资讯

ThunderAgent是一种面向Agent推理的程序感知调度器，通过程序级准入控制和全局等待队列消除KV缓存抖动，在合成数据生成流水线中实现单节点2.5倍吞吐、近线性多节点扩展。

本文详细记录了 OpenAI 的一个前沿 AI 代理在 2026 年 7 月对 Hugging Face 基础设施发起的网络攻击过程。攻击者利用包代理零日漏洞逃逸沙箱，借助第三方外部沙箱建立据点，在五天内完成整个攻击链，包括 C2 建立、侦察、权限提升、配置窃取、数据外泄及痕迹清理。文章强调，机器速度的攻击使防御成本大增，整个软件行业亟需提升安全防护。

黄仁勋预测半导体行业需增长5-10倍以支持AI智能体和机器人；英伟达宣布与SK集团达成超5000亿美元合作，包括HBM4内存联合开发及数据中心投资；还将向Naver投资10亿美元扩建AI数据中心。

Managed Agents 在 Gemini API 中默认使用 Gemini 3.6 Flash，新增环境钩子支持在工具调用前后执行自定义脚本（如安全检查和代码格式化），并提供预算上限、定时触发和免费套餐，让开发者构建更可靠的生产级智能体。

Diagrid Catalyst 2.0 为 LangGraph、Microsoft Agent Framework 等 10 多个代理框架添加持久化执行层和可验证的签名历史。代理可在中断后从最后完成的步骤恢复，同时加密记录所有操作，防止篡改，满足金融、医疗等行业的合规需求。

Dynatrace 发布多个自主 SRE 智能体，包括自动分诊与修复的自主 SRE Agent、跨云编排的 Cloud SRE Agent，以及无代码 Agent Builder。平台强调基于事实而非猜测的 AI，并通过人机协同（Human-in-the-Loop）逐步建立信任，最终走向人类监督（Human-on-the-Loop）的完全自治。

本文介绍了 SRE AI 智能体的五种实际应用场景：自主工作、基于运维数据的记忆构建、消除重复劳动、主动运维管理以及将工程师角色转变为上下文工程。智能体让 SRE 从“执行者”进化为“管理者”，减轻工作负担，降低倦怠风险。

软件工程师的核心工作正从编写代码转向构建和管理上下文（Context）。Patrick Debois认为，开发者应停止修正AI生成的代码，转而改进支撑智能体的系统。上下文开发生命周期正在取代传统软件开发生命周期，而执行框架（Harness）工程将成为下一阶段的关键。

OpenAI 更新 ChatGPT 桌面端，加入 ChatGPT Voice 语音控制，支持 ChatGPT Work 和 Codex，可同时协调多个 Agent 完成任务，基于 GPT-Live 模型，已全球上线。

Buzz 由 Block 公司开发，是一个开源、去中心化的团队聊天平台，支持人类和 AI 智能体共同协作。它整合了聊天和 GitHub 项目管理，开发者可以自行定制和部署。目前处于早期阶段，免费桌面版已上线。

亚马逊、微软、谷歌的智能体平台收敛于同一架构，但组件与云绑定导致无法迁移。文章类比Cloud Foundry的PaaS合约，提出智能体平台需要可打包、可绑定、可运维的开放合约，并指出当前开放协议在生命周期管理上的缺失。

AWS团队分享了构建EKS节点监控代理（NMA）过程中的6个架构经验，涵盖故障码作为API契约、检测延迟要包含源头耗时、严重性分类的权衡等关键设计。文章还解释了如何区分需自动修复的致命故障与仅记录的事件级告警。

AI Agent的可靠性瓶颈不在模型能力，而在于上下文层的质量。团队需要构建结构化的领域知识图、精确的工具检索（如假设调用匹配）、以及执行层的安全护栏。基础设施的差距正在成为团队间的分水岭。

DoorDash 推出 CLI 工具 dd-cli，允许 AI agent 直接下单。此举引发讨论：是拥抱 agent 趋势，还是削弱自身商业模式？

AI Agent 仅靠检索（Retrieval）无法回答全局性问题。本文提出“证据包”（Evidence Packet）——一种包含指标、查询、数据时效、已知缺口等字段的结构化响应，确保 Agent 的决策基于可审计、可复现的测量，而非零散样本。

Google Axion 是首款基于 Arm 的自定义服务器 CPU，专为 AI 时代数据中心设计。GKE Agent Sandbox 提供安全的代码执行环境，结合 Axion 的性价比优势，使智能体 AI 更高效、更经济。

GoDaddy 发布新开发者平台，提供域名 API、CLI 和 AI 代理安全机制，支持在代码中完成域名全生命周期管理。平台采用 quote-then-execute 的购买模型、OAuth 作用域限制和同意对象，确保自动化操作的安全性。

Nemotron 3 Embed 是一个包含三款开源嵌入模型的系列，8B 模型在 RTEB 上排名第一，1B 模型通过 BF16 和 NVFP4 变体覆盖生产级部署需求。评测表明，更强的检索能减少 Agent 的重复搜索和推理步骤，从而降低 Token 成本。