Verification

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。

今天两篇都在回答同一个问题：当 Agent 从个人工具扩展成组织级软件生产系统，什么应该放在模型之外。JetBrains Air 把 agentic development 拆成开发者执行、团队协调、组织治理与共享上下文几个层级；Databricks Genie One MCP 则把统一业务语义、权限与审计做成跨 Agent 共享的 context service。

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 AI-native 工程的两个底层问题：Enola 解释为什么真正决定 coding agent 能力边界的是 harness 对 context、tools、persistent state 和 feedback 的选择；ARIMLABS 则展示了 agent eval 从本地实验扩展到每天约 50 万次执行时，isolated computers、parallel trials、network policy 与 inspectable reruns 如何成为评测基础设施。

今天关注 AI-native 软件工程进入规模化之后的两个核心问题：Spotify 发现 AI 带来的主要风险不是 AI 代码本身，而是变更吞吐增长快于 review、测试、发布和可观测性；GitHub 则用 Copilot 完成 80 万行级 agent runtime 的 Rust 重写，展示了增量迁移、agent fleet、独立 correctness oracle 和 human merge gate 如何让超大规模 agentic coding 变得可控。

CUDA-Harness 用隔离的测试数据合成约束 Text2CUDA Agent；它减少了奖励投机，也暴露了测试与实现共享语义误解的边界。

今天关注 AI-native 工程里的两个实际瓶颈：Nous Research 用 1,393 个子 Agent 完成百万行 Python 仓库重构，展示了大规模并行 coding agent 的任务切片、worktree 隔离、基线验证与人工 review；Orbyt Labs 则用 35 个真实工作 session 的 token 数据说明，Agent 成本和行为主要由反复读取的 context 决定，因此 context 文件本身应像代码一样被预算、版本化和测试。

今天关注两个 AI-native 软件工程问题：Sinatra 用 19 周、306 个 Agent PR 的真实数据说明，高合并率主要来自任务规格、sandbox 测试、自审和人工 merge gate，而不是模型单独变强；The Router Within 则研究如何让 Agent 利用自身 hidden states 在大规模 Skill 库中做动态路由，避免把所有 Skill metadata 塞进 context。

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。