Sierra 在慕尼黑开设办公室，服务德国、奥地利和瑞士企业

Sierra 宣布在慕尼黑开设办公室，服务德国、奥地利和瑞士的企业客户。Sierra 帮助企业构建客服与营收 AI 智能体，客户包括全球领先银行中的三分之一、Fortune 50 中的 40%，BBVA 的智能体 30 天上线，Next 用 42 天，Singtel 用 56 天。

Noah Zweben@noahzwebenAI 评分4141

为了让 Claude 具备主动性，我们做了大量研究。数据显示，未经提示的消息减少了约 45%——Claude Tag 既能更好地感知你工作全局的上下文，也更懂得何时保持安静。 最棒的是——Monitoring 也不收费！ https://claude.com/blog/claude-tag-now-reads-even-more-of-the-room

Firetiger 团队加入 Cursor

Cursor 宣布 Firetiger 团队加入。Firetiger 由 Rustam Lalkaka 和 Achille Roussel 于 2024 年创立，构建监控发布、发现回归、调查事件并将发现反馈给编程智能体的智能体。双方将打通从编写代码到生产环境运行的路径，这项投入还包括 Git forge Cursor Origin 和即将推出的 Change Monitors。

Google DeepMind 发布 Gemini 3.7 Flash，聚焦编码与 Agent 能力

Google DeepMind 发布 Gemini 3.7 Flash，定位为迄今最智能的编码与 Agent 主力模型，距 Gemini 3.6 Flash 发布仅三周。

Sierra 谈智能体时代的纵深防御：用 AI 守护 AI

Sierra 提出在智能体时代以"纵深防御"保障 AI 行为边界，让每条客户消息在回复前经过内容、规则与政策、监督模型、确定性守卫等多层检查，单条消息可触发多达六项校验。Sierra 的智能体基于目标与护栏构建，可自主推理而非沿预设流程执行。运行时之外还包括持续评估、持续监控与上线前 Simulations 压力测试。

DeepSeek@deepseek_ai精选AI 评分6868

DeepSeek 发布 DeepSeek Harness v0.1 开发者预览，面向全球构建 agent harness 的开发者开放，代码库以 MIT 许可证开源。

Cursor 获得 AIUC-1 智能体安全与可靠性认证

Cursor 宣布通过 AIUC-1 智能体安全、安全性与可靠性认证，该标准结合独立审计与对抗性测试，由 Schellman 审计，并获 MITRE、Cloud Security Alliance 及 Stanford 研究人员技术支持。

Cursor 推出构建功能，云端智能体启动速度提升至 3 倍

Cursor 推出构建，即在后台预先准备好的可直接使用的开发环境副本，默认每小时创建一次，无需额外费用。智能体直接在已就绪环境中启动，Cursor 内部环境启动快 10 倍、首个 token 生成快 3 倍；构建失败时智能体回退到上一次成功构建，8 月 17 日起所有环境默认启用。

DeepSeek-V4-Pro 正式版上线，Agent 能力提升并支持 Responses API

DeepSeek-V4-Pro 正式版已在 APP、网页端和 API 上线，模型名 deepseek-v4-pro，API 调用方式不变。官方称 Agent 能力大幅提升，生产环境性能表现提升尤为显著，并公布 HLE (wo / w tools) 42.7/60.0、Terminal Bench 2.1 87.9、NL2Repo 61.5 等基准成绩。

Sierra 推出 Horizon 智能体：把"跟进"变成保险销售的成交环节

Sierra 的 Horizon 智能体可为保险客户提供长周期主动跟进，从报价到成交持续数天、数周甚至数月，直到客户购买或放弃。文中示例中，AI 智能体 Jamie 在客户保存报价后当晚即发短信，第 4 天解答保险条款并演示加购影响，第 7 天完成电话确认，客户当晚即购买保单。Sierra 称该智能体遵循企业及行业最佳实践，沟通内容由企业控制。

Cursor 与 SpaceXAI 联合发布 Grok 4.6，聚焦长时间运行的智能体任务

Cursor 与 SpaceXAI 发布 Grok 4.6，基于 Grok 4.5 打造，专注于长时间运行的智能体、复杂交互和视觉工作。

OpenRouter 上线实时网络搜索基准：比较引擎、深度与模型的取舍

OpenRouter 发布实时网络搜索基准榜单，覆盖 BrowseComp、DeepSearchQA、WideSearch 和 HLE 四套评测，比较模型、引擎（Exa、Parallel、Perplexity 及 OpenAI、Anthropic、Google 原生搜索）、搜索方法与预算的组合。

Google Research 推出 AMIE (Video)：实现实时音视频临床问诊，表现达到专科医生水平

Google Research 发布 AMIE (Video)，基于 Gemini 和 Project Astra 构建实时视频临床问诊系统，采用 Talker、Planner、Perception 三个并行智能体的异步架构。

Sierra 为智能体推出开箱即用的 IVR 电话导航能力

Sierra 推出开箱即用的 IVR 导航能力，让智能体能打电话穿越多级菜单、判断何时沉默、发送 DTMF 按键音并识别真人接听。评测显示开启该功能后整体通过率提升 49%，从 57% 到 85%，其中「联系到人」类任务提升最大；客户包括一家 top 5 医疗支付方和一家全国性数字药房。

IBM Research 比较.ALTK-Evolve 与 ACE：同一套经验，按需交付可大幅降低推理 token

IBM Research 在 AppWorld 上自跑对比 ALTK-Evolve 与 ACE，两者都把智能体历史轨迹转成可复用经验且都不压缩经验，核心差异在交付：ACE 每步注入完整 playbook，ALTK-Evolve 按模型能力选择性检索 guideline。

为什么 Go 是 AI 辅助软件工程的理想语言

Google 发文论证 Go 是 AI 辅助软件工程的理想语言：当 AI 智能体可秒级生成数百行代码，开发者重心从编写转向审查与维护，语言的可读性和工具链一致性变得更重要。Go 自带格式化、测试框架、依赖管理与安全工具，能让 AI 更快、更便宜、更可靠地处理代码，并减少上下文窗口污染与 token 成本。

Import AI 468：23 条应对 RSI 的政策建议、PostTrainBench 新纪录与 OpenAI 智能体攻击事件

Jack Clark 的 Import AI 第 468 期汇总多条 AI 安全与治理动态。IFP 发布 23 项应对自动化 AI 研发的低风险政策建议，涵盖透明度。

Linear 官方解析 Linear Agent 的构建方法：用边界而非固定路径控制 Agent

Linear 官方详解 Linear Agent 的构建思路：不为 Agent 设计固定路径，而是通过系统提示词、工具设计、对 Linear 产品的语义建模、system skills 按需加载和自研 harness 来划定边界。

Meta 发布开源多模态模型 Muse Glimmer-30B，主打本地智能体场景

Meta 发布从 Muse 蒸馏而来的 30B 多模态模型 Muse Glimmer，采用 Apache 2.0 许可，面向本地隐私场景的智能体用途。模型由 2B ViT 视觉编码器和 28B 文本解码器组成，支持图像、视频、多模态工具调用和目标检测，并附带基于 DFlash 的可选投机解码。

一次 vibe coding 如何把安全漏洞写进线上应用

作者讲述自己 vibe coding 应用 Tastemaker 并用 Claude 添加 MCP 连接器后，被 GPT-5.6 Sol 审查发现线上连接器存在不应公开的注册路由，随后下线功能并撤销会话，未发现用户数据被访问。文章将其归因于'解释深度错觉'和只测试预期路径的倾向，并总结出学习领域基本原理、请人类专家把关、不把 AI 自我保证当唯一证据等规则，文末给出需要付费订阅解锁的五步提示词。

「模型能力已经够了，要卷就卷 infra」：对谈 Runta 创始人戴冠兰

Runta 创始人兼 CEO 戴冠兰在播客对谈中提出，模型能力已经足够，下一场竞争将转向 Agent Infra。Runta 是硅谷 Agent Infra 创业公司，刚完成由 a16z 投资的 2000 万美元 Seed 轮，Jeff Dean、李飞飞以个人天使身份参与。戴冠兰认为未来 agent 数量将超过人类，关键问题变成它们跑在哪、怎么管、出事谁负责。

Barret李靖@Barret_ChinaAI 评分4343

软件研发未来将进入黑盒验收时代：生产端提速后人工 Review 成为瓶颈，AI 必须参与代码审查、功能验收乃至自部署与自监控。实现路径是把各工种经验蒸馏给 AI，转化为 Workflow、Skills 和 Scheduled Task，例如让 AI 围绕机器、业务、数据库、中间件自动搭建监控大盘。

Barret李靖@Barret_ChinaAI 评分4747

有团队实践让 AI 在每次迭代发版时先读取全部代码 diff、理解核心改动，再编写并自动执行 E2E 测试用例，跑不通就自行修正直至链路跑通。整个过程记录点击、滑动、输入等操作及截图录屏，最终生成含测试目标、操作路径与真实结果的 E2E 文档和报告，AI 再据此回判是否达成最初目标。

Barret李靖@Barret_ChinaAI 评分4545

随着 AI 生产速度超过人的验收速度，测试与前端等依附传统软件流程的细分工种将最先受到冲击。研发流程需从 Human in the Loop 转向 Human over the Loop，由人定义目标与边界，AI 负责执行、验证与修正。未来人才将收敛为端到端交付者与领域专家两类，组织协作变为“端到端交付者 + 领域专家 + Agent”。

Sierra 推出 Voice Personas：为 AI 智能体打造品牌专属语音人格

Sierra 发布 Voice Personas，让企业为同一个 AI 智能体配置不同语音人格，可跨品牌、市场与语言复用同一底层智能体。该功能结合语音、个性与语言感知行为，支持智能体在对话中调整语速、应对打断并切换语音或语言，由多种语音模型按场景择优驱动。Sierra 称某智能体搭配自然语音与人格后解决率提升近 50%，Voice Personas 现已上线。

Claude Managed Agents 新增会话预算、advisor、推理地域控制与 GitHub 技能加载

Claude Managed Agents 更新四项能力：可为会话设置硬性花费预算，达到预算后以 budget_reached 停止原因暂停，修改或移除预算即恢复。

Princeton 团队用 shadow evaluations 测试前沿 Agent 的开放式 AI 研究能力，专家否决了两篇 Agent 论文

Sayash Kapoor 等人发布论文，用 shadow evaluations 让前沿 AI Agent 回答两篇未发表论文的核心研究问题，各给数千美元 API 额度和六天时间，原论文作者明确否决了两篇 Agent 论文。

Sierra 推出 Context Engine，让企业用客户上下文构建竞争优势

Sierra 发布 Context Engine，把企业已有的客户画像、账单、购买、工单等数据与智能体每次交互产生的新上下文结合，驱动可运行数天至数月的 Horizon 智能体持续追求业务结果。

OpenRouter 发布 ori CLI，为 Claude Code、Codex 等 harness 提供开箱即用配置

OpenRouter 发布 ori CLI，安装并登录后可自动为 Claude Code、Codex、OpenCode、Hermes 等生成适配 OpenRouter 的优化配置。

Microsoft Research 发布开源智能体框架 Orchard

Microsoft Research 发布开源智能体框架 Orchard，核心是可复用的 Kubernetes 环境服务 Orchard Env，支持在 Codex、OpenClaw、ZeroClaw 等真实部署 harness 内直接训练智能体。

Import AI 467：自复制AI蠕虫原型、算力涨价判断与AI创造力争议

多伦多大学、Vector Institute、剑桥大学和 ServiceNow 的研究者构建出用开源权重 LLM 驱动、靠被攻陷机器 GPU 自我维持并复制的蠕虫原型，完整攻击成功率约 37%。

Plaid 与 Sierra 合作，让 AI 智能体从对话走向业务成果

Plaid 与 Sierra 达成合作，客户可在 Sierra 的 AI 智能体内直接安全连接银行账户，无需离开对话即可完成支付或财务验证。Sierra 上月推出的 Horizon 平台支持智能体跨数天、数周甚至数月主动推进再融资、催收逾期款项或保险理赔等长周期任务。该集成以消费者明确授权为前提，并配备合规监控与人工介入机制。

OpenRouter 发布 Ori Eval，帮你在自己的代码库里选模型

OpenRouter 发布 Ori Eval，在其 500 多个可选模型中为具体应用找出最合适的模型。工具会扫描代码库中所有模型调用点，通过问答确定你关心的成本、速度或准确率，生成 *.eval.ts 评测文件，用 bun test 断言智能体调用的工具并用 LLM judge 评开放性回答；运行期间固定 harness 与模型使结果可归因于模型变化。

Google Research 提出 Chain-of-Evidence 框架并发布 Science One 自动科研原型

Google Research 提出 Chain-of-Evidence（CoE）可验证性框架，并发布原生维护证据链的自动科研原型 Science One Framework 与配套的 CoE Audit 评估指标。

DeepSeek-V4-Flash 正式版 API 上线，Agent 基准远超 V4-Pro-Preview

DeepSeek-V4-Flash 正式版 API 上线公测，调用方式不变，模型名设为 deepseek-v4-flash 即可使用。

Cursor 团队讲解如何搭建云端智能体开发环境

Cursor 团队分享如何为云端智能体搭建开发环境，让智能体能在其单体仓库中运行和测试代码。做法包括用 Dockerfile 统一 Ubuntu VM 环境、构建 anydev CLI 简化智能体操作、通过 Cursor Cloud MCP 和 Cloud Doctor 实现环境自愈与持续优化。云端智能体编写 PR 的占比从去年 12 月的约十分之一升至今日的超过一半。

Sierra 推出 Agency：为 Pinecone 和 Ghostwriter 智能体打造安全可扩展沙箱

Sierra 发布 Agency 智能体沙箱编排层，为 Pinecone 和 Ghostwriter 的每个会话与任务提供安全运行环境。Agency 基于 Kubernetes 构建，分无状态控制平面与有状态 runner 两层，每个 runner 配备 8+ 核、24GiB 内存和持久化存储，并默认不向智能体暴露任何 API key 或密钥。

Kimi.ai@Kimi_MoonshotAI 评分2323

Kimi 推出全球大使计划（Kimi Ambassador Program），面向在科技、创业、内容创作或校园社区有影响力、且已将 Kimi K3 落地到产品、智能体、工作流、团队和社区中的用户开放申请。申请者需愿意向更广泛社区分享自身经验与热情，报名入口为 kimi.com/lp/kimi-ambassador。

Google DeepMind 发布 Gemini Robotics 2，实现机器人全身智能控制

Google DeepMind 发布 Gemini Robotics 2 系列模型，包含 VLA 模型 Gemini Robotics 2、具身推理模型 Gemini Robotics ER 2 和可本地运行的 Gemini Robotics On-Device 2，实现人形机器人全身控制、精细操作和多机器人协作。

Import AI 466：机器人学的苦涩教训、AI完成周级编程任务与OpenAI模型意外黑客事件

本期Import AI覆盖多件事：Epoch与METR发布MirrorCode基准，Claude Opus 4.7用14小时、251美元推理成本重实现人类需2至17周完成的程序。