搜索归档

我们如何用 Insights 改进 Insights 背后的 agent

Datadog 的工程师用自家产品 Insights 来观察和优化他们自己的 AI agent。Insights 会分析 agent 的运行记录，找出它在哪些地方花了过多 token、工具调用失败或任务没完成，并解释原因、估算影响、给出有依据的修复建议。例如它发现搜索工具一次返回太多内容，导致后续请求被重复计费；还发现请求顺序不对，使提示缓存无法复用，估算每月可省约 2734 美元。工程师随后把建议交给编程 agent 改代码，并通过重放原任务验证修复后 token 是否更少、回答是否仍然正确。这是 Datadog 的自用案例，节省数字为估算、尚未实测。

Kubernetes 成立工作负载一致性工作组，为何对 AI 团队意义重大

Kubernetes 社区在 10 月 27 日宣布成立一个专门的工作组，要为「工作负载在 Kubernetes 上运行时的行为」制定统一标准。此前虽有测试能判断一个集群能不能跑 AI/机器学习任务，但对于具体工作负载本身没有类似标准，团队只能靠变通办法、手动摸索，或者盯着节点被清空、权限报错这类迹象来排查问题。新工作组希望补上这块空白，让不同工作负载在集群里的运行表现有一致、可检验的规范。对跑 AI 工作负载的团队来说，这意味着未来判断平台是否适合自己的任务会更有依据；不过目前只是宣布成立并征集社区意见，标准尚未发布。同期还有：TNS 与 HPE 合作发布一本关于在 Kubernetes 上运行 AI 工作负载的电子书，可立即下载；OpenTelemetry 转换语言 OTTL 达到 v1，对 traces、metrics、logs 稳定，包含在 Collector Contrib v0.164.0 及之后版本，并承诺语法和标准函数保持向后兼容。另有 AWS 架构师预告将在 KubeCon 展示用 agent 流水线实时分析工作负载并在 GPU 上共置多个模型的方案，属于演示预告，原文未说明可用时间。

DoorDash 借助 AI Agent 将杂货复购延迟从 16 秒降至 2 秒

DoorDash 优化了杂货复购流程：过去用户要等约 16 秒才能重新下单，现在缩短到约 2 秒。做法是提前用批量 LLM 推理算出用户常买的东西，再用确定性的规则校验，而不是每次临时让模型现算；同时实时核对商品目录，保证选中的货还在售，并把清单做成可编辑界面，用户不改就不必再调用模型。DoorDash 称购物清单浏览量翻倍，该流程下单率提升约 34%。这些数字来自公司自述，文中未说明上线范围、统计口径和具体模型。

Juno PM：将粗略产品想法转化为结构化 PRD 与用户故事的 AI 产品管理副驾驶

artmelo/juno-pm · Juno PM. Capstone Project for AI Product Management Certification

Juno PM 是 Product School AI 产品管理认证的结业项目，以一个虚构的 RocketShip 任务为背景，探索 Agent 式 AI 如何辅助产品经理工作。它的原型可以把粗略的产品想法转成结构化的 PRD 和可供开发使用的用户故事，并通过 Mission Radar 依据产品目标、约束和任务优先级评估这些想法；它还会指出缺失的需求、风险与假设，并让产品经理保留最终决策权。该仓库按模块整理了提示词技能文件、原型说明、AI PRD、Agent 控制面板、人工评估量表和最终展示，属于学习和原型性质的项目；当前界面用示例 AI 输出演示预期体验，并未接入实时 AI。项目未说明部署条件、硬件要求、API 成本与使用限制。

outturn：多租户 Agent 平台的 Rust 运行时基础

idataconnect/outturn · A fast, secure Rust foundation for multi-tenant agent platforms

outturn 是一个用 Rust 构建的多租户 Agent 平台基础框架，面向需要让每个客户都能运行各自 Agent 的公司。它内置租户隔离、按租户用量归因、在 WebAssembly 沙箱中运行 Agent 代码、默认拒绝的出站访问规则、网关集中保管凭证、每轮签名令牌，以及防止单个租户故障影响其他租户的断路器。项目处于早期开发阶段，接口可能变动，提供本地 Kubernetes 集群的开发与演示流程，以及面向真实部署的密钥与清单生成脚本。

Crewship：在自有硬件上运行 AI 编程 Agent 的自托管控制平面

crewship-ai/crewship · Self-hosted runtime for AI coding agents. Real Linux containers, your hardware, your keys, your data.

Crewship 是一个用 Go 编写的自托管运行时与控制平面，为每个 AI 编程 Agent 团队提供独立的真实 Linux 容器，可驱动 Claude Code、OpenCode 或通过 Ollama 运行本地模型。它在运行时之外提供任务分解与执行的 Missions、定时 Routines、问题跟踪与分诊、基于角色的访问控制、审计日志、Keeper 治理层、加密备份及清单式 GitOps 管理等能力，代码、数据、对话与记忆均保留在自有硬件上。项目处于开放测试（pre-1.0）阶段，README 明确标注各模块的稳定、早期或未完成状态。

Agent Sandbox：在 Kubernetes 上管理 AI Agent 与强化学习的隔离有状态单例工作负载

kubernetes-sigs/agent-sandbox · agent-sandbox enables easy management of isolated, stateful, singleton workloads, ideal for use cases like AI agent runtimes and reinforcement learning (RL).

Agent Sandbox 是 Kubernetes SIG Apps 下的项目，提供 Sandbox 自定义资源定义（CRD）及控制器，用于以声明式 API 管理长期运行、有状态、单容器的单例工作负载，具备稳定身份、持久存储，以及创建、定时删除、暂停、恢复等生命周期管理。扩展模块提供 SandboxTemplate、SandboxClaim 和 SandboxWarmPool，支持模板复用、从预热池快速认领沙箱。项目自身是沙箱编排器，底层隔离交由 gVisor、Kata Containers 等 Sandbox Runtime（通过 RuntimeClass）负责。适用于 AI Agent 运行时、强化学习与评测、开发环境、Notebook 和有状态单 Pod 服务等场景，并提供 Go SDK、Python SDK 及可选的 Sandbox Router。

AI Agent 默认先用无服务器，让生产数据决定何时迁移

Datadog 的几位工程师建议，AI Agent 的工作负载应优先考虑无服务器（按请求分配算力、空闲缩到零）而不是常开服务器。他们分析了超过 3.5 万次生产环境编程 Agent 会话，发现中位数会话只有 20% 的时间在真正调用模型或工具，其余时间都在等待，但沙箱资源一直占着，常开算力等于为闲置时间付费。做法是先给工作负载建一份「执行画像」，记录峰值并发、单次运行的实际计算时长与总耗时之比等，再据此判断用按需算力还是专用节点；长任务可以拆成可恢复的无服务器工作流，等待时释放算力、下一步就绪再继续。读者可以据此避免过早购买常开算力，并用上线后的真实数据再决定是否迁移，文中还提到可用 Datadog 的 Agent 可观测性、APM 和无服务器监控来测量这些指标。

检测 AI 智能体是否复制自我复制的提示注入

OpenAI 此前报告了一种“自我复制提示注入”：攻击者把隐藏指令藏在 AI 智能体读取的内容里，诱导智能体照做，并把这些指令复制进邮件、文件或消息中，从而感染其他智能体和后续会话，像电脑蠕虫一样扩散。这次 Datadog 把 OpenAI 报告中的两个例子改造成针对测试智能体的模拟攻击，并用其安全产品 Datadog AI Guard 检查智能体读到的内容和发起的工具调用。结果 AI Guard 在看邮件或 CSV 时，就标记了被植入的内容不安全；当测试智能体把注入指令复制进回复或技能文件时，AI Guard 也判定这些操作不安全。需要注意的是，这是模拟环境中的演示，不是正式发布的新功能，也不能说明真实的拦截成功率；文章的重点是展示如何排查智能体最终回复里看不出来的可疑行为。

“紧迫性本质上是主观判断”：Anthropic 向 TNS 介绍如何评估 Claude Duet

Anthropic 推出后台助理 Claude Duet，会自动查看你已连接的应用，主动判断哪些事需要你处理。问题是“什么算紧急”本身很主观，而且它由 Claude Opus 5.5 驱动，可能误读对话或判断错优先级。为此 Anthropic 用员工日常工作校准了一套内部评分器，离线检查它排优先级的对错，同时另设一个独立于执行模型之外的自动检查器，看每个动作是否符合你的意图，以降低网页里藏指令骗它的风险。目前 Duet 只对美国 Pro 和 Max 订阅者开放且有等待名单；后台检查每几小时一次并计入用量额度，官方未说明评分的准确率，也还不能让你实时查看或接管它在云端浏览器里的每一步。

Kubernetes 平台为何反复重建本可共享的编排层

很多平台团队每年都会自己写 Kubernetes 控制器，用来自动创建 Deployment、Service、ConfigMap 之类的一堆对象，并在它们之间传递字段。Kubernetes 本身已经提供了 CRD、控制器、Server-side apply、CEL、OpenAPI 这些零件，却没有说明“几个资源算一个整体、谁先谁后、某个值要从另一个资源的状态里取”的说明书，所以 Helm、Argo CD、Crossplane、Operator 等每个工具都各自补这一块，成千上万的组织在重复造同一个轮子。kro（Kube Resource Orchestrator）把这段“接线”写成数据，叫 ResourceGraphDefinition：由 CEL 表达式里的引用来推断依赖顺序，并在实例创建前做类型检查，一个控制器就能解释所有定义，应用团队照样用 kubectl、RBAC 和 GitOps。它还在 2025 年 9 月进入 Kubernetes SIG Cloud Provider，定位成别人可以搭建的底层原语；0.10 版本新增的 Graph 只保留组合部分、不需要 CRD 和实例，适合“给打了标签的 Service 自动生成 Ingress”这类一次性场景。读者可以少写一堆粘合控制器，但要意识到 API 一旦发布就是承诺，成本从“写”变成“长期维护”。

为什么 MCP 服务器应当告诉 Agent 下一步做什么

AWS 的开发者倡导者 James Ward 提出，很多 MCP 服务器目前只是被动地返回数据，就像一个只负责查数据的接口。他建议服务器在返回数据时顺便告诉 Agent 刚做了什么、接下来可以做什么、去哪里找更多信息，相当于让服务器成为对话中的另一个参与者。他还指出 MCP 默认无法追踪调用链路，AWS 的做法是给工具加会话 ID 参数，让多次调用串成完整旅程，再加一个参数记录用户目标，方便团队复现问题、做评测并改进工具。对使用 MCP 的团队来说，这意味着要同时观察人和 Agent 协作的路径，检验工具改动是否真的帮用户完成任务。文中提到 AWS 已于 5 月向所有人开放其 MCP Server，并在 9 月加入 Lambda 诊断功能；这些做法本身并不新奇，重点在于能否持续观测和衡量。

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。

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。

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。

从人类点击到智能体速度：OpenAI 12 亿用户规模对你的鉴权意味着什么

OpenAI 在 DevDay 宣布 ChatGPT 周活跃用户突破 12 亿，约相当于全球人口的 15%。这么多人和越来越多的 AI 智能体同时发起请求，每次聊天、API 调用和模型调用都得先验证身份和权限，传统集中式身份系统在高并发下容易成为瓶颈。OpenAI 采用 Ory 的解耦认证引擎和 OAuth2/OIDC 基础设施，让令牌校验在边缘以无状态方式完成，减少反复回查中心数据库。文章还比较了自托管可组合 IAM 与传统身份 SaaS 在数据主权、成本和扩展方式上的差异，并提到让智能体先“观察模式”运行、再收紧权限的思路。对读者的价值是：了解面向超大规模和智能体负载设计身份鉴权时的关键取舍。