Ai-Agent

今天两篇分别聚焦 Agent 评测与 Skill 生态。NVIDIA 给出从 tool-call accuracy 到真实环境 task completion 的评测框架；UCL 的 GitSkills 数据集则把数百万个 SKILL.md 当成新的软件工程研究对象，揭示了 Skill 复制、维护与安全治理问题。

今天关注 AI-native 工程里两个越来越关键的接口层问题：Prasenjit Paul 用 54 次受控实验说明，Agent tool 的命名、schema、返回值与成本提示会直接改变上下文消耗和行动路径；NVIDIA 则从安全工程角度强调，生产 Agent 的身份、权限、网络边界、审计和验证必须由模型之外的 runtime 与平台层强制执行。

今天关注两个 AI-native 系统方向：Google 把 Agent 安全从 prompt/regex 推进到运行时治理层，在模型外统一执行 prompt screening、语义策略和跨会话异常检测；T1 则展示了长时程 terminal agent 如何用真实 sandbox、可执行 verifier、dense process reward 与 MoE 路由一致性机制进行强化学习，把 coding agent 的能力提升从 inference-time harness 延伸到训练阶段。

今天关注 AI-native 系统的两个工程化方向：AWS 用 Step Functions 把多 Agent 的 fan-out、validation、human gate 与副作用执行移到确定性 control plane 中，形成 agents propose、deterministic code validates 的生产模式；Google Cloud 则把 Skills、MCP 与 guardrails 打包成跨 Codex、Claude Code、Antigravity 可安装的 Agent Plugin，说明 Agent 能力分发正在从零散配置走向标准化 package。

今天关注 AI-native 软件工程的两个底层设计问题：Yad Konrad 用 program synthesis / CEGIS 重新解释 prompt、context、harness、eval 与 software factory，指出它们其实是在重新发现 specification、search space、search technique 和 verifier；另一篇新论文则直接比较 Agent Skills 与 Subagents，证明可复用知识该放进主 context 还是隔离到独立 subagent，关键取决于技能是否具有清晰的输入输出契约。

今天关注 AI-native 软件工程的两个新方向：Cursor Projects 把 coding agent 从单次会话推进为可持续数月、拥有共享上下文和 coordinator/subagent 架构的长期工作单元；Cognition 的 SWE-2 则直接把任务成功率与推理成本一起写进 RL 目标，说明 coding agent 的优化正在从单纯追求 benchmark 分数转向整条 cost-performance Pareto frontier。

今天关注 AI-native 软件工程从单个 Agent 走向平台化运行的两个方向：OpenAI 把 Codex harness 作为托管 Agents API 开放，直接提供长会话、context compaction、tool search 和 subagent orchestration；Atlassian 则把 shared context、organizational standards、always-on agent loops 和效果度量组合成 governed AI-native SDLC。

今天关注 AI-native Agent 的两个结构性可靠性问题：Meta 用 Secure VM、credential isolation 和独立 Sentinel 把个人 Agent 的权限控制移出模型；ExecCritic 则证明 coding agent 的执行反馈只有在测试本身可信时才有价值，并用独立 Test Agent + fail-closed harness 避免 Agent 自己给自己验收。

今天关注 AI-native 软件工程的两个可靠性基础：AWS 把 agent evaluation 直接接进 GitHub Actions，让 Agent 行为回归像代码回归一样阻断合并；Scanning the Harness 则把 skills、MCP、hooks 和权限配置视为新的软件供应链，并量化真实仓库中的缺陷比例。

今天关注 AI-native 软件工程从个人 Agent 到组织级系统的两个跃迁：OpenAI 用内部数据展示 coding agents 如何进入研究生产流水线；Mastra 则公开自己的 software factory，展示 staged automation、observational memory 和可配置 human gates 如何把 Agent 接入真实 issue/PR 工作流。