搜索归档

Syntropic137：面向 Claude Code 与 Codex 的自托管多智能体工作流编排平台

syntropic137/syntropic137 · Agent work that compounds. Turn Claude Code and Codex into repeatable workflows: GitHub-triggered, fully observable, every run scored with evals. Open source and self-hosted.

Syntropic137 是一个自托管的智能体工程平台，用于把 Claude Code 和 Codex 组织成可重复的工作流：每个阶段可独立选择 harness 与模型，在隔离的 Docker 工作区中执行，并将每次工具调用、token、成本、对话与产物永久写入可查询的事件存储。它提供 GitHub 原生触发（自愈 CI、PR 驱动流程、评论自动响应）、工作流市场、阶段间产物流水线与跨模型委派，并支持通过 CLI（syn）管理、运行和观察执行。

ERQA：面向机器人场景的多模态具身推理评测基准

embodiedreasoning/ERQA · Embodied Reasoning Question Answer (ERQA) Benchmark

ERQA 是 Google DeepMind 随 Gemini Robotics 发布一并开源的多模态具身推理评测基准，聚焦真实世界场景中的空间推理与世界知识，尤其是机器人情境。题目由图像与文本交错的单选题构成，答案以 A/B/C/D 单字母给出，共 400 道题，以 TFRecord 格式提供。仓库附带数据加载示例，以及一个轻量级评测脚本，可调用 Gemini 2.0 或 OpenAI 的多模态 API 在 ERQA 上作答并评估。

gemini-4-demo-vanilla-3D：用 Python/NumPy 离线光线追踪与原生 JavaScript/WebGL2 构建可自适应窗口的 3D 图书馆场景

google-gemini/gemini-4-demo-vanilla-3D

该项目由 Gemini 4 Argon 编写，包含两个互相独立的 3D 渲染引擎，均从第一性原理出发构建一个由混凝土和胡桃木构成、阳光充足的书房场景。第一个引擎基于 Python 和 NumPy 实现离线光线追踪，支持默认 1600x1200、16:9 1920x1080 以及自定义分辨率输出；第二个引擎基于原生 JavaScript 和 WebGL2 实现浏览器实时渲染，无需构建步骤或外部库，可通过拖动窗口边缘实时重塑房间布局与光照。README 详细说明场景坐标、材质与几何布局，以及光线追踪、法线扰动、环境光遮蔽、辐射度、各向异性反射、折射和体积散射等七步物理光照计算。

Agent Development Kit (ADK)：用 Python 构建、评估与部署 AI Agent 的代码优先框架

google/adk-python · An open-source, code-first Python toolkit for building, evaluating, and deploying sophisticated AI agents with flexibility and control.

Agent Development Kit（ADK）是 Google 开源、代码优先的 Python 框架，用于以软件工程方式构建、评估和部署 AI Agent。它提供基于图的 Workflow 运行时（支持路由、扇出/扇入、循环、重试、状态管理、动态节点、人在环路和嵌套工作流）、结构化任务 API（多轮任务模式与单轮受控输出）、模块化多 Agent 组合、丰富的工具生态（预置工具、自定义函数、OpenAPI 规范、MCP 工具）、工具确认流程（HITL），并支持容器化部署到 Cloud Run 或 Vertex AI Agent Engine。框架针对 Gemini 优化，但模型无关、部署无关，也可通过 Agent Config 免代码构建 Agent，并配有开发 UI 用于测试、评估与调试。

deepagentsjs：开箱即用的 TypeScript 智能体框架

langchain-ai/deepagentsjs · The batteries included agent harness.

Deep Agents 是一个内置完整能力的智能体框架（agent harness），以 TypeScript 包 deepagents 形式发布。它把提示词、工具与上下文管理预先封装好，安装后即可运行一个可用的智能体，并按需定制。内置能力包括：用 write_todos 做任务拆解与进度跟踪的规划能力；read_file、write_file、edit_file、ls、glob、grep 等文件系统工具作为工作记忆；通过 task 派发子智能体以隔离上下文窗口；以及让这些工具开箱可用的默认提示词与中间件。框架与模型供应商无关，可配合支持工具调用的聊天模型使用；createDeepAgent 返回编译好的 LangGraph 图，因此可用流式、Studio、checkpointer 等 LangGraph 特性。支持通过传入 model、tools、systemPrompt 进行定制，并提供 deepagents、deepagents/browser、deepagents/node 等运行时入口。

Deep Agents：开箱即用的 Agent 运行框架（harness）

langchain-ai/deepagents · The batteries-included agent harness.

Deep Agents 是 LangChain 团队开源的一套「电池内置」型 Agent 运行框架（harness），提供开箱即用的智能体实现，同时允许对任意组件进行扩展、覆盖或替换。其设计面向长周期、多步骤任务，支持任何具备工具调用能力的模型（前沿闭源、开放权重或本地模型均可），并基于 LangGraph 构建，具备流式输出、持久化与检查点等能力，可通过 LangSmith 进行追踪、评测与部署。核心特性包括子智能体（隔离上下文窗口的任务委派）、文件系统读写编辑与搜索（可插拔本地/沙箱/远程后端）、上下文管理（长对话摘要、工具输出落盘）、Shell 访问、持久记忆、人工介入（工具调用前审批/编辑/拒绝）、按需加载的技能（Skills）以及自带函数或任意 MCP 服务器的工具集成。项目还提供 JS/TS 版本 deepagents.js 以及终端编码智能体 Deep Agents Code。

Agent Protocol：面向生产环境的 LLM Agent 框架无关 API 规范

langchain-ai/agent-protocol

Agent Protocol 是 LangChain 团队提出的规范，用于定义在生产环境中以框架无关方式对外提供 LLM Agent 服务所需的 API。规范围绕三类核心概念展开：Runs（执行 Agent 的接口，含无状态一次性运行 /runs/wait 与 /runs/stream）、Threads（组织多轮交互，支持持久化状态、历史版本、并发控制与 CRUD）、Store（长期记忆，支持命名空间、键值与搜索）。此外还定义了 Agent 自省接口、Message 消息规范以及面向线程的流式协议（SSE / WebSocket、命令、回放、工具生命周期事件等），并附有 OpenAPI 文档、JSON 规范、Python 服务端桩代码以及若干 Hurl 编写的使用旅程示例。

Google DeepMind 与新加坡政府合作打造用于诈骗检测的微调 AI 模型

Google DeepMind 和新加坡政府科技局（GovTech）合作，训练出一个专门识别聊天诈骗的轻量级模型。原来很多诈骗会通过伪造官员、银行或熟人，在聊天中逐步骗人转账，而传统做法要把消息上传到云端扫描，既慢又涉及隐私。这次他们把 Google 的轻量模型 Gemma 用本地诈骗对话数据微调，让它直接在手机本地判断对话是否有操纵意图，发现可疑就实时提醒用户，对话数据不离开设备，政府和 Google 都拿不到。目前该模型是在新加坡国际网络周上展示的合作成果，具体在应用中上线会分阶段推进，尚未说明普通用户何时能用到。

OpenTelemetry Collector 发行版对比：Core、Contrib、OCB 与厂商构建版，该选哪一个？

OpenTelemetry Collector 是一个夹在你的应用和观测平台之间的小程序，负责把遥测数据转成统一格式并转发出去，这样你的埋点代码就不用关心后端是谁。但项目故意不提供唯一的下载版本：有精简的 Core、包含数百个社区组件的 Contrib、能用 OCB 自己拼装的定制构建，以及各厂商预打包的发行版，它们能接的数据源和稳定性都不一样。Dynatrace 这篇文章逐一介绍四种选项的取舍，帮你做出半年后不会后悔的选择。如果数据源本身就说 OTLP、拓扑简单，Core 起步比较省心；Contrib 适合探索，但生产前要逐个核对组件成熟度并裁掉不需要的部分。

Datadog 如何大规模定义服务关键性

Datadog 内部有数千个服务，以前对所有服务一视同仁地制定部署和可靠性标准，规模变大后成本太高，也不知道该把有限的可靠性投入放在哪里。他们用大语言模型读取几百篇最高严重级别的故障复盘文档，提取出哪些服务导致或被卷入事故，再结合 APM/RUM 错误链、生产流量和监控告警等信号，给每个服务打出高、低、未知的关键性等级和置信度。这样就能对真正关键的服务严格部署、收紧可靠性目标，对不关键的服务放宽标准，把精力集中在故障时最影响客户的地方。

X 订阅把 Cursor、Grok 和 X Premium 打包在一起，但 Claude 现在要额外付费

马斯克把 Cursor、Grok 和 X Premium 合并成一个叫“The X Subscription”的套餐，共五档，免费到每月 200 美元，最低付费档 8 美元。付费档会共享一份 Grok 模型用量，用在 Cursor、Grok 应用和 X 里；但如果你想在 Cursor 里用 Anthropic 的 Claude、OpenAI 的 GPT 或 Google 的 Gemini，这些第三方模型的用量不再被订阅费覆盖，从第一条请求起就按 API 原价用预付额度扣钱。对原本每月 20 美元 Cursor Pro 还包含 20 美元第三方模型额度的开发者来说，同样用量在新 Premium 档下月支出会变成 50 美元。所以如果你主要用第三方模型，换套餐前最好先看看自己的用量。

Workday 利用 TypeSafe 的 Jev 实时构建用户界面

Workday 把 AI 助手 Sana 放到了 HR、财务和 IT 软件的首屏。Sana 的界面不是提前写死的，而是根据你的问题实时“拼”出来：问工资就弹工资卡片，请假就出日期选择器。背后用的是 TypeSafe 的 Jev——它不生成文字，只负责从最多 255 个设计组件里挑一个，回答只要 70 到 500 毫秒，所以界面能边打字边出现。Sana 已经可用，管理员可以选是否设为默认；Workday 也把 TypeSafe 列为可以处理客户数据的子处理商，Jev 只跑在托管 API 上、数据在美国处理、支持零数据保留。

Workday 走向无头化，向外部 AI 智能体开放 HR 与财务数据

Workday 把自己的 HR 和财务数据平台「无头化」——简单说，就是不再只靠自家网页界面来用，而是开放接口给外部程序。以前开发者想接这些数据，常把数据复制到数据湖或用系统账号，结果绕过了权限检查，智能体可能看到不该看的信息、做不该做的操作。现在通过官方的 MCP 服务器、SQL 直查和共享运行时，智能体能以用户本人的身份运行，只能看到、操作该用户有权处理的内容。对开发者来说，可以在 Claude Code、Cursor 等工具里构建自己的 HR 和财务智能体；对企业来说，智能体仍受 Workday 的权限和审计约束。

Agent 干了活，审计日志却说不出是谁下的指令

CloudBolt 的首席客户官 Shawn Petty 和售前工程总监 Mike Bombard 在一次网络研讨会上，分享了他们对客户和潜在客户环境的检查结果：超过 20% 与 MCP 相关的访问策略要么失效要么缺失，多数情况下 MCP 服务器跑在某个人的私人令牌上，而不是服务账号。这带来的麻烦是出事后审计日志查不清责任：私人令牌会把某个工程师的名字写进日志，共享服务账号则只留下账号名，两种都说不准到底是谁下的指令、谁批准了这次访问。他们演示的做法是把 Agent 的活动对接到企业已有的身份提供商，限制 Agent 能碰哪些资源，再读出可追溯的审计记录。对用 Agent 操作云基础设施的团队来说，这提供了一个把 Agent 行为追责到具体人的思路；该研讨会需注册后参加，具体产品能力原文未说明。

Gemini 4 Argon 发布：统一 100 万 token 输入输出上限

谷歌本周二在 Gemini API 付费层向开发者开放了新一代旗舰模型 Gemini 4 Argon，同时也把它接入了 Gemini App、Search AI Mode 和编程平台 Antigravity。这个模型最早在 9 月 30 日公布，当时只给少数受信任的测试者使用。和之前 Gemimi 模型把输出上限从 6.4 万提到 100 万不同，Argon 现在把输入和输出合并成同一个 100 万 token 的预算：如果你一次塞进去 80 万 token 的代码，模型最多只能再回 20 万 token。官方给出的理由是这样能支撑更长的多步骤编程、科研和智能体任务。比较对象上，Claude Opus 5.5 是 100 万上下文加独立的 12.8 万输出上限，所以两者并不是同一种限制方式。价格方面，11 月 30 日之前按每百万输入 2 美元、每百万输出 10 美元促销，缓存输入打九五折；之后恢复为 4 美元和 20 美元。开发者可以通过 Interactions API 以 gemini-4-argon 调用，也在 google-genai SDK 和 Firebase AI Logic 中支持；Antigravity 桌面版和 CLI 只对 Google AI Ultra 及符合条件的企业版开放。对读者来说，如果你在写长代码或跑多步任务，需要注意的是输入和输出共用一个额度，提示词越长，留给回答的空间就越少。

Anthropic 红队在 15 台廉价电视盒子上跑 AI，结果让人不安

Anthropic 的前沿红队用约 825 美元买了 15 台杂牌安卓电视盒子，把它们拼成一个小集群来跑 AI 模型，速度只有每秒 0.39 个词，慢得没法聊天，但适合那些不着急、没人等的后台任务。他们周一发布研究，认为小体积的开源模型可能再过几个月就能在廉价联网设备上自我复制，不再依赖数据中心。不过他们并没有做出能在公网上自行传播的 AI 蠕虫，实验是在受控环境里、并开了一些方便复制的后门。普通人可以留意：一旦这类能力成熟，海量廉价设备被悄悄用来跑 AI 并非不可能。

Agentic 代码正在改变我们对代码质量的思考方式

Harness Builds 把测试智能（Test Intelligence）、代码覆盖率和质量信号结合起来，帮助开发者和 AI 智能体更快验证代码改动。问题是：AI 让写代码变快了，但每次改动仍要构建、测试、审查，改动越多，验证和判断代码好不好的时间就越关键，光跑得快不够。Harness 的做法是用测试智能挑出与改动真正相关的测试来跑，再用代码覆盖率显示哪些代码路径实际被测试执行过、哪些没被碰过；覆盖率还能在流水线里设阈值，低于标准就让构建失败。这样开发者可以更容易发现测试盲区，而不是只看一个覆盖率数字。文中未说明该功能目前是否已正式可用，还是处于演示或未来计划阶段。

银行业的 FinOps：最佳实践与成本控制

这篇文章面向银行等金融机构，讲怎么在满足监管合规和安全要求的前提下管好云上花的钱。银行和普通互联网公司不一样：一项改动往往要经过多个部门审批，云账单又常常延迟才到，导致没人能单独为成本负责，四成支出可能都算不清归属。文章建议先把资源标签和成本分摊规则定好，让每笔钱都能追溯到业务部门并通过审计，再在保证速度的前提下做治理和自动化控制。读者能借此了解银行做云成本优化时该从哪里下手、要避开哪些坑，但文中只给了方向和步骤，没有具体工具或数字效果。

受治理的软件工厂：Harness 与 Cosmos

Harness 和 Cosmos 想把软件开发变成一条受管控的“流水线”：Harness 负责把代码变更安全送进生产环境，并在构建、测试、安全和部署等环节留下证据；Cosmos 负责用事件触发并协调各种 AI 代理，按固定流程把规格变成 PR、把告警变成修复。过去企业担心自动化流程不可信、不可控，这次的做法是让代理只在受限制的容器里运行、令牌按次发放、策略不通过就不执行，变更失败还能自动回滚。对读者来说，这意味着未来更多重复性工程工作可由流程化代理完成，人只在关键检查点审批，但目前材料没有说明具体可用时间、价格或独立验证结果。

倦怠感正在上升，这些是你能够解决的问题

软件交付工具公司 Harness 调查了 700 名工程人员，想弄清 AI 编程工具如何影响软件发布。他们发现：发布越快，失败越多，团队倦怠也越严重——比如部署失败率超过 30% 的团队中，55% 的管理者说团队长期倦怠，而失败率低于 11% 的团队只有约 4%。有意思的是，84% 的受访者说 AI 其实减轻了倦怠，问题出在 AI 提高了交付期望，而底层的发布流程没跟着升级。对读者来说，这意味着：如果你的团队也在被发布拖垮，先别怪 AI，优先减少手工步骤、让回滚变简单，可能是最有效的抓手。