Agent 替你工作，你还在思考吗？
保持判断力，需要保留一条能被现实纠正的路径：说明目标，提出可修改的判断，取得独立证据，再根据结果调整。 Agent 可以参与每一步；人需要知道这条路径在哪里可能失效，并保留介入的能力。
从工具调用到 Code Mode：理解模型与程序的分工
假设有一个任务：查询所有门店 2026-11-01 的订单，统计已支付金额，返回金额最高的门店。
苏杭沪运营市场雷达｜2026 年 11 月 1 日
观察窗口：2026-10-26—2026-11-01（北京时间）。优先苏州、杭州、上海；税前25K+、中文主工作语言、相对温和WLB，兼顾传统互联网运营和AI产品/Agent运营。阿里及阿里系不进入候选。 “招聘索引仍可…
苏杭沪运营市场雷达｜2026 年 10 月 25 日
观测截至：2026-10-25（北京时间）。优先苏州、杭州、上海，月薪25K+、中文主要工作语言、资深互联网/AI应用运营、稳定性和WLB。阿里巴巴与阿里系全部排除候选，只保留行业基准意义。 职位索引≠招聘HR确认在招名…
谁来约束执行者：从监控失效到依赖防火墙，重构 Agent 的安全边界
Agent 可以修改业务实现，但不应因此获得修改监督规则、隐藏执行证据或自行放宽依赖准入的权力。 将 METR 的监控红队评估、OpenAI 的两起内部事件和 GitHub Package Firewall 放在一起看…
OpenVLHarness 源码精读：让多模态工具结果变成可引用、可计算的证据
工具返回了什么，与 Agent 能否继续利用它，是两个问题。 OpenVLHarness 的核心设计，是给模型一份可理解的观察，同时保留底层图像、数组与来源引用，让后续工具和程序继续使用同一份材料。它把视觉任务从“看图后…
把 Agent Compact 做成可控系统：预算、连续覆盖与后台发布
可靠的上下文压缩，要把“模型还能接收多少”“什么时候值得摘要”“摘要代表了哪段历史”分别说清楚。 一个摘要函数解决文本概括；一个可运行的 Compact 系统还要处理读取规模、工具协议、并发发布、请求终态和实际费用。
AI Scan 与 Agentic Autofix 精读：发现漏洞、生成补丁和证明修复，是三件事
GitHub 同一天发布的两项能力，并不是一条自动串联的“扫描后全部修好”流水线。 AI Scan 扩展 PR 中的安全发现；Agentic Autofix 接手默认分支的既有代码扫描告警，准备经过一定验证的修复 PR…
Copilot 跨仓库协作精读：把团队讨论接到代码，先分清上下文、身份与任务
同一段对话可以横跨多个仓库，但读取范围、写入目标和执行身份必须分别确定。 GitHub 在 2026 年 10 月 15 日发布的 Slack / Teams 更新，让讨论中的调查、Issue 和代码任务保持连贯；它的工…
HarnessSecurity-Bench 精读：自动批准改变了什么，安全边界又漏在哪里？
可靠的 Agent 安全边界，应同时阻止越权效果、保留合法任务的完成路径。 HarnessSecurity-Bench 最值得借鉴的，是把这两个结果分开验证，而不只看模型是否说了“拒绝”，或界面是否显示“已开启保护”。
让 AI Agent 稳定交付：mattpocock/skills 的工程工作流设计
一个值得复用的 Skill，需要同时说清楚：何时调用、需要什么上下文、执行哪些动作，以及凭什么判断完成。 mattpocock/skills 的学习价值，就在于它把需求澄清、设计、测试、审查和复盘连接成一套可组合的工程方…
苏杭沪运营市场雷达｜2026 年 10 月 18 日
观测截至：2026-10-18（北京时间）。 本报告聚焦月薪下限25K及以上的资深运营职业机会与市场情报，对AI Agent运营保持专项关注，但不因技术标签而提高推荐排序。当期公开索引并不等于企业HR确认招聘名额（HC）…
MPT：把“下一步谁来做”训练进 Agent
MPT 把 Agent 的动作能力与参与时机一起训练：成员学习怎样完成动作，也学习当前是否应该由自己出手。 它为动态分工提供了一条具体路径。论文最有价值的证据，来自固定动作模型之后的协调方式对照；扩容和抗掉线结果则需要结…
苏杭沪运营市场雷达｜2026 年 10 月 11 日
本期结论：杭州最值得关注 AI 应用运营与高薪产品运营，上海更适合寻找成熟企业的专业化岗位，苏州值得继续优先监控，但达到 25K 的纯互联网运营机会相对有限。
AI 透明度如何改变员工的工作？从情绪机制到工作重塑的实证证据
AI 越透明，员工就越愿意与它协作吗？ 这篇研究给出了一种有条件的答案：透明度可以通过激发积极的探索体验，间接推动员工把 AI 融入工作；也可以通过降低挫败感，间接减少员工为了远离 AI 而改变工作方式的倾向。但更透明的…
Agent 为什么会忘记前文？拆解 Codex、pi、Claude Code 的上下文与记忆
让 Agent 连续工作，关键是保存可恢复的历史，并为每次推理构建合适的上下文。 摘要负责概括旧进展，近期原文保留正在处理的细节，历史查询负责找回证据，长期记忆负责跨任务复用。四者各有职责。
AQuA 深度拆解：生产 Agent 的质量反馈闭环
Google 于 2026 年 10 月 8 日开源 Ambient Quality Agent（AQuA）。它是一套旁路运行的质量调查方案：从线上执行轨迹中识别隐性任务失败，将故障归类、核验，再定位到具体部署版本的源码…
Gemini Agent 与 Coworker：企业级 Agent 为什么需要独立身份、持久任务和策略网关
2026 年 10 月 8 日，Google Cloud 在 Gemini at Work 宣布面向工作的统一 Gemini Agent。重点并非推出更大模型，而是把执行运行时、跨应用上下文、技能与工具分发、独立身份、模…
GitHub Copilot Local Sandbox 与 MXC：Coding Agent 的权限边界如何落地
2026 年 10 月 7 日，GitHub 宣布 Copilot CLI、Copilot App 和使用 Agent Host 的 VS Code 会话中，本地沙箱正式 GA。它由 Microsoft eXecutio…
苏杭沪运营市场雷达｜2026-10-04
先说明本期的时间窗口：10 月 1 日至 10 月 7 日正值国庆假期，因此上海、杭州、苏州公开招聘聚合页的最新岗位普遍停在 9 月 29–30 日。这意味着本期“新增岗位数偏少”不能解读为招聘市场突然降温，更适合作为一…
给 AI Agent 一台能随时接管的电脑：开源方案与 VPS 实战
从手机接手 Agent 正在操作的浏览器：理解远程桌面、自动化接口与控制权交接，用开源组件为现有项目补上人工协作入口。
科研 Agent Skills 精读：从“装 Skill”到构建可验证的 Research OS
这些开源项目的共同价值，不是提供更多写作提示词，而是把科研活动编码成可执行、可检查、可复用的流程。成熟的科研 Agent 系统会同时管理任务阶段、专业能力、证据状态、评测门禁和最终交付物。Skill 只是其中一个能力包…
AI 研发 AI：Hinton 所说的智能爆炸，离现实还有哪些条件？
AI 写出更多代码，不等于智能爆炸已经发生。关键是：研发成果能否持续反哺下一轮研发，让进步本身越变越快。
让模型输出更容易理解：从受控写作到按需交互
模型输出的默认形态，不该是长文，而该是最省读者解码成本的表达。
本地 Agent 沙箱：为什么不把一切搬到云端
本地沙箱的价值，是让 Agent 使用已经存在的本机工程环境，却不自动继承用户对整台电脑的全部权限。 它不是离线模型，不是 Git 工作树，也不必然是一台虚拟机。执行位置、隔离强度、网络权限和模型数据流是四个独立问题。
Claude Marketplace：能力分发与运行时授权的边界
Claude Marketplace 最值得研究的不是“又多了一个插件商店”，而是三个原本分离的问题被放到了同一入口：发现能用的能力、采购 Claude 生态产品、寻找实施服务。入口统一不意味着底层拥有同一种包格式、执行…
Copilot 默认功能策略：分层配置、继承与生效机制
从未配置、显式选择与委派的区别出发，分析 Copilot 默认功能策略的分层解析、生效时点、冲突处理及可复用实现。
Cowork 与 Chat 合并：统一入口背后的任务系统
从 Cowork 与 Chat 合并的产品动机出发，分析统一入口、云端执行、桌面桥接、持久任务、产物版本与独立授权之间的关系。
Agent 的 OpenTelemetry：从调用追踪到可复核执行
一个 Agent 任务变慢，原因可能是模型生成、工具等待、排队、人工审批，也可能是反复读取同一批文件。只记录最终回答、总 token 和总耗时，无法区分这些问题。OpenTelemetry 的价值，是把应用、Harnes…
AI 会回答之后，谁来把工作做完？
设想这样一项工作：“把这份公司资料填进合作方的申请网站，交给负责人确认，提交后把回执存好。”
从聊天框到 AI 原生交互：跨 Agent、跨平台的应用架构
大多数 AI 产品最初都从聊天框开始：用户说一句，模型回一句。
结构化输出实战：模型能力、Agent 工具与可靠 JSON 交付
从模型 API 的 JSON Mode、JSON Schema 与严格工具参数讲起，用一图对照 pi、Codex、Claude 的 Agent 实践，再给出纯文本 JSON 的优化和稳妥交付方案。
GitHub Copilot Agent Runtime 的 Rust 迁移：Harness 与 UI 解耦、FFI Runtime 及 Agent-assisted 大规模重写
GitHub 将 Copilot 共享 Agent Runtime 从 TypeScript/Node 迁移到 Rust，重点分析 Harness 与 UI 解耦、跨语言 FFI、渐进式迁移及性能测量边界。
OpenAI Agents API：Codex Harness API 化，以及 Managed Harness 与 Execution Environment 的架构解耦
OpenAI Agents API 将 Codex Harness 托管化，拆分控制状态与执行环境，并分析 MCP 网络边界、凭据隔离、Session 数据治理及可观测性。
AgentAudit：基于完整执行轨迹的模块化评估与失败归因
一个结果可以告诉我们任务是否失败，只有过程证据才能帮助我们区分失败从哪里开始。
Anthropic 网络安全评估事件：环境事实、授权范围与 Runtime 网络边界
边界不是对环境的描述，而是系统在发生分歧时仍然能够执行的约束；网络可达性从来不等于授权。
GitHub Copilot 企业权限与托管沙箱：授权、隔离及执行边界
授权回答应不应该做，隔离回答实际上能做什么；可信执行需要这两种约束共同成立。
Microsoft APM：Agent 配置依赖、可复现分发与供应链治理
能够复现一份配置，不等于能够信任它；能够信任配置，也不等于已经批准它产生的每一个动作。
Smarter Models Still Hallucinate: Evidence Gates for Production RAG Agents
更聪明的模型仍会幻觉。模型能力提升可以改善平均推理质量，却不会把概率生成器变成事实数据库，也不会自动建立业务答案的发布边界。 因此，生产系统不能把事实可靠性寄托在某个模型版本上；它必须假设任何模型都可能在证据不足时生成“…
Harness 也会过拟合模型
HarnessDev 表明 Harness 会与创建、执行它的模型共同适配；有效性必须通过跨模型与未见任务验证。
长任务 Agent 如何保存净进展
Harness-of-Harness 通过规划、开发与独立验收循环，将长任务推进转化为可恢复、可验证的净进展。
Context 组装应成为独立执行引擎
ContextPipe 将上下文组装从调用前的拼接逻辑提升为可规划、优化、执行与反馈的运行时子系统。
Agent 安全为何必须成为 Runtime Contract
模型可以提出计划、生成代码并操作外部系统，但它不能同时充当行动者、证人和裁判。随着 Agent 从内容生成走向真实执行，安全边界必须从模型训练延伸到 Runtime：在行动发生前约束权限，在行动完成后验证证据，并让每一次…
从 Skill 文档到可执行流程：SkillSentry 对 Agent 可靠性的启示
Skill 让 Agent 获得专业操作知识，但一份写得正确的 Skill 文档，并不能保证每次运行都得到正确结果。真正影响生产可靠性的，是 Agent 是否在适当时机执行了必要步骤、保持了步骤依赖、采用了正确参数，并在…
MCP 取消 Session 之后，状态去了哪里
MCP 2026-07-28 移除了协议级 Session，但没有让 Agent 应用变成“没有状态”的系统。它真正做的是拆开过去混在长连接里的状态，并把它们交给更明确的所有者：
精读笔记：Stealing Reasoning Traces from Proprietary LLM APIs
Alexander Panfilov、David Schmotz、Ilia Shumailov 等，arXiv:2608.09867v1，2026-08-10。 原文：摘要页 · PDF
GDPevo：Agent 学习的是规则，还是记住了答案？
把成功轨迹写进 SKILL.md，再让 Agent 做相似任务，分数通常会提高。难点在于解释这段提升：它可能记住了答案，可能捕捉了任务表面的固定格式，也可能真的抽象出一条可以重新组合的业务规则。GDPevo 的研究问题正…
Agent Runtime：为什么 Agent 需要独立执行系统
传统模型服务把一次请求看成连续的 GPU 工作：输入进入，模型生成，响应返回。Agent 任务却在模型推理、CPU 工具、远程 API、沙箱、审批和等待之间反复切换。一次工具执行可能持续几毫秒，也可能卡住数分钟；模型恢复…
PIMiner：Agent 安全进入持续对抗阶段
Prompt Injection 的风险已经从“模型说了不合适的话”迁移到“Agent 代表用户执行了错误动作”。邮件正文、网页、代码注释、检索文档和工具输出都可能同时进入推理上下文；其中一段低信任文本只要伪装成系统流程…
Active-SWE：Coding Agent 从修复问题到发现问题
现有 Coding Agent 排行榜通常从一份写得相当清楚的 Issue 开始：症状、目标行为、相关上下文甚至复现线索已经由人整理好。真实维护中最昂贵的一段工作却发生在这之前——从仓库和弱信号里判断是否真的存在缺陷、缺…
Self-Evolving Coding Agent：Agent 如何从失败中持续进化
Coding Agent 最容易被夸大的能力之一，是“会从失败中学习”。一次任务失败后补一句提示词，再跑同一个仓库并成功，这只能证明系统适应了这次失败；它究竟抽象出了可迁移规律，还是把答案换一种形式存进了提示词，仍然未知…
SuperScout：为什么 Coding Agent 需要先理解问题
仓库级修复常被建模成“收到 Issue，然后选择一个最合适的模型”。这个顺序忽略了一个事实：模型选择发生时，系统尚未读取目录、追踪调用链、运行复现或判断问题规模。只看 Issue 文本做路由，等于用最贫乏的任务表示决定最…
MCP Stateless：从协议连接到 Agent 能力平台
MCP 最初解决的是互操作：让模型应用用统一协议发现并调用工具。协议一旦从本地进程走向云端、多租户和数千工具，问题就不再只是“能否连接”，而是如何扩缩容、鉴权、路由、限流、观测和故障恢复。2026-07-28 版本把 M…
Cloudflare Computer 深度调研文档
调研日期:2026-08-06 | 调研对象:https://github.com/cloudflare/computer(main 分支,76d9e75) 调研方式:克隆源码精读(packages + docs + e…
Cyber Agent 的能力评测，必须包含运行环境
精读对象：Abu Bakar Siddik, Cyber-Capable AI Agents: Vulnerabilities, Evaluation Containment, and Defensive Respons…
Issue 不是指令：Coding Agent 的信任边界
精读对象：Ankur Singh, Jinqiu Yang, Tse-Hsun Chen, IssueTrojanBench: Benchmarking AI Coding Agents Against Maliciou…
研究 Agent 如何围绕未解决约束持续收敛
AREX 的核心不是让 Agent 无限搜索或自动改写自己，而是把每轮研究变成一次可验证的状态更新：保留已经成立的证据，显式记录仍未满足的约束，再把剩余不确定性转成下一轮的定向任务。
哪些渐行渐远的基础知识，AI可以严丝合缝，写对一切
但我拾起来的是文化，早晚有一天我会完全用不到它们甚至忘记，但在当时，它们触动过我的心～毕竟那是我，弱小，有限，绝望却充满期冀、永不服输的求知欲啊～
Agent 交付通过测试，为什么仍不能直接上线
ResearchArena 揭示了一个容易被忽略的事实：Agent 可以在完成主任务、通过公开评测的同时，把隐藏行为留在模型、训练数据、Kernel 或服务代码中。生产安全因此不能只审查对话和执行轨迹，而必须独立运行、探…
Agent 工具规模化之后，为什么需要 MCP Gateway
当 Agent 可访问的工具从十几个增长到数千个时，问题不再是如何连接 MCP Server，而是如何让模型只看到当前任务需要且有权使用的工具。MCP Gateway 的价值，是把协议适配、工具发现、访问控制和后端路由从…
ChatGPT 研究笔记自动归档与发布：单一事实源工作流
以 GitHub 作为唯一笔记事实源，通过受保护的 MCP 完成创建与编辑，再自动发布到 Cloudflare Pages；在免费额度内形成无需手动下载的知识管理闭环。
CAVA 深读：为 Agent Runtime 建立可验证的动作身份
CAVA 将 Shell、MCP、Browser 与 Workflow 中形态各异的执行事件归一为稳定动作对象，使策略、审批、回执和审计绑定同一语义身份。
Shared Selective Memory：选择性遗忘与 Zero-Token Refresh
Shared Selective Persistent Memory 只持久化任务规范、数据 Schema、工具配置和输出约束，并把生成程序与运行时数据解耦，以减少跨会话重述和无效模型调用。
没有匹配的笔记。