搜索归档

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。

AWS Hydro团队希望让编译器捕捉编程智能体的错误

AWS 的 Hydro 团队正在开发一个开源 Rust 框架，用来编写分布式系统（即同时跑在多台机器上的软件）。现在他们的大部分代码由 AI 编程智能体生成，人力主要负责把关，于是出现了长达约 5000 行、难以拆分的改动，人工审查跟不上。更麻烦的是，智能体常同时写代码和单元测试，测试未必可信。他们的做法是在智能体的“信任范围”之外加入由编译器执行的共享正确性检查，像 Rust 借用检查器那样在运行前就发现问题，让智能体立刻得到反馈。Hydro 目前是早期版本，适合对延迟和吞吐有要求的团队，但还不完善、需要学习；相关工具 Hydro 和 Infinity 已开源，由 AWS 与加州大学伯克利分校联合开发。

Sam Altman 差点取消 Token 定价，为什么又放弃了？

OpenAI 的 CEO Sam Altman 在一档播客里说，公司曾考虑对下一代模型不再按 token 计费，改成开发者提交一个提示词、OpenAI 直接给出一个总价，像 AWS 那样“用完给你账单”。但试问客户时反馈非常负面：大家说“我得知道自己在为什么付钱”，否则成本没法估算。还有人表示宁可单价提高、也要保留按 token 的明细，因为“知道背后有真实的东西”。所以这个想法被放弃了，目前 token 定价仍在用。Altman 自己也承认 token 是“一种假单位”，不是衡量 AI 用量的好单位，但暂时没有更好的替代方案。对开发者来说，现阶段计费方式不变；事件中涉及的模型和时间表均未说明。

Anthropic 称没人需要对 Claude Code 保持完整心智模型，实践者们正在验证这一说法

Anthropic 公布了 Claude Code 团队在 Claude 写出约 90% 代码后如何审查代码的做法。文中提到，团队里没有人对代码库保持完整的心智模型，也就是没人能在脑子里装下整个代码的全貌。他们还记录了一次拉取请求在一夜之间跑了五十多轮审查，以及审查者把大部分精力花在已有代码上。不过团队也承认，目前还缺一项他们想要的控制手段。这些说法是否站得住脚，正被一线实践者检验。

Google 采用 DPoP 增强 OAuth 2.0，抵御令牌窃取与重放攻击

Google 的 OAuth 平台最近开始支持一种叫 DPoP 的安全机制，全称是“演示持有证明”。原来 OAuth 2.0 里的访问令牌像一张不记名的通行证，谁拿到手都能用，一旦被偷就可能被攻击者反复使用（重放攻击）。DPoP 相当于给通行证绑上只有真正持有者才有的“钥匙”，每次使用时都要证明自己确实持有这把钥匙，偷来的令牌因此很难被冒用。对使用 Google 登录的开发者来说，这多了一层防护，但摘要没有说明具体开放范围、是否默认启用，也未提供更多技术细节。

Bootiful 播客：与 JOOQ 创作者 Lukas Eder 聊“数据极客”

Spring 社区主持人 Josh Long 采访了 JOOQ 的作者 Lukas Eder，聊了 JOOQ 这个工具。JOOQ 的作用是把 SQL 语句变成 Java 里可以类型检查的写法，让复杂数据库操作更安全、更清晰。节目里两人谈到 JOOQ 的起源和演进，也涉及动态 SQL、跨数据库方言、存储过程、视图，以及 DuckDB、ClickHouse、Redshift 等现代数据库的实际使用情况，还提到 AI 辅助调试和 SQL 仍然重要。对 Java 和数据库开发者来说，这期节目能帮他们理解 JOOQ 的定位，以及强类型在减少心智负担上的价值。

如何在“不能出错”的系统里使用 AI Coding？分布式存储实践与边界

美团基础技术部把 AI 编程（让 AI 帮忙写代码、查代码）用到了分布式存储系统里。这类系统一旦出错就可能导致数据丢失或服务不可用，所以光“写得快”不够。他们的做法是：让 AI 做代码评审、排查问题和自动化开发，但要求结论必须能被验证——比如用测试把问题复现成“红灯”、用接近真实环境的集成测试排除误报、用线上日志确认问题真的发生过。实践发现 AI 能抓跨文件不一致、删代码留下的隐患，也会因不懂运维流程而误判，所以人仍需把关定级和设计决策。读者可参考这套“提效+验证”的方法，守质量和稳定性底线。

Ropes & Gray 如何借助 OpenAI 开发交易尽职调查 AI

律所 Ropes & Gray 正在和 OpenAI 合作，开发用于交易尽职调查的 AI 工具。原来律师做这类调查要人工翻阅大量文件，这次的做法是让 AI 先把文件分组，整理出摘要和报告。不过最终仍由律师逐份审核这些结果，再向客户提供意见。目前只是开发中，原文没有说明何时上线或开放使用；对读者的意义是，它展示了律所把 AI 放在“先整理、律师复核”的位置，而不是让 AI 直接出结论。

我们如何检测前沿模型失准

OpenAI 说他们用多层监控来发现前沿模型出现“失准”（行为偏离预期），以及 AI 代理做出未经授权的操作。原来的问题是：模型能力越强，越可能出现难以察觉的异常行为，如果不及时发现，小问题会升级成事故。这次的做法是把多种监控手段叠加起来，让响应人员在事态扩大前就能介入处理。对普通读者来说，这属于安全机制方面的公开说明，目前还没有给出具体工具、检测指标或上线状态等细节。

OpenAI 更新 Model Spec，为更强大、更有益的 AI 明确方向

OpenAI 更新了它公开的 Model Spec（模型规范），也就是给自家 AI 模型定的一套行为准则。新版本列出了五条核心价值，用来指导能力更强的 AI 做出合理判断、尊重人的自主选择，并忠实于用户的真实意图。原文只给出这份准则的概述，没有具体说明这五条价值分别是什么，也没讲怎么执行、是否已生效。普通读者可以借此大致了解 OpenAI 希望 AI 朝哪个方向表现。

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。

AI Hub：基于 Claude Code 的多模态聊天界面

jesusroncal94/ai-hub · Lightweight multimodal AI chat interface powered by Claude Code

AI Hub 是一个由 Claude Code 驱动的轻量级多模态 AI 聊天界面，提供多会话管理、标签筛选、三种可保存的界面布局、图片与文档等文件上传与下载、可选的 Whisper 语音输入、模型切换（Sonnet、Opus、Haiku）、工具启停控制以及用户与管理员设置。它使用 Gradio 构建界面，以 SQLite 持久化数据，并通过子进程调用 Claude Code CLI 获取回复。README 中说明该项目为示例项目，不再维护。

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。

eht-imaging（ehtim）：射电干涉测量（VLBI）数据模拟、校准与正则化最大似然成像的 Python 软件包

achael/eht-imaging · Imaging, analysis, and simulation software for radio interferometry

ehtim（eht-imaging）是面向射电干涉测量与甚长基线干涉测量（VLBI）的 Python 模块集合，可加载、模拟和处理 VLBI 数据。它提供 Image、Movie、Array、Obsdata、Imager、Caltable 等主要类，用于读取图像和数据、由真实 u-v 轨迹生成模拟观测、校准与检查及绘制数据，并用正则化最大似然方法在不同偏振下、结合多种数据项和正则函数重建图像。该项目亦被事件视界望远镜（EHT）等成像与偏振分析工作引用。

Tensor2Tensor：面向多模态任务的深度学习模型与数据集库

tensorflow/tensor2tensor · Library of deep learning models and datasets designed to make deep learning more accessible and accelerate ML research.

Tensor2Tensor（T2T）由 Google Brain 团队与社区开发，是一个汇集深度学习模型和数据集的 Python 库，覆盖数学语言理解、故事问答、图像分类与生成、语言建模、情感分析、语音识别、摘要和机器翻译等任务。它提供 t2t-datagen 数据生成、t2t-trainer 训练评估推理入口，以及命令行切换问题、模型和超参数集，并支持多 GPU 和分布式训练。项目已标记为弃用，仍维护并可接受缺陷修复，官方建议转向后继库 Trax。

OpenPinch：用于先进夹点分析与全厂能量集成的 Python 工具包

waikato-ahuora-smart-energy-systems/OpenPinch · A comprehensive tool for advanced pinch analysis, total site integration, heat pump integration, and heat exchanger network synthesis.

OpenPinch 是一个基于 Python 的开源工具包，面向夹点分析与全厂能量集成（Total Site Integration）。它支持直接与间接热集成目标计算、图表解读、热泵与制冷筛查、㶲与热电联产后处理、换热器网络综合、多周期分析、物流分段线性化，以及基于文件或 schema-first 的工作流。项目提供 PinchProblem 与 PinchWorkspace 两个工作流类，并附带示例案例和 19 个 Jupyter notebook 教程。