Managed Deep Agents 发布 v0.10 版本。以前智能体只能处理有 API 的网站，遇到需要登录或点击的页面就卡住。新版本内置浏览器，能像人一样操作没有 API 的网站，遇到登录时把浏览器窗口交给你输入密码，模型看不到你的凭证；同时新增异步子代理，长任务放到后台跑，主智能体继续和你对话，结果完成后自动回到对话里。此外回复会回到发起请求的 Slack 线程，线程里还有停止按钮。
文中可用工具
- Managed Deep Agents管理和运行智能体的平台，本版本新增浏览器使用和异步子代理
- browser_handoff把远程浏览器窗口交给用户登录，避免密码进入模型消息和追踪记录
- LangSmith sandbox运行浏览器和子代理的沙箱环境
- Studio智能体渠道之一，可展示浏览器交接链接并恢复运行
- Slack对话渠道，回复回到原线程，并提供停止运行按钮
- define_browser在项目根目录声明浏览器及作用域的配置函数
- define_deep_agent定义深度智能体及其子代理的配置函数
展开详情收起详情：Managed Deep Agents v0.10：浏览器使用与异步子代理⌄
原文发布：2026-10-31 00:49 · 首次收录：2026-10-30
Datadog 推出了一个叫 Infrastructure Basic 的轻量监控档位。原来，对于不太重要的服务器（比如内部后台系统、开发测试机），团队要么用比实际需要更重的监控方案，要么另买一套工具，要么干脆不监控、留下盲区。现在这个档位只采集 CPU、内存、磁盘、网络、开机时长等基础系统指标，还能盯住指定进程是否在跑，并复用现有的告警通知工具。这样，次要服务器也能和重要系统放在同一个 Datadog 环境里统一查看，减少监控空档。目前该功能需要联系 Datadog 销售团队开通，新用户可先试用 14 天。
文中可用工具
- Datadog Infrastructure Basic轻量级主机监控档位，采集核心系统指标和指定进程状态，支持告警通知集成
- Datadog Agent部署在主机上的采集组件，在 basic 模式下只采集基础系统级数据
- Process Check监控指定的命名进程是否仍在运行
- ServiceNow接收监控告警并创建工单
- PagerDuty接收监控告警并触发事件通知
展开详情收起详情：按工作负载需求匹配监控深度：Datadog 推出 Infrastructure Basic⌄
原文发布：2026-10-28 08:00 · 首次收录：2026-10-29
Snyk 在旧金山举办了首届客户峰会 UNFILTERED，邀请一批安全负责人闭门坦诚讨论。大家集中聊了五个话题：AI 代写的代码出了问题该由谁负责；企业开始追问 AI 的投入回报和预算上限，不再只看成本；找出漏洞不再是难点，难点是修得快、少靠人；AI 让每个人都能写代码，风险来源也变多了；人能审核的数量有限，愿意信任自动代理，但前提是代理绕不过控制。这次峰会是闭门讨论，不发布产品；次日 Snyk 才推出 Evo Agentic AppSec 并举办 AI 安全峰会。
展开详情收起详情：Snyk UNFILTERED：走进我们的首届客户峰会⌄
原文发布：2026-10-28 08:00 · 首次收录：2026-10-29
安全公司 Snyk 回顾了 PHP 引擎两个严重漏洞（PHP2Shell）的应对过程。问题出在代码之下：漏洞位于 PHP 引擎处理请求的环节，应用代码还没开始运行就可能被利用，所以即使代码写得干净也挡不住。攻击者只需发一个无需登录的请求，而很多团队根本说不清 PHP 到底跑在哪些对外地址上。Snyk 的做法是先盘点外部可见资产、标出用 PHP 的主机，再上线针对性检测，打补丁后重测确认修复生效。对普通读者的意义是：漏洞从公开到被大规模利用只有几天，提前摸清自己对外暴露了什么，比事后临时找要快得多。文中提到 VirusTotal 指纹识别约 510 万个运行 PHP 的 IP，其中只有约 110 万主动暴露版本号。
文中可用工具
- Snyk API & Web从外部盘点域名资产、识别技术栈并做漏洞检测
- Snyk Container扫描容器镜像中的依赖和系统包漏洞
- Snyk Unmanaged检测不由包管理器安装的第三方组件漏洞
- VirusTotal指纹识别互联网上运行 PHP 的 IP 及版本信息
展开详情收起详情：PHP2Shell 不会是最后一个：下一个漏洞会先出现在哪里⌄
原文发布：2026-10-28 12:00 · 首次收录：2026-10-29
OpenAI 在 DevDay 宣布 ChatGPT 周活跃用户突破 12 亿，约相当于全球人口的 15%。这么多人和越来越多的 AI 智能体同时发起请求，每次聊天、API 调用和模型调用都得先验证身份和权限，传统集中式身份系统在高并发下容易成为瓶颈。OpenAI 采用 Ory 的解耦认证引擎和 OAuth2/OIDC 基础设施，让令牌校验在边缘以无状态方式完成，减少反复回查中心数据库。文章还比较了自托管可组合 IAM 与传统身份 SaaS 在数据主权、成本和扩展方式上的差异，并提到让智能体先“观察模式”运行、再收紧权限的思路。对读者的价值是：了解面向超大规模和智能体负载设计身份鉴权时的关键取舍。
文中可用工具
- Ory提供解耦的认证引擎和 OAuth2/OIDC 身份基础设施，供 OpenAI 这类超大规模场景使用
- Ory Kratos处理身份生命周期、凭证哈希和会话管理的微服务
- Ory Hydra高性能 OAuth2/OIDC 服务器，负责签发访问令牌和管理授权流程
- Ory Keto基于 Google Zanzibar 模型的细粒度权限控制引擎，评估关系元组
- ChatGPTOpenAI 的聊天产品，文中称其周活跃用户已超 12 亿
- Codex原文仅提及名称，未说明具体用途
- CockroachDB分布式 SQL 数据库，用于跨区域复制身份验证状态
- Spanner原文仅提及名称，未说明具体用途
- Postgres原文仅提及名称，未说明具体用途
- Auth0文中作为传统多租户身份 SaaS 的例子出现
- Okta文中作为传统多租户身份 SaaS 的例子出现
- Ping Identity文中作为传统多租户身份 SaaS 的例子出现
展开详情收起详情：从人类点击到智能体速度：OpenAI 12 亿用户规模对你的鉴权意味着什么⌄
原文发布：2026-10-28 20:00 · 首次收录：2026-10-29
这篇文章讲的是：当负责处理退款的 AI Agent 中途崩溃时，如何让接替它的新 Agent 安全接手，而不会重复退款。原来问题在于，Agent 会自己推理、临时决定，崩溃后新 Agent 可能重新想一套方案，甚至再退一次款，导致用户被退两次钱。作者的做法是：在发起退款前，先把这笔操作的金额、授权、幂等键和状态写进数据库（相当于先立一张可查的“操作底账”），新 Agent 只能继承这张底账，不能自己改写；支付接口前还有一层校验，只放行记录里已授权的操作。这样即使崩溃，也能靠同一个幂等键和操作编号查清到底发生了什么，避免重复退款。对读者的用处是：如果你在生产环境跑 Agent 处理支付、订单等有副作用的操作，可以用“持久操作记录+幂等键+边界校验”的思路提升可靠性。文中提到的 LangGraph、Temporal 能恢复执行，但不能判断外部是否已成功；Langfuse 和 ClickStack 可用于追溯，但都只是辅助证据，最终以支付方记录为准。
文中可用工具
- ClickHouse Managed Postgres存放业务数据和权威操作记录
- ClickStack查询应用遥测和日志
- Langfuse查看 Agent 调用链和工具调用记录
- LangGraph持久化执行进度并在失败后恢复
- Temporal持久化执行进度并在失败后恢复
- Langfuse MCP server让 Agent 按操作 ID 查询此前的调用链
- ClickStack MCP server让 Agent 检索同一时间窗口内的服务事件
展开详情收起详情：AI Agent 需要可替换——同时不丢失工作成果⌄
原文发布：2026-10-28 21:00 · 首次收录：2026-10-29
文章用一个虚构例子说事：云平台上有一个叫 research-agent-2 的账号，它的访问密钥是 14 个月前创建的，最后一次使用是 11 个月前，但至今仍然有效。问题出在：人离职会触发账号回收流程，但一个干完活的 AI 助手（agent）往往只是关掉页面就走，没人回头清理它的权限；而 AWS IAM 的访问密钥不会自动过期，于是这把旧钥匙一直能开门。文章引用 OWASP 2025 年非人类身份风险榜单，把“下线条目没处理好”排在第一位，并提到 2026 年 9 月 GreyNoise 记录的一次攻击：从零到在真实目标上实现远程代码执行不到 4 小时，26 秒内攻陷至少 11 家机构，说明拖慢清理很危险。解决办法分三步：用 CloudQuery 把 AWS 凭证报告同步进数据库，再用给出的 SQL 查询找出“创建超过 90 天且 90 天以上没用过”的有效密钥，然后由指定负责人复核，配合策略和定时任务处理。注意 90 天只是复查门槛，不是判死刑；查询不包含 root 账号密钥，那需要单独紧急审计。文章提供的是自查方法和查询语句，属于已给出的操作指导，不是新发布的工具。
文中可用工具
- CloudQuery把 AWS IAM 凭证报告同步到数据库，方便用 SQL 查询长期未用的密钥
- AWS IAM管理用户访问密钥，其密钥不会自动过期
- ClickHouseCloudQuery Platform 使用的查询数据库方言
- PostgreSQL另一种可运行文中查询语句的数据库
展开详情收起详情：Agent 早已消失，它的访问密钥却还活着，会发生什么？⌄
原文发布：2026-10-28 22:00 · 首次收录：2026-10-29
Nvidia 发布了 Nemotron 3.5 Transcribe，这是一个开源权重的多语言转录模型。以前的转录模型只能按音频原样转写，出错了也不好纠正；这次的新模型支持在开始前给它提示，比如告诉它这是英语医学讨论、附上专业术语表，还能要求标注说话人、指定逐字或整理后的格式。它可以处理 40 种语言、最长一小时的录音，但不支持实时直播。Nvidia 称它在 Hugging Face 英语开源语音识别榜上以 5.33% 的平均词错率排第一，在部分基准上还优于参数量大得多的 Voxtral。开发者可以用 vLLM 部署，或用 NeMo-Speech.cpp 在本地单 GPU 上运行，也能用 NeMo 工具微调以进一步降低错误率。模型已经发布，属于开源权重，采用 OpenMDW-1.1 许可。
文中可用工具
- Nemotron 3.5 TranscribeNvidia 新发布的可提示多语言转录模型，支持说话人标注和翻译
- VoxtralMistral 的可提示语音转文字模型，文中用作对比
- Universal 3 ProAssemblyAI 的可提示语音转文字模型，文中提及
- vLLM用于部署该模型的推理服务框架
- NeMo-Speech.cpp用于在本地运行该转录模型的工具，项目已开源在 GitHub
- NeMo Speech提供微调工具，可帮助降低模型错误率
- NeMo Curator用于构建 Granary v2 数据整理流水线
- Granary v2可复用的数据整理流水线，附带公开清单，用于准备自定义训练数据
展开详情收起详情：Nvidia 发布可提示的转录模型⌄
原文发布：2026-10-28 23:00 · 首次收录：2026-10-29
GitHub 的提交量涨得极快：2024 年平均每月约 6500 万次，今年 4 月 14 亿次，8 月 29 亿次，9 月已达到 74 亿次，公司称主要推手是 AI Agent 带来的自动化需求。这种增长也让服务频繁出故障，所以 GitHub 今年已增加 400 万个 CPU 核心（多数在 Azure 上）、160 PB 高速存储和 50 Tb/s 网络带宽，并加强 GitHub Actions 算力。同时它正把计算和存储拆开重新架构，内部测试写入吞吐最高提升 35 倍。对开发者的意义是：这轮扩容已在进行，目标是减少卡顿和宕机，但新架构的具体上线时间原文未说明。
文中可用工具
- GitHub ActionsGitHub 的自动化构建与运行服务，此次增加了算力
- Azure微软云平台，GitHub 新增 CPU 核心主要部署于此
展开详情收起详情：GitHub 9 月提交量达 74 亿次，新增 400 万 CPU 核心和 160 PB 存储以应对增长⌄
原文发布：2026-10-29 00:10 · 首次收录：2026-10-29
GitHub 在旧金山 Universe 大会上发布了 Copilot Fusion，这是一个帮开发者自动挑选和调度 AI 模型的系统。以前写代码时，开发者要自己判断用哪个模型：复杂任务挑强模型，日常任务忘了换回来，容易又贵又慢。Copilot Fusion 会根据任务自动选模型，还能在工作流中途切换，比如让一个模型答题、另一个模型检查，或者让一个模型评审另一个模型的输出。开发者只需选择投入档位：日常用 Standard、较难用 High、最复杂用 Max。据 GitHub 数据，Fusion Max 在编程智能体评测中得分 60，与 Claude Code 搭配 Opus 5.5 Max 只差两分，但 API 成本约为一半、每任务耗时少约 40%。该功能已正式可用，企业管理员可以限制可选模型并决定是否设为默认。
文中可用工具
- GitHub Copilot Fusion自动为编程任务选择并编排 AI 模型，开发者只需选择投入档位
- Project HydraFusion提供运行时模型编排能力，Fusion 的前身研究预览
- Copilot Auto Model Selection自动选择模型的原有功能，已并入 Fusion
- Claude Code作为对比基准的编程智能体
- GitHub Copilot app原文未说明用途
- Copilot Projects原文未说明用途
- Copilot Automations原文未说明用途
- Open SWERamp 的开源编程智能体，已把模型选择纳入系统
- Artificial Analysis Coding Agent Index用于评测编程智能体表现的基准榜单
展开详情收起详情：GitHub 发布 Copilot Fusion：全新的模型选择与编排系统，以一半 API 成本击败 Claude Code⌄
原文发布：2026-10-29 00:19 · 首次收录：2026-10-29
谷歌向第三方编程智能体（能自动写代码、查问题的 AI 工具）开放了安卓开发工具，不再只推自家的 Gemini。以前智能体只能靠翻代码猜项目情况，现在可以直接读取项目结构、模拟器、日志和线上崩溃报告。例如 Claude Code 借助泄漏检测库找到内存泄漏并修复验证，谷歌称这类排查快了近一倍、省了最多 25% 的 token。开发者可以在 Android Studio 里自由切换 40 多种智能体，还能用命令行工具在终端预览界面、测试真机。不过谷歌没说明 77% 提速等数据的测量方式，且仍有“能自动找 bug 却修不完”的教训，人工把关不能省。
文中可用工具
- Claude CodeAnthropic 的编程智能体，可借助泄漏检测库查找并修复内存泄漏
- CodexOpenAI 的编程智能体，可通过官方 CLI 插件接入安卓开发流程
- Antigravity谷歌自家的编程智能体，原文未说明具体用途细节
- Android Studio Rabbit 2安卓官方开发环境，新版本稳定支持自定义智能体
- Android CLI终端里的安卓开发命令行工具，支持项目创建、模拟器管理、界面检查等
- Compose Preview在开发环境中预览 Jetpack Compose 界面
- LeakCanary开源内存泄漏检测库，被智能体用来定位泄漏
- Android Bench 2.0评估模型和智能体在复杂安卓开发任务上表现的基准测试
- Agent Client Protocol让不同编程智能体接入开发工具的开源协议
展开详情收起详情：谷歌把安卓的钥匙交给了竞争对手⌄
原文发布：2026-10-29 01:43 · 首次收录：2026-10-29
GitHub 发布了 2026 年 Octoverse 报告，统计过去一年开发者共向 GitHub 推送代码 179 亿次，超过 2024 和 2025 两年总和；总提交 343 亿次，合并的拉取请求 13 亿个。报告发现，带 Agent 配置的新仓库平均提交次数是不带配置仓库的 8 倍，9 月已有超过 40% 的拉取请求由 Agent 发起（3 月为 17%）。61% 的 Copilot 用户会同时使用多个模型，医疗、农业、采矿、建筑等领域的公开仓库也在快速增长。报告还显示 GitHub 开发者已超 2.25 亿，过去一年活跃开发者平均已在 GitHub 上 36 个月，现在平均每人跨仓库数比一年前多 10%。对读者来说，这份报告描述的是开发者正把 Agent 从试用变成日常协作对象，但具体效果仍取决于各自项目实践。
文中可用工具
- GitHub CopilotGitHub 的 AI 编程助手，报告显示多数用户会选用多个模型
- GitHub Actions自动化任务运行服务，报告称今年每秒运行 1440 次任务
- Dependabot自动更新依赖并减少已知漏洞的 GitHub 工具
- GitHub Pages托管静态网站的服务，文中用于发布洪水公告和灾害警报
- Gati基于 GitHub Pages 和 Actions 运行的尼泊尔灾害警报接力项目
- mathlib社区维护的计算机可验证数学库
展开详情收起详情：Octoverse 报告：2026 年提交与推送创新高，开发者用 Agent 构建⌄
原文发布：2026-10-29 00:07 · 首次收录：2026-10-29
GitHub 在年度大会 Universe 上宣布，要把 GitHub 打造成覆盖软件开发全流程的端到端平台。过去开发者主要写代码，现在则越来越多地让 AI 助手和 Agent 承担实现与验证工作，问题在于多模型、多工具、多仓库之间切换繁琐，代码变多后审查压力也增大。这次 GitHub 推出面向 Agent 的 Copilot 应用、能自动挑选和执行模型的 Copilot Fusion、可跨多个仓库并行运行的 Copilot projects，以及能在手机、VS Code、命令行和网页间接续的会话同步，还有能根据运行结果自我改进的自动化流程。此外，企业客户无需再单独购买 Copilot 订阅，按使用的 AI 额度付费即可。对普通开发者来说，这意味着可以把更多执行环节交给 Agent，自己专注于方向和决策。
文中可用工具
- GitHub Copilot app面向 Agent 的软件交付应用，从问题到合并都在一个界面里完成
- Copilot Fusion根据任务需要自动选择一个或多个模型来执行
- Copilot projects给 Copilot 一个目标，让它在多个仓库中并行运行 Agent 任务
- Session continuity在不同设备与工具间延续同一个云端 Agent 会话
- Copilot automations在仓库内创建 AI 工作流，可手动、定时或由事件触发，并能从结果中学习改进
- Copilot code review自动审查代码变更，发现值得关注的缺陷
- Copilot code review Max更深入的高严重度问题代码审查模式
- CloudflareGitHub 表示可继续使用的第三方工具之一，原文未说明具体用途
- DatadogGitHub 表示可继续使用的第三方工具之一，原文未说明具体用途
- FigmaGitHub 表示可继续使用的第三方工具之一，原文未说明具体用途
展开详情收起详情：GitHub Universe 2026：演进技术栈的每一层⌄
原文发布：2026-10-29 00:09 · 首次收录：2026-10-29
Cloudflare 把它内部几乎每个请求都会用到的键值存储 Quicksilver，做成了 Workers KV 的一种新模式，目前开放给少数客户做私测（private beta），还没正式上线。键值存储可以理解成一个超大的查号台：给一个名字，马上返回对应的内容。新模式读取速度在 p99 下是 1.62 毫秒，而经典 KV 是 287 毫秒。但限制很硬：最多 1 万个键，每个命名空间只有 1 MB，每秒只能写一次，所以只适合读多写少、数据量小的场景。
文中可用工具
- QuicksilverCloudflare 内部的键值存储，现作为 Workers KV 的一种模式开放私测
- Workers KVCloudflare 的边缘键值存储服务，Quicksilver 作为其新模式提供
展开详情收起详情：Cloudflare 以 Workers KV 即时模式向客户开放 Quicksilver，限制在 1 MB 容量内⌄
原文发布：2026-10-28 16:57 · 首次收录：2026-10-29
微软发布了十月份的月度安全更新，一共修复了 1415 个漏洞，涉及 Windows 操作系统、Office、Exchange、.NET、Edge，还可能包括 Hyper-V 和 Azure 相关组件。这些漏洞里有 85 个被定为“严重”级别，也就是风险很高。更需要注意的是，其中一个影响 Windows Shell 的漏洞已经被攻击者在真实环境中利用，说明相关用户应尽快安装更新。对普通用户来说，这次更新能补上大量安全缺口，降低被攻击的风险；目前信息没有说明各漏洞的具体细节和更新推送状态，建议以微软官方发布为准。
展开详情收起详情：微软十月安全更新修复 1400 多个漏洞，其中一个已被野外利用⌄
原文发布：2026-10-28 18:30 · 首次收录：2026-10-29
Colin Douch 分享了他搭建并扩展自托管可观测性系统的实战经验。过去团队要监控系统，往往得依赖 SaaS 服务，容易被供应商锁定、成本也不好控；他改用 Prometheus、VictoriaMetrics 和 Jaeger 等开源工具，把指标、结构化日志和分布式追踪关联起来，说明这样做在工程上有哪些取舍。对运维和平台团队来说，这提供了一套不依赖外部厂商、可自行掌控的监控方案思路。需要说明的是，材料只提到这是一场演讲，具体可用性和详细做法原文没有展开。
文中可用工具
- Prometheus开源监控工具，用来采集和存储指标数据
- VictoriaMetrics开源时序数据库，用于大规模存储指标数据
- Jaeger开源的分布式追踪工具，用于跟踪请求链路
展开详情收起详情：演讲：大规模遥测数据治理——自托管可观测性实战指南⌄
原文发布：2026-10-28 19:00 · 首次收录：2026-10-29
Airbnb 更新了它用来给推荐系统提供数据的 Chronon 平台。以前，推荐系统用的用户行为特征要等将近两天才更新一次，推荐容易过时。现在他们加了 Push Mode（推送模式）和近实时模型转换，能在几秒内更新这类推荐向量，把延迟降到一分钟以内。效果上，离线评测指标 NDCG 提升了 1.67%，线上测试中未取消的预订量大约增加了三分之一百分点。
文中可用工具
- ChrononAirbnb 的特征平台，用来生成和更新推荐系统所需的数据
- Push ModeChronon 新增的推送模式，让特征更新更快
- Near Real-Time Model Transform近实时模型转换，用于在秒级更新推荐向量
展开详情收起详情：Airbnb 借助 Chronon 将推荐数据陈旧度从两天缩短至数秒⌄
原文发布：2026-10-28 21:53 · 首次收录：2026-10-29
Spring AI 是一个用 Java 写 AI 应用的框架。以前它把模型回复只当成一段文字，但像 Claude、Gemini、OpenAI 这些推理模型会额外返回“思考过程”和加密签名，要求下次请求时原样带回；如果顺序错了或丢了，模型就会报错或忘掉之前的推理。Spring AI 2.1 把消息改成按顺序排列的“部件”列表，可存放文本、推理、工具调用、工具结果、图片等，并原样保留这些加密数据，不同厂家的模型之间也能安全切换。该版本目前是 2.1.0-RC1 候选发布版，主要聊天模型都能生成和读取部件，还新增了可持久化这些部件的会话记忆功能。使用 Spring AI 的开发者升级后，推理内容能在多轮对话和流式输出中完整保留，读取方式也统一了。
文中可用工具
- Spring AI用 Java 构建 AI 应用的框架，2.1 版把消息改为按顺序的部件列表
- OpenAI Responses APIOpenAI 面向推理模型和智能体的较新接口，返回带加密推理项的数组
- Chat CompletionsOpenAI 最早的聊天接口，许多其他服务器也实现
- OpenAiChatModelSpring AI 中对接 Chat Completions 接口的实现
- OpenAiResponsesChatModelSpring AI 2.1 新增，对接 Responses API 的无状态模式
- MessageAggregator把流式返回的分片合并成完整消息
- JdbcChatMemoryRepository原先只保存文本和消息类型的会话记忆存储
展开详情收起详情：Spring AI 2.1 消息部件：能完整往返保留的推理内容⌄
原文发布：2026-10-28 08:00 · 首次收录：2026-10-29
LangChain 把自家开源工具 OpenWiki（一个把原始文档编译成带引用维基页面的命令行工具）当作 Agent 的长期记忆层，并额外用一张"证据图谱"把维基里的结论和它背后的原文段落连起来。原来的问题是：Agent 每次回答跨文档的问题都要临时检索、拼凑，既慢又容易答错。这次的做法是提前把 111 份模拟保险文档编译成约原体积十分之一的维基，再让 Agent 顺着图谱找到支撑证据。结果显示，涉及多来源关联的问题准确率比只用关键词搜索高约 5 倍；加上证据图谱后准确率再提升 27%，引用一致性翻倍，每个正确答案的成本降低 58%。不过对于简单的单段查找，带记忆反而更慢、准确率没提升，所以这套方案更适合需要反复跨来源推理的场景。该工具已开源，文中未说明证据图谱是否单独开放。
文中可用工具
- OpenWiki开源命令行工具，把原始文档编译成带引用、可随源文档变化自我更新的维基页面，用作 Agent 的持久记忆层
- Deep AgentsOpenWiki 构建所基于的框架，原文未详细说明其用途
- 证据图谱把维基中的结论与支撑原文段落、相关文档用边连接起来，供 Agent 追溯引用来源
展开详情收起详情：如何用 OpenWiki 和证据图谱构建有据可依的 Agent 记忆⌄
原文发布：2026-10-29 01:28 · 首次收录：2026-10-29
LangChain 团队介绍了如何用“定时任务”（cron，就是让程序按固定时间自动跑一次的机制，类似手机闹钟）来构建主动式 Agent（能自己做事、不用人每次发指令的 AI 助手）。过去这类 Agent 大多只靠简单定时任务，现在他们发现定时任务还能解锁记忆整理、主动提醒、信息筛选、定时跟进和多 Agent 调度等能力。做法上需要两部分：一个方便的定时任务服务器，以及让 Agent 自己能创建和修改提醒的接口。托管深度智能体（MDA）内置了这样的服务器，支持写死在代码里的固定任务，也支持用户临时让 Agent 自己排期。官方称 LangSmith 上超过 70% 的托管深度智能体运行来自定时触发而非人工发消息。文中示例代码可用于参考，但未说明该功能的具体开放状态和限制。
文中可用工具
- Managed Deep Agents托管运行的深度智能体平台，内置定时任务服务器，可按计划触发 Agent 运行
- Schedules SDK用于定义和管理定时任务的开发工具包，支持固定与动态排期
- LangSmith Deployments托管部署环境，文中说明托管深度智能体运行于此
- LangChain提供 tool 装饰器等工具封装能力，用于把排期功能做成 Agent 可调用的工具
- Muse原文仅提及名称，未说明具体用途
- Instinct原文仅提及名称，未说明具体用途
- Dots原文仅提及名称，未说明具体用途
- Claude Duet原文仅提及名称，未说明具体用途
- Hone文中作为有明确目标的专用主动式 Agent 举例，会按小时检查并推进目标
展开详情收起详情：如何在托管深度智能体中用 Schedules SDK 构建主动式常驻 Agent⌄
原文发布：2026-10-29 01:28 · 首次收录：2026-10-29