搜索归档

从开放测试到全球正式发布：Docusign 将合同 AI 工作流接入 Agent 的经验

Docusign 做了一个 MCP Server（可以把 MCP 理解成 AI 助手连接外部软件的一套通用插头标准），让 ChatGPT、Claude、Copilot 等 AI 助手能直接查找合同、查看状态、准备签署，而用户不用切换到 Docusign 里操作。这个服务 2026 年 5 月开放测试，9 月 30 日全球正式可用。测试中他们发现，真正的难点不是把 AI 接上企业软件，而是让它在用户权限范围内找到正确信息、完成正确任务，于是补充了本地文件上传、账户级开关等能力，并用 OAuth 2.0 保证 Agent 不能做用户本人做不到的事；最终审批仍由人负责。对普通用户来说，以后可以让常用 AI 助手代查代办合同事务，但第三方 AI 平台如何存储数据仍需用户自己评估。

我用七种方式搞坏了一个正常运行的 Agent，而我盯的那个指标只抓住了其中两个

作者在 2024 年 9 月用同一套 20 个客服任务测试两个 Claude 模型，两者都拿到 20/20 满分。但他在其中加入两个“不该批准”的退款陷阱（一张未收款发票的退款、一张金额翻倍的退款）后发现，小模型 Claude Haiku 4.5 在三种权限配置下都违规批准了全部六笔退款，而 Claude Sonnet 5 一笔都没批——成功率看起来一模一样，真正的风险行为却完全不同。10 月他重跑时，小模型突然全部拒绝了，起初以为是任务排队顺序起了作用，后来查执行记录才发现：同一个模型别名在 9 月指向 claude-haiku-4-5，10 月已被悄悄换成 claude-haiku-5-5，而他原有的成功率指标完全没报警。于是他换了个思路：故意制造八种常见故障（换弱模型、压缩上下文、撤销权限、读旧数据、注入网络错误等），看哪些指标能真正抓到问题。结果是：工具调用次数和“权限范围漂移”各抓到四个故障，任务成功率只抓到两个，token 成本只抓到一个，退款陷阱抓到零个。对读者的提醒是：只看“有没有成功”并不足以说明 Agent 在生产环境里安全可靠，得同时监控行为层面的指标；这次模型被静默升级是好事，但监控缺口本身仍然是真问题。

来自明天的明信片：用开源驱动智能体时代

这篇文章讲的是企业用开源模型和 Kubernetes 来搭建智能体（能自己写代码、跑测试的 AI）的学习闭环。原来的问题是：跑模型推理、微调模型、运行智能体这三种任务对平台的要求完全不同，团队常常各建一套基础设施，结果这边 GPU 闲着、那边任务排队，而且智能体要执行自己刚写的代码，安全和密度很难兼顾。文章提出的解法是把这些当成普通云原生问题，用统一控制面分三层管理：模型层用 KServe、llm-d、KAITO 等把部署和微调变成声明式配置，Kueue、KubeRay 负责排队和分布式训练；执行层用 Kata Containers、gVisor、agent-sandbox 等做隔离，Agent Substrate 把大量空闲智能体挂起以节省成本；算力层负责把分散的 GPU 拉进集群。另外斯坦福 AI Index 2026 数据显示，截至 2026 年 3 月，最强闭源模型对最强开源模型的领先只有 3.3%。对读者来说，这意味着在很多场景下开源模型已够用，可以自己微调并持续改进。文中这些项目大多已开源，具体可用状态未逐一说明。

AI 故障威胁事件管理：四条规避之道

企业正把 AI 和自主 Agent 引入数字运维与事件管理。和传统软件不同，这类 AI 出错时往往不会明显崩溃报警，而是幻觉、偏离事实或模型漂移等小错误在多个服务间层层放大，尤其在多 Agent 系统里更难发现。文章建议从四方面应对：给 Agent 设护栏，行为偏离时能停下、上报或交还人工；用监控 Agent 观察其他 AI 的异常并触发响应；用任务成功率、事实依据程度、时延、成本、人工升级率等指标衡量表现；持续评估，模型更新或正常运行时行为都可能变差，需实时告警加事后复盘。作者还建议先从分诊、诊断等低风险场景做起再逐步扩大。文中未说明这些做法来自哪家公司或是否有可用的具体产品。

Raindrop 模拟 Agent 的运行环境，提前发现改动带来的破坏

Raindrop 原本做的是 Agent 监控，现在推出 Simulations 平台，本周四进入公开测试。问题是：开发者改一句提示词、换个模型或加个新工具后，往往不知道 Agent 在真实环境里会受什么影响，而预设的测试和评测可能漏掉没想到的故障。它的办法是用生产环境记录重建一套带状态的模拟工具、接口和数据库，让真实 Agent 代码在隔离沙箱里跑，并自动排查行为异常。它还会给模拟逼真度打分，指出哪些数据缺失，并允许通过 Model Context Protocol 补充数据源。对开发者的用处是：在合并代码前就看到改动会破坏什么。注意目前是公开测试；早期访问中已跑过 3.3 万多场模拟、覆盖 1700 多个 PR；按 PR 计费，Agent 自身模型用量初期也经 Raindrop 计费。

演讲：通过审计且仍能交付的零信任 Agent 系统

这是一场由 Advait Patel 分享的演讲，主题是如何在生产环境里保障 AI Agent 系统的安全。原来的做法是把安全防线放在提示词上，但提示词本身不够可靠，容易被绕过。这次他建议把防线下沉到工具层：给每个工作负载分配权限受限的身份，并防范通过工具输出实施的提示词注入；同时搭建便于审计的可观测性，并设置紧急关停开关。对读者来说，这提供了一套既能保护关键数据、又能保持快速上线和合规的实践思路。该内容为演讲分享，材料未说明具体工具或已发布产品。

Agent 正在走向异步化

LangChain 的 Deep Agents 推出了"异步子 Agent"：把一个 Agent 拆成两部分——一直陪在用户身边的"调度者"，和后台干活的"子 Agent"。以前 Agent 像一个死脑筋的助手，派给它一个大任务，它就闷头干、不再理你，其他任务也只能排队等着。现在子 Agent 在后台独立跑，干完主动汇报结果，中途还能收到新指令或取消，需要批准时会单独问你。用户可以随时插话、同时推进多件事。该功能已在 Python 和 JavaScript 版 Deep Agents 及托管版中可用，任务通知仍是 beta，API 可能变动。

skills：面向 Claude Code、Codex、Antigravity 等 AI 编程代理的 Agent Skills 合集

msageha/skills · Claude Code / Codex / Antigravity 用の Agent Skills 集

该仓库收集了一组供 AI 编程代理（Claude Code、Codex、Antigravity、OpenClaw）使用的 Agent Skills，覆盖智能家居与网络设备（大金空气净化器、TP-Link Deco、popIn Aladdin、Switch 2）的 REST API 操作、EPGStation 电视录制管理、Pi-hole DNS 管理、Stirling PDF 文档处理、codex CLI 模型 профиль 切换，以及日语技术写作与写作节奏规范等。通过 mise 任务把各 skill 以符号链接或拷贝方式安装到对应代理的 skills 目录，使用时按各 skill 的 SKILL.md 说明操作。

Byheaven Skills：面向编码与生产工作的 Agent 技能合集

byheaven/byheaven-skills · A collection of agent skills for code and productive work.

该仓库打包了一组实用的 Agent 技能（skills），用于项目搭建、发布流程和可重复的自动化任务，以减少琐碎工作、加快交付。其中 manager 角色技能负责接收已锁定且获授权的 Intent 并交付结果，同时包含 grilling、writing-for-agents、experience-design、content-creator、code-production、diagnosing-bugs、qa、roundtable 等子技能；cache-timer 为 Claude Code 专用的提示缓存倒计时扩展；newproject 提供从脚手架、CI、lint、发布自动化到 GitHub 仓库配置、依赖管理和安全扫描的完整项目初始化。插件不绑定特定运行框架或模型，README 称 Claude Code、Codex、Pi 和 Grok Bot 均可运行。