Google 宣布将把内部支撑 Gemini 智能体的计算基础设施，以 Agent Compute Engine 的形式开放给 Google Cloud 用户预览，时间在今年晚些时候。过去 Google 自家智能体用的这套系统，需要兼顾启动快和隔离安全：传统虚拟机太慢，容器又不够隔离，写代码的智能体还需要 root 权限和独立内核。现在每个智能体都跑在独立的微型虚拟机里，可以挂起、恢复，且沙箱内不放任何密钥，访问外部服务要经过代理校验身份和授权。对开发者来说，以后跑长时间、高权限的智能体任务可以少操心隔离和安全问题。目前只宣布了预览计划，具体定价和上线时间原文未说明。
文中可用工具
- Agent Compute EngineGoogle 给每个 AI 智能体提供隔离微型虚拟机的云服务，尚未开放，仅宣布预览计划
- Agent SandboxGoogle 在 GKE 上提供的开源沙箱项目托管版本，用于运行智能体
- GKEGoogle Kubernetes Engine，Google 的托管 Kubernetes 服务，Agent Sandbox 和 Agent Substrate 运行于此
- Agent SubstrateGoogle 为 GKE 提供的开源智能体运行时，今年五月首次公布
- Gemini Enterprise Agent PlatformGoogle 售卖代码执行和计算机操作沙箱的平台
- FirecrackerAWS 开源的微型虚拟机技术，E2B 用它运行沙箱
- E2B向开发者提供智能体沙箱的创业公司，支持任意云
- Daytona提供智能体沙箱的创业公司，七月加入微型虚拟机沙箱
- Bedrock AgentCoreAWS 的智能体沙箱服务，每个会话独立微型虚拟机
- Cloud HypervisorAgent Compute Engine 微型虚拟机所基于的开源虚拟机监视器
- Agent Gateway在沙箱外校验用户授权与沙箱身份后再注入凭据的网关
- Antigravity原文仅提到 Agent Compute Engine 最初也服务于它，用途未说明
展开详情收起详情：Google 将支撑 Gemini 智能体的基础设施开放为云服务⌄
The New Stack
原文发布：2026-10-22 21:00收录：2026-10-23
文章讨论 AI 智能体上线后该由谁负责的问题。凌晨两点零七分，一个智能体开始出错：应用还在跑，但因为下游接口报错，请求开始超时；它已经重试两次，消耗的 token 比平时多，响应时间大约翻倍。作者认为，这时该问的不是“用哪个模型”，而是“现在谁负责这个系统”。解决办法是像对待普通线上服务一样管理智能体：明确负责团队和上报渠道，用白名单限制它能调用的工具（默认拒绝），给执行步数和工具调用次数设上限，并记录延迟、模型、成败、token 用量和请求 ID 等可观测数据。这样读者能把智能体从“某处跑的试验”变成可问责、可监控、出问题有人接的服务，降低运维风险。
展开详情收起详情：谁来给 AI 值班？智能体归属权的未解危机⌄
The New Stack
原文发布：2026-10-22 23:00收录：2026-10-23
金融科技公司 Ramp 花了好几个月试用市面上的托管 Agent API、开源框架和第三方平台，最后决定自己造。他们用六周时间做出了第一版内部 Agent 运行框架 Laminar，现在支撑公司所有 Agent 产品。原因是不想被单一模型供应商绑死，希望按成本、速度和效果自由切换模型，也想要更好的调试和观察能力，内部自建还能直接和产品工程师协作、不用等外部厂商改代码。做法上，它把对话会话和运行代码的沙箱分开，凭据和调度放在沙箱外；Agent 默认异步工作，不必每步都等完成；还用一个连接器服务集中管理认证、权限和工具调用。LangChain CEO 公开点赞其中多项设计，认为这反映了 Agent 基础设施的走向，但原文并未说明 Laminar 是否对外发布或开源。
文中可用工具
- LaminarRamp 自建的内部 Agent 运行框架，统一负责执行、沙箱、可观测性和异步工作流
- Ramp InspectRamp 的云端编程 Agent，运行在 Laminar 上
- GlassRamp 负责长时间协作工作的 Agent，运行在 Laminar 上
- Deep AgentsLangChain 正在开发的 Agent 框架，采用类似沙箱即工具等设计
- Connectors ServiceRamp 的共享服务，集中管理认证、凭据、访问控制和工具执行
- Open SWELangChain 的开源编程 Agent，在框架层加入按任务复杂度选模型的路由
- GLM-5.3-FlashOpen SWE 路由中最简单任务使用的模型
- GPT-5.6 SolOpen SWE 路由中中等任务使用的模型
- GPT-6 AstraOpen SWE 路由中最复杂任务使用的模型，此前也用于所有任务的对照
展开详情收起详情：Ramp 六周自建 AI Agent 运行框架，LangChain CEO 称这是更大变革的一部分⌄
The New Stack
原文发布：2026-10-23 00:31收录：2026-10-23
Manju Rajashekhar 做了一场演讲，讲怎么用 Actor 模型解决生产环境中 AI 智能体运行时的麻烦。Actor 模型可以简单理解成：每个“小工人”（Actor）只管理自己的状态，彼此只靠发消息协作，谁出问题就单独处理。演讲把智能体看成分布式系统，围绕状态由谁持有、消息传递、写穿状态（状态一变就立刻写入持久存储）和监督边界（谁来发现并处理故障）来设计，从而应对失败、任务续接和可动态变化的执行图。这样智能体工作流就能从容易崩溃的演示，变成更稳定、可恢复的架构。目前只是演讲分享，材料没有说明有可用的代码或产品。
展开详情收起详情：演讲：面向智能体的 Actor 模型——生产级 AI 的实践模式⌄
InfoQ Architecture & Design
原文发布：2026-10-22 19:00收录：2026-10-23
一个算法团队参考 Karpathy 开源的 AutoResearch 原型，把「让 AI 自己改训练代码、跑实验、看指标、决定下一步」的循环搬进企业云端训练平台。最初的单线程循环有三个毛病：规则靠自然语言提示不可靠、与企业云环境不匹配、同一时间只能试一条路。他们三个月重构三次，最终改成「图探索」：主 Agent 把大问题拆成几个互不重叠的假设，交给子 Agent 并行各自训练、互不干扰，再由主 Agent 汇总对比做决策，并用状态文件和冻结的评估代码保证无人值守时可信、可回溯。在结构完全不同的两个业务建模项目中，单任务耗时比人工基线分别减少约 85% 和 83%，其中一个方案已推全上线并有收益，另一个在全部 12 个预估目标上超过人工基线。
文中可用工具
- AutoResearchKarpathy 开源的极简实验原型，让 LLM 自动改训练代码并反复跑实验
- CyclicGraph Engine团队自研的图探索调度架构，用 Spawn-Converge 并行验证多个假设
- H100原文仅提到是 AutoResearch 原型所用的单张训练 GPU
- Git用 keep/reset 棘轮机制让每步改进可审计、可回滚
- Terminal Bench 2.0原文提到的 89 个跨领域任务评测集，用于对比 Harness 调整效果
- LangChain原文提及其编码 Agent 通过调整 System Prompt、Tools、Middleware 提升得分
展开详情收起详情：从 LOOP 到图探索：算法模型 AutoResearch 自进化系统架构演进之路⌄
美团技术团队
原文发布：2026-10-22 14:49收录：2026-10-23
Anthropic 把一套叫 Agent Skills 的开放标准捐给了 Linux 基金会下的智能体 AI 基金会（AAIF）。以前 AI 智能体处理通用任务还行，但缺具体业务步骤这类“流程知识”；Agent Skills 用一个放 SKILL.md 的文件夹教智能体完成特定任务，2025 年 10 月随 Claude Code 推出，12 月成为开放标准。目前已有 70 多个平台（如 ChatGPT、Cursor、GitHub Copilot、VS Code）接入，累计发布 100 万个技能、安装近 2.8 亿次。捐赠后名字、logo、GitHub 组织和域名都交给 AAIF，社区可参与后续版本和安全指南的制定，普通用户和开发者仍可免费使用或贡献。
文中可用工具
- Agent Skills教 AI 智能体完成特定任务的开放标准，用文件夹加 SKILL.md 描述流程
- Claude CodeAnthropic 的编程工具，Agent Skills 最初在此开发使用
- ChatGPT已接入 Agent Skills 的智能体平台之一
- Cursor已接入 Agent Skills 的编程工具之一
- GitHub Copilot已接入 Agent Skills 的编程助手之一
- VS Code已接入 Agent Skills 的代码编辑器之一
- Codex开发者为其编写了技能加载器
- OpenCode开发者为其编写了技能加载器
- Model Context Protocol (MCP)此前已捐给 AAIF 的开放协议，此次捐赠参照其模式
展开详情收起详情：将 Agent Skills 捐赠给智能体 AI 基金会⌄
Anthropic News
原文发布：2026-10-22 08:00收录：2026-10-23
LangChain 推出了 LangSmith LLM Gateway，目前处于公开测试阶段。它解决的是生产环境智能体的一个麻烦：智能体调用模型时可能因重试失控产生高额账单，或遇到模型服务商宕机就报错。这个网关夹在智能体和模型之间，统一执行花费上限、速率限制、模型回退和敏感信息（如个人隐私、密钥）脱敏，不用在每个智能体里各写一遍，也不必绑定某一家供应商。工程师可以在组织、工作区、API 密钥、用户四个层级设限额；敏感信息脱敏功能目前只对 Enterprise 套餐开放。
文中可用工具
- LangSmith LLM Gateway居中管理智能体模型调用的花费、限速、回退与脱敏的网关服务，现为公开测试
- LangSmith记录网关事件与调用链路追踪的平台
- Fireworks为开放权重模型提供快速推理，并通过网关提供托管推理
展开详情收起详情：LangSmith LLM Gateway：为智能体提供运行时控制⌄
LangChain Blog
原文发布：2026-10-22 21:09收录：2026-10-23