智能体生态观察
智能体生态动态速递
追踪 AI 智能体（Agent）生态的模型发布、框架开源、行业落地与安全治理动态。
从搜索框到 Deep Research：Agentic 检索怎么把一次查询变成一场调查
Google 比 OpenAI 早七周发布 Deep Research，但把「研究计划让用户改批」产品化的也是它——agentic 检索的通用循环是：规划、迭代检索、阅读、反思补漏、交叉验证、带引用报告。本文拆解这个循环的两种实现路线（端到端 RL vs 显式编排），用 BrowseComp 上「裸模型不足 10% vs deep research 51.5%」的差距说明多步浏览行为本身值多少分，也把「慢不等于对」的引用可靠性研究摆上台面。
Agent Lightning v1.0：微软用 3500 行代码，把任意 Agent 接进强化学习
给已有 Agent 框架做 RL 后训练，通常要把业务逻辑重写成训练代码。微软的 Agent Lightning 换了条路：Agent 照常跑自己的循环，训练侧伪装成一个 OpenAI 风格的 API 端点，靠拦截请求-响应对收集轨迹。v1.0 技术报告里，Qwen3.5-9B 编码 Agent 在 SWE-bench Verified 上从 41.8% 提到 56.4%。本文拆解它的架构、算法与社区争议。
适配大屏：Meta 推出 iPad 版 Muse AI 智能体
IT之家 10 月 7 日消息，Meta 现已将 Muse AI 智能体适配苹果 iPad 平台，**同时新增 Canva、Dropbox、Figma、QuickBooks、GitHub、Klaviyo、Zoom 等连接器**。
IT之家了…
Evaluating the Transfer of Co-Evolved Communication from 2D to 3D Simulation
This work examines the transfer of a co-evolved communication mechanism between two robotic agents from a discrete two-d…
OpenAI’s Alexander Embiricos is coming to TechCrunch Disrupt 2026 — days after the launch of Dots
OpenAI just made one of its biggest bets yet on what comes after the chatbot. Now, the person leading that product is co…
MIRA: A Musical Intent Refinement Agent for Aligning Text-to-Music Generation with User Intent
Text-to-music systems produce increasingly convincing audio, yet evaluation reveals little about whether the result matc…
Coding-Agent Benchmarks Should Match Their Users' Task Flows
The evaluation of coding agents generally strives to be as realistic as possible. In our study, we collect 4,782 agent s…
OpenAI launches Decisions API that reduces complex evaluations to yes, no, or pick one
Oct 7, 2026
OpenAI announced two updates to its API platform.** The new Decisions API evaluates text, images, or both, r…
AI 编程的上下文管理：大仓库里怎么把「对的代码」喂给模型
AI 改不动大项目的首要原因不是模型不够聪明，而是它看不到相关的代码。本文拆解三层上下文策略——人工指定、仓库地图（Aider 的 tree-sitter + PageRank）、智能体检索（grep 自探索）——并给出上下文预算与防「上下文腐烂」的实操守则。
AI 代码评审实战：让 Agent 审出真问题的流程与提示词设计
AI 代码评审的最大痛点不是漏报而是误报——满屏风格噪音会把真问题淹没。本文给出问题分类清单、五要素提示词设计、误报治理的验证环节与分阶段扩量路径，以及「AI 海选、人类裁决」的人机分工。
Computer Use 入门：让模型替你操作图形界面
当软件没有 API 时，让模型像人一样看截图、点界面。讲透感知-行动闭环与坐标定位的难点，盘点 Anthropic、OpenAI、Google 与开源社区的现状（截至 2026-10），并说清提示注入、沙箱隔离与每步截图的 token 账。
给你的 MCP Server 加上鉴权：OAuth 实战
MCP 授权规范演进到 2026-07-28 版：动态客户端注册已废弃，iss 校验转必做。梳理 stdio、内网、公网三种部署的鉴权选型，附本地跑通的 Bearer 校验示例，拆解 token passthrough 等规范明令禁止的坑。
A2A 协议入门：智能体之间怎么对话
MCP 连接智能体与工具，A2A 负责智能体之间怎么对话。Google 发起、现由 Linux Foundation 旗下 AAIF 治理，最新版本 1.0（截至 2026-10）。Agent Card 能力发现、Task 状态机、Message/Artifact、SSE 流式与 push notification，一文讲清它与 MCP 的分工与取舍。
OpenAI、Anthropic、Google、Meta 高管出席纽约市议会 AI 安全听证会并宣誓作证
OpenAI、Anthropic、Google、Meta 高管及 AI 吹哨人在纽约市议会全体委员会听证会上就 AI 风险与安全保障措施宣誓作证。
Claude Code 实战工作流：CLAUDE.md、子智能体与 Hooks
Claude Code 用法实操：CLAUDE.md 记忆文件分层加载规则与模板、子智能体定义与上下文隔离、PreToolUse/PostToolUse 钩子拦截与自动格式化配置，附探索-计划-实现-提交循环、headless CI 集成与成本边界分析。
CADFather：通过协同工具调用实现自主CAD重建
CADFather是一个自主智能体系统，由视觉语言助手协调多种学习与算法工具，从3D网格恢复可编辑的参数化CAD程序。
Personal-Agent Mediated Recommendation with Cross-Platform User History
Modern recommendation is shifting from platform-centric personalization toward user-governed personalization, where a pe…
CheckerBench: Can Long-Horizon Agents Synthesize Static-Analysis Checkers?
Static-analysis checker synthesis requires agents to interpret a defect specification, inspect a repository, implement a…
SPW-Nav: A Streaming Panoramic World Model for Language-Guided Navigation
Language-guided panoramic video generation benefits various downstream applications, such as interactive 3D scene explor…
苹果突发收紧 Mac 权限，全是 AI 惹的祸
macOS，开始对 Personal Agent「关门」了。
10 月 2 日，苹果发出一则简短的公告，宣布将会在后续版本收紧在 macOS 上存在多年的「完全磁盘访问」（Full Disk Access, FDA）高级权限：
一些开发者正…