Agent 智能体 最新动态

把浏览器操作封装成 snapshot、fill、click 等 JavaScript 工具给 agent 调用，替代命令循环；代价是需迁移 Chrome 数据，且目前仅 macOS 可用。

能直接抄走总预算超时、尾部答案提取、SSRF 三道锁和 402 只报价不付款四段代码，落到 Agent 工具链和软件工厂；前提是读 TypeScript 并接受 DNS 全量解析仍有 TOCTOU 缺口。

能拿走顺位排错、跨家族只读审查子代理加 AGENTS.md 门禁、rotate+session 亲和轮换多账号三套配置，落到软件工厂的多模型路由上，代价是得自己翻日志找截胡和缓存偷跑。

能拿走 Spawn-Converge 三步闭环和状态文件硬约束的做法，换掉单 agent 串行 LOOP 的迭代流程，前提是训练可异步、指标可机器判读，且需自建知识库与人工审核卡点。

description 里补一句 Do not use for 加相邻任务，能压掉 skill 误激活这类不报错的故障；作者扫了本机 275 个 skill 只有 5.5% 写了，改一句约 1 分钟，前提是能说清最怕被误用的场景。

能拿走五段链路归因表和 naive/guarded 双线台架，给工具调用逐段加拦截与回滚，落到软件工厂的 Agent 派单链路上；代价是超时只是预算不是确定性，全局 try/except 也换不来可定位。

能拿走四种记忆存储格式的取舍标准、BM25 与混合检索加跨编码器重排序的完整流水线，以及 Proposer/Reviewer 异源互审的知识更新流程；落到知识沉淀和本地模型部署两条线，代价是结构化索引和上下文前缀都要额外 LLM 调用。

能拿走一套确定性记忆层做法，模型只提类型化事实、引擎按槽位裁决当前值并回报新鲜度，落到 Agent 长期记忆和知识沉淀；代价是需先注册谓词、抽取要用户原话引用，且仍是 0.1.0 alpha。

能拿走四层护栏的具体实现，表白名单兼作数据字典、禁分号与注释、外层包 LIMIT 100、READ ONLY 事务加 30 秒超时，落到知识沉淀和本地模型部署的 NL2SQL 链路上，代价是黑名单仍有编码绕过，需靠白名单和租户谓词校验兜底。

能拿走后台 Bash、TaskStop、输出落盘、deadline 四件套和按 prompt cache TTL 设计唤醒间隔的做法，落到软件工厂的派单流程；代价是任务管理、缓存 miss 和子代理独立上下文都要额外付 token。

三段 Prompt 链可直接抄用，把 PRD 拆成带 schema/interface/infrastructure 依赖图和验证税系数的任务卡，接进软件工厂的排期环节；代价是每段都要人审，估点系数得用自己团队历史数据校准。

可借鉴 JSONC/TOML 逐节点文本区间编辑、注释标记幂等投递、上游哈希加本地目录哈希双判更新三条做法，落到本地模型部署与知识沉淀线，代价是要为两种格式各写一套编辑器并覆盖注释、尾逗号等边界测试。

能拿走一套 prompt 拼装顺序和 stable_json 固定序列化写法，把多 agent 共享前缀的命中率从接近零拉起来；代价是要改字符串拼装规范，且容量不足时缓存反而互相淘汰。

可拿走 ControlGlass 验证技能加功能地图、Dune 导入依赖图禁注释、五层信任金字塔三件套，落到软件工厂的 Agent 派单与验收环节，前提是先有可打分的性能指标和团队资深工程师写技能。

能拿走五种写后读一致性解法及选型决策树，落到 RAG 知识库和 Multi-Agent 共享 Memory 两条线，代价是主库读压力、Token 开销和额外 10-25ms 延迟。

能拿走语义缓存阈值0.85、RPM+TPM双桶预扣、三态熔断三段代码，落到本地模型部署与软件工厂的网关层；代价是向量用字符n-gram散列近似，相似度阈值和Token预估倍数要按业务调。

内置对抗、协调者等四种工作流和跨 agent 记忆，工作流存成 TOML 可进版本库复用；代价是仅限 macOS 26 与 Apple Silicon，且不建 worktree 或沙箱，并行 worker 的文件归属只是约定。

能拿走 Strands Graph 定执行顺序、Agents-as-Tools 让 Supervisor 按需调子 agent、按角色配 Haiku/Opus/Sonnet 并选择性开 Prompt Caching，落到软件工厂的多 agent 编排；代价是要自建 Fargate 沙箱和 VPC 隔离。

把编码 agent 会话写进持久日志，崩溃后由队列换新函数续跑，已完成的模型和工具调用不重跑也不重复计费；代价是 0.0.x 实验版 API，Claude Code 和 Codex 只能跑在 Vercel Sandbox 里。

能拿走的是 40B 总参 2.5B 激活的 MoE 配置、lm_head 量化到 4 bit 再用 16 bit 教师离线蒸馏补精度、以及 Metal megakernel 融合整个 decode 前向，可落到本地模型部署和编码 Agent 这条线；代价是要 48 GB 内存的 Mac 或 GPU，Terminal-Bench 2.1 只有 54.9%，弱于稠密 Qwen 3.8 的 73.0%。