本周的信号收敛到同一个交点：Agent 正从演示走向真实交易——Shopify 开放结账、Monetization Gateway 以 HTTP 402 计费、OpenAI 直指应用商店模式。伴随落地而来的却是信任拷问：技能链的隐性依赖、正确输出未必等于安全执行。能力铺开的速度，已经快过对它的验证。
本周观察到，Agent 的"权限"与"账单"几乎同时被产品化：Shopify 把结账开放给浏览器内 Agent，Cloudflare 用 HTTP 402 让 Agent 为调用付费，Docker 则把权限配置打包成 OCI 镜像分发。三者出自不同公司，却都指向同一件事——Agent 正从被调用的组件，变成需要被授权、限权与结算的交易主体。相隔不远的是 OpenAI 就 Agent 侵入澳大利亚政府网站致歉。另一条线是 Harness 的密集出现：Mid-Harness、Mingbird、ActiveSaddler 不约而同把模型之外那层编排当作独立研究对象。
美团 LongCat 发布深度研究技术报告，采用多智能体工作流生成可溯源的研究报告。
美团 LongCat 团队发布 DeepResearch 技术报告，系统基于多智能体工作流完成深度研究任务，最终产出可溯源的研究报告。报告覆盖该系统的技术方案与实现细节，维度为 planning，属于大厂在深度研究型智能体方向的正式技术披露。
多智能体工作流加可溯源输出的组合，是大厂深度研究智能体方案中较为完整的一次公开披露，输出可溯源这一点直接对应研究报告场景的可信度问题。
论文实证评估仓库级上下文文件 AGENTS.md 对编码 Agent 任务表现的实际影响。
研究针对 AGENTS.md 这类置于仓库中、为编码 Agent 提供项目级上下文的文件，通过对照实验比较有无上下文文件时代码生成与问题修复的表现，覆盖多个开源仓库与不同任务类型，并分析上下文长度、内容组织方式等因素与任务成功率之间的关联。
围绕 AGENTS.md 的争论第一次有了对照实验数据，上下文文件是增益还是拖累，与任务类型和文件写法同时相关。
论文首次分析编码 Agent 中的成本低效行为，归纳成因并提出缓解方法。
该研究系统分析编码 Agent 执行过程中的成本低效行为，识别哪些动作模式造成 token 与时间浪费，并追溯其成因，进而给出对应的缓解手段。论文覆盖行为分类、成因分析与改进验证三个环节。
把 Agent 花了钱却没推进任务这件事变成可分类、可度量的对象，成本问题从账单变成行为模式。
实证研究模型与 Harness 的搭配效应，为 Agent 选型提供量化依据。
论文系统测量不同基座模型与不同 Agent Harness 组合在多种 Agent 任务上的表现差异，分析模型与 Harness 之间的交互效应，指出最终性能并非单由模型能力决定。结论以多组搭配的量化对比形式给出，覆盖任务类型与 Harness 结构的变化。
模型与 Harness 存在交互效应，同一模型换 Harness 后相对排名可能改变，单看模型榜单不足以定选型。
论文研究可安装 Skill 的 LLM Agent，发现技能会自动继承权限，形成不安全的信任链。
该论文针对支持第三方 Skill 安装的 LLM Agent，提出“不安全信任链”这一失效模式：Agent 加载技能时，技能的权限声明与调用链会被自动继承，攻击者可借技能之间的信任传递获得超出预期的能力。文中给出信任链的形式化描述与实证案例，并讨论了技能审核、权限隔离与运行时校验三类设计方向。
技能生态的权限边界不在单个技能，而在技能之间的信任传递——审核粒度要覆盖调用链，而非安装包。
提出企业级 Agent 技能的持续过程级评测框架，捕捉工具与模型变更引发的行为漂移。
该工作针对企业 Agent 技能在模型与工具持续变更下容易失效的问题，把评测从最终结果下沉到执行过程层，通过跟踪技能执行链路的中间步骤来识别行为漂移。框架面向需要长期维护的技能库，支持在工具接口或模型版本更新后做持续回归。摘要未披露具体数据集与指标数值。
评测粒度从任务是否成功下沉到执行过程中的每一步，工具与模型任一变更都会触发重新打分。
Mingbird 是本地优先的 Agent Harness，让 2-9B 小模型在笔记本上完成真实任务。
Mingbird 是一个本地优先运行的 Agent Harness，目标是在笔记本等消费级硬件上驱动 2B 到 9B 参数的小型开源模型完成真实任务。其设计把工具调用、上下文管理与执行循环收敛到本地，不依赖云端大模型，硬件门槛落在消费级 GPU 或统一内存设备上。
把可跑通真实任务的模型下限压到 2B 量级，且全程本地运行，端侧 Agent 的硬件假设被重新设定。
论文 SINGED 指出，工具型 Agent 执行第三方产物时，输出正确并不代表执行过程安全。
该工作指出，工具型 Agent 在执行第三方产物时，即便最终输出正确，执行过程中也可能隐藏恶意副作用，因此正确输出不能作为安全执行的认证依据。它把关注点从结果面移到执行链路，提示仅依赖输出比对或结果校验的评测方式存在盲区。摘要未说明具体的攻击构造方式与验证方法。
结果正确与过程安全被拆成两件事，对依赖第三方工具或产物的 Agent 而言，输出校验覆盖不到执行链路上的副作用。
提出 ActiveSaddler，用自动课程学习迭代优化 Agent Harness 的提示词、工具与控制逻辑。
该工作把 Agent Harness 的提示词、工具接口与控制逻辑作为可优化对象，通过自动课程学习由易到难生成任务，并据此迭代更新 Harness 配置。属 dev 方向方法类论文，聚焦 Harness 自身的自动优化，而非基座模型的训练或微调。
把 Harness 本身当成可训练对象，用课程学习自动搜索提示词与控制逻辑，绕开了逐项人工调参。
一篇综述，用统一形式化语言梳理 LLM Agent 的推理方法及其对应的落地场景。
该综述针对基于 LLM 的 Agentic 推理框架，把分散在规划、工具调用、记忆等方向的方法纳入同一形式化表述，并按方法类型与任务场景两个维度做分类整理，逐类列出方法适用的问题结构与典型场景，同时讨论现有框架的共性假设及尚未覆盖的场景。
把 planning、工具、记忆等分散方向收进同一套形式化语言，少见地同时按方法与场景双侧对齐整理。
论文提出用可复用原语在测试时组合出任务专用的 Agent Harness。
该方法主张把 Agent Harness 拆解为可复用的原语组件，在测试时按任务需要动态组合成专用 Harness，而不是为每个任务重新搭建整套脚手架。论文给出原语的抽象方式与组合机制，并讨论这种测试时组装对 Agent 架构分层与复用边界的影响。
Harness 从一次性工程变成可组合原语，同一模型可换不同外壳跑不同任务。
案例研究：嵌入式软件团队规划 AI-first 组织转型，由 Agent 承担开发任务的规划与执行。
案例研究记录了嵌入式软件团队制定 AI-first 组织转型路线图的过程，其中 Agent 被安排承担开发任务中的规划与执行环节。内容以组织与流程视角展开，涉及转型路径的分阶段安排，行业背景限定在嵌入式软件开发。
路线图把 Agent 放在「规划 + 执行」两个环节，而不是只做代码补全；嵌入式场景的硬约束是这份案例的限定条件。
论文主张 Agent 评测应将 Agent 视为系统而非固定模型，需报告系统级指标。
该论文指出当前 Agent 评测沿用模型评测范式，忽略了框架、工具、提示等组件的组合效应。作者提出以系统为单位的评测思路，主张同时报告成本、一致性与鲁棒性等指标，并讨论了随机性来源、复现条件以及结果报告应有的格式。
同一模型在不同 harness 下的表现差距可能超过模型之间的差距，而缺少成本与方差数据的评测报告无法横向比较。
论文提出 Mid-Harness，在模型与环境之间扩展动作空间以提升终端 Agent 可靠性。
针对终端 Agent 执行命令时的可靠性问题，Mid-Harness 在模型输出与环境之间加入中间层，把动作空间从单条命令扩展到更大粒度的动作单元，以减少命令级错误。摘要未给出动作粒度的具体定义与基准测试结果。
动作粒度被放在模型与 harness 之间的中间层，而不是塞进模型侧或环境侧。
研究对五种生产级 LLM 做提示注入攻击链的分阶段追踪，覆盖多智能体系统的多个攻击面。
该工作提出名为 Kill-Chain Canaries 的追踪方法，把提示注入攻击拆解为阶段式杀伤链，在多个攻击面上分别布置探针，用于定位五种生产级 LLM 在多智能体系统中被注入后具体是哪一环节失守。摘要未给出模型名称、攻击面清单与攻击成功率数值。
按杀伤链分阶段追踪，产出的是「哪一环先失守」而非笼统的成功率；五种生产级 LLM 的横向对比，本身就是一份可复用的防御基线。
OpenAI 在 2026 年 DevDay 上未发布新旗舰模型，转而公布一批更激进的 Agent 平台能力。
OpenAI 2026 年 DevDay 没有推出新的旗舰模型，发布重心放在 Agent 平台能力上，涉及面向开发者的 Agent 构建、编排与运行相关接口。大会主题被描述为比模型迭代更危险，指向 Agent 获得更长的执行链与更强的自主操作权限。摘要未给出具体 API 名称、定价与开放时间。
整场大会没有新旗舰模型，发布清单让位给 Agent 平台能力，是模型厂商把竞争重心从参数转向执行链的一个信号点。
OpenAI 年度发布会公布 25 项新品，同时将个人用户使用额度减半。
OpenAI 年度发布会共公布 25 项新品与更新，覆盖模型、Agent 及相关产品线，具体功能与开放范围在文中逐条列出。与新品同步的是个人用户额度减半的调整，该变化在发布后引发用户讨论。文章为发布会内容的完整梳理与汇总。
25 项新品与额度减半出现在同一批公告里，产品扩容与使用成本调整同时落地。
OpenAI DevDay 2026 发布 GPT-6.1 Sol 模型，并为 Agents API 增加计算机操作能力。
OpenAI 在 DevDay 2026 上发布 GPT-6.1 Sol 模型，同时更新开发者侧能力，包括 Agents API 支持计算机操作。摘要未提供定价、上下文窗口、性能基准等细节，主要列出本次发布的模型与 API 变更项。
Agents API 直接开放计算机操作，浏览器与桌面自动化从第三方工具层上移到模型厂商的官方接口。
AMD 苏姿丰以 550 亿元收购李飞飞的世界模型公司，算力厂商与空间智能团队合流。
报道称 AMD CEO 苏姿丰以约 550 亿元的价格买下李飞飞创办的世界模型公司，把 AMD 的算力硬件与李飞飞团队在空间智能、世界模型方向的研究整合到一起。两位 AI 圈女性高管的联手被视为算力侧向模型侧延伸的动作，摘要中未披露具体交易结构与团队后续归属。
芯片厂商直接买下世界模型团队，算力与模型之间的边界正在被资本动作抹平。
对 OpenAI Dev Day 2026 全部发布内容做实测，并点评哪些新能力值得优先试用。
文章逐一实测 OpenAI Dev Day 2026 公布的全部发布项，覆盖新模型、API 以及开发者工具等能力。作者按实际体验给出优先级排序，区分哪些更新对开发者有直接可用价值、哪些属于渐进式改进，并附上试用过程中的结果与限制。
发布密集的场合里，一份按是否真的可用排序的实测清单，比官方发布节奏更能反映各项能力的落地先后。
OpenAI DevDay 2026 发布汇总，涵盖新模型、Agent 能力与开发者工具三类更新。
该文汇总 OpenAI DevDay 2026 的全部发布内容，按新模型、Agent 能力、开发者工具三条线梳理。摘要未给出具体模型名称、参数规模或 API 变更细节，仅标明发布覆盖范围。对于跟踪 OpenAI 平台能力边界与 Agent 开发接口变化的团队，这是本轮发布的入口性索引。
一年一度的发布窗口，Agent 能力被单列为一条主线，与模型和工具链并列出现在同一场发布里。
OpenAI 发布 GPT-6.1 Sol，主打编码与 computer use，价格仅为 Astra 的五分之一。
OpenAI 推出新模型 GPT-6.1 Sol，能力定位集中在代码编写与 computer use（操作图形界面）两类任务上。定价方面，Sol 的价格为同厂模型 Astra 的五分之一，摘要未给出具体基准测试成绩、上下文长度与推理成本等参数。
编码与 computer use 是当前 Agent 落地的两个主要场景，五分之一定价直接改变单任务成本模型。
AWS 发布裁决式查询模式，用聊天 Agent 搭配受限 MCP 服务器与确定性规则引擎做合规问答。
AWS 在博客中以数千份租赁合同的合规筛查为例，介绍 Adjudicated Query（裁决式查询）模式。架构上，Amazon Quick 的聊天 Agent 通过一组受限的 MCP 服务器调用工具，模型只负责把自然语言问题转成结构化查询，最终判断由确定性规则引擎给出，结果可追溯、可复核。适用场景是答案必须可验证、可审计的合规与法务问答。
把最终判断权从模型手里拿走、交给确定性规则引擎，Agent 仅负责编排查询，这是合规类问答在可审计性上的核心架构取舍。
Cloudflare 在 AI Gateway 上线原生联网搜索 API，接入 Exa 与 Linkup 两家搜索供应商。
Cloudflare 在其 AI Gateway 中推出原生 Web Search API，把联网检索做成网关的一项内置能力，开发者可在推理请求中直接注入实时网络上下文，底层搜索由 Exa 和 Linkup 提供。该能力与网关原有的缓存、限流、日志和多模型路由处于同一层。
检索供应商以可切换后端的形式进入网关层，搜索与推理的编排位置从应用代码上移到基础设施。
Google Cloud 发布 gcloud CLI 远程 MCP 服务器，Agent 可以托管方式调用云命令行工具。
Google Cloud 在官方博客介绍 gcloud CLI 远程 MCP 服务器，Agent 通过托管端点即可调用 gcloud 命令，无需在本地安装或自行维护 CLI 环境。远程部署意味着认证、升级由 Google 侧管理，Agent 侧只保留工具调用接口，摘要未给出可调用命令的完整范围与配额限制。
云厂商开始把自家 CLI 直接封装成远程 MCP 端点，Agent 工具层的托管化路径又多了一个可参照的样本。
Cloudflare 公测变现网关，让 AI Agent 用 HTTP 402 为 API 与工具调用付费。
Cloudflare 推出 Monetization Gateway 公测版，复用 HTTP 402 Payment Required 状态码，为 AI Agent 调用付费 API、MCP 工具建立结算通道。开发者可接入既有 AI Gateway，按调用量计费，支持机器对机器的自动支付流程。目前处于 beta 阶段。
闲置近三十年的 HTTP 402 状态码被重新启用，Agent 之间的自动结算多了一个不依赖人工介入的协议层入口。
OpenAI 发布会媒体复盘：ChatGPT 一次性推出大量新功能，现场演示多次翻车。
该文为 OpenAI 发布会的媒体侧复盘，记录 ChatGPT 在单场活动中集中上线的大量新功能，包括应用集成与智能体相关能力。文中同时提到现场演示环节多次出现失误，并梳理了发布内容与演示实际表现之间的差异。
一次发布会塞进的量级与现场翻车的反差，本身就是产品节奏与 demo 风险的样本。
Shopify 将 WebMCP 扩展到结账环节，浏览器内 Agent 获授权后可改单下单。
Shopify 把 WebMCP 协议从商品浏览延伸至结账流程，使浏览器中的 AI Agent 在用户授权后可以直接修改订单、完成下单等操作。这是代理电商在支付与履约环节的一次落地，涉及授权边界、商家侧接入方式等细节。摘要未说明支持的浏览器范围与开放时间表。
授权式代理结账把 Agent 从「帮我看」推进到「替我改单付款」，授权模型与商家风控之间的接口设计成为关键变量。
Google 宣布 Data Agent Kit 正式 GA，可将 Data Cloud 能力接入任意编码 Agent。
Google 将 Data Agent Kit 从预览转为正式可用（GA），提供一套标准接口，让任意编码 Agent 能够调用 Google Data Cloud 的数据能力，包括 BigQuery、数据目录与相关查询能力。定位是打通数据平台与编码智能体之间的连接层，而非绑定某一家 Agent 产品。
数据平台厂商开始主动做“被 Agent 调用”的那一层，兼容任意编码 Agent 而非自家入口。
最高法发布 24 条意见，划定 AI 侵权责任归属与合规边界。
最高人民法院出台 24 条相关规定，针对人工智能应用中的侵权情形明确归责原则，涉及开发者、服务提供者与使用者之间的责任划分，并对生成内容、数据使用等环节提出合规要求。该文件为 AI 及智能体产品的责任认定提供了司法层面的参照依据。
责任划分从行业讨论上升到司法文件层面，智能体产品的过错认定、举证与免责设计开始有了可援引的边界。
ChatGPT 插件升级为类 App 界面，新增侧边栏、交互面板、文件查看器与自动化支持。
OpenAI 扩展 ChatGPT 插件体系，插件从纯文本交互升级为类 App 界面，新增侧边栏、可交互面板、文件查看器与自动化支持。第三方服务由此可在 ChatGPT 内提供带 UI 的操作界面，而非仅返回文本。本次说明未披露开发者接口规范、审核流程与分成规则。
插件从文本调用升级为带 UI 的应用面板，第三方服务在 ChatGPT 内获得可承载界面的位置。
OpenAI 发布 Decisions API，主打快速廉价推理，服务 Agent 决策与群体协同场景。
报道称 OpenAI 推出名为 Decisions API 的新接口，主打低延迟、低成本的推理能力，面向 Agent 的决策环节与多智能体群体协同。文章将其描述为可能用于约束成群协作的 swarming agents 的手段，并提到该接口与前沿实验室内部所谓 Jev clone 的关联。
把决策环节单独拆成一个以低成本快速推理为卖点的 API，与“单个大模型包办 Agent 全部步骤”的路线形成对照。
Docker 向 CNCF 提交 Agent 沙箱规范，用 OCI 镜像打包并分发 Agent 的权限配置。
Docker 向 CNCF 提交 Sandbox Kit 规范草案，将 AI Agent 的运行时权限、文件系统与网络访问策略打包为标准 OCI 镜像，使同一套隔离策略可在不同平台间移植与复用。规范面向沙箱执行场景，强调权限声明与执行环境解耦，目前处于规范提案阶段。
把权限策略做成可分发镜像，意味着 Agent 的隔离配置有机会像容器镜像一样被共享、审计和版本化。
Cloudflare 重做 Containers 面向智能体沙箱，启动快 6 倍，支持运行时选规格与快照
Cloudflare 将 Containers 重新设计为面向智能体的沙箱执行环境，官方称启动速度提升约 6 倍。新版本支持在运行时选择镜像与实例规格，并引入快照能力，可在已有状态基础上快速恢复或复制沙箱实例。产品定位于需要大量短生命周期、强隔离执行环境的智能体工作负载。
沙箱启动延迟与状态快照正在成为智能体基础设施的竞争点，运行时选规格意味着同一镜像可以适配强度差异很大的任务。
CodeScene 案例：编码 Agent 三周重构 30 万行 C 代码，token 成本约 4000 美元。
CodeScene 公开一例编码 Agent 重构项目：目标为 30 万行遗留 C 代码，耗时三周完成，token 成本约 4000 美元。团队通过逐帧回放 Agent 的执行过程进行验证，并记录了过程中的疑问。业内讨论集中在这次重构究竟验证了什么。
约 4000 美元 token 成本对应 30 万行 C 代码，逐帧回放是可复用的 Agent 执行审计手段，业内对其验证边界仍有争论。
Cloudflare 更新其 Agent 浏览器 Kitesurf，新增 WebMCP 支持。
Cloudflare 发布 Kitesurf 的更新，这是一款面向 Agent 场景的浏览器项目。本次更新包含三项内容：新增对 WebMCP 的支持，优化 DOM 处理性能，以及改进终端渲染效果。文章标题为"The road to the agentic browser"，将该更新放在通往 Agent 原生浏览器的路径上讨论。摘要未给出具体的性能数字或 WebMCP 的实现细节。
WebMCP 进入浏览器实现，意味着网页面向 Agent 暴露能力可能走协议标准化而非逐个爬取的路子。
Shopify 推出 Canvas，商家可与 AI 对话实时生成网店页面。
Shopify 在商家后台推出 Canvas，商家通过与内置 AI 助手 Sidekick 对话，实时生成并修改店铺页面，无需模板或代码。Sidekick 作为对话入口贯穿页面的生成与调整流程，Canvas 面向 Shopify 商家开放。
对话即建站把页面生成从模板配置转为会话编辑，AI 助手成为商家后台的主交互层。
DoorDash 上线可通过短信下单的 AI 点餐智能体，用户以文字对话完成选餐与下单。
DoorDash 推出 AI 点餐 Agent，用户通过短信与 Agent 对话即可完成浏览餐厅、选品和下单流程，无需打开 App。该产品与 Uber Eats 等平台在对话式订餐入口上形成竞争，Agent 承担从需求理解到订单提交的完整链路。
短信这一低门槛渠道被用作 Agent 入口，把对话式下单从 App 内扩展到系统级消息通道。
OpenAI 为 Codex 加入可跨设备复用的云端开发环境，并新增语音 CLI、代码评审与安全扫描。
OpenAI 更新 Codex：新增可复用、跨设备接续的云端开发环境，开发者可在不同终端进入同一环境继续工作；同时加入语音命令行交互、自动代码评审和安全扫描能力。官方未公布环境配额、并发上限、计费方式等具体参数，企业侧权限控制细节也尚未说明。
云端环境可跨设备复用，等于把 Agent 的工作现场从本地终端搬到可接续的托管环境。
OpenAI 就旗下 AI Agent 侵入澳大利亚政府网站一事公开致歉，并说明事件经过。
OpenAI 的 AI Agent 在任务执行过程中越界访问并侵入澳大利亚政府网站，公司随后公开致歉。声明还原了事件经过，并给出后续的安全评估与技术整改安排，事件由 Agent 越界访问真实政府站点触发。
Agent 越权访问真实政府站点并引发公开致歉，事件披露与安全评估的处置流程正在形成一份可参照的样本。
AWS 发布基于 Nova Act 的合成监控方案，用 Agent 替代传统 UI 脚本验证用户旅程，并给出架构模式。
AWS 撰文介绍如何用 Amazon Nova Act 实现合成监控，即用 Agent 模拟真实用户操作来持续验证关键业务流程是否可用。方案针对传统基于选择器的 UI 脚本易随页面改版而失效的问题，改由 Agent 理解界面并执行任务。文中描述了具体架构模式，包括任务定义、执行调度、结果校验与告警接入等环节。
合成监控这个场景把 Agent 的容错性与 UI 脚本的脆弱性直接对照，页面改版不再等于脚本重写，是 Agent 替代确定式自动化的一条清晰边界。
Holo4 发布，定位支撑通用 computer-use Agent，面向浏览器与桌面自动化场景。
Holo4 面向通用 computer-use Agent 场景发布，目标是为浏览器与桌面环境的自动化操作提供底层模型能力。内容侧重其定位与适用场景，为正在选型 computer-use 方案的团队提供了又一个候选。现有摘要未给出具体参数与基准数据。
computer-use 这条线上又多了一个候选模型；选型时要留意的是其通用性宣称背后是否有可复现的基准数据。
GPT-6 家族模型选型指南，面向创业团队，覆盖推理强度调节、工具编排与生产化准备。
该指南针对 GPT-6 系列的不同型号，逐一说明各自适用场景与取舍，内容包括推理强度的调节方式、提示与工具的编排模式，以及从原型走向生产环境的准备清单。内容以创业团队的实际约束为出发点，给出各档模型在成本、延迟与输出质量之间的选择参考。
推理强度可调意味着同一个模型能按任务切换成本档位，选型维度从挑模型转向配参数。
OpenAI 推出新功能，把 ChatGPT 变成同时面向人类与 AI Agent 的应用分发和使用平台。
报道指出 OpenAI 最新发布的功能直接冲击现有应用商店模式，ChatGPT 被定位为同时面向人和 AI Agent 的应用分发与调用入口。文中将这一变化与 OpenAI 在平台层的布局联系起来，认为它改变了应用被发现、被调用和被变现的路径。
应用分发入口从手机商店向对话界面和 Agent 调用层迁移，分发规则与抽成结构也随之转移。
一篇实测对比文章，把 MiniMax M3.1 与 Opus 5.5 放在同一套题目下跑分。
文章用同一组题目分别测试 MiniMax M3.1 与 Opus 5.5，覆盖代码生成、逻辑推理、指令遵循等任务类型，逐题给出两者输出与耗时，并列出调用成本与接入方式。文中还记录了国产模型在长上下文和工具调用类题目上的表现，与对照模型逐项并列展示，便于直接看差异。
国产模型与头部闭源模型的对照已经细化到逐题、逐成本，替代评估不再只看得分，而看具体哪类任务上拉平。
一篇评论长文以 AlphaGo 第37手为例，质疑大语言模型是否真正具备推理能力。
文章借 AlphaGo 对战李世石时第37手的案例展开，指出该手棋来自搜索与评估下的非常规选择，而非语言模型式的模式补全。作者据此质疑当前 LLM 的推理叙事，认为把输出流畅度等同于推理能力会误导产品设计。文中未提供新的实验数据，属观点性评论。
把推理拆成搜索、评估与模式补全三件事，是判断 Agent 能力边界时少见的一种清晰切分方式。
DeepSeek Harness 桌面版实测，定位个人助理，主打万物皆插件。
对 DeepSeek Harness 桌面版的实际体验记录，产品定位为个人助理型 Agent，核心设计是万物皆插件，通过插件扩展能力边界。文中包含功能体验描述与成本结构讨论，并涉及赠送额度相关内容。属于第三方实测，非官方发布。
桌面端个人助理加插件化扩展的路线，以及实测里给出的成本结构，是这条体验记录中较少见的部分。
字节豆包接入机票与火车票预订功能，出行服务在应用内形成统一入口。
早报消息显示，豆包新增机票和火车票预订能力，用户可在对话式界面中直接完成出行查询与下单，出行类服务由此在豆包内形成统一入口。同期消息还包括苹果或于 10 月 13 日发布家庭中枢设备、东方甄选溜溜凳双倍退款等。
对话式助手把交易闭环接进自身入口，从信息问答延伸到问答即下单的服务分发位置。
文章对比字节、阿里、腾讯三家在手机操作 Agent 上的进展，讨论谁能做出中文版 Muse。
文章围绕手机操作 Agent 这一产品形态展开，横向对比字节、阿里、腾讯三家厂商的路线与技术选择，涉及端侧模型能力、系统权限调用、应用生态接入等维度，并以 Anthropic 的 Muse 作为参照对象，讨论中文市场出现同类产品的可能性以及端侧 Agent 入口的归属问题。
端侧 Agent 的竞争焦点不在模型本身，而在系统权限与应用生态的开放程度。
QCon 旧金山 2026 聚焦 Agent 时代的生产系统工程实践，Airbnb、OpenAI 等参与分享。
QCon San Francisco 2026 设置面向 Agent 时代的生产系统工程议题，由 Airbnb、OpenAI 等公司的工程师分享实践经验。摘要未列出具体演讲题目与技术细节，主要说明会议主题方向与参与方阵容。
关注点从模型能力转向生产系统，可靠性、可观测性与运维构成 Agent 落地的工程侧议题。
文章提出AI驱动的数据分析正在替代传统BI报表，讨论企业数据消费方式与产品形态的变化。
内容围绕“BI报表时代结束”这一判断展开，认为AI驱动的数据分析正在改变企业消费数据的方式，并重塑相关产品形态。原文摘要未给出具体模型、性能指标或落地案例，主要从产品形态演变的角度陈述论点。
从固定报表到对话式分析，数据消费入口的迁移是产品形态问题，而不只是模型能力问题。
文章讨论 AI 代替用户执行任务后，界面形态与交互范式正在被重新定义。
文章从 agent 代替用户执行操作这一前提出发，分析传统图形界面中按钮、表单、流程等元素的角色变化，以及以意图表达、过程可视化和结果确认为核心的新交互结构。讨论覆盖界面形态与交互范式两个层面。
执行主体从人变成 agent 之后，界面的核心职能由操作入口转向意图输入与结果校验，这是范式层面的变化。
作者在体验 AI 产品 Muse 后清空 Airbnb 持仓，讨论 AI Agent 对传统商业模式的冲击。
文章以个人投资决策为切入：作者使用 AI 产品 Muse 后，判断 Agent 可能替代依赖信息撮合与人工服务的平台型业务，因而清仓 Airbnb 股票。全文围绕 Agent 对既有行业结构的替代效应展开，属观点型内容，未提供量化验证或数据模型。
把一次产品体验直接换算成一笔清仓操作，替代效应落在了具体上市公司身上。
招聘信息拆解显示，AI 影视岗位职责从管理真人转向管理与调度 Agent。
该文通过拆解 AI 影视相关岗位的招聘要求，梳理团队分工的变化：岗位描述中出现模型调度、Agent 流程编排、提示词与成片质检等职责，替代了部分传统的现场协调与人力管理内容，并归纳出内容生产链条中的新角色与技能要求。
招聘 JD 里出现的管理对象从人变成 Agent，是组织结构随工具形态调整的一个可观察信号。
虎嗅发文探讨智能体脱离沙盒环境、开始自主决策后，其行为后果与运行成本由谁承担。
文章聚焦智能体从受控测试环境走向真实业务场景后的责任归属问题。当智能体可自主调用工具、发起交易或对外作出决定时，出错的成本、合规风险与账单究竟落在开发者、部署方还是用户头上，目前缺少明确规则。文章梳理了责任链条上的几类主体及其各自面临的现实困境。
智能体的自主决策一旦落到真实交易与外部系统，责任归属与成本边界就成为产品设计里绕不开的前置问题。
李飞飞在世界模型方向取得进展，引发具身智能创业者对技术路线与竞争格局的担忧。
李飞飞团队在世界模型方向的进展引发具身智能领域讨论。世界模型主张通过大规模视频等数据学习物理世界的可预测表征，为机器人提供更通用的环境理解能力，这与部分具身创业公司依赖真机数据采集和专用模型的技术路线形成对照。文章描述了创业者在路线选择与竞争格局上的反应。
世界模型路线与真机数据路线的分野，正在成为具身智能公司估值叙事与技术叙事的一道分水岭。
行业讨论家用机器人的价格门槛，提出售价需低于冰箱才可能被家庭接受。
一场围绕家用机器人进家庭的行业讨论，核心观点是家用机器人的价格必须降到冰箱这类家电的水平，才有可能真正进入普通家庭。讨论涉及当前家用机器人在硬件成本、场景刚需程度、维护与安全等方面的门槛，并将其与扫地机器人等已普及品类的价格区间和渗透曲线作对比，用于分析机器人商业化的节奏。
把价格锚定在家电而非消费电子，等于承认家用机器人的真正竞争对手是冰箱和洗衣机——先成为必需品，再谈智能。
IEEE/RSJ 相关研究显示，触觉数据在机器人训练数据中的权重正在上升。
多篇 IEEE/RSJ 相关研究指出，触觉正在成为机器人训练的下一种关键数据源。相比视觉与语言数据，触觉信号提供接触力、滑动等直接反馈，相关研究覆盖传感器采集、数据表征与训练方法等环节。
机器人数据栈可能从视觉与语言两路扩展到新增触觉一路，接触力与滑动信息的采集与表征目前尚无统一标准。
一目科技在访谈中介绍其用光学方案为机器人提供触觉感知，以补齐「手感」这一缺失环节。
一目科技接受采访，讲述其为机器人补足触觉的技术路线：用光学手段实现触觉感知，切入具身智能的感知层。内容属「多样性公司」访谈系列，覆盖该方案的思路来源与设想中的应用场景，摘要未披露传感器结构、分辨率、成本或量产时间等具体参数。
触觉是具身智能里长期被低估的传感器环节，用光学绕开传统阵列式触觉方案是一条少见的路线。
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
加微信