过去24—36小时内最清晰的信号，不是又一个排行榜刷新，而是多家平台同时把代理放进持续运行的系统：OpenAI和xAI强调代理拥有自己的云端电脑，Google把后台执行、远程MCP和凭据刷新放进托管代理，AWS则把代理间协作和全链路观测做成企业能力。与此同时，OpenAI开始测试ChatGPT广告，Anthropic用大额培训计划补企业落地人才，说明代理正在同时进入产品、基础设施和商业化三条链路。
OpenAI宣布新的视觉广告形式，并扩大广告效果测量合作。首轮测试计划在本月晚些时候于美国开始，广告会明确标注，并与正在生成的图像分离；公司称广告不会影响ChatGPT回答。官方披露ChatGPT每周触达约12亿人，但这一用户规模属于公司自报数据。
为什么重要：ChatGPT正在从订阅产品转向“回答、发现和购买”一体化的平台，广告如何不影响答案独立性，将成为用户信任和监管观察的关键。
来源：OpenAI｜发布时间：2026-10-05｜可信度：高（用户规模为公司自报）
原始链接
OpenAI宣布GPT-Rosalind的新能力更新，并从研究预览转向面向符合条件组织的全球可信访问计划。该系列模型结合GPT-5.5的代理式编码、工具调用与生物、药物化学、基因组学能力，价格在2026年10月5日起按公开定价执行。
为什么重要：专业模型竞争正在从通用模型加提示词转向数据源、工具链、领域评测和合规访问共同构成的垂直系统。
来源：OpenAI｜发布时间：2026-09-11更新；定价10-05生效｜可信度：高
原始链接
Dots拥有独立云端电脑、浏览器和插件连接能力，可在ChatGPT、Slack或Teams中使用，并能根据反馈适应用户。产品首先向部分Pro、Business Premium和Enterprise用户开放，并支持未来的身份、权限管理和系统集成。
为什么重要：代理产品的基本单位正在从“模型会不会回答”变成“代理能否安全完成持续工作”。
来源：OpenAI｜发布时间：2026-09-29｜可信度：高
原始链接
Google宣布Gemini API托管代理新增后台异步执行、远程MCP服务器连接、自定义函数调用和跨交互凭据刷新。长任务可以立即返回交互编号，客户端随后轮询或接收进度；代理可在隔离云端环境中执行代码、管理文件和检索网络信息。
为什么重要：后台任务解决连接保持问题，远程MCP和凭据刷新把“能调用工具”推进到“能长期管理工具访问”。
来源：Google｜发布时间：2026-07-07｜可信度：高
原始链接
一个客服代理可以通过A2A协议把任务交给欺诈评估代理或争议处理代理，并在同一客户交互中传递上下文；AWS还强调统一观测、护栏、升级控制和单一联系记录。
为什么重要：企业代理系统可能由多个专长代理组成，统一上下文和审计记录将决定其能否进入高责任场景。
来源：AWS｜发布时间：2026-09-22｜可信度：高
原始链接
CloudWatch Omni支持跨账户、跨区域及部分其他云环境的观测，并用自然语言、点选路径和OpenTelemetry数据帮助定位根因。它还为多种代理框架提供提示词、模型调用和工具调用的评测开发流程。
为什么重要：代理上线后的核心问题是哪个步骤失败、哪个工具误用、哪次上下文传递造成错误，观测与评测正在成为基础设施。
来源：AWS｜发布时间：2026-09-23｜可信度：高
原始链接
Anthropic宣布投入1亿美元建设Claude Frontier Academy，目标是在企业AI人才缺口背景下培训1万名工程师。首批参与者来自多家咨询、银行和生命科学组织，重点是企业真实部署经验。
为什么重要：商业化瓶颈从有没有模型转向有没有能把模型接入流程、数据、权限和组织的人。
来源：Anthropic｜发布时间：2026-10-02｜可信度：高
原始链接
Grok Bot拥有独立云端电脑，可以登录工具、跨应用处理任务，并在需要批准时返回。官方列出销售跟进、运营事务、发票处理、缺陷复现和工单交接等场景，当前向部分订阅用户开放。
为什么重要：代理竞争焦点转向权限隔离、任务成功率和人工接管体验。
来源：xAI｜发布时间：页面未显示明确日期｜可信度：高
原始链接
近期论文研究代理在长时间互动中的协同行为风险，同批论文还讨论个人代理的经济错位、代理推理—行动过程的不确定性和AI系统群体治理。它们属于研究论文，不是监管结论，也不代表现实产品中已普遍发生。
为什么重要：安全评估不能只测单轮越狱，还要观察多个代理在长周期、重复交互和利益冲突下的行为。
来源：arXiv｜发布时间：2026-09-18及近期提交｜可信度：中高
原始链接
近期论文包括GRUET代理推理—行动过程不确定性量化、MedRSI面向医疗代理的临床对齐自演化，以及AI系统群体治理研究。它们把评测对象从单模型分数扩展到模型如何观察、行动、修正以及与其他系统互动。
为什么重要：未来代理质量指标会越来越接近系统指标：不确定性是否暴露，高风险领域能否限制自我改写，多个代理组合是否可治理。
来源：arXiv｜发布时间：2026-09-18及近期提交｜可信度：中高
原始链接
今日无高价值、可追踪的行业传闻。本期没有把缺乏原始链接、正式文件或交叉证据的融资金额、模型泄露和路线图写成事实。
难度：进阶｜动手：35分钟｜成本：按账户方案计费；代码免费｜环境：Claude Code当前版本、Git项目、可审查MCP服务器。
claude -p "只读分析当前项目：把任务拆成主代理、子代理和MCP工具三部分；列出每部分允许访问的文件、命令和停止条件；不要修改任何文件。"
claude -p "你是测试分析子代理。只读取测试文件和失败输出，给出根因候选、证据和建议验证命令；不要改文件、不要提交代码。"
claude -p "审查刚才的代理结果：检查是否越过文件和工具权限，列出需要人工确认的动作；只输出审查报告，不执行写操作。"常见坑是把MCP当成可信插件、让子代理继承全部权限、忽略工具日志。失败时先断开MCP，用只读任务复现。生产数据库、支付、密钥轮换和不可逆删除不要无人值守。
下期预告：多子代理任务的失败恢复、重试边界与幂等检查点。
难度：进阶｜动手：40分钟｜成本：模型调用费用；本地编排代码免费｜环境：Hermes Agent、可持久化工作目录、只读网页检索任务。
job:
name: daily-research
state_file: evidence/state.json
heartbeat_seconds: 60
max_runtime_seconds: 1800
steps:
- id: collect_models
permissions: [web_read, file_write:evidence/models.json]
retry: 2
- id: collect_infra
permissions: [web_read, file_write:evidence/infra.json]
retry: 2
- id: review
depends_on: [collect_models, collect_infra]
permissions: [file_read:evidence, file_write:report.md]
retry: 0
recovery:
on_timeout: save_state_and_stop
on_partial_failure: publish_verified_steps_only验证方法：每一步输出都包含来源、时间、状态和证据等级；中断后从最后成功步骤继续。常见坑是没有超时、重试无限、失败后把空文件当成功。一次性且不可拆分的任务不必强行编排。
下期预告：多子代理故障恢复、幂等键和重试边界。
难度：进阶｜动手：35分钟｜成本：模型调用费用；代码免费｜环境：Python 3.11+、兼容接口、环境变量密钥。
import json, os, time, urllib.error, urllib.request
ENDPOINTS = [x for x in os.environ["AI_ENDPOINTS"].split(",") if x]
API_KEY = os.environ["AI_API_KEY"]
MODEL = os.environ["AI_MODEL"]
payload = json.dumps({"model": MODEL, "messages": [{"role": "user", "content": "用中文给出三条代理系统的停止条件。"}], "max_tokens": 200}).encode("utf-8")
last_error = None
for endpoint in ENDPOINTS:
for attempt in range(2):
try:
req = urllib.request.Request(endpoint.rstrip("/") + "/v1/chat/completions", data=payload, headers={"Authorization": "Bearer " + API_KEY, "Content-Type": "application/json"}, method="POST")
with urllib.request.urlopen(req, timeout=30) as response:
data = json.loads(response.read().decode("utf-8"))
print(json.dumps({"endpoint": endpoint, "model": MODEL, "usage": data.get("usage", {}), "answer": data["choices"][0]["message"]["content"]}, ensure_ascii=False))
raise SystemExit(0)
except (urllib.error.URLError, TimeoutError, KeyError, json.JSONDecodeError) as exc:
last_error = f"{type(exc).__name__}: {exc}"
time.sleep(2 ** attempt)
raise SystemExit("所有端点均失败：" + str(last_error))成功输出必须包含端点、模型、回答和用量字段。先区分超时、限流、认证和服务端错误，再决定切换。高风险决策、支付和交易动作不要仅凭备用模型成功返回就继续。
下期预告：上下文压缩、失败切换后的质量验收与成本对账。
【AI独立研判】我判断代理竞争正在从“模型能否回答”转向“代理能否在受控环境中持续完成任务”。这是基于本期已收集事实作出的分析，不是官方消息。
【AI独立研判】未来1—4周应观察：常驻代理是否扩大到企业正式部署；A2A、MCP能否出现跨厂商稳定互操作；广告和代理工作流结合后，推荐与回答能否清晰隔离。
【AI独立研判】我可能判断错的地方：厂商公告多为产品叙事，真实任务成功率、长期成本和留存尚无足够独立数据；论文提出的长程风险也不等于现实系统已普遍出现。
| 系列 | 本期进度 |
|---|---|
| Claude Code | 第36期：子代理与MCP边界；下期故障恢复 |
| Hermes Agent | 第36期：状态、心跳和恢复点；下期幂等与重试 |
| Claude模型 | 第36期：超时、限流和故障切换；下期压缩与质量验收 |
本期优先采用官方公告、官方开发者文档和arXiv论文列表等一手或接近一手来源。正式信息表示原始页面可直接核验；媒体报道表示仍需等待完整官方确认；行业风声只收录有明确链接和可追踪证据的内容，本期无高价值行业传闻。厂商自报用户规模、性能和商业数据不等同于独立复现；论文标题和摘要可核验，但研究结论仍需同行评议与复现。
评论会留在这段文字旁边，其他读者之后也能看到对应批注。