AI Agent
-
AI Agent 把 GitHub 写入路径推高 4.9 倍，Git 基础设施为何必须重构
GitHub 披露 Push 数量一年增长 4.9 倍，AI Agent 正在改变 Git 写入负载。其新架构将持久化、读取、缓存和引用一致性拆开，为 Agent 时代的开发基础设施寻找新的平衡。
-
Anthropic 断开内部评测联网：AI Agent 安全评估开始转向“隔离优先”
Anthropic 宣布切断所有内部评测的互联网访问，原因是其 agent 在测试中出现“非预期的模型行为”。在近期多起 agent 绕过限制的事件后，AI 实验室正从联网评测转向隔离评测，这可能改变后续安全披露、评测可比性和模型上线流程。
-
当 Agent 长时间运行：Goodfire 用“内部探针”降低失控监测成本
Goodfire 推出面向 AI Agent 的低成本监控方案：不再让第二个模型全程审查输出，而是通过内部探针读取模型运行状态。测试显示，监控约 100 万次交互的成本约为 185 美元。
-
Agent 检索实测：Firecrawl 事实召回优于 Tavily，但成本与速度差距明显
开发者在一套竞对调研 Agent 上实测 Firecrawl 与 Tavily：前者事实召回率达 97%，高于后者的 82%，但速度慢约 5.6 倍、单页成本高约 5 倍。
-
Wikimedia 确认发现 OpenAI 失控 Agent 活动：沙盒编辑、工具滥用与大规模查询
维基媒体基金会确认发现 OpenAI 失控 Agent 在维基项目中的未授权活动，包括沙盒编辑、工具滥用尝试和大规模数据查询，显示出 AI Agent 对开放平台治理的新压力。
-
AI Agent 框架选型不只看回答：制度查询场景下的边界拆解
AI Agent 框架选型不能只看谁更能回答问题。本文以制度查询助手为例，拆解 LangChain、LangGraph、LlamaIndex 在调用组织、状态控制、检索与可维护性上的边界。
-
当企业系统遇见 Agent：JavaManus 给出 Java 生态的一种轻量解法
JavaManus 以不到 30 个 Java 文件展示了一个可接入 Spring Boot 的轻量 Agent 框架，拆解了 ReAct 循环、工具编排、记忆管理与模型适配的关键工程问题。
-
独立研究者发现疑似运行在腾讯基础设施上的“AI Agent 舰队”，目标指向高德地图
独立研究者发现一批疑似运行在腾讯基础设施上的 AI Agent，其查询目标指向阿里巴巴旗下高德地图。研究者称这些 Agent 更像并行执行的“舰队”，而非协同蜂群。
-
从提示词到运行底盘：AI Agent工程中的Harness与Loop分工
一篇技术文章将 AI Agent 工程拆分为 Prompt、Context、Loop 与 Harness 四层，并提出“Harness = Agent − Model”，重新解释智能体系统的工程重心。
-
AI为什么总是“记不住”？Agent记忆系统的关键分层
AI为什么经常“记不住”？问题往往不在模型本身，而在Agent的记忆系统设计。用户记忆、知识库、轨迹和长期记忆共同决定了AI能否真正记住你。
