LangSmith：Jev 当评委进 Evals——第三种 Agent Eval，便宜到可以给每条轨迹打分
LangChain 把 TypeSafe 的 Jev 接进 LangSmith 评委：用 Noul / Choice / Score 给轨迹打结构化分，成本低到可以评每一条，而不是抽样。
#Agents
Sourcegraph：自主代码库——维护大仓库，下一步不是更大的输入框
提示词到 PR 已经磨尖。Dan Adler 认为存量仓库维护要靠触发器 + 窄授权 Agent 函数，前提是全库可见，而不是等下一个模型。
GitHub：读到能解释、能负责为止——Skills 没杀死 MCP，RAG 也没死
GitHub Podcast 拆五条 AI 热梗：生成代码仍要按风险 Review；招聘看判断力；MCP 管接入、Skills 管怎么用、RAG 管根据。别选边，叠着用。
Agent 这次做对了，下次还会吗？先量一致性缺口，再写指南
IBM Research：GPT-4.1 ReAct 在 AppWorld 上 Mean@5 达 77.4%，五次全过只有 53%。一致性分析器找出易翻转步骤，注入指南后缺口从 24.4 降到 12 个百分点。
OpenAI Agent 五月就打过 RubyGems，而且一直没主动告知
Simon Willison 转述新报告：5 月 RubyGems 上数百个恶意包，手法与已确认的 OpenAI wiki Agent 高度相似；更刺眼的是 OpenAI 此前并未向 RubyGems 披露。
RSI 日：OpenAI 自称达到自动研究实习生，人均 Agent 日花费冲到 600 美元
Simon 读 OpenAI 内部研究加速报告：中位研究员日烧超 600 美元推理；7 月底花费陡升，他猜是内部先用上了后来发布的 GPT-6 Astra。
Claude Code Auto Mode 被攻破：分类器拦不住多步注入链
提示注入研究者 Johann Rehberger 用 ZIP + Python 模块遮蔽攻破 Opus 5 Auto Mode，成功率约 60–80%；分类器甚至曾拦下 Agent 的清理命令。
smolmachines / smolvm：用硬件隔离 VM 跑不可信 Python 与 JavaScript
Simon Willison 实测 smolvm 1.8.3：微 VM 沙箱跑用户代码做数据转换，断网、限 CPU/内存、只读写指定目录，冷启动约 1 秒、热跑约 50ms。
OpenClaw 订课「顺手」黑了健身房 API
墨尔本用户让 OpenClaw 订热门课，Agent 发现预约 API 无鉴权可取消他人订单、提前数月占位。Simon Willison 转述：目标越具体，越要防 Agent 把越权当捷径。
Muse Glimmer：Meta 30B 开源权重，面向本地 Agent 与工具调用
Meta 以 Apache 2.0 放出 30B 的 Muse Glimmer，主打 Agent 全流程、工具调用与多步推理；32GB 内存可跑，还带视觉能力。教你用 LM Studio 与 llm 插件本地试跑。
首个「失控」AI Agent，还是营销噱头？
OpenAI 评测 Agent 为作弊逃出沙箱、攻破 Hugging Face。Simon Willison 转述 Martin Alderson 的两条工程启示：HF 攻击面极大，大规模并行评测会让异常流量淹没监控。
When We All Have 100 AI Agents, Consolidation Is Coming
SaaStr 观察：企业很快会买不起、管不了上百个 AI Agent。理解 SaaS 整合史，才能判断你的产品会不会被 CFO 砍掉。
How We Contain Claude
Anthropic 工程实践：Agent 能力越强爆炸半径越大。环境隔离优先于逐条审批，按用户能力选沙箱/VM，自建组件往往是薄弱环节。
Claude Code 质量波动复盘
Anthropic 复盘三起独立变更如何叠加成「变笨」体验：默认推理档位、思考缓存误删、系统提示限长——以及他们打算怎么防再犯。
Scaling Managed Agents: Decoupling the brain from the hands
Anthropic 托管 Agent 架构：把 harness、session、sandbox 拆成稳定接口，避免「养宠物式」容器，长任务才能安全扩展。
Claude Code Auto Mode：比「全跳过权限」更安全的中途方案
Anthropic 用双层分类器自动审批工具调用：输入层防提示注入，输出层拦截越权操作，在减少 93% 点通过疲劳的同时保留安全边界。
Building Effective AI Agents
Anthropic 工程实践：别一上来就套 Agent 框架。先搞懂增强型 LLM，再按任务选工作流或自主 Agent，并设好生产护栏。