Google 用 Agents CLI 演示智能体评测循环：从基线到回归告警
Google Developers Blog 以 Agents CLI v1.8.0 的 LangChain 模板为例，完整走了一遍智能体评测循环：eval generate 生成轨迹、eval grade 打分、eval compare 对比两次运行。
#Agent
Google Developers BlogAI 评分5858 Hacker News AIAI 评分5858 Synadia 发布 NATS 智能体协议，用发现、对话、心跳统一多智能体通信
Synadia 发布面向 AI 智能体的开源 NATS 协议，让任意框架构建的智能体在同一 NATS 系统上被寻址、提示和监测。
Hacker News AIAI 评分4040 IFTTT 更名为 IFTTT.ai，接入 ChatGPT、Claude、Gemini 与 MCP
IFTTT 现已更名为 IFTTT.ai，并新增 AI 能力：可连接 ChatGPT、Claude、Gemini 及自定义训练的 Agent，在工作流中完成摘要、翻译和内容起草。平台还提供 IFTTT.ai MCP server，让 AI 工具接入其服务与自动化，用户也能用一句提示词构建自动化。IFTTT.ai 称其覆盖 1,000+ 应用、服务与设备，用户超 32M。
Pydantic AI Articles精选AI 评分7474 Pydantic AI 基准测试：code mode 让长任务成本降 58%、耗时减半
Pydantic AI 团队用五个小型 CRUD 应用、八款模型和 5,276 次评分运行对比 code mode 与普通工具调用，长任务上成本降 58%、实际耗时降 51%、成功率提升 16 个百分点。
推荐理由：作者用 5,276 次自建基准测试对比 code mode 与普通工具调用，给出长任务下成本、耗时与正确率的具体变化。
MarkTechPostAI 评分6060 MiniMax 开源 MCode Stack：17 个 Agent 技能与 5 份检查清单
MiniMax 于 2026 年 10 月 28 日以 MIT 协议开源 MCode Stack，包含 2 个技能栈、17 个 SKILL.md 技能（Ronny 15 个、Jiachen 2 个）和 5 份检查清单，均为纯 Markdown，不含 MiniMax Code 源码。
Claude BlogAI 评分3434 Claude Enterprise 上线智能报告、应用内调研与团队共享预算
Claude Enterprise 正式开放智能报告、应用内调研和团队共享预算三项功能。智能报告可分析团队对话样本、按工作流归类并给出支出与建议，应用内调研收集成员反馈，共享预算让团队共用一个月度额度并在 50%、75%、95%、100% 时邮件告警。
Databricks BlogAI 评分3636 Databricks 谈语音智能体：用上下文让语音客服产生真实客户价值
Databricks 提出语音智能体的"对话层 + 大脑"架构，由 LiveKit 承载通话、Deepgram 负责语音转文字与默认音色、ElevenLabs 提供表现力音色，Databricks 提供负责上下文、本体与治理的"大脑"。
The DecoderAI 评分7272 Google 在 Android Dev Summit 开放 Android Studio 第三方 AI Agent 接入并发布新 Gemini API
Google 在 Android Dev Summit 上为 Android Studio Rabbit 2 推出 Bring Your Own Agent 功能，开发者可通过开放 Agent Client Protocol 在 IDE 内运行 Claude、Codex、Google Antigravity 等 40 多个编码 Agent。
TechCrunch · AIAI 评分6060 Google 推出 Connected Apps 平台，向开发者开放 Gemini 与搜索接入
Google 发布 Connected Apps 平台，允许企业和开发者把自己的应用接入 Gemini 与 Google Search，目前以 beta 形式面向美国开发者开放。
TechCrunch · AIAI 评分5555 Chrome 的 AI 自动填充可读取 Gmail 内容填写表单
Google 为 Chrome 推出增强版 AI 自动填充，可从用户的 Gmail 中提取航班确认号、会员 ID、物流信息、订单号、地址、电话和信用卡号等信息填入网页表单。
The Verge · AIAI 评分5858 Chrome 增强自动填充接入 Gmail，可自动填入快递单号和预订信息
Chrome 的增强自动填充功能开始借助 Gemini with Personal Intelligence，从 Gmail 中提取信息来建议表单内容，包括快递单号、航班预订号、酒店预订和近期订单号。该功能今日起在美国面向开启 Personal Intelligence 的桌面、Android 和 iOS 版 Chrome 用户推送，建议中的敏感数据保持加密，用户可在设置中管理权限或关闭该功能。
Hacker News AIAI 评分5252 Tellers 开源 Agent 视频剪辑技能，可在浏览器实时预览时间线
Tellers 在 GitHub 发布 tellers-ai/skills，提供 tellers-otio-player 和 tellers-mcp 两个 Agent 技能，用于让 AI 智能体剪辑视频。
Hacker News AIAI 评分5858 Clonecode 上线：复制任意网站到本地并生成 AI 重建套件
Clonecode 发布网页复制工具，把站点打包成可双击本地运行的镜像，并附 DESIGN.md、tokens.json 和面向 Claude Code、Cursor、Lovable、v0、Bolt、ChatGPT 的提示词。
Hacker News AIAI 评分4242 租模型、自建 harness：如何打造模型无关的 AI 智能体
Werk 提出用自建 harness 与模型解耦的方式构建模型无关的 AI 智能体：模型只负责理解与提议，harness 决定读取、修改和记录什么。其四项做法包括通过自有接口调用模型、按任务等级而非指定模型分配、统一输入格式、把不变内容放在前面；文中引用 DeepSeek Harness 上一名用户在 650 次请求中测得 98% 缓存命中率。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Carbon 前沿模型
Google DeepMind 发布 Gemini 4 Carbon，称其在网络安全与长周期任务上达到当前最优，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。
推荐理由：官方披露了 Carbon 在网络安全与长周期智能体任务上的基准成绩和分阶段开放方式，可据此判断前沿模型的发布节奏。
Mastra BlogAI 评分3636 Mastra 推出 Span Queries，可细粒度过滤与聚合单条 span
Mastra 平台与 Studio 上线 Span Queries，支持按时间范围、span 类型、名称、状态、错误、耗时等条件过滤或分组单条 span，而非返回整条 trace。
Hacker News AIAI 评分2222 Blockchain IQ 公布通过洁净环境验证的 x402 AI 智能体数据 API 集成
Blockchain IQ 公布 4 个通过验证的 x402 集成：LangChain、ElizaOS、Cloudflare Agents 和 Coinbase AgentKit，各获 125-150 美元 USDC 赏金。
The DecoderAI 评分5858 Anthropic 为 Claude for Legal 新增自动核验来源的 artifacts 功能
Anthropic 为 Claude for Legal 推出新的 artifacts 功能，可自动核验引用并把每条陈述链接到原始来源，再由律师复核结果。
The DecoderAI 评分4242 OpenAI 柏林 DevDay：Dots 将登陆欧洲，重点是把开发者锁进平台
OpenAI 在柏林 DevDay Exchange 2026 上表示，AI 助手 Dots 预计"几周内"在欧洲更广泛上线，欧洲经济区、瑞士和英国的个人 Pro 账户目前仍无法使用。
Hacker News AIAI 评分5858 WOML 开源：用类 HTML 标记语言构建工作流与 AI 智能体
开发者 dalibenothmen 在 GitHub 开源 WOML（Workflow Orchestration Markup Language），用 HTML 风格的 .woml 标记描述触发器、步骤、分支、循环和并行，用内联或导入的 JavaScript/TypeScript 写逻辑，由运行时负责重试、状态、持久化等待和执行历史。
Hacker News AIAI 评分5555 面向 AI 任务的渐进式确定性：让 Agent 把探索测试固化为 Playwright 脚本
作者提出“渐进式确定性”方法，让 AI Agent 先动态探索应用结构完成测试，再把交互固化为可复用的 Playwright 脚本，下次优先运行脚本。脚本失败时 Agent 回到探索模式定位原因并自动修复，例如把按钮定位从 Add 改为 Create task，修复后需通过原有断言才保留；功能确实消失时则交由人工或 LLM 判断是否删除测试。
Hacker News AIAI 评分6060 AI 智能体为何成为混淆代理：授权该以谁的身份执行
文章指出，给 AI 智能体一个宽泛的服务账号，会让它的每次工具调用都以平台而非用户身份被授权，一条藏在工单里的提示词注入就能变成合法写入。作者提出有效权限应是用户、智能体与租户三者的交集，并在模型之外的网关按工作负载认证、on-behalf-of token 校验、租户绑定、策略评估的顺序逐级 fail closed。
Hacker News AIAI 评分5858 Bot2bot 上线智能体互传中继：端到端加密，每天免费 50 条
Bot2bot 推出一个让个人 AI 智能体互相发消息的中继服务，消息在离开用户智能体前完成端到端加密，平台方无法读取内容。用户可通过 setup bot 接入 Grok Bot，按家人、朋友、工作分组，并设置 22:00 至 08:00 的免打扰时段，夜间消息在早上 8 点汇总。产品强调消息不是指令，若对方智能体试图下达命令，用户的智能体会转述并交由本人决定；每天免费 50 条消息。
Replit BlogAI 评分4242 Replit 详解 Agent Habitat 安全架构：如何安全地让 AI 智能体干活
Replit 公布其 Agent Habitat 的安全架构，通过组织级策略边界、企业连接器管理和凭证代理（credential broker）等机制，让 AI 智能体在可控范围内访问公司系统。
OpenRouter AnnouncementsAI 评分5858 Claude Code 用量额度用尽后如何继续编码：OpenRouter 给出切换教程
OpenRouter 发布教程，说明 Claude Code 触及 Claude 套餐的五小时和每周额度后，可改用 OpenRouter API key 按 token 计费继续编码，模型仍是 Anthropic 的 Claude。
Artificial Analysis Articles精选AI 评分7272 GitHub Copilot Fusion 调度 Anthropic 与 OpenAI 模型以平衡性能与成本
GitHub 在 GitHub Copilot 中发布 Copilot Fusion，在 Anthropic 与 OpenAI 的多个模型之间做运行时调度，按任务优化性能、成本和延迟。
推荐理由：Artificial Analysis 用 Coding Agent Index 实测 Copilot Fusion，给出成本、token 用量与三项基准的分项对比。
Hacker News AIAI 评分2222 Show HN：编码智能体 UserRank 检测你已用和缺失的 AI 实践
UserRank 以 Claude 和 Codex 插件形式发布，安装后说一句 "Get my UserRank" 即可扫描任意文件夹，识别你已在用和尚未采用的 AI 实践。它需要 Python 3，Mac 提示安装开发者工具时选是，也可改用 Quick scan。
Hacker News AIAI 评分3838 Show HN：观看 AI 智能体实时构建 Pullboard
Pullboard 是一个开源项目，其看板由 AI 智能体自行构建：每个智能体认领一项任务，由另一个智能体评审，通过后合并落地。页面提供只读实时视图，展示各智能体的构建、评审、空闲状态及每小时落地数量。
Hacker News AIAI 评分3838 Surge AI 推出 DAYJOB: Tax 基准，用 50 个专业税务任务评测 AI 智能体
Surge AI 发布 DAYJOB: Tax 基准，包含 8 个税务领域的 50 个任务环境，以 95% 评分标准下的 pass@1 衡量智能体表现。Claude Sonnet 5.5 以 10.8% 通过率居首，Claude Fable 5.1 和 Claude Opus 5.5 分别为 9.6% 和 9.2%。
NVIDIA NewsroomAI 评分5858 NVIDIA RTX Spark 笔记本更新：新增 Nemotron 3.5 Transcribe 与 Agent 资源管理
NVIDIA 为 RTX Spark Windows 笔记本带来一批更新，包括开放权重的语音模型 Nemotron 3.5 Transcribe、NVIDIA App 中在前后台应用与后台 Agent 之间分配 GPU 资源的控制项，以及 LFM3 系列模型的 day-zero 支持。
Claude BlogAI 评分5656 Anthropic 为法律工作推出可复用 artifacts 与法律画廊
Anthropic 推出面向法律专业人士的可复用 artifacts，并上线法律画廊，覆盖合同审查、监管变化追踪、业务法律请求接收等任务。每个 artifact 自带示例，输出结果附来源链接，并可通过 connectors 接入团队已有的 playbook 和研究资料。
ElevenLabs BlogAI 评分2424 Lettuce 用 ElevenLabs Ads Engine 将创意广告制作从一周多缩短到一分钟内
Lettuce 的增长团队用 ElevenCreative 中的 Ads Engine 连接 Meta 账户，把表现最好的广告在约 45 秒内生成新版本并推回投放，创意成本降低约 75%，单条线索成本比其他同期创意低 40% 至 60%。团队只需用提示词描述改动，创意总监和效果营销人员审核后即可上线，当前 Meta 表现最佳的广告正是经过 15 到 20 次迭代产出。
Hacker News AIAI 评分4545 Cisco 开源检测 AI 智能体黑客行为的工具
Cisco 开源了一款用于检测 AI 智能体在攻击活动中行为的工具。该工具面向 AI 智能体在入侵过程中留下的活动痕迹进行识别，目前已在 Hacker News 上引发讨论。
Hacker News AIAI 评分6060 CleanSlate 开源 AI 工作台发布 1.2.0，支持共享程序性记忆
CleanSlate 发布开源 AI 工作台 1.2.0，把 Agent、项目对话、浏览器、终端和文件变更审查整合在基于 VS Code 的桌面环境中。其程序性记忆由 MuscleMemory 提供，只有最后一次代码修改后测试通过、再经两次独立通过检查和用户批准，任务步骤才会被记录为可复用技能，并可导出为 SKILL.md 供 Claude Code 或 Codex 使用。
Simon WillisonAI 评分6060 vibe coding 游戏在 2026 年 10 月迎来拐点
Simon Willison 认为 2026 年 10 月是 vibe coding 游戏的拐点，他用 Claude Opus 5.5 在完全不看代码的情况下做出四个自己真正爱玩的浏览器游戏，其中 Battle Drones 已以 Apache 2.0 开源。
Hacker News AIAI 评分1818 Show HN：Agent-B.V. 为 AI 智能体提供对抗性测试与链上报告
Agent-B.V. 在 Show HN 上亮相，为 AI 智能体提供对抗性测试和链上报告。该工具目前获得 1 分、0 条评论。
Hacker News AIAI 评分2525 用 OpenRouter 在 Python 应用中接入多个 AI 模型
OpenRouter 可用于在 Python 应用中统一接入多个 AI 模型。该文章围绕这一用法展开，介绍如何在 Python 应用里通过 OpenRouter 调用多个 AI 模型。
Hacker News AIAI 评分6666 Cisco 开源 Project Quarry，面向 AI 智能体行为的检测语言
Cisco 开源 Project Quarry，一种用于描述和检测 AI 智能体行为的神经符号规则语言，同时开放评估引擎。规则可组合机器学习分类器、LLM 判官与确定性检查，覆盖单轮和多轮 LLM 对话、工具调用、MCP 交互与多模态输入，命中时返回具体步骤、字段和脱敏后的证据片段。
Hacker News AIAI 评分3535 小型测试：AI 购物助手为何混淆 Goth Ninja、Amekaji 等小众时尚风格
一项针对 Daydream、Encore 和 ChatGPT 的小型测试发现，AI 购物助手在把 8 种小众时尚美学转成具体品牌时频繁跑偏：Daydream 在 Amekaji、Quiet Luxury、90s Ura-Hara、Acubi 四个风格中命中的记录品牌数均为 0，Goth Ninja 仅 7 of 112。
Hacker News AIAI 评分2222 boqmanager 推出 AI 优先的端到端建筑工程管理软件
boqmanager 上线 AI 优先的建筑工程管理平台，可从图纸或自然语言描述生成工程量清单草稿，并覆盖多 BOQ 项目、采购下单、排期与现场日报。