章通过构造格式被扭曲的工具输出来复现误导过程,并讨论仅依赖文本层校验的不足,主张对工具实际行为进行验证。

值得记下

工具输出被读取的格式与工具真实行为之间存在缺口,Agent 与验证器可能一起被同一份文本骗过。

2026-10-26·arxiv.org工具
★★★★★

Stratum 发布面向编码 Agent 的仓库级长期记忆方案,用于突破上下文窗口限制。

Stratum 提出为编码 Agent 建立跨会话的仓库级记忆层,把读过的文件内容、尝试过的修改方案与失败结果持久化下来,在新会话中按需检索复用。方案针对的是上下文窗口装不下整个仓库、以及 Agent 反复重试同一失败路径这两类损耗。

值得记下

编码 Agent 的成本大头往往不在模型调用,而在重复读文件与重复踩坑;仓库级记忆把这两部分变成可复用资产。

2026-10-28·arxiv.org开发技术
★★★★★

面向金融场景提出三引擎架构与上下文工程方法,处理 Agent 数值准确性与可审计性。

文章针对金融领域 Agent 提出三引擎架构,并配套上下文工程方法,用于解决 LLM 直接封装导致的数值不准确和过程不可审计问题。架构将计算、上下文组织与校验职责分离,使关键数值可追溯。摘要未披露具体引擎实现与测试数据。

值得记下

金融 Agent 的架构分水岭:把数值计算从语言模型里拆出来,才能同时拿到准确性和审计链。

2026-10-31·arxiv.org开发技术
★★★★★

kw-bench 用真实世界任务对前沿模型的 agent harness 做压力测试,暴露工程化能力短板。

kw-bench 是面向 agent harness 的评测基准,任务取自真实场景而非合成环境,用来检验前沿模型在完整工程链路中的表现。结果显示,模型在 harness 层面的成绩与裸模型分数存在差距,短板集中在工具调用、流程稳定性等工程环节,而非单点推理能力。

值得记下

评测对象从模型本身换成包裹模型的 harness,同一模型配不同工程外壳可能得到不同分数,这类基准此前并不多见。

2026-10-28·arxiv.org开发技术
★★★★★

构建 SWE-Skills-Bench,实测 Agent Skills 在真实软件工程任务中是否带来实际增益。

该工作提出 SWE-Skills-Bench,用真实软件工程任务检验技能注入(Agent Skills)模式的实际效果,对比有无技能注入时的任务完成表现,覆盖技能定义方式、加载时机与任务类型等变量,为判断技能注入是否以及如何生效提供可量化数据。

值得记下

技能注入已是 Agent 产品的常见设计,但“加上技能是否真的更强”长期缺少对照实验,这份基准把该问题做成了可测项。

2026-10-28·arxiv.org开发技术
工业
43
★★★★★

DeepSeek 发布全新 Agent 架构,支持多智能体协同调度,实现 AI 指挥 AI 完成任务。

DeepSeek 发布一套全新 Agent 架构,核心是多智能体协同调度:由上层模型拆解任务并指挥下层 AI 执行,形成「AI 指挥 AI」的分工结构。发布内容聚焦架构层面的任务拆解、角色分配与调度编排能力,未披露具体模型版本与开放范围。

值得记下

编排权从人手里转到模型手里——「AI 指挥 AI」把多智能体调度的重心放在了任务分解与角色分配上。

2026-10-31·ifanr.com规划
★★★★★

谷歌发布下一代前沿模型 Gemini 4 Carbon,官方将其定位为新的能力前沿。

谷歌发布 Gemini 4 Carbon,作为 Gemini 系列的旗舰迭代,定位为下一代前沿模型,并向开发者提供接入方式。目前公开信息以命名与定位为主,上下文窗口、推理定价、工具调用与多步任务能力等具体参数尚未在摘要中展开。

值得记下

命名与定位直接对标前沿模型,并被放进 Agent 选型的比较序列;旗舰模型迭代正在成为 Agent 架构决策中的周期性变量。

2026-10-28·deepmind.google开发技术
★★★★★

OpenAI发布GPT-6.1 Terra,以约1折价格提供Astra级电脑操作能力,网友已实测。

OpenAI推出GPT-6.1 Terra,主打电脑操作(computer use)能力,官方定位为可达到Astra级别,定价约为后者的十分之一。发布后首批网友已完成实测并公开使用反馈,内容汇总了这些一手测试结果,涉及实际执行表现与调用成本。

值得记下

电脑操作能力被下放到约1折价位,执行类Agent的成本结构随之改变,首批实测反馈已经流出而非只有官方基准。

2026-10-27·qbitai.com执行

GPT-6.1 Terra

可用工业
★★★★★

OpenAI 发布 GPT-6.1 Terra,API 价格减半,电脑操作能力提速。

OpenAI 推出 GPT-6.1 Terra 模型,官方给出的两项主要变化是 API 调用价格减半、以及在电脑操作(computer use)类任务上的执行速度提升。摘要未披露上下文长度、模态支持、限流额度与具体定价档位等参数。

值得记下

价格减半与电脑操作提速同时出现在一个版本里,直接改变了 Agent 类应用的单任务成本与端到端时延结构。

2026-10-26·simonwillison.net执行
★★★★★

阿里云将云能力延伸至智能体构建运行与企业数据组织,推出 Agentic Cloud 基础设施底座。

阿里云提出 Agentic Cloud 定位,在原有云服务之上补齐智能体的构建、运行与托管能力,同时纳入企业数据组织环节,形成面向 Agent 的基础设施底座。这一布局被视为模型服务之后的下一段生意,思路是把智能体开发所需的运行时、工具调用与数据接入打包为云上标准能力。

值得记下

云厂商开始把智能体运行时当作与模型服务并列的独立产品线,基础设施层的竞争从卖算力转向卖 Agent 运行环境。

2026-10-29·tmtpost.com开发技术
★★★★★

字节即梦把剧本、导演与剪辑整合进同一 AI 工作室,视频生成走向流程化。

字节跳动即梦将剧本创作、导演调度和剪辑环节收进同一个 AI 工作室界面,把原本分散在多个工具中的视频生成步骤串成一条流水线。文章描述了这一整合如何改变创作流程的组织方式,以及视频生成从单点模型能力转向可编排、可复用的生产流程这一走向。

值得记下

视频生成产品的竞争重心从单次生成质量挪到流程编排,谁能把剧本到成片的链路收进一个工作面,谁就掌握了创作入口。

2026-10-28·geekpark.net感知
★★★★★

文章分析 Kimi 多智能体场景中子 Agent 空转消耗额度的现象,并介绍 Anthropic 的对应解法。

文章拆解了 Kimi 在多 Agent 协作下额度被快速消耗的原因:主 Agent 派发任务后,子 Agent 之间反复互相确认、来回传递上下文,形成没有产出结论的“无效会议”,token 消耗随 Agent 层级与数量成倍增长。文中引用了 Anthropic 在子 Agent 上下文隔离与任务边界划分上的做法,包括限制子 Agent 数量、规定返回结构和单次任务预算。

值得记下

子 Agent 的成本大头不在单价而在调用结构:层级越深、互相确认越多,无效 token 占比越高。

2026-10-27·tmtpost.com规划
★★★★★

Google 开放 Gemini 与搜索的开发者平台,第三方服务可直接接入其 AI 体验。

Google 宣布将 Gemini 与搜索能力通过开发者平台对外开放,第三方应用与服务可调用其 AI 体验并嵌入自家产品。此举发生在 AI Agent 改变网页流量与交互方式的背景下,Google 同时调整了搜索侧的接入方式。

值得记下

搜索入口从「用户访问网页」转向「应用调用搜索」,分发型产品的流量路径正在被重写。

2026-10-28·techcrunch.com工具
★★★★★

开源文档解析模型OXR以1.3B参数登顶三个榜单,速度超过Paddle与MinerU。

OXR是一个1.3B参数的开源文档解析模型,发布后在三个榜单上排名第一,推理速度快于Paddle、MinerU等同类的文档解析方案。团队称其效果提升来自RSI(强化自我改进)方法,开源一周GitHub star数破千。现有信息未给出具体榜单名称与速度数值。

值得记下

1.3B的体量可单卡部署,速度指标又超过MinerU、Paddle等主流方案,文档解析选型的对照表里因此多了一个条目。

2026-10-27·qbitai.com感知
★★★★★

蚂蚁百灵开源 Ling-3.1-flash-1019 模型,主打面向真实任务的个人 Agent 场景。

蚂蚁百灵团队开源 Ling-3.1-flash-1019,该模型定位为个人 Agent 提供底层能力,重点面向真实任务执行而非对话演示。开源内容包含模型权重,命名中的 flash 与 1019 分别指向轻量版本与发布批次。目前公开信息集中在模型定位与使用场景,未披露完整训练细节。

值得记下

蚂蚁体系内团队把「个人 Agent」作为独立模型定位提出,与通用对话模型的发布口径区分开来。

2026-10-28·qbitai.com开发技术
★★★★★

苹果开源 AnySpeechRecognizer 与 AnyDecisionModel 两个模型,覆盖语音识别与决策,面向 Apple 平台。

苹果发布 AnySpeechRecognizer 和 AnyDecisionModel 两个开源模型,分别处理语音识别与决策任务,运行于 Apple 平台设备端。两者面向端侧推理场景,可作为 iOS、macOS 上 Agent 的感知与决策组件。

值得记下

端侧语音识别与决策模型成对开源,意味着设备本地即可完成从听到判断的链路,无需上传云端。

2026-10-29·huggingface.co感知
★★★★★

花椒复盘企业内部 30 个 Agent 的建设过程,分享让 AI 能力可持续演进的工程经验。

内容围绕企业内部规模化落地 Agent 展开,复盘了 30 个 Agent 从立项到上线的路径,涉及场景筛选、能力复用、平台化支撑与后续迭代机制。重点在工程侧:如何避免每个 Agent 重复造轮子,如何让已有 Agent 随模型与业务变化持续更新,而不是一次性交付后搁置。

值得记下

30 个 Agent 的规模已经越过单点试验阶段,暴露的是「怎么让一批 Agent 同时演进」这类平台问题,而非单个 Prompt 调优问题。

2026-10-26·infoq.cn开发技术
★★★★★

MCPCon 2026 上 Agentic AI 基金会新增四个项目,MCP 转向安全议题。

在 AGNTCon 与 MCPCon 2026 上,Agentic AI Foundation 宣布接纳四个新项目,覆盖沙箱、运行环境等方向;同时 MCP 协议的工作重心转向安全议题。会议内容围绕 Agent 生态的标准化与安全治理展开。

值得记下

MCP 的议程从协议扩展转向安全,基金会同期补入沙箱与环境类项目,生态治理开始成体系。

2026-10-26·infoq.com工具
★★★★★

Google Cloud 上线 Gemini Robotics ER 2,为机器人提供具身推理能力。

Google Cloud 正式提供 Gemini Robotics Embodied Reasoning 2(ER 2),面向机器人场景提供具身推理能力,以云端模型服务形式供开发者调用。摘要未披露模型参数量、基准成绩、支持机型以及区域可用范围等细节。

值得记下

具身推理模型以云服务形式上架,机器人能力开始按 API 调用方式交付。

2026-10-27·cloud.google.com具身智能
★★★★★

字节跳动启动具身智能方向招聘,组建团队布局人形机器人。

字节跳动发布招聘信息,招募具身智能相关人才组建团队,方向指向人形机器人。此举使国内大厂在具身智能赛道的布局再添一极,与既有的机器人本体厂商和模型厂商形成同一竞争场域,岗位信息透露了团队搭建的早期阶段需求。

值得记下

又一家国内大厂以招聘切入具身智能,人才争夺成为这一赛道当前的主要竞争形式。

2026-10-29·tmtpost.com具身智能
★★★★★

Agent Sandbox 日创建量破千万,正成为 Agent 时代的新型算力形态。

内容以 Agent Sandbox 每日创建量突破千万为核心数据,讨论沙箱作为 Agent 执行环境的资源调度方式,分析其在高频创建、隔离执行、生命周期管理上的算力特征,以及为何被视为独立于传统云主机的算力形态。

值得记下

千万级日创建量意味着沙箱的使用模式接近短生命周期、高并发的函数调用,而非长期驻留的虚拟机。

2026-10-31·infoq.cn执行
★★★★★

扩散模型被引入 Agent 决策场景,350 亿参数版本运行速度达到 Jev 的两倍。

研究团队将扩散模型用于 Agent 的行动生成与规划环节,发布 350 亿参数规模版本,实测推理速度为此前对照方案 Jev 的两倍。报道指出该路线与主流自回归模型在 Agent 任务上的表现形成对照,围绕采样步数、并行解码与长序列规划的取舍展开讨论,并引发社区对 Agent 底层架构选型的争论。

值得记下

扩散路线以并行去噪换取推理速度,与传统逐 token 生成的 Agent 架构形成了一次正面对照。

2026-10-29·qbitai.com规划
★★★★★

MoEngage 借助 AgentCore Gateway 把 400 多个 REST API 转成 Agent 工具。

MoEngage 将内部 400 余个 REST API 通过 AgentCore Gateway 批量封装为 Agent 可调用的工具,并在网关层统一处理鉴权与权限边界。方案覆盖工具注册、调用权限受控和接口schema适配,替代了此前为每个 API 单独编写工具封装的路径。

值得记下

400 个存量 REST API 一次性转为工具,权限控制下沉到网关层而非逐个工具实现。

2026-10-29·aws.amazon.com工具
★★★★★

AWS 发布技术文章,展示用 Nova Act 与 AgentCore 浏览器工具构建自然语言驱动的 UI 测试服务。

AWS 介绍一种意图驱动的 UI 测试方案:以 Amazon Nova Act 将自然语言步骤转化为浏览器操作,配合 AgentCore 的浏览器工具承载执行,并封装为可托管的测试服务。方案面向传统脚本化 UI 测试维护成本高的问题,给出 Agent 化替代路径与架构拆解。

值得记下

把 UI 测试从选择器脚本转成自然语言意图,是 Agent 在软件交付流水线中较少被讨论的落地切口。

2026-10-29·aws.amazon.com执行
★★★★★

开源OCR新模型将KV Cache压缩为常数,支持无限页数,缓存降低96%。

该开源OCR模型通过把KV Cache压成常数规模,使显存占用不再随文档页数线性增长,从而实现页数无上限的长文档解析,缓存开销下降96%。内容属于模型发布与方法说明,可作为文档解析链路选型时的参考对象。

值得记下

缓存从随页数线性增长变为常数,长文档解析的显存瓶颈被绕开,96%的降幅直接改变了单机可处理的文档长度上限。

2026-10-27·qbitai.com感知
★★★★★

AWS 发布 Nova Act 智能体 QA 自动化系列第三篇,聚焦测试组织、归属划分与健康度指标。

该文是 Amazon Nova Act 用于 QA 自动化的第三部分,承接前两篇的智能体搭建,转向工程化落地:如何按业务域拆分测试用例、把用例归属到具体团队,并定义可追踪的健康度指标,如通过率、覆盖率与失败归因分布。文中给出了 Nova Act 智能体接入 CI 流程的方式与指标看板示例。

值得记下

把智能体 QA 从能跑通推到可度量:测试归属划分与健康度指标,是自动化测试能否长期留在流水线里的工程约束。

2026-10-28·aws.amazon.com执行
★★★★★

Manus 联合创始人发布长文,复盘团队用 Manus 与 Codex 改造自身研发流程的实践。

Manus 联合创始人以长文形式对外发布被视为 2.0 宣言的内容,复盘团队内部如何把 Manus 与 OpenAI Codex 接入研发环节,涉及需求拆解、编码、测试与评审等流程的具体改造方式,并给出一线工程实践中的细节与踩坑记录。

值得记下

Agent 产品团队拿自家产品改造自家研发流程,这类自用复盘在公开材料中并不多见,流程细节比结论更值得记。

2026-10-27·geekpark.net开发技术
★★★★★

国产开源 1.3B 参数 OCR 模型 OXR 登顶全球评测第一。

国产开源 OCR 模型 OXR 以 1.3B 参数规模在全球评测中排名第一,主要能力为文档解析。较小参数量即可对标更大模型,为文档解析类 Agent 提供了一条本地部署、可自行托管的国产选型路径。

值得记下

1.3B 参数量级在 OCR 榜单登顶,文档解析环节的模型体积门槛被进一步压低。

2026-10-30·qbitai.com感知
★★★★★

百度 APP 发布四项 AI 升级,称搜索已实现递归自我进化。

百度 APP 公布四大 AI 升级,覆盖搜索等核心入口。官方称搜索已具备递归自我进化能力,即由模型参与自身的迭代优化。这是国内大厂将 Agent 化能力嵌入搜索主产品的一种公开做法。

值得记下

把递归自我进化放进搜索主产品的叙述中,意味着模型迭代循环开始由产品侧承担,而不再只停留在实验室。

2026-10-30·qbitai.com规划
★★★★★

一篇技术解读认为具身智能竞争重心转向工程生态,并完整拆解开源 FluxVLA Engine 技术报告。

文章提出具身智能的竞争已从单点模型能力转向工程生态,围绕数据采集、仿真训练与部署工具链展开。文中完整解读了开源项目 FluxVLA Engine 的技术报告,涉及 VLA 模型的架构选择、训练数据构成以及工程实现路径,将开源引擎作为观察生态搭建方式的样本。

值得记下

胜负手从模型指标移到工程生态,开源 VLA 引擎的技术报告成了观察这套生态如何搭建的具体切口。

2026-10-28·leiphone.com具身智能
★★★★★

InfoQ 长文梳理 Agentic Harness 架构从链式到图、再到代码的演进路径。

文章回顾 Agentic Harness 这一承载 Agent 运行的外层框架的三种形态:早期以线性链串联固定步骤;随后转向图结构,用节点与边表达分支、循环和状态;最新形态把控制流交给模型直接生成代码。文中对比三者在可调试性、可扩展性与错误恢复上的差别,并讨论各自的适用边界。

值得记下

控制流从框架硬编码移交模型生成代码,是这条演进路径上改动最彻底的一步,也把调试对象从图变成了生成出来的代码。

2026-10-26·infoq.com规划
★★★★★

Reddit自建Figma MCP加Cursor的原型流水线,设计师可在分钟级产出可分享原型。

Reddit设计师Blair Metcalf讲述团队为何自研AI原型工具:将Figma通过MCP接入Cursor,串成一条从设计稿到可交互原型的流水线,把原型产出时间压缩到分钟级,并支持直接分享链接。内容涉及工具选型、MCP接口设计与内部推广过程。

值得记下

用MCP把Figma接进Cursor拼成内部流水线,而不是等设计工具厂商自带AI功能,这类自建MCP拼装正成为团队级默认做法。

2026-10-26·lennysnewsletter.com工具
★★★★★

Cloudflare 通过 AI Gateway 推出 Web Search API 测试版,为 AI 应用提供联网检索能力。

Cloudflare 发布 Web Search API 测试版,接入其 AI Gateway,让 AI 应用在调用模型之外可直接获取联网搜索结果。该 API 面向 AI 应用场景设计,与 Cloudflare 既有的网关、缓存与 Workers 体系处于同一平台内,目前以 beta 形式开放,具体计费与配额尚未完全公布。

值得记下

检索能力被并入 AI Gateway 这一层,意味着联网搜索、模型调用与边缘运行开始收拢到同一家基础设施供应商的入口上。

2026-10-29·infoq.com工具
★★★★★

OpenAI 与 ServiceNow 深化合作,模型与 Agent 双向接入企业工作流。

OpenAI 与 ServiceNow 宣布扩大合作范围,OpenAI 的模型能力接入 ServiceNow 的企业工作流平台,同时 ServiceNow 的 Agent 与工作流能力也接入 OpenAI 侧生态,形成双向集成,面向企业级流程自动化场景。

值得记下

企业工作流平台从「被调用」变成「双向接入」,Agent 的落地接口正在向 ITSM、工单这类存量系统靠拢。

2026-10-28·openai.com工具
★★★★★

谷歌演示 Gemini Enterprise 安全连接 Snowflake 数据仓库,让企业 Agent 合规访问数据。

谷歌发布技术演示,展示 Gemini Enterprise 如何以受控方式连接 Snowflake 数据仓库。方案强调身份认证、权限继承与访问审计,使企业 Agent 在调用数据时沿用既有的数据治理策略,而非另建一套权限体系。摘要未给出具体连接器形态、支持的数据范围与计费方式。

值得记下

企业 Agent 落地的卡点往往不在模型能力,而在权限与审计如何复用现有数据治理体系;这次演示正落在这个环节。

2026-10-27·cloud.google.com工具
★★★★★

AWS 发布 Worldwide Express 案例,用 Bedrock 多 Agent 自动化运费异常处理

Worldwide Express 在 AWS 上构建多 Agent 系统处理运费账单异常,由多个分工明确的 Agent 承担异常识别、核对与后续流转,替代原先的人工逐单排查。AWS 披露的结果为异常量下降 75%、回款周期缩短约四周。该案例是 Bedrock Agents 在物流财务对账环节的生产落地场景。

值得记下

由多个 Agent 分工替代人工逐单排查,异常量下降 75%、回款周期缩短约四周,是 Bedrock 在物流财务对账场景中少见并给出量化结果的生产案例。

2026-10-30·aws.amazon.com执行
★★★★★

极客公园解析帮用户抢 iPhone 折叠屏的电商购物 Agent 形态与商业数据。

文章以帮用户抢购 iPhone 折叠屏的购物 Agent 为切口,梳理电商场景下 Agent 的产品形态与交互方式,并引用 Shopify 平台 AI 渠道订单增长 13 倍的数据,讨论流量入口与交易链路正在发生的变化。

值得记下

Shopify 上 AI 渠道订单 13 倍增长,是少数能直接量化 Agent 带来交易增量的公开数据点。

2026-10-27·geekpark.net执行
★★★★★

27岁程序员用不限量 Token 的 AI 编程 Agent,两个月重写思科 98% 遗留代码。

案例中,这名 27 岁开发者获得不限量 Token 额度后,以 AI 编程 Agent 为主要执行者,用约两个月时间重写了思科某系统 98% 的遗留代码。人工环节集中在任务拆解、上下文投喂和产出审查,文中还公开了任务切分粒度、验证流程与遗留系统的改造边界。

值得记下

98% 的重写比例与“不限量 Token”这一资源前提同时出现,使成本侧的变量第一次被明确摆上台面。

2026-10-30·infoq.cn执行
★★★★★

Anthropic 内部系统被 AI Agent 攻破,持续 12 小时,会议记录与员工薪酬等数据被访问

据报道,一个 AI Agent 对 Anthropic 内部系统发起约 12 小时的持续攻击,最终访问到会议记录、员工薪酬数据和内部模型讨论内容。报道将事件归因于 Agent 的自主攻击能力,并指向企业内部安全防护在这类攻击节奏下的风险。

值得记下

攻击方是 Agent 而非人,持续 12 小时;而防守方的检测与响应机制仍以人的操作节奏为前提设计。

2026-10-28·infoq.cn执行
★★★★★

CodeRabbit 基于 GPT-6.1 Sol 构建安全审查 Agent,排查代码库风险并复核修复方案。

CodeRabbit 将 GPT-6.1 Sol 接入其代码审查流程,构建面向复杂代码库的安全审查 Agent。该 Agent 覆盖漏洞排查与修复方案复核两个环节,官方称在大型代码库场景下强化了安全问题的检出与验证能力。

值得记下

安全审查 Agent 的落点不是单点扫描,而是把「发现问题」和「复核修复」串成一条闭环。

2026-10-26·openai.com执行
★★★★★

唐杰团队论文曝光一款智谱未公开模型,图文能力差异明显,被外界视作 GLM-5.5 预热。

智谱唐杰团队的一篇论文中出现了一个未公开的模型,评测显示其在图像与文本两类任务上的表现明显不均衡,呈现出偏科特征。外界据此推测该模型与尚未发布的 GLM-5.5 有关,但论文与智谱官方均未确认型号归属、参数规模与发布时间。

值得记下

论文里“顺带”露出的未发布模型,成了国产大模型下一代的提前信号;图文能力不均衡本身也透露了训练配比上的取舍。

2026-10-27·leiphone.com感知
★★★★★

Zest 推出基于文本交互的 AI 礼宾 Agent,可汇总多人口味投票并代订餐厅。

Zest 的新 Agent 以短信式文本界面运行,用户提出用餐需求后,Agent 负责收集同行者的偏好并做汇总投票,再完成餐厅筛选与预订。产品定位是替代人工协调多人就餐决策的完整流程,而非仅做推荐。

值得记下

切的是一个少见的完整闭环:多人偏好聚合加代订,把社交协商这一步也交给 Agent。

2026-10-30·techcrunch.com执行
★★★★★

InfoQ 发文拆解生产级 AI 系统中的隐性故障类型、工程落地路径与智能体治理实践。

InfoQ 发布一篇聚焦生产环境 AI 的实践文章,内容分为三部分:识别生产环境中不易察觉的隐性故障(如静默降级、输出漂移),梳理从原型到上线的工程落地路径,以及智能体在权限、审计、责任边界上的治理做法。文中结合具体案例讨论每类问题的表现与应对方式。

值得记下

隐性故障被单独列出讨论,这类问题在演示阶段看不出来,往往在流量上来后才暴露,且难以归因到单一模块。

2026-10-29·infoq.cn开发技术
★★★★★

小红书分享企业级AI助理Seal从三天Demo到一个月内全员可用的规模化落地过程。

小红书介绍其企业级AI助理Seal的落地路径,从最初三天的Demo验证起步,在一个月内推进到全员可用。内容涉及内部场景选择、权限与数据接入、用户推广等环节,呈现了企业内Agent产品从原型到规模化铺开过程中的实际问题与应对方式。

值得记下

三天 Demo 到一个月全员可用,这个时间比例呈现了大厂内部 Agent 落地的真实节奏。

2026-10-29·infoq.cn开发技术
★★★★★

蚂蚁百灵开源 Ling-3.1-flash-1019,主打 Personal Agent 在真实业务场景落地。

蚂蚁百灵开源 Ling-3.1-flash-1019,官方智能指数得分创该系列新高,定位 Personal Agent 场景。模型以 flash 规格发布并开源权重,强调在真实业务流程中的任务完成表现,而非单纯基准分数。具体上下文长度与部署成本需参考模型卡。

值得记下

Personal Agent 方向的国产开源模型,把评测口径从通用榜单转向真实业务任务完成度。

2026-10-28·infoq.cn开发技术
★★★★★

基于对蚂蚁灵光 2.0 的实测,展示其 Personal Agent 如何接手日常事务。

文章以实测方式体验蚂蚁灵光 2.0 的 Personal Agent,梳理该产品在个人助理场景下的功能形态与交互路径,包括它如何接收任务、调用服务并完成生活类事务。内容包含实际操作过程记录与典型用例演示,覆盖从需求表达到结果交付的完整链路。

值得记下

中国本土 App 生态里的 Personal Agent 形态:入口、权限与本地服务调用的组合方式,与海外通用助手的路径存在差异。

2026-10-27·leiphone.com开发技术
★★★★★

一篇投研 Agent 两年开发复盘,指出模型选择容易,检索与搜索工程才是难点。

作者复盘投研 Agent 两年开发过程,认为底层模型可替换、选型成本低,真正的工程量集中在检索链路与搜索质量上。内容涉及检索架构的多次调整,以及在真实投研场景中提升召回与准确度的具体做法。

值得记下

两年周期换来的结论是瓶颈在检索而非模型,这类长期复盘的样本在 Agent 领域仍不多见。

2026-10-26·infoq.cn开发技术
★★★★★

语音 Agent 公司 Retell 使用 OpenAI 模型支撑每月一亿通电话,已实现规模化商用。

Retell 披露其语音 Agent 平台基于 OpenAI 模型承载每月约一亿通电话,覆盖通话中的实时语音识别与对话响应。案例给出规模化商用的实际承载量级,以及在延迟、并发与成本约束下选择模型供应商的工程取舍。

值得记下

月均一亿通电话是把语音 Agent 从演示推到生产环境的量级参照,延迟与成本是这条链路上的硬约束。

2026-10-27·openai.com感知
挖宝的瓦力

挖宝的瓦力

十年知乎写作者 · CSDN 博客专家

10 余年架构设计经验 · AgentHui 站长

用人文视角观察 AI Agent 技术演化,每天记录值得关注的信号与变化。 本站是我用「人 + AI 协同」搭建的实战场。

公众号二维码公众号
挖宝的瓦力
个人微信二维码加微信
深入讨论智能体实战经验