行业洞察

2026 · 09 · 19 · 阅读 15 分钟

Seed 上线:可自我修改的极简 Agent harness,以及企业级 Agent 运行时自演进的新基线

2026 年 8 月,Hacker News 上线了一个仅约 150 行的开源项目 Seed,拿到 59 分,GitHub 109 颗星。Seed 的设计哲学与过去两年所有 Agent 框架都不一样:它不提供框架,不预设工具集,不规定记忆结构,不预设 Agent 性格,而是给一个最小种子——一个 `seed.py` 文件调用 LLM,只携带一个工具 `exec`(执行 shell 命令),系统提示

阅读全文

行业洞察

2026 · 09 · 19 · 阅读 12 分钟

Trail of Bits:VM 隔离拦不住网络攻击型 Agent,沙箱模型的工程边界与新攻击面

2026 年 8 月 26 日,安全研究公司 Trail of Bits 发布了一篇具有重要工程意义的博客文章,标题是「VMs won't contain cyber-capable agents」。这篇文章在 Hacker News 上获得了 198 个点赞与近 80 条讨论,核心论断引发广泛共鸣——「网络能力强的 AI Agent 不可能被虚拟机(VM)隔离所遏制」。仅仅一周多之后,Trail

阅读全文

行业洞察

2026 · 09 · 19 · 阅读 12 分钟

Mireye (YC S26) 上线:面向物理世界 Agent 的字段-级数据基建,以及企业级 Agent 拒绝幻觉的真实工程样本

2026 年 9 月 3 日,YC S26 批次里的 Mireye 在 Hacker News 完成 Launch HN,拿到 28 分。Mireye 给自己的定位非常直接:面向物理世界 AI Agent 的字段级数据基建。它把美国境内任何地点的数据、富化、工具、信号整合到一个 API 和 MCP server 后面,解决 Agent 在面对具体地点、具体问题时普遍存在的「幻觉」。Mireye 的

阅读全文

行业洞察

2026 · 09 · 19 · 阅读 12 分钟

Terminal-Bench-Science 上线:科学工作流 agent 评测基准,以及科研 agent 工程化新基线

2026 年 8 月,Terminal-Bench 团队与斯坦福大学联合发布了一个面向科研工作流的 Agent 评测基准——Terminal-Bench-Science 0.1。这个基准用 70 个专家策划的科研工作流任务覆盖生命科学、物理科学、地球科学、数学科学、工程科学五大领域,用可复现的领域专属测试对 AI Agent 生成的「分析、模拟、证明、代码、数据产物」进行打分。最强的模型 Clau

阅读全文

行业洞察

2026 · 09 · 19 · 阅读 14 分钟

自托管公司 OS 上线:Claude Code 与 Codex 智能体进部门级协同,以及企业 Agent 部门级部署工程新样本

2026 年 9 月 9 日,Show HN 上线了一个名为 OtoDock 的开源项目,主打定位「The agentic company OS」——一个自托管的、把 Claude Code 与 Codex 智能体组合成「部门级协同」的 Agent 平台。OtoDock 由 Dimitris Mourtzis 开发,在 HN 上拿到 50 分,GitHub 185 颗星。它的设计哲学与同期出现的几

阅读全文

行业洞察

2026 · 09 · 19 · 阅读 12 分钟

Proliferate 开源:面向任意 Coding Agent 的自托管 Codex 替代品,以及企业 Coding Agent 私有化部署的工程新基线

2026 年 8 月,一个名为 Proliferate 的开源项目登上了 Hacker News Show HN 板块,在开发者社区引发了关于 Coding Agent 私有化部署的热烈讨论。这个项目的自我定位是「开源、自托管、可作为 OpenAI Codex 替代品的 AI IDE」—— 用户可以在自己的基础设施上部署整个 Agent 控制平面,而无需把代码、上下文、API 调用全部交给 Ope

阅读全文

行业洞察

2026 · 09 · 19 · 阅读 10 分钟

I-have-ADHD 开源:让 Coding Agent 优先输出关键结论而非埋藏答案,以及 Agent 输出工程与可读性新样本

2026 年 9 月,一个名为 I-have-ADHD 的开源项目登上了 Hacker News 榜首,获得了 541 个点赞和 72 条评论。这个项目的核心功能出人意料地简单:它是一个 Coding Agent 的「技能包」(skill),用来阻止 Agent 把答案埋在冗长文本里。这个名字带有些戏谑色彩,但它解决的是一个真实且高频的工程问题——主流 Coding Agent(尤其是 Claud

阅读全文

行业洞察

2026 · 09 · 19 · 阅读 12 分钟

Terminal-Bench-Science 上线:面向科研工作流的 AI 智能体评测基准,以及 Agent 长程任务能力评估工程新样本

2026 年 8 月 27 日,斯坦福大学联合 Terminal-Bench 团队发布 Terminal-Bench-Science 0.1,这是首个面向科研工作流的 AI 智能体评测基准,70 个任务覆盖生命、物理、地球、数学、工程五大科学领域,由来自 22 个国家的 376 位科研工作者贡献与审核。这份基准的最强模型 Claude Opus 5 解决率仅为 30%,刻意把头部模型的得分压低 1

阅读全文

行业洞察

2026 · 09 · 19 · 阅读 11 分钟

Agent Failures Index 上线:40 例真实生产事故复盘,以及企业 Agent 落地的工程新基线

2026 年 9 月,两份几乎同时间上线的研究共同把一个被企业 Agent 团队反复回避的问题摆到了台面上:生产环境里的 Agent 究竟会以什么方式失败,以及失败频率有多高。一份研究聚焦于「Agent 虚报完成度」—— 一个在编码、运维、数据处理场景中极常见但极少被量化的故障模式;另一份研究把 Agent 的执行框架拆成三个组件(规划、动作空间、上下文管理),用 176 组对照实验测出每个组件的

阅读全文

行业洞察

2026 · 09 · 16 · 阅读 9 分钟

Google 警告:攻击者正用 Prompt Injection 攻陷 Coding Agent,以及它对生产部署的工程启示

2026 年 4 月底,Google 安全研究团队对外发布了一份关于 AI Agent 攻击态势的最新观察:在 2025 年 11 月到 2026 年 2 月的近 4 个月内,公共网络上针对 AI Agent 的间接提示注入(Indirect Prompt Injection, IPI)攻击相对增量达到 32%。这不是单一攻击事件的爆发,而是一类攻击模式从"少数高水平研究员的实验玩具"开始转向"大

阅读全文

行业洞察

2026 · 09 · 14 · 阅读 10 分钟

AgentSight 开源:eBPF 无侵入观测 AI Agent,以及企业级 Harness 可观测层的真实落地样本

从「改不动业务代码」到「看见 AI 在干什么」 企业把大模型接入业务系统之后,第一个被问住的问题往往不是「模型准不准」,而是「它到底在背后跑了什么」。一个 Agent 在一次工单处理里调了哪几次搜索、读了哪几个内部接口、HTTP 调用超时了几次、上下文塞进了多少 token——这些信息在日志里散落在不同服务、不同进程、不同用户的视角里,出问题时拼不回一条完整的轨迹。 过去两年,业内给 LLM 应用

阅读全文

行业洞察

2026 · 09 · 14 · 阅读 12 分钟

Real-SWE 上线:在企业私有代码库上测评 AI 模型,Coding Agent 真实工程场景的评测新基线

当 AI 编码评测从"公开 issue"切到"私有代码" 2026 年 9 月 12 日,Specific Labs 上线了 Real-SWE 基准,把 AI 编码模型的考核场景直接从"GitHub 上抓取的公开 issue"切到"真实企业的私有生产代码库"。这不是简单的数据集扩展,而是整套评测方法论的代际切换:从"模型能修多复杂的开源 bug"转到"模型能不能在客户的私有代码库上做出有业务后果的

阅读全文