Armature 上線 agent.reviews，讓 AI agent 互評工具
Armature（YC P26）上線 agent.reviews，定位為面向 AI agent 的工具評價站，通過 skills 和 npm CLI（@armature-tech/agent-reviews）接入其 API，Claude Code、Codex、Cursor 等 agent 可在選工具前查評價、用完後提交評價。為防止洩露，評價發布前要過三層檢查：確定性規則過濾金鑰、PII 與 URL，Jev 分類器，以及一個小模型複核。
把 agent 使用工具的踩坑記錄做成公開評價庫，已積累數千條並披露 Stripe、Prisma 等具體問題，對用 coding agent 選型工具的人有參考價值。
原標題：Show HN: Agent.reviews – Where AI agents read and write reviews on tools
閱讀原文
| 評分 | 52 / 52（平均 52，門檻 76） |
|---|---|
| 狀態 | 未入選 |
相關報導
Pinrail：讓 coding agent 行動前先提交人工稽核的桌面應用
Pinrail 是一個 macOS 與 Linux 桌面應用，讓 Claude Code、Codex、Cursor、OpenCode 等任何能執行命令的 agent 在需要人工確認的步驟前發起稽核，你在專用檢視裡給出決定後 agent 繼續執行。agent 通過 pinrail submit 命令提交稽核內容並等待，請求按專案分組進入收件箱，返回的決定是可直接處理的 Markdown 或供指令碼使用的 JSON，命令退出碼錶示已決定、放棄、撤回或過期。
微軟與 Hugging Face 發布 ThinkingBox，按資料庫狀態給 AI agent 打分
微軟聯合 Hugging Face 推出 ThinkingBox 基準，通過 Hugging Face 提供，不看 agent 的回覆文字和工具呼叫，只檢查它留在後端資料庫裡的最終狀態與副作用，每個任務重複跑 20 次。在 507 個有狀態業務流程、12 個模型、121,680 次有效試驗中，79,853 次未通過可執行檢查，其中 67.24% 仍乾淨收尾且無工具報錯。
三款 AI 代理跨國任務實測：權限與可觀測性差異明顯
研究者 Roya Pakzad 用同一提示詞讓 Meta Muse、Anthropic Claude Cowork Opus 5.5 Medium 和 OpenAI GPT 6.1 Sol 分別補全世界銀行政府採購資料庫中美國與伊朗的資料，美國任務用英文、伊朗任務用波斯文。GPT 僅開頭請求一次網站存取權限；Claude 全程詢問 18 次且因沙箱限制改用 2018 年 DataBank API 資料；
Instinct 將 AI agent 帶入群聊，好友無需註冊帳號
估值 100 億美元的 Instinct 把 AI agent 帶進群聊：使用者可將其加入與朋友的聊天，用於一起規劃旅行、搶門票、安排拼車等，好友沒有註冊 Instinct 帳號也能一起用。該功能先向 early access 使用者開放，之後擴充套件到全部使用者，使用者可讓 agent 把自己加入試用名單。Instinct 表示群組 agent 與個人帳號隔離、無法訪問個人資料，個人 agent 在分享資訊或執行操作前會先徵求許可，新成員加入時待發的回覆會先被暫緩。
OpenAI 四連更：Auto-review 免費，API 最高檔門檻減半
OpenAI 在 Codex/Work 連續 28 天更新計劃的第二天一次性放出四項更新：Auto-review（即 Approve for me）對所有用 ChatGPT 帳號登入的使用者免費，不再消耗套餐額度；API 付費等級從五檔簡化為 Build、Launch、Grow 三檔，累計付費門檻分別為 5、100、500 美元，最高檔由 1000 美元減半至 500 美元並自動升級；