微软研究院亚洲团队开源 Agent Lightning v1.0，一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 训练范式，让部署时使用的同一套 agent harness 直接参与训练，无需在训练框架内重新实现智能体。框架包含 API Gateway、Rollout Controller 和基于 verl 的 Customized Trainer 三个核心组件，支持以标准 Kubernetes job 运行智能体，并引入 Collocated Async RL 让 rollout 与模型更新共用同一组 GPU，实验中相比同步 RL 取得约 2 倍端到端加速。在 SWE-smith、mini-SWE-agent 和 Qwen3.5-9B 上构建的端到端编码智能体流程，仅用约 6000 条训练样本就把 SWE-bench Verified 的 Pass@1 从 41.8% 提升到 56.4%，提升 14.6 个百分点。
匹配字段标题
AWS 推出六周结构化培养计划，让非工程背景的业务人员用 Amazon Bedrock、Strands Agents SDK 和 AWS Lambda 构建可运行的 AI 原型，每周投入约 4 小时。四名无工程背景的客户岗位员工六周后做出多智能体财务顾问工具 WealthWise，采用 Node.js + Python Flask 双服务架构与 Amazon Nova 模型，复杂金融推理响应时间低于 5 秒。AWS 称完成分阶段计划的参与者保留的实用技能是两天集训形式的 3 倍。
匹配字段标题
AWS 展示如何用 AWS Lambda Durable Functions、Amazon EventBridge 和 Amazon Bedrock 搭建自动化修复工作流，把 AWS DevOps Agent 的调查摘要转化为预验证的修复方案，供一键审批。只读操作由智能体自主执行，涉及基础设施变更的操作会挂起等待人工批准，函数可暂停数分钟至数天且不消耗计算资源。该方案旨在降低 MTTR，部署需 Python 3.14 或更高版本及 AWS CDK。
匹配字段标题
AWS 提出 Agentic Value Model，用于替代 RPA 时代的 ROI 模型，从时间节省、异常处理、决策质量和变更韧性四个维度衡量智能体自动化的价值。文中引用 AWS 指南数据：纠错成本可达原交易的 1.5–4 倍，人为错误占运营成本 2–15%；并以年处理 20 万件、单件约 12 分钟、时薪 $45 的理赔分诊流程为例，说明释放工时并不等于节省成本。
匹配字段标题
Kubernetes 联合创始人 Craig McLuckie 和 Joe Beda 所在的 Stacklok 推出开源云端 agent harness Mecatl，将 agent 循环与客户端、模型提供商、状态存储和执行环境解耦。Stacklok 此前已开源管理 MCP 服务器的 ToolHive，并正在构建 AI Gateway 以控制访问和成本，其商业产品是统一这些开源组件的企业控制平面。McLuckie 表示，这一思路是帮助大型企业减少对 Codex、Claude Code 和 GitHub Copilot 等前沿实验室与超大规模云厂商的依赖。
匹配字段标题
Google 发布 Developer Knowledge API 生态，为 Google Cloud、Firebase、Android 等官方文档提供结构化 API 访问，取代网页抓取。该生态包含 gcloud CLI 命令（answer-query、documents search-chunks、documents describe）、官方 Agent 技能、API Explorer 以及 C#、Go、Java、Node.js/TypeScript、PHP、Python、Ruby 客户端库。Agent 技能通过 MCP 集成支持 Google Antigravity、Claude Code、Cursor 和 GitHub Copilot，BatchGetDocuments 单次调用最多可获取 20 份文档。
匹配字段标题
Vapi 上线 Personal Agent Calling 测试版，用户登录 Vapi 后无需配置 API key 即可通过个人智能体拨打电话。Vapi 认为企业需要核实智能体代表谁、被授权做什么、权限是否仍有效，并建议基于 A2A 开放标准和 OAuth 构建权限验证，否则客户可能直接转向别家。
匹配字段标题
没有 Claude Managed Agents，我们就无法构建 @every 智能体 非常开心能坐下来聊聊这件事：
匹配字段标题
AWS 介绍如何用开源智能体系统 OpenClaw 搭配 Amazon Bedrock AgentCore runtime 和 AgentCore memory 构建带长期记忆的个人助手，并以园艺助手 Sprout 为例。文本对话路由到 Claude Haiku 4.5，图像理解路由到 Claude Sonnet 4.5，整套系统放在单个 CloudFormation 模板中一键部署，轻量个人使用每月约 1–2 美元。
匹配字段标题
Sierra 在旧金山 Sierra Summit 2026 上发布 Agent OS 新增两个模型：Curie 负责对话核心编排，Fleming 用于识别来电方是否为 AI 智能体。同时推出 Tandem Voice 语音方案、Persona Studio 声音定制工具，以及与 Meta 等合作开发的 Personal Agent Protocol 开放标准。Sierra 称其客户覆盖近 50% 的 Fortune 50 企业。
匹配字段标题
Sierra 宣布与 Meta 及 Genesys、Instinct、Rocket、Shopify、Stripe、Walmart 等合作方共同开发 Personal Agent Protocol，用于定义个人智能体与商家交互的方式，并开放给任何人实现。该协议基于 OAuth 构建会话，消费者决定授予智能体只读或写入权限，企业则设定智能体可通过网站、基于 MCP 和 OpenAPI 的 API 或企业自有智能体执行哪些操作。后续可能加入更细粒度的权限、推送通知和支付扩展。
匹配字段标题
AWS 发布方案，用 Amazon Bedrock AgentCore、Amazon Bedrock Knowledge Bases 和 Amazon Nova 2.5 Sonic 为航空公司应用搭建语音旅行助手，旅客可通过语音查询行程、改座位、更新餐食偏好和咨询政策。方案通过 AgentCore Gateway 以 MCP 连接后端，用 Strands Agents 框架托管在 AgentCore runtime，并支持转接人工客服。前端由 AWS Amplify 托管，后端使用 Lambda、DynamoDB 和 API Gateway。
匹配字段标题
Mistral AI 的 Mistral Large 4 已进入 Arena，可在 Agent Arena 中实测，用户投票将影响其评估结果，分数稍后公布。Agent Arena 用数百万个真实长周期智能体任务评测模型，模型可调用网页搜索、文件系统和终端工具完成复杂工作流，排行榜以因果追踪方法衡量模型相对平均模型的结果表现。Mistral Large 4 同时上线 Code Arena 的 WebDev、Text 和 Vision 三个方向。
匹配字段标题
在 Battle Mode 和 Agent Mode 中测试 Mistral：https://t.co/jFTd7gG8UU
匹配字段标题
Figma 推出内置于画布的设计 agent，可自动完成设计系统维护中的重复工作，包括起草组件文档、审计设计是否遵循组件与 token、批量替换组件和 token，以及统一命名。该 agent 还能读取已发布库中的指南作为上下文，帮助产品设计保持与设计系统一致。
匹配字段标题
Figma agent 正式结束 beta 并带来多项改进，在专业设计师参与的人工评分评测中胜出率约 60%+，更擅长遵循指令和处理长任务。新增能力包括上传 markdown 指南为设计系统补充上下文、跨平台检索并插入 FigJam 便签与 Figma Slides 文案等 Figma 上下文，以及跟随协作者的 agent 在画布上工作。Uber、Granola 和 Atlassian 团队已在原有工作流中使用该 agent。
匹配字段标题
Figma 博客 Workflow Lab 展示了设计师借助 Figma agent 处理库更新、评审反馈与设计系统规范初稿的示例流程。该工作流使用 Figma Design，配合 annotations、comments、libraries、variables，以及 /repair-library-usage、/compliance-review、/document-component-enhancement 三项技能，让 agent 直接应用明确更新，遇到不确定情况则保留原样并标注原因。
匹配字段标题
ElevenLabs 发布内置专家 ElevenAgents Architect，团队只需对话或输入文字即可启动并改进智能体。它理解 ElevenAgents 的知识库、提示词、工作流、语音设置、护栏、工具和模拟等配置，可分析通话记录、定位问题并给出修改建议，还会编写模拟测试供部署前验证。
匹配字段标题
Mastra 宣布 Agent Controller 正式 GA，这是一个承载长时运行智能体会话的运行时，最初为 Mastra Code 构建，后扩展支持 Mastra Factory。官方称本月 Mastra Factory 已提交超过 1800 次 commit，并改进了会话隔离、线程读取与内存占用，长时运行的 Mastra Code 进程内存从 2–20 GB 降至 300–750 MB。
匹配字段标题
Agent Arena 按 Code、Work、Chat 三类智能体任务对模型排名，Anthropic 模型在三个领域均居第一，OpenAI 的 GPT 6 Astra (Max) 在 Code 排第 2、Work 和 Chat 均排第 4。Claude Fable 5.1 (Max) 领跑 Code 与 Work、Chat 第 2，Claude Sonnet 5.5 (Max) 领跑 Chat、Code 第 4、Work 第 5。Gemini 4 Argon (High) 在 Code 第 14、Work 第 12，但 Chat 第 5。榜单基于全球用户提交的真实任务中智能体的实时轨迹，截至 2026 年 10 月 5 日。
匹配字段标题