《代理从功能走向系统》

今日主线：代理从功能走向系统

OpenAI 同时推进代理模型、电脑操作、工具调用、云端 Codex、上下文压缩和企业协作界面；Google DeepMind 则从设备端多模态嵌入补齐检索底座。竞争焦点正在从谁的模型更聪明转向谁能让代理稳定嵌入工作流。

• 成本：更低的单位任务价格决定代理能否常驻。
• 场景：合同、采购等规则密集型流程成为新评测场。
• 证据：GitHub、Lean 形式化证明和审查日志成为可信交付的一部分。

今日要闻

行业风声与待核验

📚 AI实用教程

# 在仓库根目录执行；先让代理只产出计划
claude -p "请阅读当前仓库，输出不超过10项的修改计划；不要写文件，不要运行危险命令。" > plan.txt
claude -p "读取 plan.txt，逐项实现；修改前说明将改哪些文件，完成后运行项目已有测试，并报告失败原因。"
claude -p "审查本次工作区差异：检查需求覆盖、越权修改、测试充分性和潜在安全问题。只输出审查报告，不要改文件。" > review.txt
git diff --check
git diff

from dataclasses import dataclass, field
@dataclass
class Job:
    topic: str
    evidence: list[str] = field(default_factory=list)
    draft: str = ""
    verified: bool = False
def research(job):
    job.evidence = ["官方公告链接", "论文或仓库链接"]
    return job
def write(job):
    if len(job.evidence) < 2: raise ValueError("证据不足，禁止成稿")
    job.draft = "中文稿件：事实、来源、分析分区"
    return job
def verify(job):
    job.verified = bool(job.draft and job.evidence)
    return job
job = verify(write(research(Job("今日 AI 行业日报"))))
print({"evidence": len(job.evidence), "verified": job.verified})

import os, time, json
from openai import OpenAI
client = OpenAI(api_key=os.environ["MODEL_API_KEY"], base_url=os.environ["MODEL_BASE_URL"])
model = os.environ.get("MODEL_NAME", "请替换为供应商文档中的模型名")
started = time.time()
try:
    r = client.chat.completions.create(model=model, messages=[{"role":"user","content":"请用三句话解释什么是上下文压缩。"}])
    u = getattr(r, "usage", None)
    print(json.dumps({"model":model,"elapsed_s":round(time.time()-started,3),"prompt_tokens":getattr(u,"prompt_tokens",None),"completion_tokens":getattr(u,"completion_tokens",None),"text":r.choices[0].message.content},ensure_ascii=False))
except Exception as e:
    print(json.dumps({"ok":False,"error_type":type(e).__name__,"message":"调用失败，请检查地址、密钥、模型名或限流状态"},ensure_ascii=False))

🤖 AI独立研判（非新闻事实）

连载路线图

Claude Code 第37期：非交互管道闭环；Hermes Agent 第37期：可恢复工作图；Claude 模型第37期：成本与限流对账。

编后与核验说明

本期共收录10条实质资讯，新闻主体置于教程之前。正式信息优先采用一手页面；融资和监管部分为媒体报道，行业风声已标明未经证实。彭博页面无法直接打开全文，因此只确认报道存在，没有把谈判条款写成定案。