英伟达在 GTC 柏林大会上把一组开源组件加入 Agent Toolkit，组成了 Agent Knowledge Foundation。它包含 Nemotron Retriever 检索模型、Auto-Ontology 本体库、处理表格数据的 Kumo 模型系列和 CUDA-X 数据处理库。问题在于：企业把智能体接上 Snowflake、邮箱或知识库后，模型仍难以理解跨系统的整体业务背景，面对多标签页的表格也容易找错数据。这次的做法是让数据留在原处、沿用企业已有的访问规则，用更好的检索和知识图谱补上下文——英伟达称其检索模型在 OpenSearch 测试中相关性提升 65%。对读者的意义是：企业多了一种不替换现有数据平台、自建智能体数据层的新选择，但相关组件刚发布，实际效果还需验证。英伟达表示只做模型、不与 Snowflake、Databricks 等数据平台竞争，权限控制仍交给合作伙伴；文中未说明各组件的具体可用时间和价格。
文中可用工具
- Agent Knowledge Foundation英伟达新推出的开源组件集合，帮企业智能体理解公司数据
- Agent Toolkit英伟达的智能体开发工具包，本次新增了上述组件
- Nemotron Retriever检索用的嵌入模型，让智能体搜得更准、少查几次
- Auto-Ontology从企业数据表自动构建知识图谱，把原始数据对应到客户、产品等业务概念
- Kumo面向表格等结构化数据的模型系列，用于预测分析
- CUDA-X英伟达的数据处理库
- OpenSearch开源搜索服务，文中用作测试检索效果的基准环境
- Model Context Protocol (MCP) server让智能体查询 Auto-Ontology 的接口方式
- Palantir Foundry英伟达内部供应链团队用来使用 Agent Knowledge Foundation 的平台
- Snowflake NotebooksSnowflake 客户可在此运行 Kumo 模型
- Genie OntologyDatabricks 的上下文层，与 Kumo 异常检测模型搭配使用
- Hugging Face英伟达发布开放权重模型的平台
展开详情收起详情：英伟达押注开放模型，为企业 AI 智能体补上缺失的上下文⌄
The New Stack
原文发布：2026-10-21 19:30收录：2026-10-22
一家名为 Vijil 的公司提出了一套管理 AI 智能体的方法。问题是：企业想把能自主决策的 AI 智能体投入生产，却担心它闯祸——比如环境变化后行为失常、被恶意提示诱导、或者多个智能体各自合规但合起来违规。他们的做法是借鉴信用卡风控：上线前先测试并给出“信任分”，上线后按分数限制权限，持续监控每次关键操作，发现问题就修复、重测、再上线，循环不停。对读者来说，这意味着未来企业部署 AI 智能体时，会更强调“先证明可信、再逐步放权”，文章还提到 Vijil 客户把获得信任的时间缩短了 4 倍，但具体评测细节文章未完整说明，且相关服务处于推广/试用阶段，尚未给出广泛可用的结论。
文中可用工具
- Vijil提供 AI 智能体测试、信任评分和运行监控的平台，支持本地、自有云或隔离环境部署，并有托管免费试用层
展开详情收起详情：从失控到受托：让 AI 智能体真正为你服务⌄
The New Stack
原文发布：2026-10-21 22:00收录：2026-10-22
Harness 为自托管的 MCP 服务器新增了 OAuth 代理模式。以前企业自建 MCP 服务器时，只能把 Harness 的个人访问令牌（PAT）或服务账号令牌放在服务器或开发者电脑上，这种令牌长期有效、容易被复制和共享，泄露后照样能用，审计日志也分不清是谁在操作。新模式下，MCP 服务器充当中间人：开发者先用公司自己的身份提供商登录，服务器再在后台换成短期有效的 HarnessID 令牌并加密保存，开发者机器上不再出现 Harness 凭证。这样，受到严格监管、只信任内部身份系统的企业也能把 Harness 接入自己的 AI 开发平台，同时每次操作都能对应到具体的人。该功能已随文章发布，具体开通条件和限制原文未说明。
文中可用工具
- Harness MCP让编程智能体获得软件交付上下文（构建、测试、扫描、部署）的 MCP 服务器，可云端运行或自托管
- HarnessIDHarness 的身份认证系统，负责签发短期访问令牌
- Harness执行构建、测试、扫描和部署的软件交付平台
展开详情收起详情：为 Harness MCP 引入自有身份提供商｜OAuth 代理模式⌄
Harness Blog
原文发布：2026-10-21 23:45收录：2026-10-22
InfoQ 正在推出一组由行业专家撰写的系列文章，提出把“智能体 AI 架构”当作一种新的软件架构来看待。过去大家谈 AI 应用，多是把模型当成一个功能嵌进系统里；这组文章想说明，当 AI 智能体能自己规划、调用工具、协作完成任务时，系统该怎么设计、有哪些要素和最新做法。文章认为这类架构可能在未来几年成为行业主流。读者可以借此了解一个新架构方向的全貌和趋势，但原文没有给出具体文章篇目、发布时间和落地案例，这些信息暂未说明。
展开详情收起详情：系列文章：智能体 AI 架构⌄
InfoQ Architecture & Design
原文发布：2026-10-21 19:30收录：2026-10-22
OpenAI、PerturbAI 和 Scripps Research 合作，用大批 AI 智能体去分析数百万个脑细胞的数据，想从中找出值得继续研究的新线索。原来面对这么大量的生物数据，人工逐一排查既慢又容易漏掉细节，这次的办法是把分析任务分给成千上万个智能体同时处理。不过材料只提到合作方和大致做法，没有说明具体用了哪些模型或工具、花了多长时间、找到了什么线索。对读者的意义是：AI 智能体开始被用来分担大规模科研数据分析，未来可能加快新发现的筛选速度，但这项目前只是对外介绍，实际可用成果和后续计划原文并未说明。
展开详情收起详情：用数千个 AI 智能体在生物数据中发现新线索⌄
OpenAI News
原文发布：2026-10-21 12:50收录：2026-10-22