LangChain 团队的 divyasan0 以 Q&A 形式分享了 Agent Evals 实践指南，回答常见问题并给出可落地工程流程：从真实 trace 起步、用 10–20 条小数据集建立基线、失败案例回流迭代、离线与在线分层评估、代码评估器优先于 LLM 裁判、benchmark 用容器化环境验证最终状态。文中还给出 LLM 裁判的三条校准建议，并指出小模型裁判在 pass/fail 判定上与人类标注一致，总成本 $0.34 对比 Claude Sonnet 4.6 的 $28.17。
匹配字段标题
蚂蚁国际 9 月公布面向 AI Agent 的移动支付协议 AMP（Agentic Mobile Protocol）第一阶段合作名单，Starryblu 是 10 家钱包合作伙伴中唯一的新加坡方，承担钱包侧的账户连接、授权与付款。用户可在 Agent 中连接 Starryblu 钱包完成授权验证，再让 Agent 按预算和条件找酒店并付款，也可预先授权预算与购买条件由 Agent 在范围内执行支付。
匹配字段标题
针对 LangChain 团队发布的 Agent Evals 常见问题解答，作者整理了一份 Cheatsheet 方便随时查看。被引用的原帖归纳了该实践指南的要点，包括从真实 trace 起步、小数据集建立基线、失败案例回流迭代、离线与在线分层评估、代码评估器优先于 LLM 裁判，以及用容器化环境验证最终状态。
匹配字段标题
Google 第 5 份 AI Agents 白皮书用一章讲「Team Culture & Process Evolution」，指出把现代 Agent 塞进旧研发流程会放大合并冲突、评审死锁和上下文碎片化三类问题。应对策略包括 PR 附 AI 变更摘要与风险评估、风格检查交给 linter、Conditional LGTM、无责文化，以及用 skill 让 Agent 评审 Agent。持续评审 Agent 分三档：Tier 1 托管 SaaS、Tier 2 GitHub Action 跑自写 review skill、Tier 3 用 ADK agent 部署到 Agent Runtime；西门子生产试点把等价重构从两周压到几小时。
匹配字段标题
阶跃星辰将围绕 Step 5 Preview 构建的开源 agent harness Step Code 更新至 v0.1.4，帮助智能体在长而复杂的任务中跟踪目标、持续推进，并对照可验证结果检查任务是否真正完成。官方称开源以来已发布四个版本，约每 3 个工作日一次，主要由社区反馈驱动。
匹配字段标题
蚂蚁百灵于 9 月 30 日发布、今天正式开源 Ling-3.1-flash，总参数量约 560B，每 Token 激活约 25B，上下文窗口上限 1M，面向日常办公、长周期软件研发和复杂 Agent 任务。在 Artificial Analysis 测试中，其智能指数为 41，输出速度约每秒 210 Token，混合调用价格约每百万 Token 0.19 美元。智东西围绕财报分析、工作助理、3D 场景和移动端新闻 App 原型展开实测，模型均能完成从资料检索到可运行应用的交付。
匹配字段标题
由 iX 和 dpunkt.verlag 组织的 CLC 2026 将于 11 月 11 日至 12 日在曼海姆举行，聚焦开发者体验、平台工程与软件交付，重点探讨 Agentic AI 如何改变高级软件开发者、软件架构师、DevOps 和平台工程师的工作。大会首日主题演讲为 Paul Stack 的“Why SREs and AI Agents Are a Perfect Match”，并设有 AI 软件交付专题讨论；SAP 将分享“Vibe Coding im Konzern”实践，另有数字主权与开源相关议题。
匹配字段标题
Descope 推出 Agentic Identity Hub 3.0，针对员工自行搭建或引入的“影子 AI 智能体”，通过 Agent Onboarding Portal 让每个智能体在审批后拥有明确责任人和限定权限。新版本原生集成 MCP 网关（含开源项目 agentgateway），为所有智能体与 MCP server 提供统一身份与策略层，并支持用私钥签署短时断言替代静态客户端密钥。该平台目前管理数百个 MCP server 和超过 100 万个智能体身份。
匹配字段标题
Artificial Analysis 公布 NVIDIA RTX Spark N1X 笔记本的首份 AA-AgentPerf-Local 结果，该机在 Qwen3.8 27B 上完成本地智能体负载耗时 18.7 分钟，接近 DGX Spark 的 17.3 分钟，比 MacBook Pro（M5 Pro）快 2.0 倍、比 AMD Ryzen AI Halo 快 1.8 倍。测试使用 128 GB 统一内存、6144 核 Blackwell GPU 的原型 15 英寸 Surface Laptop Ultra，售价 5899.99 美元，通过 llama.cpp 的 Windows 原生构建在 GPU 上运行模型。在 Qwen3.6 35B A3B 上耗时 7.6 分钟，在 124B 的 Ling 3.0 Flash 上耗时 15.3 分钟，后者无法装入 MacBook Pro 或 RTX 5090 的内存。
匹配字段标题
Artificial Analysis 公布 NVIDIA Vera Rubin NVL72 的首批 AA-AgentPerf 结果，在 DeepSeek V4 Pro 上每兆瓦总吞吐最高约为前代 GB300 NVL72 的 5.7 倍，DeepSeek V4.1 Flash 约 5.4 倍，GLM-5.2 约 3.0 倍，Kimi K3 约 2.8 倍。Vera Rubin NVL72 为机架级系统，含 72 颗 Rubin GPU 和 36 颗 Vera CPU，单颗 Rubin GPU 内存与 Blackwell Ultra 同为 288 GB，但内存带宽提升 2.4 倍。该基准回放真实编码智能体轨迹，请求输入最高 132K token，平均 97% 的输入 token 与上一请求重复。
匹配字段标题
密歇根大学 AI 编程课 Applied Agentic Software Engineering 第 14 讲 Subagents 讲义公开，从为什么需要 subagents、机制、关键取舍和相邻概念辨析四部分展开。讲义认为长对话会因上下文只进不出、history bleed、重发全部历史和串行执行而劣化，解法是主对话只留请求和计划、各部分阅读放进各自 subagent 并只回流结果。最大取舍是 Fresh 与 Forked：Fresh 仅以 brief 为起点，适合第二意见和独立审查但更贵；Forked 带全部历史加 brief，适合需要全部积累的侧任务且更便宜。讲义还用几个对话、谁和谁说话、谁决定下一步三个问题区分 Subagents、Team、Handoff 与 Swarm，并提到并行编辑靠 worktree 隔离。
匹配字段标题
Self Labs 推出 Agent Vault，这是一个托管式浏览器代理，可让 Claude Code、Codex、Grok Bot 等智能体用占位 token 完成结账和登录，真实卡号或密码只在填写那一刻由代理输入网站。由于智能体本身不持有可被窃取的凭证，即使被提示词注入，最多也只能在你设定的额度内消费。
匹配字段标题
小米 MiMo V2.6 Pro 在 Agent Arena 开源模型中排名第一，净提升 +3.8%。前五依次为 Deepseek V4.1 Flash（Max）+3.0%、Hy4 preview +2.9%、MiMo V2.6 Flash +2.5%、GLM 5.2（Max）+2.4%。MiMo V2.6 Pro 与 Flash 是仅有的两款进入 Agent Arena 帕累托前沿的开源模型，单任务成本分别为 $0.11 和 $0.05。
匹配字段标题
一场版权官司意外曝光了 Anthropic 五年前由联创 Jared Kaplan 撰写的内部文件《Concise Research Roadmap》，其中已列出 Coding Agent、Tool Use、长上下文、RL 与 Agent 安全等方向。文档批注显示，Dario Amodei 定下短期演示工具使用、长期打造最强编程助手的节奏，Amanda Askell 则强调代码能力与对齐研究必须同步推进。文章随后梳理了 Anthropic 从宪法 AI、100K 上下文、Claude 3 系列到 MCP 协议和 Claude Code 的五年落地过程。
匹配字段标题
Aligned 于 10 月 14 日发布 Seller Agent，这是一款嵌入其共享交易工作区的 AI 智能体，可更新共同行动计划、改写内容、检索案例并生成演示文稿和交互式计算器。该产品正以 beta 形式在 Aligned 各套餐中上线，正式定价待公布，所有变更需经销售代表批准且可一键撤销。其底层 Aligned Brain 整合通话、邮件、CRM 更新等数据，Aligned 称其捕获的交易数据比通话录音工具或 CRM 多 19 倍。
匹配字段标题
过去一周 GitHub 趋势榜被 AI 逆向项目占据，其中 REA（Reverse Engineer Anything）把 Ghidra、Hopper、IDA 等逆向工具通过 MCP 协议接入 coding agent，用户无需懂汇编即可让 Claude 拆解软件功能，发布不到一周 star 超过 12 万。前 Square 工程师 Brandon Thomas 用 Claude Opus 5.5 加 Rust 复刻了 Adobe 全家桶七件套，其团队又按公开规范重写微软 Word 并取名 WordCraft，上架 GitHub 五天后获得 6000+ star。文章认为 AI 把逆向门槛降到一句提示词，功能单一的工具类产品可能被免费平替冲击。
匹配字段标题
豆包手机助手 9 月 14 日启动代理授权公示机制 SAEP，给合作 App 30 天窗口自行决定是否允许其代理操作，10 月 14 日窗口关闭后微信、支付宝、淘宝、美团、拼多多、滴滴、小红书全部拒绝。文章认为阻碍通用 Agent 的不是模型能力，而是入口权力、用户行为数据和支付合规三重结构性壁垒，并对比美国 Web 开放传统、反垄断压力与责任边界，指出跨生态通用 Agent 在当下权力结构中难以走通。
匹配字段标题
近一个月个人Agent集中走热：Meta的Muse于9月8日上线后13天登顶美区App Store免费榜，Instinct完成10亿美元融资，OpenAI在9月29日开发者大会推出AI Agent Dots，Manus母公司蝴蝶效应10月8日宣布超5亿美元融资。文章认为云电脑、持久记忆与权限分层是这类产品的三项标配，国内阿里千问、腾讯、字节也在布局，其中千问Go已上线体验申请页面。个人Agent跨应用执行会撞上平台商业壁垒，亚马逊已阻止Muse访问其购物网站，可靠性、权限边界与付费意愿是普及需跨过的三道坎。
匹配字段标题
据 The Pulse 报道，一名参与 OpenAI Agents SDK 开发的软件工程师被指控在 OpenAI 一间会议室内放置秘密录音设备，随后被捕，FBI 与美国司法部已介入。该期通讯还提到 Anthropic 迁离 Git 的内情，以及大型科技公司内部兴起的 AI 辅助编码面试环节。
匹配字段标题
IBM 商业价值研究院 2026 年报告《Redesign for Enterprise AI》提出，企业 AI 的价值不应停留在单个任务或局部工作流提效，而应通过重构端到端业务价值流来影响收入、利润与竞争优势。报告数据显示，截至 2025 年底仅有 37% 的 AI 项目实现最高管理层预期业务成果，仅 17% 进入全面规模化生产，IT 与业务内耗造成约 21% 的 AI 投资回报损失。文章据此梳理企业 AI 从 Copilot、AI Agent 到 Agentic Enterprise 的三阶段演进，并给出编排、记忆、治理、评估与平台工程五项企业级 Agent 能力。
匹配字段标题