资讯

Workday 推出 Agent-Ready Tools、Developer Agent 和 Agent Passport 等工具，旨在让 AI 智能体在 HR 和财务数据上安全运行。CTO 强调护栏应嵌入推理层，并主张智能体编排应靠近数据源。

研究团队利用开源小模型，在实验中构建了一款AI驱动的自适应计算机蠕虫，它能自主识别目标漏洞、自我复制并利用受害设备资源持续攻击。该蠕虫不依赖商业AI平台，成本几乎为零，标志着自主网络攻击从理论走向现实。

Patronus AI通过构建模拟数字环境，对AI智能体进行压力测试，确保其在复杂任务中可靠运行。公司营收一年增长15倍，获5000万美元B轮融资，总融资7000万美元。

General Intuition 获得3.2亿美元融资，估值23亿美元，计划用数亿小时游戏操作数据训练通用智能体，实现从虚拟到现实的无缝迁移。公司已展示四足机器人、世界模型等demo，但规模化落地仍是未知数。

Agent Toolkit for AWS 包含三层：MCP 服务器、技能和规则文件。规则文件是关键，它告诉智能体优先使用 MCP 服务器和技能，而非依赖训练数据。作者实例表明，添加规则后，智能体给出的架构建议更具体、更可靠。

OpenAI 研究发现，随着智能体能力提升，用户倾向于将更长时间、更复杂的任务委托给 AI。在 OpenAI 内部，所有部门都已转向使用 Codex，非开发者采用率激增，甚至能完成职位描述之外的工作。

Gemini 3.5 Flash 现在原生支持电脑操控，开发者可通过 API 和 Agent 平台构建跨平台智能体。为应对安全风险，模型采用了对抗训练，并推出了可选的企业级防护系统。

Anthropic 推出 Claude Tag，将 Claude 深度集成到 Slack 中，支持异步委托、跨频道协同、代码库接入和自动化工作流。产品处于 beta 阶段，面向 Claude Enterprise 和 Team 用户。

OpenClaw与Hermes Agent代表了两种智能体执行框架设计路线：OpenClaw以网关为中心，连接众多消息渠道，吸引平台厂商（Nvidia、Microsoft）为其添加治理和身份层；Hermes以内存为中心，实现跨会话的持久化学习，支持模型切换和技能进步。企业用户需权衡治理、身份和控制权，而平台厂商正围绕运行时层展开竞争。

Nx 推出 Polygraph，将多个仓库连接成“合成单仓库”，并附带跨会话的共享记忆，让 AI 编码 Agent 能无缝处理跨仓库变更。目前处于免费早期访问阶段，支持 Claude Code、Codex 等 Agent。

ANS 标准通过 DNS 为 AI 代理提供可验证身份，但依赖域名注册商和证书颁发机构的传统信任层级存在安全风险。该方案与 Google A2A、Cisco AGNTCY 等竞争，大玩家尚未加入。

CUGA 是 IBM 开源的轻量级 Agent 执行框架（Harness），负责规划、执行、工具调用和状态管理，开发者只需提供工具列表和提示词。本文通过一个完整的 IBM Cloud 顾问应用示例，展示了 CUGA 的核心设计理念——将复杂管道内置，让开发者专注于业务逻辑。框架支持多种模型提供商、MCP 工具、长期规划与自我修正，并已在 AppWorld 和 WebArena 基准测试中取得领先成绩。

AI Agent在生产环境中失败不是因为缺乏自主性，而是因为自主性缺乏结构。将Agent与数据的交互分为四类：语义层问答、受控查询、注册函数调用和向量搜索，每类都需要独立的治理工具。CrewAI AMP集成了Databricks，提供四个托管MCP服务器分别对应这四种模式。

AI Agent的搜索能力经历了三个阶段：从向量数据库到混合搜索，再到现在的“搜索即代码”。Agent不像人类用户那样懒散和模糊，它可以使用精确的查询语言、元数据过滤、时间范围筛选、语义排序等专业手段。开发者需要为Agent提供丰富的检索工具箱，而非沿用为普通用户设计的简化方案。

Nvidia 开发者技术总监 Nader Khalil 在接受专访时阐述了 Agent 的定义（LLM + Harness），并透露公司已向 OpenClaw 全职投入多名开发者以支持其社区。他还介绍了 Nvidia 的 Agent 蓝图（Blueprint.如 NanoClaw）和技能（Skill）策略，认为每个企业都将构建自己的专用 Agent，而 Nvidia 的目标是提供生态所需工具。

Lighthouse 的 Agentic 浏览评分不输出 0-100 加权分，而是基于通过审计项的比例给出分数比和通过/未通过状态。评分受 WebMCP 工具注册时序、无障碍树结构变化和累计布局偏移等因素影响。审计覆盖 WebMCP 集成、无障碍树可用性、页面稳定性及 llms.txt 文件。开发者应使用 WebMCP、保证语义 HTML 和 ARIA 标注、减少布局偏移来提升兼容性。

本文介绍了 GitHub 内部 AI 数据分析助手 Qubot 的架构与实现，包括用户界面、上下文层、评估框架和查询引擎。Qubot 通过 Slack、VS Code 和 Copilot CLI 提供接口，连接 Kusto 和 Trino 两种查询引擎，并利用 GitHub MCP Server 加载上下文。文章还分享了关键经验：结构化上下文不仅能提高准确率，还能让回答速度快三倍。

Cloudflare 推出针对 AI Agent 的临时账号功能，允许 Agent 通过 Wrangler CLI 直接部署 Worker，无需人类交互。临时部署有效期为 60 分钟，可在此期间认领为永久账号。这解决了背景 Agent 面临的身份验证障碍，加速了编码-部署-验证循环。