搜索归档

AI Agent 默认先用无服务器，让生产数据决定何时迁移

Datadog 的几位工程师建议，AI Agent 的工作负载应优先考虑无服务器（按请求分配算力、空闲缩到零）而不是常开服务器。他们分析了超过 3.5 万次生产环境编程 Agent 会话，发现中位数会话只有 20% 的时间在真正调用模型或工具，其余时间都在等待，但沙箱资源一直占着，常开算力等于为闲置时间付费。做法是先给工作负载建一份「执行画像」，记录峰值并发、单次运行的实际计算时长与总耗时之比等，再据此判断用按需算力还是专用节点；长任务可以拆成可恢复的无服务器工作流，等待时释放算力、下一步就绪再继续。读者可以据此避免过早购买常开算力，并用上线后的真实数据再决定是否迁移，文中还提到可用 Datadog 的 Agent 可观测性、APM 和无服务器监控来测量这些指标。

检测 AI 智能体是否复制自我复制的提示注入

OpenAI 此前报告了一种“自我复制提示注入”：攻击者把隐藏指令藏在 AI 智能体读取的内容里，诱导智能体照做，并把这些指令复制进邮件、文件或消息中，从而感染其他智能体和后续会话，像电脑蠕虫一样扩散。这次 Datadog 把 OpenAI 报告中的两个例子改造成针对测试智能体的模拟攻击，并用其安全产品 Datadog AI Guard 检查智能体读到的内容和发起的工具调用。结果 AI Guard 在看邮件或 CSV 时，就标记了被植入的内容不安全；当测试智能体把注入指令复制进回复或技能文件时，AI Guard 也判定这些操作不安全。需要注意的是，这是模拟环境中的演示，不是正式发布的新功能，也不能说明真实的拦截成功率；文章的重点是展示如何排查智能体最终回复里看不出来的可疑行为。

“紧迫性本质上是主观判断”：Anthropic 向 TNS 介绍如何评估 Claude Duet

Anthropic 推出后台助理 Claude Duet，会自动查看你已连接的应用，主动判断哪些事需要你处理。问题是“什么算紧急”本身很主观，而且它由 Claude Opus 5.5 驱动，可能误读对话或判断错优先级。为此 Anthropic 用员工日常工作校准了一套内部评分器，离线检查它排优先级的对错，同时另设一个独立于执行模型之外的自动检查器，看每个动作是否符合你的意图，以降低网页里藏指令骗它的风险。目前 Duet 只对美国 Pro 和 Max 订阅者开放且有等待名单；后台检查每几小时一次并计入用量额度，官方未说明评分的准确率，也还不能让你实时查看或接管它在云端浏览器里的每一步。

Kubernetes 平台为何反复重建本可共享的编排层

很多平台团队每年都会自己写 Kubernetes 控制器，用来自动创建 Deployment、Service、ConfigMap 之类的一堆对象，并在它们之间传递字段。Kubernetes 本身已经提供了 CRD、控制器、Server-side apply、CEL、OpenAPI 这些零件，却没有说明“几个资源算一个整体、谁先谁后、某个值要从另一个资源的状态里取”的说明书，所以 Helm、Argo CD、Crossplane、Operator 等每个工具都各自补这一块，成千上万的组织在重复造同一个轮子。kro（Kube Resource Orchestrator）把这段“接线”写成数据，叫 ResourceGraphDefinition：由 CEL 表达式里的引用来推断依赖顺序，并在实例创建前做类型检查，一个控制器就能解释所有定义，应用团队照样用 kubectl、RBAC 和 GitOps。它还在 2025 年 9 月进入 Kubernetes SIG Cloud Provider，定位成别人可以搭建的底层原语；0.10 版本新增的 Graph 只保留组合部分、不需要 CRD 和实例，适合“给打了标签的 Service 自动生成 Ingress”这类一次性场景。读者可以少写一堆粘合控制器，但要意识到 API 一旦发布就是承诺，成本从“写”变成“长期维护”。

为什么 MCP 服务器应当告诉 Agent 下一步做什么

AWS 的开发者倡导者 James Ward 提出，很多 MCP 服务器目前只是被动地返回数据，就像一个只负责查数据的接口。他建议服务器在返回数据时顺便告诉 Agent 刚做了什么、接下来可以做什么、去哪里找更多信息，相当于让服务器成为对话中的另一个参与者。他还指出 MCP 默认无法追踪调用链路，AWS 的做法是给工具加会话 ID 参数，让多次调用串成完整旅程，再加一个参数记录用户目标，方便团队复现问题、做评测并改进工具。对使用 MCP 的团队来说，这意味着要同时观察人和 Agent 协作的路径，检验工具改动是否真的帮用户完成任务。文中提到 AWS 已于 5 月向所有人开放其 MCP Server，并在 9 月加入 Lambda 诊断功能；这些做法本身并不新奇，重点在于能否持续观测和衡量。

微软新 Copilot harness 让 Agent 搭建变简单，但想换就难了

微软把 GitHub Copilot 背后的 Agent 调度框架通过 Microsoft Foundry 开放给外部开发者，作为托管服务提供。它自带沙箱、可复用的技能包、MCP 集成和对子 Agent 的支持，开发者只需选模型、写指令和配工具，运行环境由微软负责。目前是公开预览，到 2026 年 12 月 1 日前免费使用，之后按 CPU 和内存计费，模型推理等费用另算。好处是搭建 Agent 省事，但限制也明显：创建时选定的 harness 之后不能更改，CPU、内存和空闲时长由微软控制，也不能自带模型，更适合愿意接受这套约束的团队。

托管式深度 Agent 中的浏览器使用

LangSmith 的 Managed Deep Agents 现在能替你的 Agent 运行浏览器，让 Agent 像人一样点击、滚动和填表，去做那些没有 API 可用的网页操作，比如订机票或提交理赔。原来 Agent 只能抓网页源码，Java渲染出来的内容和按钮它都碰不到。这次提供了几种配套工具，还能在需要登录时把浏览器交给你本人操作，登录状态可以沿用。对读者来说，以后让 Agent 代办网页事务会更顺手，也不必把密码交给模型。

Managed Deep Agents v0.10：浏览器使用与异步子代理

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。

Tianshu（天枢）：自托管的 AI Agent 平台，为每个租户配备真实浏览器和沙箱

tianshu-ai/tianshu · An open AI agent platform with a sidecar browser. Built in public.

天枢是一个用 TypeScript 构建的自托管 AI Agent 运行时平台。它为每个租户提供真实 Chromium 侧边浏览器（基于 Playwright + noVNC，可实时观看或接管）、隔离的 Linux 沙箱（OpenShell 的 Docker 容器或 microsandbox 微虚拟机，二者选一），以及跨会话持久化的租户工作区文件。平台还包含工作板与后台 Worker、Workforce Studio 配置管理、Maintenance Mode 设置助手、数据源、Boards 仪表盘、Cron 调度、Wiki 知识库、Web 搜索等插件，并支持 Anthropic、OpenAI、Google 等模型 API 与任意 OpenAI 兼容端点。

Discord Waifus：在 Discord 服务器中运行自主行动的 AI 角色聊天机器人

waifucave/discord-waifus · AI controlled waifu bots for your discord server that can talk and interact with you and other users

Discord Waifus 是一个本地运行的 TypeScript 项目，可在 Discord 服务器中部署多个具有各自人格、模型和独立机器人的 AI 角色。每个角色作为自主代理持续运行：被提及、回复、名字、私信或自定义唤醒条件触发后，读取频道内容并自行决定是否回应；拥有记忆笔记、作息与每日预算，支持网页搜索、图像 OCR 读取和网页仪表盘管理。项目通过 npm 全局安装，数据保存在本地 ~/.dc-waifus 目录。

Nodecode：可自我改写并持续进化的 Lisp 智能体

nodecode-ai/nodecode · A living agent organism in Lisp.

Nodecode 是一个运行在 SBCL（Common Lisp 系统）单一进程中的 AI 智能体，终端等客户端可连接同一个运行实例。模型唯一的工具是在运行中的程序里求值 Lisp，并能保留定义过的代码，因此可自行新增工具。项目以 cell（文件夹形式的能力单元）扩展聊天平台接入、Web 访问、定时任务、MCP 工具等能力，支持从多个客户端使用同一实例，并具备上下文召回、生成代际回滚等机制。它不提供沙箱，eval 会以当前用户权限执行 Lisp 和 shell 命令，官方建议在容器或虚拟机中运行。

ai-agent-rules：统一管理多个 AI 编程代理配置

wpfleger96/ai-agent-rules · Manage configs for Claude Code, Codex, Gemini CLI, Goose, and Amp from one repo — symlinks, merge pipeline, profile inheritance, cross-machine sync

该项目通过符号链接把 Claude Code、Goose、Gemini CLI、Codex CLI、Amp 等 AI 编程代理的配置文件集中到一个由 Git 跟踪的位置，支持跨机器同步、配置合并管线、profile 继承与切换、排除规则、机器级设置覆盖、MCP 定义转换和 Claude Code 插件声明式管理。项目以 Python 编写，通过 PyPI 分发，提供 setup、install、status 等命令行子命令。