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
LangChain 团队写了一篇博客，讲怎么让 AI 智能体（能自己调用工具干活的程序）更可靠。原来只靠一个好模型不够，还得给它配一套适合具体任务的“外挂”结构。他们把智能体拆成四层循环：最里面是模型反复调用工具干活；外面加一层检查，输出不合格就打回重做；再外面让智能体被事件自动触发，比如收到消息或定时任务；最外面一层分析每次运行的记录，自动改进提示词和工具配置。文章还强调人工审核该在哪些环节介入敏感操作，并用他们自家的 LangChain、LangSmith 等工具演示每一层怎么搭。目前是概念说明和产品能力介绍，不是新发布。
文中可用工具
- LangChain搭建智能体循环和中间件的开源框架
- create_agent快速创建一个模型调用工具的智能体循环
- RubricMiddleware按评分标准检查智能体输出并反馈重做
- LangSmith记录和分析智能体运行轨迹的平台
- LangSmith Deployment提供定时任务和 webhook 等触发基础设施
- Engine分析运行轨迹、发现问题的智能体
- Fleet无需写代码搭建智能体，支持频道和定时触发
- openclaw原文仅提及其“心跳”定时触发用法，未说明具体用途
展开详情收起详情：循环工程的艺术⌄
原文发布：2026-10-29 21:20 · 首次收录：2026-10-29
AWS 的 EKS Fargate 让用户不用自己管理 worker 节点，改由平台按每个 Pod 单独准备计算环境。它先通过准入控制把匹配 Fargate 配置的 Pod 交给专用调度器，调度器再为这个 Pod 申请新容量，启动所需 Kubernetes 组件，并把用户 VPC 里的网络接口分给这个 Pod，Pod 结束后环境就被回收。这样用户不必创建、打补丁或扩缩节点，但网络接口所在的子网、安全组和 Pod 执行角色仍需在 Fargate 配置里指定；文章没有说明价格、区域可用性或与其他无服务器方案的对比。
文中可用工具
- AWS Fargate为每个 Pod 提供无需用户管理节点的计算环境
- Amazon EKS托管 Kubernetes 控制平面，并支持 EC2 与 Fargate 节点混用
- Amazon ECR供 Fargate 执行角色拉取容器镜像
- Amazon VPC为每个 Pod 提供独立的弹性网络接口和网络隔离
展开详情收起详情：一个 Pod 一个节点：AWS 无服务器 Kubernetes 背后的架构⌄
原文发布：2026-10-27 20:00 · 首次收录：2026-10-28
这篇文章讨论的是 AI Agent（能自主调用工具、访问网络的智能程序）的安全隔离问题。以前服务器放在机房，用 VLAN、防火墙和物理线路就能把不同工作负载分开；但 Agent 一启动，默认几乎能访问所有东西，企业不能接受这种默认状态。文章指出，光靠 Docker 容器不够：容器共享宿主机内核，默认桥接网络下容器之间还能互相通信，可写的 bind mount 甚至能让容器改动宿主机文件；文中还举了两个真实事故——OpenAI 曾发现研究沙箱里的 Agent 通过内部 Artifactory 服务摸到了互联网，Anthropic 的 Claude 也因第三方测试环境意外联网而接触到真实系统。作者因此提出，真正的沙箱要同时在软件或硬件隔离（容器 vs. 微虚拟机）、Agent 运行位置、可访问的网络与模型工具、以及安全执行代码这四个层面划清边界。对读者的实际用处是：判断自家 Agent 部署该做到哪一档隔离，避免误以为“用了容器就安全了”。文章未给出具体产品方案或实施状态说明。
展开详情收起详情：当“隔离”名不副实：如何为 AI Agent 打造真正的沙箱⌄
原文发布：2026-10-27 21:00 · 首次收录：2026-10-28
这篇文章讲的是 Kubernetes 控制平面在集群规模变大后，一些平时看起来正常的设计反而会把小问题放大成故障。作者举了三个真实例子：一个扩展 API 升级依赖后发布了不合法的 OpenAPI 模式，结果连只用普通 Kubernetes 资源、根本没用这个扩展的 Helm 部署也失败，因为 OpenAPI v2 把所有 API 的定义合并成一份文档，一个扩展出错就拖累所有人；大批 DaemonSet 代理同时重启，启动时的正常请求叠加成风暴，API 服务器扛不住；还有组件把依赖服务的短暂不可用误判成自己进程坏了，反复重启。文章建议用 OpenAPI v3 缩小影响范围、控制重启节奏、别让健康检查过度依赖下游。这是经验分享文章，没有发布新工具，文中提到的 OpenAPI v2/v3、informer、聚合 API 服务器、PR #131755 都是已有机制或改动。
文中可用工具
- OpenAPI v2把所有 API 的接口定义合并成一份文档供客户端读取校验
- OpenAPI v3按 API 组和版本分开提供接口定义，缩小单个扩展出错的影响范围
- informer让控制器在本地缓存集群状态，减少反复查询 API 服务器
- 聚合 API 服务器（aggregated API server）在不改核心 API 服务器的前提下给 Kubernetes 增加新 API
- Helm部署图表前会读取 OpenAPI 文档做校验，因此可能被无关扩展的错误波及
- DaemonSet在集群每个节点上运行代理，大规模重启时会集中产生请求
- Kubernetes PR #131755让 OpenAPI 模型名称由作者显式声明，而不是从 Go 包路径推导
展开详情收起详情：影响 Kubernetes 控制平面可用性的隐藏故障路径⌄
原文发布：2026-10-27 22:00 · 首次收录：2026-10-28
OpenAI 在 2026 年 DevDay 上发布了 20 多项更新，包括 GPT-6.1 Sol、GPT-6 Astra 的 Ultrafast 加速档、能后台持续工作的 dots 智能体，以及 Decisions API 等。开发者负责人 Vaibhav Srivastav 解释：Sol 能达到 Astra 约 95% 的性能，价格却只有五分之一，所以他自己日常主要用 Sol；遇到新项目或不熟悉的问题，才用 Astra 做对抗性审查，避免“自己检查自己”的偏差。Ultrafast 档速度超过每秒 300 个 token，适合欺诈检测等实时场景，价格比标准 Astra 高约 20%。对企业用户，任何可能增加成本的功能默认关闭，需主动开启。
文中可用工具
- GPT-6.1 Sol性价比高的主力模型，性能接近 Astra 但价格约为其五分之一
- GPT-6 Astra更强的旗舰模型，适合处理新问题或做对抗性代码审查
- Ultrafast高速推理档，速度超过每秒 300 token，适合实时场景
- OpenAI dots可后台持续运行的持久化智能体，能连接 4000 多个应用并建议或执行操作
- Decisions API用预设选项对输入分类或路由请求
- Agents API让智能体操作软件界面（computer use）
- Codex用于日常工程任务的编程工具
展开详情收起详情：“我并非每天都用 Astra”：OpenAI 开发者负责人向 TNS 解释原因⌄
原文发布：2026-10-27 22:23 · 首次收录：2026-10-28
Nebius 的 AI 训练团队在 Terminal-Bench 类负载上做了一次实验：把一次 256 条轨迹的批次收集时间减少了 66.9%。原来在智能体强化学习训练中，模型要先完成任务、拿到结果才能学习，但任务长短不一，慢的几条会让整批训练卡住，昂贵的 GPU 常常在等便宜的沙箱和代码执行。做法是把推理引擎当成训练优化器的一部分：按整组完成而不是启动顺序来组批，让生成和训练部分重叠、缓存对话历史避免重复预填，并把基础设施故障和模型自身失败分开计分。这只是一个实验中的批次收集测量，不含训练器本身的前向反向计算，不等于完整训练提速。对读者来说，这提供了一个思路：智能体训练慢，瓶颈往往不在 GPU 算力，而在任务执行和调度这些配套环节。
文中可用工具
- Nebius提供 AI 训练与推理服务的公司，本文实验由其实施
- Terminal-Bench用于评测终端操作类智能体任务的基准，本文实验基于它构造负载
- GRPO一种强化学习训练方法，把同一任务的多次尝试相互比较打分
展开详情收起详情：Nebius 将 rollout 收集时间缩短 66.9%——改变了什么⌄
原文发布：2026-10-27 23:38 · 首次收录：2026-10-28
PHP 爆出两个严重漏洞（合称 PHP2Shell，评分 9.2），大约七成网站用 PHP 搭建，本该紧急升级。但安全公司 Ox 发现，漏洞公布五天后仍有 93.6% 的服务暴露在外；Censys 统计约 3250 万个服务仍跑不安全版本，还有 6130 万个版本情况不明。原因是大量服务器运行早已停止维护的 PHP 老版本，没有现成补丁，必须先升级系统、处理兼容问题，比普通打补丁麻烦得多。现实后果是攻击已在发生，Cloudflare 称公布后数小时内攻击尝试从数千涨到数百万，美国 CISA 已要求联邦机构限时修复；对普通用户来说，这意味着用 PHP 的网站和游戏短期内更易被攻破。
展开详情收起详情：“恐慌并未转化为打补丁”：安全研究员如何看 PHP2Shell 的应对⌄
原文发布：2026-10-28 04:54 · 首次收录：2026-10-28
Replit 的 CEO 兼联合创始人 Amjad Masad 在 X 上发帖说，未来公司会变成“自动驾驶公司”：人负责判断，AI 代理负责执行大部分日常工作。他用经济学家科斯 1937 年的观点解释原因——公司之所以存在，是因为在公司内部协调工作比在市场上协调更省钱；而 AI 代理能大幅压低管理、开会、汇报这些内部协调成本，所以他预言到 2030 年底，财富 500 强公司都会变成这种形态。为此 Replit 推出面向企业的 Replit for Business，让代理在权限和审批约束下接触公司系统，并称之为“Agent Habitat”；周二还发布了 Cloud Agents，让员工不用搭开发环境就能改公司代码，工程师保留最终上线决定权。目前 Cloud Agents 已对 Pro 和 Enterprise 客户正式开放；代理从代码审查中学习、更新共享“技能”的功能还在早期体验阶段，更大的 Agent Habitat 构想也仍只是蓝图，Replit 尚未公布完整技术细节，其成本下降 51% 等数据也缺少可独立验证的信息。
文中可用工具
- Replit for Business让 AI 代理在保留权限和审批的前提下访问公司系统、数据和工作流
- Agent Habitat代理与员工协作、彼此协作的空间，同时限制对公司资源的访问，目前仍是蓝图
- Cloud Agents让员工无需配置开发环境就能修改公司代码库，已对 Pro 和 Enterprise 客户正式开放
- skills团队共享的指令，代理可据此避免重复犯错，工程师需批准更新，仍在早期体验阶段
展开详情收起详情：Replit CEO 称 1937 年的一个想法可能让组织架构图过时⌄
原文发布：2026-10-28 05:16 · 首次收录：2026-10-28
Google DeepMind 在周二发布了 Genie 4。它是一个“世界模型”，能实时生成可互动的场景，带有模拟物理、人物动作和声音，主要给 AI 智能体提供练习和测试任务的地方。原来开发者要测智能体，往往得自己搭仿真环境；现在可以用文字提示按需生成，甚至边生成边用键盘移动、改视角。问题在于，长时间运行后物体位置会漂移、物理表现不稳定，而且 Google 没有公布重复测试的一致性数据，所以失败时很难分清是智能体不行还是场景本身出错。目前只有受信任的测试者能用，之后计划开放给 Google AI Ultra 订阅者和部分合作方，价格和正式发布时间都没说。
文中可用工具
- Genie 4实时生成可互动模拟场景的世界模型，供智能体练习和测试
- Gemini Omni帮助塑造模拟环境的形态
- Gemini 3.8 Flash跟踪场景进展、规划下一步并在变化时调整
- Gemini 4 Argon在棋盘演示中规划每一步走法
- Gemini Robotics用于机器人研究的项目，可在变化环境中测试智能体
- Project Genie面向 Google AI Ultra 订阅者提供 Genie 4 的计划渠道
- Gemini API计划供部分合作方接入的接口
- Google AI Studio计划供部分合作方接入的开发平台
展开详情收起详情：Google 为 AI 智能体打造了一个可练习的世界，但物理效果还不太对⌄
原文发布：2026-10-28 06:33 · 首次收录：2026-10-28