Agent 框架

LangChain 構建了 ReviewBench，一個基於真實拉取請求反饋的基準，用於評估代碼審查代理。文章介紹了從真實審查評論中篩選任務、運行方式、評分指標、初步結果以及未來方向。

語音代理的真正難點不是語音識別、大模型和語音合成三件套的簡單拼接，而是流式編排：流式語音識別、話輪檢測、流式生成、打斷處理以及語音約束下的工具調用。本文逐一拆解各環節的職責與易錯點，並給出無需付費 API 即可運行的代碼示例。

Google DeepMind發佈了Gemini Robotics 2，這是其下一代機器人的智能層。該版本包含三個模型：用於全身人形控制的視覺-語言-動作模型（VLA）、用於具身推理和任務編排的Gemini Robotics ER 2，以及可快速適應新機器人本體的設備端VLA。一個檢查點可驅動Apptronik Apollo 2和Franka Duo。僅ER 2公開可用。

LangSmith LLM網關現已公開測試，為生產環境中的代理模型調用提供集中治理層，包括成本控制、速率限制、模型回退和敏感數據保護，幫助團隊避免供應商鎖定並有效管理模型使用。

瞭解Similarweb如何使用LangSmith通過評分標準、忠實度檢查、追蹤和基線比較來評估長篇Agent研究報告。

Perplexity推出了SPACE沙箱平台，用於其Computer AI智能體，重點在於狀態管理而非僅僅隔離。該平台基於Firecracker微虛擬機、Kubernetes和Btrfs文件系統，實現高效快照、暫停/恢復和分支。SPACE比現有方案快3倍，每分鐘快照一次，可回滾一週。安全功能包括RBAC、即時訪問和逐工具控制。未來計劃提供API產品、支持第三方沙箱和本地/混合部署。Perplexity還引入了一種低成本編排器模型。

作者獨自參加2026年ICFP編程競賽，全程僅使用AI（Fable），最終在約200支隊伍中排名前25左右。文章反思了AI的優缺點、測試和編排的重要性，以及AI上下文丟失的挑戰。

本文展示瞭如何使用LangGraph和Strands在Amazon Bedrock AgentCore上構建生產級的多智能體AI系統。以市場監控為例，詳細説明了狀態驅動的工作流編排、基於檢查點的恢復機制以及AgentCore的內存和可觀測性功能。

Diagrid 發佈 Catalyst 2.0，為基於 LangGraph、Microsoft Agent Framework 等框架構建的 AI 代理添加持久執行和證明層，使其在中斷後能從最後一步恢復，並提供不可篡改的執行記錄，適用於金融、醫療等受監管行業。

LangChain數據團隊通過集成Hex、dbt、語義模型和可觀測性，構建了一個可靠的數據代理，將自助分析容量提升了40倍，同時將數據團隊的角色從回答每個問題轉變為改進系統。

研究人員提出了一種名為Pigey的物理代理編排器，它將機器人能力分解為高層管理器和低層策略，在LIBERO-PRO上實現了超過4倍的性能提升，在真實世界的推理任務中取得了接近100%的成功率。

Hydra是一個本地優先的AI編排命令行工具，它通過置信度路由和最優停止算法，在降低成本的同時保證質量。與雲端網關不同，Hydra在本地運行，支持離線操作，並具有問責賬本功能。

Sakana AI 發佈了 Fugu-Cyber，這是其 Fugu 編排模型的安全專用端點。報告顯示在 CyberGym 和 CTI-REALM 上的成功率分別為 86.9% 和 72.1%，略高於 GPT-5.5-Cyber 和 Claude Mythos Preview。訪問需經手動審批、防禦使用策略和代幣計劃。

企業必須控制自己的代理系統、治理、上下文和反饋循環，才能將通用AI轉化為持久的業務優勢。本文闡述了為何通用AI不足以創造差異化，並提供了實現智能所有權的具體策略，包括控制模型、編排、上下文，管理成本、質量和風險，以及構建持續改進的學習循環。

SHACKLE是一個開源的運行時治理層，實時仲裁每個代理工具調用，給出ALLOW/DENY/HITL判決。它包含SP/1.0一致性標準，提供15個哈希可驗證的測試向量，並設有認證級別。與LiteLLM和AutoGen集成，防止失控循環和預算超支。

本文深入探討了構建可靠的代理型AI系統所需的五個核心工程概念：通過MCP協議的工具使用、記憶與上下文工程、規劃與推理循環、多代理編排以及評估與防護措施。文章解釋了為什麼大部分AI代理無法投入生產，以及如何構建穩健的系統。

Kolega Code 是一個本地優先的終端編碼代理，支持多代理編排（Gigacode），適用於大規模代碼審查、遷移等任務。它允許多個專業子代理並行工作，支持多種模型提供商和路由，具備計劃與構建模式，以及豐富的工具集。

本文提出AINTMA（智能體智能測試管理架構），這是一個多智能體AI系統，旨在將傳統測試管理轉變為自主質量智能生態系統。該系統部署了六個專門的人工智能代理（測試發現、風險評估、強化學習優先級排序、執行編排、生成式質量智能和雲安全監控），通過安全的雲原生微服務基礎設施進行協調。評估表明，在12個異構軟件項目上，測試優先級排序準確率達88.4%，測試周期時間減少43%，缺陷逃逸率從8.3%降至2.1%，9個月投資回報率達340%。

Bohay 是一個開源終端工具，為多個AI編碼代理提供統一的監控和管理界面，包括代理狀態跟蹤、會話持久化、編排協作、Git集成、遠程SSH支持以及macOS劉海面板。

Kalytera是一款面向生產環境的AI代理評估工具，能夠自動捕獲每個步驟的失敗、用通俗英語指出根本原因，並發現重複出現的失敗模式。它提供100%流量覆蓋，支持LangChain、CrewAI等框架，免費層每月可評估10,000次會話。

本期內容包括：Jensen Huang 與 Harrison 探討開放代理系統的未來，發佈 NVIDIA NemoClaw for LangChain Deep Agents 藍圖；LangSmith Sandboxes 免費試用、Fleet Slack 集成、語音追蹤；開源項目 OpenWiki Brains、Deep Agents 與 Harbor 統一評估棧、RLMs 動態子代理；新課程《Deep Agents 入門》；以及多場線下活動和客户案例。

深度代理的開發因評估困難而頗具挑戰。我們最近改進了評估框架，利用 Harbor 在編碼、對話和檢索三大領域進行端到端評估，並分享了我們的實踐方法。

Motorway與AWS合作構建了端到端評估管道，將錯誤結果從每8次查詢1次減少到每50次1次，並將問題檢測時間從幾小時縮短到幾分鐘。該管道結合了Strands Agents SDK與Amazon Bedrock AgentCore，本文介紹瞭如何為您的代理構建此管道。

AgentNest 是一個開源運行時，用於在安全、可丟棄的沙箱中執行 AI 代理代碼。它支持 Python、shell 命令、文件、包、瀏覽器、GPU 和 Git，具有精細的網絡策略、有狀態的會話和可分支狀態。自託管且可擴展，與 LangChain、MCP 等集成。

本文介紹了Databricks如何利用Lakebase Postgres為AI代理構建一個可擴展、容錯的任務隊列，無需外部中間件。通過四個Postgres原生模式，實現了併發優先級感知的調度、基於租約的崩潰恢復、速率限制感知的節流以及冪等回調。同時，結合LISTEN/NOTIFY和SSE實現了實時操作儀表板。該架構已在CLA的審計解決方案中得到驗證，將文檔提取時間從數小時縮短至數分鐘。

AI Maestro是一個開源工具，通過將軟件交付流程編排為AI代理團隊而非單一對話，實現對任務板的智能管理。它支持基於任務板的票證路由、隔離的Git工作樹、可複用的技能庫以及可視化控制台，旨在提升多代理協作效率。

LangChain 發佈了評估工程技能，該技能通過檢查代理的倉庫結構和追蹤記錄，以訪談方式提出評估方案，並生成可執行的 Harbor 格式評估任務。

本文總結了LangChain團隊三年來使用LangGraph構建代理系統的經驗。圖工程並非新概念，而是構建可靠代理的成熟方法。文章介紹了何時使用圖、何時避免使用圖，以及從實踐中總結的關鍵教訓：代理圖通常不是有向無環圖（DAG），循環是簡單的圖，動態轉換很重要。

Apollo 使用 Deep Agents 和 LangSmith 驅動其 AI 助手，實現從潛在客户挖掘、信息豐富、外聯、分析到 MCP 集成的完整 GTM 循環。

LangSmith現已支持對基於Pipecat、LiveKit、OpenAI Realtime和Gemini Live構建的語音代理進行追蹤。可以捕獲音頻、STT和TTS延遲、中斷、工具調用等信息，並整合到一個追蹤中。

到2026年中，自主AI架構已演進，原生推理模型取代了編排循環，多智能體蜂羣和通過MCP標準化的工具協議成為主流。本文涵蓋如何設計無狀態專業智能體、記憶圖和安全模式。

AskCodi是一種AI工具，旨在大規模編排智能體同時降低成本。

Open-Kritt 是一個開源、自託管的 AI 安全研究平台，通過編排 AI 代理並行執行細化任務，幫助安全研究人員和開發者高效發現代碼漏洞。項目團隊此前在漏洞懸賞中累計獲得超過150萬美元獎金。

LangChain 構建了 IssueBench，這是一個合成基準測試，用於評估 LangSmith Engine 在代理軌跡中識別、分類和分組問題的能力。本文介紹了 IssueBench 的構成、評分方式以及構建過程中的經驗教訓。

AI代理正成為生產基礎設施的一部分，但隨之而來的是治理挑戰。本文提出了一個框架，通過LLM網關在運行時強制執行策略，涵蓋安全性、身份認證、審計日誌、數據隔離等基礎，並提供了三種常見切入點（可見性主導、控制主導、保證主導）。網關與追蹤、評估、監控系統集成，實現持續改進。

本週精選包括如何用註冊表模式替代If-Else鏈、降低LLM延遲和推理成本的12種方法、五個真實SQL項目構建數據作品集、Git Worktrees用於AI開發、用Outlines進行結構化語言模型生成、七個用於編排本地AI代理的Python框架、10個保持AI前沿的YouTube頻道、Conductor for Gemini CLI入門、五個免費資源學習Agentic AI以及Pi編碼代理的工作方式。

Google Cloud 的生成式 AI 存儲庫發佈了一個參考實現——Always-On Memory Agent，它將記憶視為一個持續運行的進程。該系統基於 Google ADK 和 Gemini 3.1 Flash-Lite，不使用向量數據庫或嵌入，而是通過編排器將請求路由到攝取、整合和查詢子代理，這些代理持續地讀取、連接和將結構化記憶寫入 SQLite。

LangChain 發佈了一個開源提取服務的託管版本，支持從 PDF、HTML 和文本文件中提取結構化數據。該服務免費使用，但不宜用於生產環境或敏感數據。它允許用户定義提取模式、添加少量示例，並切換不同的 LLM 模型。通過一個簡單的用户界面，開發者可以快速實驗並集成到自己的 LangChain 工作流中。

文章討論了金融服務業中代理型AI（Agentic AI）的ROI證明問題，指出傳統監控工具無法處理多代理系統的動態成本結構。通過兩個實際用例——RFP處理流程自動化和反洗錢合規監控，展示瞭如何利用LangChain平台（含LangSmith和LangGraph）與Pay-i經濟智能平台結合，將工程級可觀測性連接到業務價值，從而向領導層證明AI投資回報。

Athena是Shoplazza推出的AI編排代理，旨在統一管理整個商業技術棧，簡化電商運營流程。

OpenWiki 0.2 版本增加了對 OKF（一種知識 wiki 結構化標準）的支持，使開發者能夠更好地組織和分類代碼庫文檔，提升代理檢索效率並減少令牌消耗。

Democr.ai 是一個開源的自託管代理AI運行時框架，集成了服務器驅動UI、多客户端渲染、多租户、RBAC、OS級沙箱、三層審計、可插拔AI引擎編排、知識子系統等核心功能。其核心理念是“一切皆模塊”，無供應商鎖定，強調安全作為原語。項目仍處於測試階段，但架構已面向生產級約束。

Cybara 是一個自託管的 AI 代理操作系統，結合了 Bun 代理運行時、Web UI、CLI、桌面應用、移動伴侶、加密錢包控制、多平台消息通道適配器和 MCP 支持。它支持多代理編排、瀏覽器自動化、安全消息傳遞和加密錢包操作，適合開發者和運營商。

根據VentureBeat Pulse Research對101家企業的調查，企業代理編排正在向模型提供商平台集中，Anthropic的Claude以40%的使用率領先。然而，大多數部署的“代理”仍是簡單的聊天機器人包裝，真正的多步驟編排工作流僅佔少數。企業預計到2026年底採用混合控制平面以避免供應商鎖定，但實時成本控制仍不成熟。

LangChain的Fleet平台新增一鍵部署功能，允許用户無需編碼即可創建併發布AI代理到Slack。代理可擁有自定義身份，在頻道和線程中工作，並支持權限控制和審批流程。

Atlassian 宣佈擴展 Jira，新增 Jira Planner、Jira Coding Agent 及第三方代理集成，旨在將 Jira 打造為開發者與 AI 代理協同工作的控制平台，解決規劃與協調瓶頸問題。

為了讓AI智能體真正自主執行任務，它們需要一個隔離、安全且可快速部署的計算環境。本文介紹了智能體為何需要自己的“計算機”，以及LangSmith沙箱如何通過微虛擬機隔離、快照與分支、認證代理和安全執行等特性滿足這一需求。同時討論了提示注入等安全風險及緩解措施。

本文介紹了七種Python工具，工程師在2026年實際使用它們來在本地基礎設施上構建、協調和運行AI代理，涵蓋從模型運行到決策編排的各個層面。

TormentNexus是一個本地優先的開源AI控制平面，為多代理工作流提供持久記憶、MCP工具編排和自主基礎設施管理。它支持38+ AI編碼代理，具有漸進式工具路由、雙層記憶架構和羣集協調等功能。

本文介紹了一個基於Strands Agents和Amazon Bedrock AgentCore構建的多智能體系統，用於自動化從潛在客户發現到個性化郵件生成的流程。文章比較了Swarm和Graph兩種編排模式，通過頭對頭基準測試評估延遲、成本和郵件質量。系統使用四個專門智能體、加權評分和時態衰減，並提供了生產部署的治理控制。