Google Developers blog● 精選AI 評分66
開源 agent-eval 工具包發布，把 AI agent 評估從憑感覺變成可重複流程
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。
搜尋
依意思最接近的 30 筆
Google Developers blogAI 評分56
Agents CLI 推出擴充套件系統，支援 LangChain 等任意框架
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。
量子位AI 評分43
量子位智庫發布企業 Agent 落地報告，拆解六大斷點
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%。
Hacker News front pageAI 評分56
為什麼 coding agent 依然很笨：模型在進步，agent 卻拖後腿
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。
Claude blogAI 評分50
Cresta 用 Claude Agent SDK 做出 agent 建置器 Conductor
Cresta 在 Claude Agent SDK 之上建置了 Conductor，一個自然語言 agent 建置器，幫助團隊把複雜業務上下文轉成可上線的客服 agent。其早期版本用 Claude Sonnet 和 Opus 搭建，之後把 Claude Agent SDK 當作通用 harness，讓 agent 自行收集上下文、呼叫工具、編寫並執行程式碼。據 Cresta 披露，在其與合作伙伴的早期用例中，Conductor 把初始部署時間縮短約一半；
量子位● 精選AI 評分79
Google 開源 Harness²，讓 Agent 在執行中改進自身腳手架
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）；
Anthropic Research● 精選AI 評分80
Anthropic 稱內部 AI agent 數量已達員工 6 倍，併發布 AI 預期調查
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%；
Hacker News front page● 精選AI 評分81
Prime Agent 用 Rust 重寫上線，2000 個 agent 自主完成
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；
X @OpenAIDevsAI 評分20
@OpenAIDevs: Building with the Agents API?
OpenAI 開發者官方帳號發布推文，以「Building with the Agents API?」為題，提示開發者關注 Agents API 的最新動態。推文正文僅有一句「Catch up on what's new:」，未披露具體更新內容、發布時間或功能細節，後續資訊需以官方發布為準。
Google Developers blogAI 評分58
ADK 搭配 gemini-3.8-live：非阻塞工具讓語音 agent 長時間查詢不靜默
開源 Agent Development Kit（ADK）搭配 gemini-3.8-live，可以建置在後端長時間查詢時仍保持回應的語音 agent。指南給出兩種 Python 寫法：一是用 streaming tools 持續產出進度更新，二是用後臺執行模式，讓對話在耗時任務進行中保持流暢。開發者還可配置 WHEN_IDLE、INTERRUPT、SILENT 三種回應排程行為，精確控制工具結果何時、以何種方式送回對話。
Hacker News front pageAI 評分46
逆向工程後，AI Agent 跑在 48MB 記憶體的諾基亞 110 上
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。
量子位AI 評分60
亞馬遜 CTO：別讓恐懼驅動 AI 決策，Agent 須設授權邊界
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。
Hacker News front pageAI 評分47
Linear 撰文談產品靈魂：agent 分散產出正在稀釋產品個性
Linear 官方部落格發布文章《Someone Behind the Software》，主張好產品會帶著創造者的經驗、關注點與判斷，而當下不少產品正退化成功能的堆砌。文章認為根源在於新增新能力遠比重新思考既有能力容易，當每個人各自帶著 agent 獨立產出改動，合在一起就更像弗蘭肯斯坦的怪物，而非被精心雕琢的雕塑。作者希望做軟體變簡單後省下的空間，能被用來形成並堅持一套產品觀點，而不是讓產品變成所有輸出的平均值。
Claude blog● 精選AI 評分63
Anthropic 日本 BDR 用 Claude Managed Agents 託管多智慧體
Anthropic 日本團隊的一位 BDR 把日常銷售流程交給一組 Claude 智慧體，並從自製原型遷移到 Claude Platform 的託管智慧體基礎設施 Claude Managed Agents（beta），此後無需自行維護基礎設施。他把工作拆成 5 個單一職責的智慧體，分別做線索分派、篩選與首封郵件、收件箱回信、Salesforce 商機更新和會後跟進，另設一個協調者，每約 15 分鐘讀取 Slack 頻道中的變更請求並更新指令，且只有他本人能提交。
TechCrunch AI● 精選AI 評分82
Google 為 Gemini 推出統一 agent，先向企業開放
Google Cloud 發布 Gemini 統一 agent，可接受目標而非指令，自主規劃任務並連線企業內部系統，目前先面向企業客戶，之後再推向消費者。該 agent 預設自動挑選模型，也允許手動指定第三方模型，首批接入 Anthropic 的 Claude，未來將擴充套件至開源與私有模型。它擁有獨立的 Workspace 帳號和信箱，操作會留下歸屬 agent 的審計記錄，入口覆蓋 iOS、Android、Windows、Mac、命令列、Slack 等。
Hacker News front pageAI 評分75
Docker 發布 docker-agent，用 YAML 定義並執行 AI 智慧體
Docker 發布 docker-agent，一個 Docker CLI 外掛，可用宣告式 YAML 配置建置、執行和分享 AI 智慧體，無需寫程式碼。它支援多智慧體協作、內建工具與任意 MCP server，模型側相容 OpenAI、Anthropic、Gemini、AWS Bedrock、Mistral、xAI 與 Docker Model Runner，並自帶 think、todo、memory 工具和基於 BM25、嵌入與重排序的 RAG。
Hacker News front pageAI 評分52
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。
Google Developers blogAI 評分60
Google Cloud 開源 AQuA，為生產環境 agent 做品質診斷
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。
Claude blogAI 評分47
Uber CISO 主張為 AI agent 建內部威脅計劃，並已開源 ADR 監控工具
Uber 首席資訊安全官 Philip Martin 提出，企業應為 AI agent 建立類似員工內部威脅計劃的監控機制。Uber 已開源 AI Detection and Response（ADR），用於採集 agent 執行時的即時遙測並在越界時即時干預，同時把 Anthropic 的 Enterprise Frontier Safeguards 作為資料來源接入其整體檢測體系。
量子位● 精選AI 評分68
Aether AI 公布 CRIS-0：0.2 秒急停、秒級重規劃
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。
Hacker News front pageAI 評分45
Agent37 上線低成本 agent 沙箱，平均每沙箱每月 0.37 美元
Agent37 推出低成本 agent 沙箱服務，客戶平均每沙箱每月花費 0.37 美元，並已開放免費套餐，目前 90% 以上新註冊使用者為免費使用者，其免費沙箱基礎設施成本約每使用者每月 0.05 至 0.10 美元。降本手段包括按 agent harness 的 CPU/RAM 突發特性排程資源、繞開超大規模雲廠商直接租用 Hetzner 與 OVH，以及用 gVisor 在主機內共享記憶體並加快啟動。
Hacker News front pageAI 評分63
Veda 發布：把 AI agent 做進系統層、全棧 Rust 自研的作業系統
Veda 是一個把 AI agent 做進系統層的作業系統，從 UEFI 引導、微核心、驅動到視窗系統與應用全部用 Rust 從零編寫，目前支援 x86-64 PC 與 QEMU。agent 作為系統服務隨開機啟動，可用語音、點選工作列圓環或 Super+Space 喚醒，通過 agentapp 協議原生呼叫應用提供的 70 多個動作，不需要讀屏或模擬點選。
X @claudeaiAI 評分36
The Every 基於 Claude Managed Agents 搭建全員 Slack agent
媒體團隊 The Every 把儘可能多的工作交給 agent 處理。為了讓全團隊在新模型發布時共享技能，他們基於 Claude Managed Agents 搭建了一個公司 agent，所有人都在 Slack 裡使用它。該 agent 在內部走紅後，團隊又把它開放給了自己的訂閱者。
Latent Space● 精選AI 評分83
Anthropic 推出動態工作流，讓 Claude 自行編排多智慧體
Anthropic 在 AI Engineer New York 2026 上介紹了上週五發布的 dynamic workflows（簡稱 flows），由 Claude 自行編排整套多智慧體拓撲。此前 Claude Managed Agents 需開發者配置協調者與子代理名冊，現在 lead agent 自己制定計劃並編寫編排程式，負責啟動代理、收集結果與管理資訊流，功能在面向 API 開發者的 Claude Console 提供，也支援傳入預配置子代理。
機器之心AI 評分58
Aether AI 發布因果驅動機器人系統 CRIS-0
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。
X @OpenAIAI 評分45
OpenAI：歐洲企業 AI agent 使用佔比過半，小企業使用者增 8 倍
OpenAI 表示，歐洲企業正在迅速擴大 AI agent 的使用。在其歐盟企業及商業客戶中，超過一半的 AI 使用已涉及這類工具，小企業使用者數量在整個地區增長了 8 倍。其最新經濟研究報告探討歐洲向 agentic AI 的轉變，以及把更廣泛採用轉化為更深入使用的機會。
Anthropic News● 精選AI 評分71
蘋果 Xcode 26.3 整合 Claude Agent SDK
蘋果 Xcode 26.3 已整合 Claude Agent SDK，開發者可在 Apple 平台用 Claude 執行自主、長時間執行的編碼任務。Anthropic 同期還宣布三年投入 1.5 億美元參與美國 Genesis Mission，與 Accenture 預計五年內投入至少 10 億美元建設前沿 AI 獨立評估能力，並與 Gates Foundation 達成 2 億美元合作。
機器之心● 精選AI 評分79
蘋果與 CMU 提出 SSR：Agent 推理改為做選擇題，每輪延遲降超 90%
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。
TechCrunch AIAI 評分57
研究者發現一支中國 AI agent fleet，疑執行於騰訊、呼叫高德地圖
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。
Claude Platform release notes● 精選AI 評分68
Claude Managed Agents 開放動態工作流 beta
Claude Managed Agents 的代理現在可以使用動態工作流，該能力處於 beta，需帶 managed-agents-2026-04-01 beta header。工作流是一段程式，分階段執行多個代理併合並結果，由伺服器在後臺以 workflow run 形式執行，適合審閱數百份文件這類包含大量片段的任務。