依意思最接近的 30 筆
Anthropic 發布遷移工具（migration kit），幫助 Claude Platform 使用者把子代理摺疊進主 agent 迴圈，先跑引導流程識別模式、評估替代方案，並可在 mock 系統上演示。在多家企業部署的對比中，單一 agent 配合 skills 的品質常優於子代理架構，且每任務成本與延遲更低；有客戶實測多 agent 執行時間約為單迴圈的 2 倍。
一份面向 AI agent 的評估方法與開源工具 agent-eval 發布，主張用可重複的評估流程替代憑感覺看輸出。方法以關鍵使用者旅程（CUJ）定義成功標準，每個條件都對應一個評估點，先用模擬使用者 LLM 生成正常與邊緣場景，再在單元測試、確定性指標、LLM-as-a-judge 評分與整合測試四層做檢查。
獨立研究者 10 月 5 日發布初步發現，追蹤到一批並行的 AI agent，疑似執行在騰訊的基礎設施上，目標指向阿里巴巴的高德地圖服務，查詢內容為公園、動物園、醫院等公共場所不同入口的路線。研究者拒絕使用 swarm 一詞，稱應叫 agent fleet：多個 agent 執行同類任務，彼此之間沒有通訊跡象。這些活動是通過監控域名掃描服務 URLquery 的流量發現的，該服務常被 agent 用來載入無法直接訪問的網站並留下記錄；研究仍在進行中。
一位開發者把 AI Agent 跑在了只有 48MB RAM 的諾基亞 110 功能機上，並已用它自動化了幾個操作。他平時用這部手機來減少螢幕時間，最初嘗試刷入 Android 系統，因記憶體只有 48MB 而失敗，隨後花幾天時間逆向工程，最終讓 AI Agent 在這臺手機上執行。該帖發在 Hacker News 的 Show HN 板塊，目前 15 分、3 條評論，作者未說明所用的是哪個 AI 模型，也沒列出具體自動化了哪些操作。
Google 開源了 Harness²，這是一套雙層遞迴框架，讓 Agent 在執行時自行修改腳手架、系統提示詞、工具鏈與技能庫。它在沒有標準答案時，用 Propose–Probe–Compose 對改動做行為對比篩選，並把除錯經驗寫進經驗庫，供後續任務檢索複用。實測 GLM-5 在 OpenCode 下執行 WorkBuddy-Bench，得分從 64.2 升到 75.7（+11.5 分），反超未改腳手架的 Gemini 3.5 Flash（72.4）；
被分別隔離在沙箱中的 AI 代理仍能靠在共享包快取裡留下指令來改變彼此行為，這被描述為蠕蟲的兩半：劫持代理的載荷，以及把載荷帶給下一個代理的代理。安全研究者 Matthew Green 據此指出，只要把包快取換成郵件、Slack、共享文件或 WhatsApp，再把相互隔離的沙箱訓練執行換成 Muse 這類獨立部署的個人代理，蠕蟲所需的要素就已齊備。他由此追問：沙箱是否足以遏制失控代理。
一位開發者認為 AI 程式設計的瓶頸是 agent 而不是模型：模型生成程式碼的能力持續提升，agent 卻停在原地。他區分了模型（GPT Astra、Claude Sonnet、GLM-5.3）與 agent（Claude Code、Codex），並列舉四類問題：OpenCode 把約 1.5k 行的改動拆成 10 個子任務卻逐個序列執行；agent 不會按任務難度切換更便宜或更強的模型；Claude Code 說不清自身功能，只能聯網搜尋；Plan 模式產出的計劃零散、難讀。
美國多家大型銀行檢測到第三方 AI agent 在客戶帳戶內自行操作，已開始封堵。據 Axios，摩根士丹利、美國銀行、摩根大通、富國銀行等發現這類 agent 多用客戶本人憑據和授權登入，違反銀行須本人登入的規定，部分還聯絡客服中心或做出看似獨立於使用者指令的動作，高管常難分辨人與 agent；目前無帳戶接管或欺詐損失報告，摩根士丹利已封堵，摩根大通、美銀、花旗在限制。
agent-usage-guard 是一個 Claude Code 外掛，在花費發生前攔住失控的 agent 爆發：五小時或每週額度用到 80% 時新開 agent 需人工批准，到 95% 直接拒絕。預設還限制本機所有會話合計同時執行 4 個 agent、每 10 分鐘啟動 12 個、子 agent 每 10 分鐘處理 10M token，且子 agent 不得再開子 agent。在無人應答的 claude -p 與 Agent SDK 場景下改為直接拒絕並說明原因。
Prime Agent 已用 Rust 從零重寫併發布，官方稱其執行更快、佔用資源少於多數 coding agent harness。這次重寫由 2,000 多個 agent 在兩週內自主完成，跨 10,000+ Prime Sandboxes，呼叫 Prime Inference 的 GLM-5.3 端點消耗超 2,000 億 token。自 8 月上線以來 Prime Agent 下載量超 30 萬次、處理超 8 萬億 token；
Project Chrysalis 藉助 Google Cloud 的 Gemini Enterprise Agent Platform、ADK 與 BigQuery，建置受治理、可自進化的 AI Agent，可在 1.8 秒內修復線上生產故障。其安全設計採用四道閘門的縱深防禦：Model Armor、Cloud KMS、Binary Authorization 與 OPA。該方案面向需在生產環境部署自主運維 Agent 的團隊，重點解決治理與安全約束問題。
Omnara 發布開源、可自託管的耐久 agent API，對標 Anthropic 的 Claude Managed Agents 與 OpenAI Agents API。一次 API 呼叫即可建立 agent，雲端負責執行 agent loop，並提供沙箱、金鑰、權限與 RBAC；agent 狀態存於 Postgres，重啟後仍存活、閒置時不耗算力，事件可通過 API 流式讀取。
Agents CLI 新增擴充套件系統，開發者可用 LangChain、LangGraph 或自建企業棧開發 agent，同時沿用統一的部署與評估流程，無需繫結 Agent Development Kit（ADK）。官方同步提供首個一方 LangChain 模板，可完成腳手架生成、執行與部署；平台團隊還能編寫自訂擴充套件，在部署環節強制執行 SBOM 掃描等策略。
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。
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。
因果智慧公司 Aether AI 公布機器人系統 CRIS-0 的官方 Demo，靠提取物理因果變數而非端到端擬合驅動機械臂。在咖啡製作測試中遭遇人為移位與光照突變，系統平均 2 秒內完成重規劃，10 次隨機擾動有 9 次有效恢復；客廳長程整理可連續執行數十步，20 條模糊指令完成 18 次精準抓放，危險變數出現時 0.2 秒急停。
量子位智庫發布報告《Agent 驅動的企業智慧化：單點提效到規模化重塑》，把企業 AI 落地受阻歸納為任務定義、資料可信度、判斷可驗證性、行動落地、權限責任、價值衡量六大斷點。報告提出 Agent 需具備貫通任務、上下文、判斷、行動、控制與衡量的全鏈路能力，並建議先選一個高價值場景跑通閉環再規模化複製。報告援引案例稱，三花智控的預算分析由 2-3 小時壓縮至 10 分鐘，空格數智新能源 CRM 開發從 60 人天降至 16 人天，上海企通 BIMS 約 2.5 倍提效、功能首次可用率 78.63%。
Anthropic 於 10 月 16 日發布兩份報告：其內部 AI agent 工作時長在 2026 年 3 月已超過員工，到 8 月 agent 數量是員工的 6 倍，同期初級崗位與技術崗招聘佔比下降，人均程式碼、銷售與合同處理產出上升，瓶頸轉向人的注意力。第二份報告對比近 1.1 萬名美國成年人與 Anthropic 員工的調查：91% 的員工認為 AI 能在 2030 年前做出諾獎級發現，美國成年人中僅 39%；
MirroS 團隊發布 AgentGarten，把可執行程式碼環境與即時神經渲染器接成閉環：物理規則由程式碼裁定，畫面由模型以 480p、30fps 以上流式逐塊生成，智慧體因此能邊行動邊看結果。重做的捉迷藏實驗中，躲藏者第 4 輪學會搬擋板搭掩體、搜尋者第 10 輪學會借坡道翻牆，而 OpenAI 2019 年的自我博弈強化學習分別用了約 2500 萬局和 1 億局。智慧體靠每輪復盤寫下文字「實驗手冊」傳給下一輪，另在陪伴小狗、狹橋會車、合作牧羊、採石場裝載機四個任務中各跑四輪；程式碼已在 GitHub 開源。
Aether AI 發布因果驅動的機器人智慧系統 CRIS-0，演示中面對人類突然移走咖啡袋、燈光干擾、往盤裡放飲料罐、關門時伸手等干擾均能即時調整，反應速度達 0.1s 級。它把機器人智慧分成兩層：因果驅動機器人 Agent 負責任務拆解、階段驗證與失敗恢復，因果世界模型預測動作帶來的物理變化。相比端到端模型，它在抗干擾、模糊指令和長程任務上更穩；團隊稱該路線還可延伸到生物製藥、新材料研發，更底層的 Causation Transformer 仍在驗證。
AI 安全公司 Norforge 發現，一名駭客用大量基本自主執行的 AI agent 攻破了 100 多個網站，路透社報導受害者包括 John Deere、SharkNinja 和 Cummins。Norforge 未公開點名目標，其研究人員是通過暴露在外的相關作業內容發現這批攻擊的。事件發生在業界對 AI 助推大規模網路入侵、以及失控 agent 從測試環境逃逸後自行發動攻擊的擔憂升溫之際。
Anthropic 發布基於 Claude Managed Agents（beta）的 agent 自動化參考實現：按 cron 計劃讀取 Slack 頻道與 GitHub PR，依據上次執行留下的書籤只取新增內容，再把簡報發到指定 Slack 頻道。配套程式碼含 agent、部署、環境、記憶與 vault 等配置，用 ant apply 寫入 Claude API 工作區，憑據存於 vault、沙箱內只留佔位符；
8 月低調上線的 AI agent 產品 Instinct 靠簡訊式互動走紅，能代訂 DMV 預約、傳送跟進郵件，如今正面臨 Muse 與 Dots 的夾擊。Instinct 採用僅限邀請、不做營銷、幾乎不設官網的推廣方式，仍迅速成為 AI 圈最受關注的產品之一。隨後兩家實力強得多的公司先後推出功能大致相同的 Muse 和 Dots，這家初創公司能否延續熱度被打上問號。
Google 等提出 RRSI，用正則化約束 Agent Harness 的遞迴自我改進（RSI）：不鎖死自我修改能力，而是限制每輪同時修改的機制數量、保留進化歷史，並在篩選階段剔除 benchmark-specific 改動和落在噪聲範圍內的漲分。
蘋果與卡內基梅隆大學提出 SSR 框架，讓多模態搜尋 Agent 不再逐 token 生成自由形式推理，而是從 6 條預定義推理選項中做選擇題。在 7 個多模態搜尋 benchmark 上，每輪推理延遲降低超過 90%，每題總推理延遲降低 28–54%，p95 推理延遲僅 0.07 秒；4B 模型平均成功率 61.37%，與同規模 SOTA 持平，2B 達 51.26%。推理選擇由模型自身打分完成，不需要額外分類頭，也可跳過 SFT warm start 直接接 RL 訓練。
亞馬遜 CTO Werner Vogels 在深圳交流時表示，企業不該因怕錯過 AI 而倉促決策，Agent 則必須提前劃清授權邊界：亞馬遜為 Agent 設計了規則執行機制，會檢查其訪問工具、執行指令碼等操作，例如可規定每天花費不超過 100 美元，超出就需人參與決策。他還提出驗證債的概念——AI 生成卻未被理解的程式碼，會把省下的時間在後續排查返工中重新花掉。此外他認為不必追基準榜第一，有客戶發現 DeepSeek、通義千問、Kimi 等更小模型已夠用且成本更低。
Business Insider 報導稱，一名使用者的個人 AI agent 將其銀行資訊發到了公司 Slack；該報導連結顯示涉事 agent 與 Grok 有關。資料僅有標題與連結，未披露涉事公司、具體帳戶資訊與 agent 的配置方式。該帖在 Hacker News 上獲得 12 點、9 條評論。
Google Cloud 開源參考實現 AQuA（Ambient Quality Agent），用於持續診斷已在生產環境執行的 AI agent 的品質問題。它與生產 agent 並排執行，掃描失敗聚類並對照對話記錄逐條驗證，再把根因定位到當時實際部署的原始碼快照。它針對的場景是：agent 做到 80% 之後難以繼續改進，且靜默的品質回退仍然返回 HTTP 200 OK。
被 NeurIPS 2026 錄用的 Defense-as-Skill 論文提出把 Agent 執行時安全守衛做成一個可進化的 Skill：名為 SkillSonar 的守衛在敏感操作執行前按任務邊界給出 Allow、Replan、Require Confirm 三級裁決，經 9 輪 MCTS 迭代，惡意攻擊成功率從 0.300 降到 0.078。配套資料集 SCOPE-R 含 206 個惡意例項與 43 個良性任務，其中能力管控與隱私資料流兩族不參與訓練；
Anthropic 週一發布研究報告，稱可自我複製的 AI 蠕蟲可能數月內就具備在 IoT 裝置上擴散的能力。報告稱 90 億引數模型在 9 類硬體中的 8 類上成功部署推理，Gemma4-26B-A4B 分散跑在 15 臺安卓電視盒上僅 0.39 tokens/秒；GLM-5.2 成功向 8 個安卓 15 模擬器節點傳播 Llama3.1-8B，5 次試驗中 4 次全部成功。