资讯

Vercel 通过 200 多次智能体运行构建了公开提示文件 design.md，将人类设计判断编码为可复用的智能体指令。在六页测试中，已知故障模式从 91 次降至 39 次，减少 57%。尽管效果显著，但所有页面仍需人工修正，说明智能体指令应像软件一样管理，但仍非万能。

Google DeepMind 推出智能体视频理解，适用于 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite。该功能通过动态搜索视频片段，将分析成本降低最高 66%、Token 消耗降低最高 88%、准确率提升最多 7%，并支持亚秒级时刻检索、异常检测等应用。目前已在 Gemini API 中上线，标准 Token 定价，无额外费用。

AIR 由以色列 8200 部队退伍军人创立，主打 AI 代理供应链安全，提供发现、审查和拦截功能。公司称已过滤约 27% 的在线插件，拥有 20 多家客户，新资金将用于招聘和欧美市场拓展。

文章分析了 Agent 驱动应用扩展中的“闲置成本陷阱”，提出将持久化状态与临时计算分离是解决问题的关键。Kimi 的部署展示了在数据库和工作区两个层面实现隔离、即时供给、成本弹性和状态独立于计算的四个特性，才能让产品规模化，避免因租户数量暴增而崩溃。

ARD（Agentic Resource Discovery）是一个新的开放规范，旨在让 AI Agent 在多个注册中心中搜索所需资源，弥补 MCP 在资源发现环节的缺失。该规范由 Google、Microsoft、Hugging Face 发起，AWS 提供反馈并探讨集成方案。

本文探讨了 AI 编码智能体的成本控制问题，指出工具输出的数据格式是常被忽视的优化点。通过采用 TOON 等紧凑格式，可以在保持无损的前提下减少字符和 Token 消耗，并通过实际案例展示节省比例。文章强调应根据消费方（人、脚本或 LLM）和数据结构选择合适的格式，并建议团队以实际工作流为基准进行衡量。

技能（Skills）、Agent配置、提示指令和规则文件构成了AI编码Agent的上下文，但它们目前缺乏系统化的管理。上下文开发生命周期（CDLC）通过生成、评估、分发、观测四个阶段，将上下文管理提升到软件工程水平，并借助平台团队、可观测性工具实现规模化。

AI智能体正在使检索工程成为核心工程学科。随着组织从聊天机器人转向能自主推理和行动的AI系统，检索不再只是找到相关信息，而是持续在正确时间提供正确证据。传统搜索和RAG应用能容忍不完美检索，但智能体没有这个特权。GigaOm决策简报认为，随着检索商品化，竞争优势转向决策，即决定应用或智能体在行动前应看到什么内容及顺序。

生产级 AI 智能体远比演示复杂，模型只是服务的一部分，执行框架（Harness）负责定义边界、约束工具调用、执行权限和记录追踪。通过工具契约、细粒度权限、受控上下文和可审计的追踪日志，才能让演示的魔力在生产环境中存活。

Cloudflare 在 BotBase 中新增运营者功能，包括提交状态跟踪、编辑已提交的机器人信息，以及基于行为与内容使用的声明模型。同时，审核流程自动化，加速机器人入录。

Lovable 正将应用转化为 Agent 可调用的“能力”，通过 MCP 服务器暴露函数，用户可从 ChatGPT、Claude 等客户端直接调用。CTO 强调，公司未来的愿景是打造“团队数字大脑”，连接所有工具与工作流，并认为编配能力容易，构建可靠连接才是难点。

Particle推出Radar播客搜索引擎，转写并分析超过13万个播客，提供关键引用、高光时刻和实体追踪，并通过API和MCP让AI Agent也能访问。产品已吸引对冲基金等客户，未来将扩展至其他音频形式。

AI Agent 的执行轨迹（trace）一旦需要被检索、展示或长期保留，就变成了应用数据，但其写入模式和高基数维度又让它像遥测数据。随着规模增长，主数据库可能出现争用和查询摩擦，需要将其迁移到专用的分析存储，并配合扁平化的数据模型来降低跨表开销。

Arga Labs 为企业 AI 智能体构建训练环境，通过创建 Salesforce、Workday 等软件的数字孪生，支持在多个系统间训练智能体。公司宣布完成由 General Catalyst 领投的 1000 万美元种子轮，用于提升智能体处理企业复杂任务的能力。

Agent Lightning v1.0 由微软研究院推出，旨在解决 agentic 强化学习中训练引擎与生产 harness 之间的脱节。通过让 harness 在训练期间拥有上下文构建、工具执行和 agent-环境循环，模型在编码任务表现上取得显著提升。整个框架核心代码仅约 3500 行，并以 MIT 许可开源。

Shopify CEO 称 Claude Code 不读取 AGENTS.md 造成“复杂性税”，并考虑禁用该工具。Anthropic 已提供变通方案，但开发者请求原生支持近一年未果，相关 issue 已被关闭。

一位软件工程师分享了自己的'负责任的智能体编程宣言'，主张在拥抱生成式 AI 的同时坚守软件工程的基本原则。内容包括：生产代码必须被人理解、保持短迭代周期、简化 AI 输出、坚持代码审查的人文价值、明确 AI 政策、保护敏感数据，以及在有重大影响的事务上保留人类决策权。

Perplexity 的 Portable Computer 将智能体 AI 带到本地桌面，支持 Nvidia RTX GPU 和 DGX Spark。本地推理由 Qwen3.8-27B 等模型驱动，通过确定性编排器管理工具调用，并在沙箱中运行。该产品面向 Perplexity 订阅用户，任务默认在本地执行，仅当需要时才调用云端模型。