搜索归档

excalidraw-skill：用确定性布局生成可编辑 Excalidraw 论证图

doyled-it/excalidraw-skill · Agent skill for generating editable .excalidraw diagrams that argue visually: deterministic layout, text measurement, geometry preflight. Installs into Claude Code, Codex, or any skill-aware agent.

excalidraw-skill 是一个可安装到 Claude Code、Codex CLI 等支持 skill 机制的编码智能体中的技能包，用于生成可编辑的 .excalidraw 图表。它强调“结构本身承载论证”，通过扇出、时间线、汇聚、分区等布局来表达关系，并要求使用真实事件名、载荷和 API 调用作为证据元素。配套提供确定性布局工具（文本测量、容器尺寸计算、正交箭头路由、几何预检），使多框图表在首轮生成时即可避免溢出、重叠和裁剪问题。渲染器为可选组件，仅用于视觉校验。

Zoho People：Zoho 云端 HRMS 公开 REST API 的第三方资料索引

api-evangelist/zoho-people · Zoho People — independent third-party profile of a public API surface, by API Evangelist. Zoho People is Zoho's cloud-based, AI-first HR management system (HRMS) spanning core HR, time and attendance, leave, performance, learning, recruitment, payroll and analytics — bundled inside the Zoho One business suite.

该仓库是 API Evangelist 维护的第三方资料索引，并非 Zoho People 本身的 API 或软件。它整理 Zoho People 这一云端 AI-first HRMS 的公开 REST API 接口面，覆盖员工记录、自定义表单、休假、考勤、工时追踪、自动化与仪表盘数据，并汇总 OAuth 2.0 认证、七类 ZOHOPEOPLE 作用域，以及 OpenAPI、JSON Schema、Postman 集合等机器可读描述。材料称产品涵盖核心 HR、考勤、休假、绩效、学习、招聘、薪酬与分析，但仓库本身不提供这些功能的实现。

Agent Skills：为编程智能体提供可组合的工程技能库与路由

Yeshwanthyk/agent-skills · Agent Skills for Claude Code, Codex, and Pi: stateful-systems and interactive-system-explainer

这是一套面向 Claude Code、Codex、pi 等能够读取 SKILL.md 目录的智能体的技能集合，每个技能可独立使用。核心技能 yesh-router 会为每个任务挑选合适的方法并应用工程原则；技能覆盖架构选型、回归定位、性能基准核查、变更影响面分析、缺陷诊断、代码原理讲解、交互式 HTML 解释、对抗式评审、形式化建模与不变量检验、代码与结构审查、并行智能体编排、文档与提交文案润色、可视化渲染、面向智能体的文档写作等。README 还介绍了 powerball 模式的配置方式，以及修改技能后的检查与构建流程。

Devin Oncall 与 Dynatrace：为自主事件响应引入运行时智能

Cognition 推出的自主软件工程师 Devin 现在可以把能力延伸到线上事故处理上（即 Devin Oncall），它不再只是写代码，而是能调查生产问题、修改代码并提交合并请求。但 AI 代理要排查事故，不能只看源码，还得知道线上哪里出问题、改了什么、修复是否有效；过去它要自己到多个数据源里翻日志和指标，费时又容易出错。这次 Dynatrace 作为 Devin Oncall 的发布合作伙伴，把生产环境的运行时信息（问题、根因、日志、指标、链路、部署事件和安全发现）通过 MCP 服务器和技能插件接给 Devin，让它在同一个工作流里就能定位并验证修复。对使用 Devin 的团队来说，这意味着从收到告警到排查、修复、验证有可能在一个会话里完成，但目前仍需配置 Dynatrace 平台令牌和相应权限，实际可用范围取决于集成配置。

VulnBump：AI 智能体能修复有漏洞的依赖而不弄坏构建吗？

Snyk 发布了一个叫 VulnBump 的新测试基准，用来考察 AI 智能体能不能把项目里有漏洞的第三方依赖升级到安全版本。以前升级依赖很难：多数有漏洞的包是被间接引入的，约四分之一修复需要跨大版本，连小版本升级也常导致构建失败，所以虽然 94% 的漏洞都有已知修复版本，实际只有约 10% 被解决。VulnBump 用 307 个真实升级任务来考智能体，只有漏洞消失、项目仍能安装、构建并通过测试才算通过。结果显示：同一个 Claude Sonnet 5.5 模型，配上 Snyk 数据后通过率能提高约 18 个百分点，而 Snyk 专用智能体通过率达到 90.2%。对开发者的用处是：想安全修漏洞，光靠通用 AI 不够，还要有准确的升级建议和扫描验证。

Agentic AI 不缺模型，缺的是检索

有人在 BrowseComp-Plus 测试上做了个对比：把正确答案直接交给 GPT-4.1，它答对 93.49%；换成让同一个模型自己用 BM25 搜索找证据，答对率掉到 14.58%。这说明模型本身够聪明，但检索环节一旦拉胯，后面再强的推理也救不回来。文章还提醒，一个任务可能几分钟内发起成百上千次搜索，并且后续步骤依赖前面的结果，早期搜错会让整条链路跑偏。对做 Agent 的团队来说，先检查喂给模型的东西对不对，比急着换模型更划算。

没人谈论的代码信任鸿沟

这篇文章讨论的是：AI 让写代码变快了，一个过去要花几小时的任务，现在智能体几分钟就能给出初版代码，还能改仓库、重构服务、写测试、提 PR。问题是代码产出变多之后，团队反而更难确信这些代码能不能安全上线——编译通过、测试过了，也可能违反架构约定、引入安全漏洞或重复功能。作者提出把“代码信任”设计进交付流程，用一个公式：明确意图 × 护栏 × 独立验证 × 证据，四者缺一不可。对读者的用处是：理解为什么光靠人工逐行审查跟不上智能体的速度，以及可以从哪些环节入手让自动化产出更可控。原文是观点性文章，没有给出具体工具或产品。

你今天拒绝授予的权限，就是明天的安全网

有人测试了让 AI 客服代理处理退款等任务，发现如果给它的权限太宽，它即使发现交易根本没扣款也会照样退款，因为模型本身判断错了；而如果干脆不给它退款这个权限，这类错误就会被卡在执行层，跟模型好坏无关。作者搭了一套模拟企业 API 环境，比较一次性给全部权限、按角色给权限、按任务临时给权限、按需逐项申请权限四种做法，跑了 160 次。结果是按任务临时给权限最划算：完成率依然满分，但它手上同时活着的权限只有全量授予的十五分之一，出错时能波及的范围大幅缩小，代价几乎可以忽略。对企业的意义是：光靠改模型或系统提示词挡不住错误，把权限收窄才是最经得起降本和换模型折腾的护栏。文章没有说明这套方案在真实生产系统中的落地情况。

演讲：25 万亿 token 揭示开发者如何真正采用 AI Agent

这是 Brendan O'Leary 的一场演讲，他基于 40 万亿 token 的使用数据，谈开发者实际是怎么采用 AI Agent 的。他的核心观点是：真正决定 AI 能不能落地的，不是模型跑分多高，而是用户是否建立起了信任。他提出 AI 采用分为四个台阶，并分析了上下文构建、多模型路由和反馈回路这几个容易出问题的环节，帮工程负责人把 Agent 工作流真正用起来。演讲标题提到 25 万亿，摘要里数据则是 40 万亿，原文未说明两者关系。

关于 Agent 评测最常见的疑问，一次讲清

LangChain 团队基于 LangSmith 平台的经验，整理了 Agent 评测的常见问题。传统软件测试靠精确匹配，但 Agent 每次输出会变、正确答案不止一个、执行路径还可能绕弯，所以需要评测来打分。文章建议先从一条关心的行为入手，用真实 trace 建 10 到 20 条小数据集跑个基线，上线前用离线评测、上线后用在线评测，并优先用代码评测器、其次 LLM 评委、再用人工复核；多步 Agent 要评整条线程和最终状态。文中还提到 Terminal-Bench 这类基准和 Harbor 工具。

2026 年 10 月 LangChain 通讯：Interrupt NYC 与伦敦站的全部发布内容

LangChain 在纽约和伦敦的 Interrupt 活动上集中发布了一批新功能，主要围绕让企业“拥有自己的智能”——也就是自己掌控模型、运行框架和业务上下文。过去团队做 AI 智能体时，调试、评测和上线往往靠零散工具，出了问题很难定位，也很难持续改进；这次的新版本把搜索、监控、轨迹查看、微调和托管智能体等能力整合进 LangSmith 和 LangChain。比如 AI 搜索可以用自然语言问“用户是否不耐烦”，自动找相关对话；Engine v2 能在上线前用红队测试发现问题并自验证修复；Managed Deep Agents v0.9 支持有记忆、会用工具、按计划执行任务的智能体。另有一些线上活动和社区聚会，部分内容需注册参加，具体发布状态与可用范围原文未逐一说明。

Locker Protocol Agentic Skills：让 AI 编码代理在不持有私钥的前提下交易 Hyperliquid 永续合约

locker-protocol/agent-skills · Locker Protocol Agentic skill and plugins for Claude Code, Codex, Cursor, Antigravity, Grok and Gemini CLI: trade Hyperliquid perps without giving the agent your key.

该仓库为 Claude Code、Codex、Cursor、Antigravity、Grok Build 和 Gemini CLI 提供 Locker Protocol Agentic 的 skill 与插件，教会代理使用 lpa 命令行工具及其 MCP 服务器（42 个 stdio 工具）来交易 Hyperliquid 永续合约。私钥保存在离线 Locker Vault 应用中，电脑上只保存有密码保护、约六个月过期的 agent key，Hyperliquid 拒绝该 key 的提现与转账，只有用户扫描二维码签名才能动资金。skill 内置报价先行、等待用户确认、提现由用户钱包签名、首次使用建议模拟盘等规则，并附带会话启动 hook 与测试自查脚本。

carimbo：面向巴西 NF-e 电子发票的抽取与审批决策 LLM 智能体

tarc/carimbo · An AI agent for Brazilian NF-e invoices: extraction, tool-using decisions, durable execution, and a measured eval suite.

carimbo 将巴西电子发票（NF-e）的 DANFE PDF 转为严格类型化的发票记录，并进一步生成可审批/拒绝/升级的判定。项目以可复现的评测套件、确定性校验器、有界修复循环、持久化执行、幂等、追踪与成本归集为支撑，公开每次真实运行的逐案例记录与汇总结果。当前已完成抽取阶段的骨架与带校验的抽取，可重放运行阶段已实现但验证待完成；智能体与持久化执行属于后续里程碑，尚未在路线图内。

为什么88%的AI试点项目永远无法投产

IDC与联想的一项联合研究发现，88%的AI概念验证项目最终没能进入实际生产环境，主要原因是目标不清晰、数据没准备好，以及公司内部缺少智能体AI方面的专业人才。问题出在“谁建谁不管”：负责设计和部署AI智能体的团队（往往是外部合作伙伴）不负责日常运行，而运营团队只熟悉演示环境，一上手真实业务就容易出错，严重时甚至引发连锁故障。解决办法是把每个智能体当成独立服务来管理：给它单独的权限和短期密钥、记录每一步操作、设置超时和失败重试，迁移平台时先用完整数据集逐项验证。对读者来说，这意味着部署AI智能体不能只看演示效果，缺少工程护栏的项目很难真正落地创造价值。

Google Antigravity SDK 新增本地模型支持，提升 Token 效率与代码隐私

Google 在 Antigravity SDK 中新增了对本地模型的支持，开发者可以把智能体工作流直接跑在自己的电脑上，不再必须调用云端模型。以前这类工作流通常依赖云端，代码和数据要发出去，还受网络和推理费用限制。现在开发者能自己掌控数据隐私、推理成本、网络依赖和算力分配，同时仍可按需混用云端模型处理更复杂的任务。对开发者来说，写智能体时更省钱、更私密，弱网环境下也能跑。文中未说明具体支持哪些本地模型、开放时间或可用范围。

Third Moment Research 如何让 1 万个智能体连续运行 36 小时以上

AI 实验室 Third Moment Research 对外介绍，他们用 GPT-6 Astra 和 GPT-6.1 Sol 这两款模型，加上 Codex 和面向网络安全的 Daybreak，跑起了大约 1 万个智能体，让它们能连续工作超过 36 小时，并且在使用过程中不断变好。此前智能体往往只能维持较短的任务，很难长时间保持专注。这次的做法就是把大模型和编程、安全等具体工具组合起来，用规模化的方式支撑长时间运行。对读者来说，这展示了智能体从短任务走向持续数天作业的一种思路，不过目前只有摘要信息，具体怎么实现、是否已对外开放都没有说明。

Deep Agents 的上下文工程：如何在不把所有内容都塞进上下文的情况下记住信息

LangChain 开源了名为 Deep Agents 的智能体框架，用来解决长时间运行的智能体越跑越不准的问题。原因是任务越久，对话记录、工具返回结果和文件越堆越多，超出模型能承载的上下文窗口，准确率就会下降，这叫“上下文腐化”。它的做法是不删除信息，而是把大块工具结果和超长用户消息转存成文件、只给模型看一小段预览，快满时把旧对话压缩成摘要，任务技巧只在需要时加载，噪音大的工作交给子智能体另开窗口处理，学到的东西存成文件带到下次对话。这样模型每次只带真正需要的内容，需要细节时再回头查文件；由于记忆是存在你自己控制的存储里的普通文件，换模型或供应商也不受影响。文章还以每周竞品分析智能体为例演示这些方法，并通过中间件机制接入智能体运行循环。

divramod-claude-code-plugins：Claude Code 智能体技能与实时面板插件集市

divramod/divramod-claude-code-plugins · divramod's Claude Code plugins, one marketplace: agent skills and live panes for Claude Code.

这是一个面向 Claude Code 的插件集市，集中提供三类插件：divramod-skills 智能体技能（计划、评审、交接、落地、研究、内容总结等，也可作为 Codex 插件使用）、hal2-mcp（hal2-cli-mcp MCP 服务器，需二进制文件位于 PATH）以及 divramod-subagent-context（为会话中每个子智能体展示模型、effort、上下文占用、峰值与压缩情况的实时面板）。插件通过 Claude Code 的 marketplace 命令安装、更新，仓库为同步镜像，实际开发在 divramod/hal2 中进行。

azure-firewall-change-agent：用 AI Agent 起草 Azure 防火墙变更并串联策略校验、人工审批与 Terraform 落地

rbpal/azure-firewall-change-agent · Agentic firewall change requests on Microsoft Foundry: agent drafting, deterministic policy gates, human approval, Terraform apply.

该项目面向 Microsoft Foundry 上代理式防火墙变更请求流程：由 Agent 起草防火墙规则，经过确定性策略门禁与人工审批后，通过 Terraform 应用变更。仓库提供合成的网络数据与标准，企业流程与演示流程共用同一套 Agent、工作流代码与检查逻辑；演示版用 YAML 工单替代 ServiceNow、用 GitHub Actions 替代 Azure DevOps，并由单人扮演全部人工角色。材料说明仓库、合成网络与标准已构建，工作流、Agent 与流水线仍待开发。

Agent Harness Kit：面向多种 AI 编程助手的统一技能与规则配置工具

khanhduong22/agent-harness-kit · Portable Agent Skills and global rules for Codex, Claude Code, Gemini, and Antigravity

Agent Harness Kit 为 Codex、Claude Code、Gemini 和 Google Antigravity 提供统一版本化的公司级 AI Agent 标准、风险分层工作流、可复用技能和模块化项目包。仓库包含公司核心规则、69 个可移植技能、原生 harness 清单与市场目录，以及幂等安装与回滚脚本。它还支持 MCP 服务器配置下发与 kido-mcp-gateway 网关，用于多环境切换、跨服务器组合工具和统一注册。