Agent 智能体 最新动态

把屏幕编译成带置信度的元素 id 树再按名字调用，能替掉截图式 computer use 的坐标猜测；代价是要接 MCP 并做 consent 授权，canvas 类应用仍得回落到截图。

可借鉴其长会话防退化设计，压缩时安全切点不拆工具调用与结果，重复调用按 3/5/8 次逐级提醒、12 次硬停，超长输出落文件留指针；代价是需自建摘要与规范化逻辑。

自托管 Firecracker microVM 沙箱，冷启动 10.5–10.9ms、exec 往返 220–250µs，可替换容器跑 AI 生成代码；代价是需 KVM 与单节点自建，预暖池、出网防火墙等仍属计划中。

可把仓库转成每 agent 独立 worktree、端口和数据库的隔离槽位，用统一 verify 步骤留下日志与树哈希证据，替代手写脚本和 CLAUDE.md 散落约定，代价是要先 har onboard 生成 .har/ 契约并维护模板漂移。

四层框架可直接搬：手写小数据集加审核过的合成用例、固定 harness 与环境快照、按 pass^k 多次跑、用二元检查验轨迹，代价是每个用例要跑 k 次且 judge 需人工标注校准。

可参考它按推理档位（high/xhigh/max）分档跑编程任务的成本曲线，用来决定哪段任务交给便宜模型；代价是重构类任务仍明显落后旗舰，且权重10月23日才放出。

能拿走三层混搭路由方案和逻辑路由的提示词模板，落到知识沉淀与本地部署的检索链路上，代价是示例问句库要持续维护、LLM 路由每次多 500ms 和 token 开销。

能拿走一套可复用的路由决策请求结构，把分类、复杂度、阶段胜任度拆成独立问题一次调用，落到本地模型部署和软件工厂的模型选型上；代价是要自己写评分标准和阈值，历史裁剪与证据完整性得单独处理。

可借鉴双层递归加Propose-Probe-Compose的脚手架自改流程，把每次调试记录沉淀成EXPERIENCE.md经验库供后续任务检索，代价是每轮要多跑候选轨迹做行为对比。

可借鉴其监控架构：让 agent 先写监控 spec，再由确定性系统执行，比纯 agent 循环 token 更省、信号更干净；前提是接好代码库与可观测栈，并自建降噪启发式和标注评测集。

能直接拿走 output_config.format 传 JSON Schema 和 strict tool use 两套写法，换掉现在靠重试和正则兜底的解析层；代价是 schema 必须 additionalProperties:false，新 schema 首次请求要编译语法，缓存 24 小时且改结构即失效。

可拿走三招：给共享前缀单独设缓存断点、把参考索引塞进 prompt 免掉前几轮读文件、多 reviewer 共用同一前缀由第一个写缓存其余读。前提是接受首请求多等最多 20 秒，且要逐档核对 effort 降级后是否漏掉真问题。

在 vLLM 的 P-D 分离部署里开启 bidirectional_kv_xfer，让 decode 节点把 KV 回传给 prefill 复用，可换掉每轮重算整段历史的做法；代价是要配 KV-cache 感知路由，并调好 480 秒 TTL 和 64 token 重算阈值。

能拿走的是把决策任务改成一次前向打分而非逐词生成，配合 schema 定义问题；可落到本地模型部署和 Agent 工具调用前置校验，代价是 27B 模型本地跑需足够显存，且基准数据来自 Cloudflare 自评。

可拿走九阶段评估闭环的具体配置，包括哨兵集15例、30分钟批量评估窗口、连续三窗才告警、工具调用冻结回放；落到软件工厂的 CI/CD 回归门禁，代价是要先建金标集和六类失败分类器。

能直接 ollama run beam:cloud 或 ollama launch claude/codex/opencode 接入，把编码与多步工具调用交给 501B MoE 模型，代价是限时免费且走云端、本地无法自托管。

能拿走混合注意力与残差缩放的具体配比、vLLM/SGLang 启动参数和 LoRA SFT 配方，落到本地模型部署线；代价是 BF16 权重约 1TB，需 4 张 B200 或 8 张 H200 起步。

开源权重加训练配方和数据集，可拿 120B 的 Super VL 做多模态文档解析与工具调用，或把 Bolt 74B-A9B 用 2-bit 量化塞进 24GB 本地跑 agent，代价是要自己接 NeMo 做后训练。

能直接照抄 Together API 的调用示例和 meta-models/Muse-Spark-Open-816B-A42B 模型名接入，落到软件工厂的长任务编码线；代价是 1M 上下文按 $1.25/1M 输入、$4.25/1M 输出计费，缓存输入才降到 $0.15。

能拿走 BF16/NVFP4 两种 checkpoint 的部署配方、llama.cpp 2-bit 量化在 512GB Mac 上跑 18 tokens/s 的实测，以及只训注意力层 LoRA、冻结专家的 TRL 微调脚本；落到本地模型部署和软件工厂两条线，代价是 816B 全量专家常驻内存，BF16 约 1.5TB。