搜索归档

高盛限制银行家使用 Claude Code，却有一个出人意料的例外

彭博报道称，高盛已限制银行家和交易员使用 Anthropic 的 Claude Code 以及微软的 GitHub 编程工具，但被称为 strats 的量化员工不受这一限制。Replit CEO Amjad Masad 就此警告，AI 编程智能体直接运行在员工电脑上，正在成为企业和政府的系统性安全风险；他提到供应链攻击、凭证泄露、恶意指令和依赖被污染等问题，并认为金融行业正在普遍收紧这类工具。Replit 为此发布安全建议：不要把智能体放在员工设备上，而应运行在公司控制的隔离云端环境中，并单独管理凭证、审计日志和审批。对读者来说，这反映出企业引入 AI 编程工具时，不能只决定“谁能用”，还要限制“智能体能访问什么”。目前高盛这一限制由彭博报道，具体有多少机构跟进尚无公开证据，文中也未给出引发限制的具体安全事件。

Agent 标准能跟上构建它们的公司吗？

Linux 基金会旗下的 Agentic AI 基金会（AAIF）执行董事 Mazin Gilbert 今年从 Google 离职，接手领导这个新基金会。他的核心观点是：基金会必须跑得比成员公司还快，否则就会失去意义。为此，AAIF 让 OpenAI、Anthropic、Google 等互相竞争的公司一起维护 MCP 等协议标准，比如 7 月把 MCP 改成无状态版本，各家都贡献了代码并更新了自己的技术栈。目前 AAIF 有 305 家成员，MCP 贡献者中 Anthropic 员工已不到 15%，9 月还推出了 MCP 助理认证，帮助还不懂 Agent 的公司入门。对读者来说，这意味着 Agent 领域的底层接口正逐步统一，未来跨厂商的 Agent 产品互通和部署门槛可能降低，但网关等标准怎么定，社区自己也还没答案。

演讲：超越 Harness：为 AI Agent 打造的画布

Nimisha Asthagiri 做了一场演讲，介绍如何把成熟的产品工程和架构原则用到 AI Agent 上，为它们建一块有边界的“画布”。原来大家担心 Agent 自主干活时跑偏、失控，这一方案让 Agent 只在一定范围内自主行动，同时持续检测它有没有偏离预期，并记录下关键决策。对开发者来说，这意味着可以让 Agent 参与软件开发并扩大规模，而不会因为它们乱来就失去控制。不过材料没有说明具体怎么实现、什么时候能用，也没有提供演示或发布时间。

使用 Google Antigravity 的 Agent 化学信息学

Google 推出了一套叫 Cheminformatics Skills 的工具，可以配合 Antigravity 这个 AI 智能体平台做药物发现。以前化学家要花好几天整理化合物数据、建模并设计新分子，而且分子在不同资料里的表示方式五花八门，改一个原子就会变成另一种化合物，容易出错。这次让智能体自动从文献中提取化合物、做配对分析并建立预测模型，还用真实肺癌药物案例做了演示：一小时左右完成搜索数千种化合物、分析并设计出带合成路线的新刚性化大环分子。底层由 RDKit 等确定性化学工具负责计算，语言模型只负责调度和推理。目前属于演示性质的案例展示，原文未说明该技能何时公开发布或是否已可下载使用。

为什么人类洞察是构建更好 Agent 的战略优势

LangSmith 团队发文讲怎么让人类专家参与 Agent 的开发评估。问题是 Agent 常常执行多步任务，只看最后一句回答判断好坏会漏掉中间出错的环节，自动评估也说不清“为什么好、为什么坏”。他们的办法是让领域专家查看完整的对话记录和工具调用，给每一步打分并写下理由，再把这些人给出的判断整理成可复用的评估数据，用来校准自动评估、改进在线评测、积累金标准测试集。这样团队在改 Agent 时就有据可依，而不是只凭感觉。

我们如何为 Deep Agents 优化浏览器使用

LangChain 团队想让 Deep Agents 能像人一样操作网页，于是比较了七种浏览器工具方案，最终选了 Browserbase 的 Stagehand，并用 LangSmith 追踪和评测不断调优。原来的问题是：浏览器任务步骤多、网页内容杂，工具用起来又慢又贵，比如 Playwright MCP 完成同样任务的花费约是 Stagehand 的 13 倍、耗时约 3 倍。这次优化的关键在工具设计：Stagehand 让智能体写代码一次执行多步操作、用精简快照读页面、减少来回调用，从而省下上下文和成本。对读者的意义是：做浏览器智能体时，工具怎么设计会直接影响效果和花费，值得用追踪加评测的方式反复打磨。目前这些结果来自论文式评测，属于已展示的能力，正式上线情况原文未说明。

WatchMate：为每位观众生成个性化直播集锦的多模态视频理解 Agent

MNKCrypto/watchmate · An AI agent that watches long live streams for you and delivers tailor-made highlight reels based on your preferences. Built for the Meta Global AI Developer Hackathon 2026.

WatchMate 是一个基于 Meta Muse 系列模型的多模态视频理解 Agent。它能够监控新视频，按 6 秒片段同时分析画面与声音，再通过长上下文推理将整场直播归纳为关键事件。它根据每位订阅者用文字或语音描述的偏好，判断视频是否适合该用户；若适合，则从共享时间线中挑选片段，生成符合个人时长预算的集锦，并对每个片段进行自检；随后用 Muse Image 生成封面，通过 Telegram 推送集锦与摘要，并支持跟进追问（回答、展示片段或重建集锦）。项目包含 Control Room 操作台、示例运行记录、单元测试与评估脚本，亦提供 Docker 运行方式。README 说明每小时视频分析成本约 3–4 美元，并列出当前限制（来源为本地文件夹、仅支持 Telegram、私有演示、非真正实时流式接入等）。

Kagura Memory Cloud：面向 AI Agent 与团队的自托管自适应记忆 MCP 服务器

kagura-ai/memory-cloud · Adaptive memory for AI agents & teams — beyond RAG. Self-hosted MCP server that gets smarter every time you search: hybrid search + a neural memory graph that learns. Works with Claude, ChatGPT & any MCP client.

Kagura Memory Cloud 是一个自托管的 MCP 服务器，为 AI Agent 和团队提供超越传统 RAG 的自适应记忆层。它结合语义与 BM25 关键词的混合检索、AI 重排序，以及基于 Hebbian 学习的神经记忆图，使每次检索都自动强化相关记忆之间的连接，并通过 explore 遍历图发现隐藏关联。项目提供 72 个 MCP 工具、REST API、工作空间与 RBAC、Web 管理界面，支持 Claude、ChatGPT、Gemini 等 MCP 客户端，可通过 Docker Compose 部署。

Sesori Relay Server：在 Sesori 手机应用与 Bridge CLI 之间加密中转 WebSocket 流量

sesori-ai/sesori_relay_server · End-to-end encrypted relay routing traffic between the Sesori app and the Sesori Bridge

Sesori Relay Server 是使用 Go 编写的 WebSocket 中继服务器，用于在运行于笔记本的 Sesori Bridge CLI 与运行于手机的 Sesori 移动应用之间转发端到端加密流量。它按 JWT 中的 userId 将连接划分为账号组，每账号最多 10 个桥接端和 5 部手机；载荷采用 XChaCha20-Poly1305 加密，密钥由 X25519 密钥交换派生，中继服务器无法解密内容。服务器不持久化任何状态，并对连接数和活跃分组数进行限流。

Alek-Core：面向 Slack/Telegram 的个人多智能体外脑与长期记忆系统

ddmd72/alekbot-core · Personal AI exocortex — multi-agent LLM system on GCP: long-term RAG memory, realtime voice companion, semantic search over your cloud drive, agent skills, remote MCP server. Hexagonal architecture, provider-agnostic (Claude/Gemini/OpenAI/Grok), 13,000+ tests + CI.

Alek-Core 是一个以 Python 实现、部署于 GCP 的个人 AI 外脑系统，通过 Slack 和 Telegram 与用户交互。它自动从对话中抽取事实并写入长期 RAG 记忆，结合多向量检索与 RRF 重排来丰富后续回答；内置 Router/Smart 协调的多智能体网络，支持 Claude、Gemini、OpenAI、Grok 等可切换模型，并提供语音伴侣相关内容（材料仅提及“realtime voice companion”但无细节）、Gmail 邮件索引与每日摘要、任务提醒、远程 MCP 服务等能力。项目采用六边形架构并配有大量测试与 CI 约束。

SVLA-Agent：后硅验证日志的智能体式根因调试助手

SapnilPatel/Silicon-Validation-Log-Analysis-Agent · Agentic AI debug assistant for post-silicon validation logs: parse (Drain3), classify & dedup failures, cluster families (HDBSCAN), retrieve similar incidents (RAG), and name an evidence-backed root cause with Claude or a rule-based agent. CLI, REST API, Streamlit dashboard.

SVLA-Agent 是一个面向后硅验证日志的智能体式 AI 调试助手。它先读取多源硅片测试日志，再用正则和 Drain3 解析、脱敏敏感信息、分类并去重故障，随后用 HDBSCAN 聚类出故障家族，并通过 RAG 检索历史相似事件，最后给出有证据支撑的具体根因与修复建议。项目提供 CLI、FastAPI REST 服务和 Streamlit 仪表盘，也内置离线确定性回退方案；配置 ANTHROPIC_API_KEY 后，可将假设生成切换为 Claude。

langchainrust：用 Rust 构建 LLM 应用的框架

atliliw/langchainrust · A Rust framework for building LLM applications with support for 8+ LLM providers, agents, RAG, BM25/hybrid search, LangGraph workflows, and multiple vector/document storage backends.

langchainrust 是一个受 LangChain 启发的纯 Rust 框架，用于构建 LLM 应用。它提供统一的 BaseChatModel 接口接入多家 LLM 提供商、流式对话与函数调用、结构化输出、嵌入与向量存储、BM25 与混合检索、RAG 链与 LCEL 式可组合管道，以及 Agent 与多 Agent 编排、LangGraph 风格工作流、内存与会话管理、成本预算与护栏等能力。