The Agent Watch
简报 · 文章 · 工具 · 关于 EN FR DE ES 中文 IT PT SV FI DA

每日简报

2026年11月9日 · 5 条新闻

🔥 头条

1

Google 把审阅交给一个对项目一无所知的智能体

Google 以开源代码发布了一套审阅方法,一张图就能说清:「大象」带着全部上下文起草规格说明,「金鱼」在完全看不到起草对话的情况下重读一遍。审阅者没什么可辩护的,因为它什么都没写,于是专门揪出那些没说出口的假设、含糊的要求,以及作者跳过的风险。仓库是自由许可,已有超过 15.000 个星标,可安装到 Codex CLI、Claude Code 和 Antigravity 上。三个角色分担这项工作:作者、全新上岗的审阅者,以及一位拍板各项争议的人类。说白了,这就像把一份文件交给没开会的同事——他会问出作者从未想过的问题。来源:https://github.com/google/elephant-goldfish-model

2

Anthropic 讲清智能体的记忆:四层结构,外加一个夜班

Anthropic 公开了它的智能体记忆是怎么搭的。自下而上四层:会话的原始日志、Claude 自己写的笔记、彼此链接的百科式参考页,以及最后一份在每次会话开始时重新注入的短清单。两层之间是一段后台工作,官方称之为「做梦」:在没有对话的时候,系统重读日志、纠正错误笔记、补上缺失的内容、修剪已经过时的东西。数字都公开了:在持续学习基准上,Opus 5.5 靠记忆从 0.655 升到 0.838,Sonnet 5.5 从 0.644 升到 0.833,而 Opus 5 提升最大,从 0.564 升到 0.828。其中一条经验很简单:注入的那份清单必须保持简短。每多送一行上下文都要占地方,还可能削弱服从度。来源:https://www.anthropic.com/research/components-of-agent-memory

3

谁都能下载的模型,已经逼近那款专属模型

Vals AI 让智能体单独攻击两个模拟企业网络 Nova 和 Lighthouse,并清点拿下的目标。在更难的 Lighthouse 上,OpenAI 留给网络安全合作伙伴的专属模型拿下 31 个目标中的 27 个;而谁都能下载的 DeepSeek 拿下 21 个。在更简单的网络上两者打成平手:DeepSeek 拿下 21 个中的 16.3 个,OpenAI 的模型是 15.7 个。价格差距一目了然:用 DeepSeek 跑一次不到 3 美元,用 OpenAI 的模型约 22 美元,差十倍。有一个细节会改变整篇报道的读法——DeepSeek 在最初的 2500 万字工作中一无所获,直到 1 亿字之后才真正推进。短测试会低估便宜模型。对我们自己的服务器,问题已经不是「智能体能不能进来」,而是「用哪个模型、什么价格、花多长时间」。来源:https://www.vals.ai/benchmarks/cyber_offense

4

一家实验室募资 1.2 亿美元,派智能体去查我们的生产故障

Traversal 完成 1.2 亿美元的 B 轮融资,估值达到 10 亿美元。这家公司派出智能体去调查故障,不必等工程师开单。背景是量出来的:42% 的开发者如今用人工智能写掉了大部分代码,一年前这个数字只有 12%,但 52% 的人在代码上线后反而花更多时间排错。Traversal 的月度调查从 513 次涨到接近 73000 次,一年时间。边界由 Anthropic 的运维负责人说明白:大型模型在事件处置上靠不住,因为它们很容易把「同时发生的事」和「造成结果的原因」混为一谈。来源:https://www.traversal.com/blog/traversal-series-b-120-million-ai-sre

5

模型下载毫无障碍,可它的许可证不让你卖

发布方 webAI 放出了 TwIL-8B 的权重文件。这是一款 88 亿参数的推理模型,源自 IBM 的 Granite 4.2。它只有 5 GB 大小,能在台式机上跑:六个权重文件确实可以下载。但在仓库里读到的许可证文件叫「webAI Non-Commercial License ver. 1.0」,其中写明该模型及其衍生作品只能用于研究和教育,绝不可商用。而底层的基础模型走的是 Apache 2.0,既没有营收门槛,也没有排除任何国家。这就是必须避开的陷阱:能下载的权重文件,不等于能拿来做生意的权重文件。这条教训对我们为客户托管的每一个模型都成立。来源:https://huggingface.co/webAI-Official/TwIL-8B

📡 值得关注

一个藏了十年的 SSH 漏洞,由智能体群发现,几小时内就遭利用

一位研究者搭起一群智能体,在十二种 OpenSSH 配置上跑了约 17600 次认证尝试,找出一个漏洞:在基于 musl 的 Linux 系统(如 Alpine)上,不带密码也能登录。该漏洞在 11 月 5 日的 OpenSSH 10.6p2 中修复,公布后数小时内就在真实环境遭到利用。项目维护者如今认为长时间保密反而危险,因为智能体有时几小时就能重新找出同一个漏洞。来源:https://www.bleepingcomputer.com/news/security/openssh-flaw-lets-attackers-log-into-password-disabled-linux-accounts

Adobe 把客服智能体装进了 ChatGPT、Claude、Gemini 和 Copilot

Adobe 的客户体验智能体此前只在 Adobe 自家的工具里使用,如今已上架企业早已在用的平台:ChatGPT、Claude、Gemini for Business、Copilot,Amazon、IBM 和 Snowflake 也即将跟进。Adobe 还为十来款营销工具配好了开箱即用的连接器,全部基于开放标准。思路是:一次请求就足以取回数据、在各系统里执行动作并改善客户旅程,企业自己不必去写这些连接。已有超过 20000 个品牌在使用这些技术。来源:https://news.adobe.com/news/2026/11/adobe-integrates-agentic-cx-enterprise-coworker-into-ai-platforms

Google 把智能体之间的通信从实验阶段扶正

Google 智能体工具箱 2.14 版于 11 月 7 日发布,多块构件走出实验阶段:智能体彼此对话所用的协议、彼此隔离的运行环境、评测工具,以及引擎核心。它新增了与 Teams 对话的直连,还加入一种评测模式,会把每个用例重跑若干次,以测出成功率而不是只看单次结果。Google 同时表示长任务跑得更快。来源:https://github.com/google/adk-python/releases/tag/v2.14.0

给连续工作数小时的智能体准备的一个收件箱

Plannotator 推出一个专为长时间运行的智能体设计的收件箱:智能体把问题、卡住的环节、计划和原型都丢进去,然后继续干活。人有空闲时打开箱子,回答或批注一下,这个回答就成了会话的下一轮。所有内容都留在本机,对话按线索归类。仓库是自由许可,项目在 11 月 8 日发布了多个版本。来源:https://plannotator.ai/inbox/

📊 趋势

今早没有新主角冒头:出场的是那些看不见的部分。智能体在两次会话之间留住的记忆、交给陌生人的那份审阅、由人人都能下载的模型执行一次入侵的价钱、没人召唤就自己跑去查故障的智能体、把问题带回来的收件箱,以及决定下载来的东西能不能卖的许可证。换句话说,今天的问题不再是「哪个模型最好」,而是「一个智能体在一家公司里可以在什么条件下工作」:有限的记忆、对自己工作的新鲜视角、写下来的边界,以及从结果里挣钱的权利。