Google AI Agent Clinic 教程：60 分钟为 AI 智能体搭建生产级评测流水线
Google AI 发布本期 AI Agent Clinic 实战内容，由 Google Cloud 工程师 Dani Zamora 与 Merge 的 Matthew Feroz 现场在 60 分钟内搭建端到端、框架无关的 agent 评测流水线。
全部 AI 动态
Google AI：DEV 作者专属AI 评分5454
Lovable BlogAI 评分4646 Lovable 发现 TanStack Start 漏洞（CVE-2026-102989）并部署防护
Lovable 安全团队于 2026 年 9 月 14 日在 TanStack Start 中发现漏洞 CVE-2026-102989，攻击者可利用特制链接在访客浏览器中执行 JavaScript。
Pydantic AI 官方文章精选AI 评分7272 Pydantic Logfire MCP server 教程：在编辑器里让编码智能体直接调试生产数据
Pydantic Logfire 官方介绍如何用 Logfire MCP server 让 Cursor、Claude Code、Codex 等编码智能体直接以 SQL 查询 OpenTelemetry traces、日志和指标，给出三条接入路径和 OAuth/API key 认证方式。
推荐理由：原文给出完整接入方式、SQL 查询设计和两家生产团队的数据，能帮助读者判断让编码智能体直查生产 trace 是否适合自家工作流。
Anthropic：Research精选AI 评分7070 Anthropic 研究用 Claude 测算机器人对美国体力工作的影响
Anthropic 发布研究，用 Claude 对 O*NET 约 19000 个工作任务评级，构建机器人暴露指数，发现当前机器人能完成美国 74% 的体力任务（占 34% 工时），但仅在受限环境中，且只在 0.3% 的任务上比人工更具成本竞争力，按每年约 3% 的降价速度要 40 年才达 10%。
推荐理由：研究用 Claude 给 19000 个工作任务评机器人暴露度，给出能力与成本两条量化门槛，可帮读者判断哪些体力工作最先受冲击。
Sierra：BlogAI 评分4646 Sierra 入驻 OpenAI Marketplace，成为首发合作伙伴
Sierra 宣布成为 OpenAI 新 marketplace 的首发合作伙伴，符合条件的客户可用其 OpenAI 预算额度通过 Sierra 构建 AI 智能体，用于再融资贷款、防止用户流失、完成销售等业务场景。
Google AI：DEV 作者专属AI 评分4040 如何在 PostgreSQL 中实现亚秒级语义过滤：将超快的 Jev 模型集成到 AlloyDB
这是一篇教程，讲解如何把 TypeSafe AI 的 Jev 模型接入 AlloyDB for PostgreSQL，在数据库层直接执行亚秒级语义过滤。
Wiz：ResearchAI 评分4545 Wiz Blue Agent 解析：AWS 与 GitHub 跨平台数据窃取攻击调查实录
Wiz 演示其自主 SOC 调查智能体 Blue Agent 如何从一条 VPN 告警出发，完整追踪一起多平台攻击。
Pydantic AI 官方文章AI 评分5353 Pydantic AI 2.50.0 支持在 TypeSafe Jev 上运行 Agent，Logfire Live view 展示决策细节
Pydantic AI 2.50.0 可让 Agent 运行在 TypeSafe 的 Jev 上，输出类型每个字段成为一个问题，一次请求返回带概率的答案。
OpenClaw：Blog精选AI 评分6868 OpenClaw 发布开源企业级 Agent 平台 OpenClaw Enterprise
OpenClaw 发布开源、供应商中立的 OpenClaw Enterprise（OCE），用于在敏感环境中管理持久化 Agent，当前可用于内部试点工作负载，1.0 版计划今年晚些时候发布。
推荐理由：原文给出了企业级智能体平台的安全边界、可替换组件和自托管方式，适合评估敏感环境中部署持久 Agent 的可行路径。
Amp ChronicleAI 评分4141 Amp 新增 Plaid 极速模式：GPT-6 Astra 推理速度最高提升 6 倍
Amp 为使用 GPT-6 Astra 的模式新增 Plaid 速度档，基于 OpenAI 的 ultrafast 速度层，推理请求最高提速 6×，token 成本也相应为 6×。
Conductor 官方更新精选AI 评分6868 Conductor 0.89.1 上线 GPT-6.1 Sol 并修复多项问题
Conductor 0.89.1 上线 GPT-6.1 Sol，该模型是 OpenAI 对 GPT-6 Sol 的升级，智能体编码能力接近 GPT-6 Astra，价格约为其五分之一，并成为新的默认 Codex 模型。
推荐理由：原文说明 GPT-6.1 Sol 的价格与编码能力定位，并整理 0.89.x 多项修复，读者可据此评估是否升级。
OpenAI：部署安全与系统卡AI 评分4848 OpenAI 发布 GPT-6.1 Sol 系统卡增补：评估安全能力
OpenAI 发布 GPT-6 Astra 系统卡增补文件，评估 GPT-6.1 Sol 的安全表现。该模型在生物与化学领域被定为 High 能力，未越过 Critical 阈值；在网络安全评估中优于此前所有生产对话模型，但相比 GPT-5.6 Sol 在合成和半合成智能体环境中出现轻微回退。生物学拒绝评估方面与 GPT-6 Sol 表现相当，且对良性提示词拒绝更少。
vLLM 官方博客精选AI 评分6969 vLLM 分离式推理实战指南：P/D 拆分与无 GPU 前端
vLLM 官方博客发布分离式推理实用指南，讲解如何将 prefill 与 decode 拆分、用 /render 与 /derender 把 tokenization 等工作移到纯 CPU 前端，需 vLLM v0.31.0 及以上。
推荐理由：vLLM 官方给出 P/D 分离和无 GPU 前端的适用条件、实测数据与配置方法，读者可对照自己的负载决定是否拆分。
Anthropic：ResearchAI 评分5050 Anthropic 发起公众访谈研究，征集用户对 AI 的经历与期望
Anthropic 于 9 月 29 日至 10 月 6 日发起公众访谈研究，邀请 Claude 及 Claude Code 的 Free、Pro 和 Max 用户用约 15 分钟由 Anthropic Interviewer 人工智能访谈，分享对 AI 的正面与负面经历及对 AI 公司的期望。
Google AI：DEV 作者专属精选AI 评分6262 如何用 Gemini Live API 构建实时语音 AI Agent
Google 开发者团队介绍如何用 Gemini Live API 构建可实时对话、可被打断的语音 Agent，架构包括浏览器客户端、Gemini Live API 和基于 google-genai SDK 的 Python 后端，通过 WebSocket 保持双向音频连接。
推荐理由：官方教程讲解了 Gemini Live API 双向音频架构和降低打断延迟的本地缓冲技巧，读者可以直接照做复用。
Google AI：DEV 作者专属精选AI 评分6161 Google AI 详解生产环境加固 AI Agent 沙箱的 7 种方法
Google AI 工程师 Praveen Rajasekar 撰文介绍在生产环境运行自主 Agent 时超越标准 Docker 容器的 7 种沙箱加固方法。
推荐理由：原文给出了 7 条生产环境 Agent 沙箱加固的具体方法，涵盖内核隔离、密钥外置和网络管控，可直接用于生产落地。
Google AI：DEV 作者专属AI 评分4040 Claude Sonnet 5.5 现已在 Google Cloud 上可用
Anthropic 的 Claude Sonnet 5.5 现已在 Google Cloud 上开放使用。该模型面向编程与知识工作场景，可帮助更快构建功能和整理工作资料，同时单任务成本更低、速度更快。
Mistral AI精选AI 评分6161 Mistral 在慕尼黑设立德国中心，布局 Physics AI 与工业 AI
Mistral 宣布在慕尼黑开设新中心，设立专注 Physics AI 和工业 AI 的研究团队，并与 BMW、Siemens Energy 展开碰撞模拟等合作。
推荐理由：官方宣布落地慕尼黑的细节和 Physics AI 合作方，读者可以据此了解 Mistral 在欧洲工业 AI 的布局方向。
Sierra：BlogAI 评分4848 Sierra 推出升级版 Ghostwriter：从工具变为 Slack 和 Teams 里的 AI 队友
Sierra 宣布将 Ghostwriter 从需要提示词驱动的工具升级为常驻 Slack 和 Teams 的主动式 AI 队友，用户可 @-mention 它查询客户服务解决率、销售漏斗转化图表或启动新实验。
Lovable BlogAI 评分5656 Lovable 与 Microsoft 合作：构建的应用可发布进企业 Microsoft 租户
Lovable 宣布与 Microsoft 合作，用户构建的应用可通过 Copilot Managed Runtime SDK 部署进企业 Microsoft Entra 租户，用工作账号登录并由 IT 统一管理。
Anthropic：Claude.dev 开发者博客精选AI 评分7979 Anthropic 发布 Claude Sonnet 5.5：比 Sonnet 5 快 30%，多数工作成本最多降 30%
Anthropic 发布 Claude Sonnet 5.5，是 Claude 5.5 家族继 Opus 5.5 后的第二款模型，比 Sonnet 5 更聪明、更高效、快 30%，单 token 价格不变，因通常消耗更少 token 而最多省 30% 成本。
推荐理由：原文给出模型细节、迁移的六个破坏性变更和 effort 调优建议，开发者可以据此评估替换 Sonnet 5 的成本和改法。
Anthropic：Claude.dev 开发者博客精选AI 评分7474 Anthropic 讲解用 claude-api skill 自动化评测设计与 hillclimbing
Anthropic 在 claude-api skill 中新增 /claude-api build-eval 和 /claude-api hillclimb 两条命令，并讲解好评测的四要素与防过拟合的攀登原则。
推荐理由：Anthropic 官方给出了好评测的四要素和防过拟合的攀登方法，读者可以直接用这两条命令在自己的代码库里复用这套流程。
Amp ChronicleAI 评分5454 Claude Opus 5.5 成为 Amp medium 模式默认模型，任务完成率升至 65%
Amp 宣布 Claude Opus 5.5 成为 Amp medium 模式的默认模型，替代 GPT-5.6 Sol。内部评测中 Opus 5.5 解决 65% 的任务，高于 GPT-5.6 Sol 的 61% 和 Opus 5 的 56%，成本分别低 10% 和 25%，但仍落后于 Fable 5.1 的 71%。
Cognition 模型 / Devin 博客精选AI 评分6161 Cognition 年化收入跑速突破 10 亿美元
Cognition 宣布年化收入跑速突破 $1B。公司成立于 2024 年 1 月，Devin 正式开放不到两年，已在 GE Aerospace、Rivian、Rohlik、Exa 等公司随工程团队协作。
推荐理由：官方披露年化收入跑速破 10 亿美元及客户名单，读者可据此观察 Devin 在企业端的落地进展。
Wiz：Research精选AI 评分6464 Wiz 拆解 Infostealer 如何窃取云、代码与 AI 环境凭据
Wiz 发布研究，解析窃密型恶意软件如何通过窃取开发者凭据攻入企业云、代码和 AI 环境。数据显示 Lumma、RedLine 和 Vidar 占已检测事件的 85.7%，AWS 凭据占被盗秘密的 46%，GitHub 约 10%，AI 平台凭据占 5% 且以 OpenAI API key 为主。
推荐理由：文章系统梳理了窃密型恶意软件偷取云、代码与 AI 凭据的具体文件路径和会话劫持手法，可用于对照自查自身开发环境暴露面。
OpenClaw：BlogAI 评分5757 Microsoft Autopilot 基于 OpenClaw 构建，并向开源社区回馈多项上游改进
OpenClaw 官方博客介绍 Microsoft 将新版 Copilot 体验中的个人智能体 Autopilot（即此前发布的 Microsoft Scout）构建在 OpenClaw 之上，由 Omar Shahine 团队与 OpenClaw Foundation 合作打造企业级运行时，私有预览将于本月底向首批客户开放。
Anthropic：Claude.dev 开发者博客精选AI 评分7373 Anthropic 员工详解 Claude Code 中 effort 档位的选择与用法
Anthropic 员工 Thariq Shihipar 深入测试 Opus 5.5 和 Fable 5.1 的 effort 设置，分享在 Claude Code 中如何按任务选择档位。
推荐理由：作者结合自测和 Terminal-Bench 3.0 数据给出各 effort 档位的适用场景，读者可以直接套用这套任务分档方法。
Anthropic：Claude.dev 开发者博客精选AI 评分7575 Addy Osmani 详解 Opus 5.5 上一个任务的成本构成与省钱方法
Anthropic 开发者博客发文详解 Opus 5.5 上 Claude Code 任务的成本构成，Opus 5.5 输入输出 token 比 Opus 5 便宜 20%、cache 读取便宜 60%，典型会话按相同 token 计算降价约 31%。
推荐理由：原文拆解了任务成本的四个决定因素和缓存、effort 等设置的具体影响，读者可以据此计算并降低自己的 Claude Code 用量。
Browser UseAI 评分5252 Chrome DevTools Protocol（CDP）是什么：原理、用途与实践示例
Browser Use 发布 CDP 科普文章，讲解这个用于检查和控制 Chromium 浏览器的底层协议的工作原理。
Figma AI / Agent / MakeAI 评分5858 Figma 介绍 Figma Make、设计 Agent 与 Figma Motion 等新能力，并谈 AI 时代打造好产品的三个关键
Figma 发布文章，围绕速度、方向、差异化三点讲解如何在 AI 时代打造好产品，并宣布多项能力：Figma Make 新增属性面板与标注支持直接视觉编辑、可将预览复制进 Figma Design 编辑、可连接本地代码库。
Lovable BlogAI 评分5454 Lovable 推出免费聊天功能，Pro 和 Business 工作区每日含免费额度
Lovable 宣布聊天功能对免费、Pro 和 Business 工作区开放，每个工作区包含每日免费聊天额度。聊天可以讨论产品想法、读取已构建应用的代码和 Lovable Cloud 数据库、连接 Notion、Granola、Linear 等工具获取笔记与计划，并能在动手前对比两个方案的草稿。
Lovable Blog精选AI 评分6161 Lovable 详解 Chats 背后的多智能体协作架构
Lovable 工程师详解新功能 Chats 背后的架构：Trajectory System 以类 Git 的 append-only 事件日志记录智能体历史，支持近乎零成本的 fork，配合持久 inbox 和 Agent Control Plane 的 activation 机制编排多智能体协作。
推荐理由：作者以当事方身份拆解自家电报级事件日志与 inbox/activation 架构，可迁移到自建多智能体产品的工程决策。
Waymo：BlogAI 评分5252 Waymo 发布伦敦愿景，计划通过 APS 许可提供全无人驾驶出行服务
Waymo 发布伦敦愿景，计划利用自动乘客服务（APS）许可方案在伦敦提供完全无人驾驶出行服务，该方案需英国交通部（DfT）批准并获 Transport for London（TfL）同意。
vLLM 官方博客精选AI 评分6565 vLLM 支持 Gumbel-max 无失真文本水印，含推测解码与吞吐实测
vLLM 官方博客宣布支持基于 Gumbel-max 技巧的无失真文本水印，通过 PRF 从密钥和最近 4 个 token 上下文生成可复现噪声，检测只需密钥和 tokenizer。
推荐理由：原文给出无失真水印的算法原理、检测方法和吞吐实测数据，读者可以据此评估在 vLLM 生产环境中启用的代价。
Anthropic：Research精选AI 评分6767 Anthropic Project Swap 实验：让 Claude 智能体替人交易书籍，61% 偏好匹配率、主要短板在理解而非谈判
Anthropic 发布 Project Swap 研究，让 201 名员工携带图书，由 Claude 驱动的智能体在数字交易场上替参与者讨价还价交换书籍，这是 Project Deal 之后的第二轮受控市场实验。
推荐理由：原文用可打分的书籍交易市场把智能体失败原因拆开，主要短板在于偏好理解而非谈判本身，对市场设计有直接参考。
Amp ChronicleAI 评分5050 Amp 推出 Shared Runners：工作区成员可共享同一台机器运行 agent
Amp 新增 Shared Runners 功能，用 --share 启动 runner 后，工作区所有成员都能在 ampcode.com 上到该机器开线程跑 agent，适合 GPU 机、iOS 签名 Mac 或特定网络内的开发机等场景。
Comfy Blog精选AI 评分6060 Comfy 发布 Comfy Router，统一 API 调用主流图像、视频、3D 与音频模型
Comfy 在 Developer Platform 上线 Comfy Router，一次集成即可调用 Seedance 2.5、MiniMax H3、Nano Banana Pro、GPT Image 2、Kling 和 Black Forest Labs 等前沿模型。
推荐理由：原文给出 Comfy Router 的接入方式、可切换的 provider 列表和队列机制，读者可据此判断是否替代直连方案。
Anthropic：Claude.dev 开发者博客精选AI 评分8181 Anthropic 团队复盘如何用 Claude 在两周内把 claude.ai 提速约 3 倍
Anthropic 团队复盘两周冲刺，将 claude.ai 与桌面端核心体验提速约 3 倍：75 百分位首次可输入时间从 3.1 秒降至 0.55 秒，Claude Cowork 云会话加载从 2.6 秒降至 0.73 秒。
推荐理由：原文由当事团队复盘两周优化过程，给出了具体提速数字、测量方法与 Claude 驱动的工程循环，读者可借鉴其可迁移的做法。
Together AI 研究与产品博客AI 评分4848 如何花 $17 训练你自己的 Jev 分类模型
Together AI 博客演示如何微调一个 Jev 风格的分类模型：以 Qwen3.5 4B 为基座，从 MultiNLI、BoolQ、Banking77 等 6 个数据源采样 37,840 条训练样本，成本约 $17.0，训练约 25 分钟完成。
Anthropic：Research精选AI 评分7575 Anthropic 成立生命科学实验室，Claude 自主发现类 CRISPR 的新型酶系统 ART
Anthropic 宣布组建生命科学研究组与湾区实验室，并公布早期成果：约 950 个 Claude 智能体用 21 小时、2.1 亿 token 检索 DNA 序列数据库。
推荐理由：官方一手披露 Claude 智能体自主发现类 CRISPR 新酶系统的检索过程与实验验证方式，可了解 AI 驱动生物学发现的实际工作流。