Agent 基准又来了一块照妖镜：IBM 这次不是测模型会不会答题，而是敢不敢把流程真跑完
IBM 推出的 VAKRA 不只是另一个 Agent 榜单。它把模型丢进带有 8000 多个本地 API、真实数据库和文档检索的可执行环境里，看它能不能把多步企业流程真正跑通。最扎心的是：很多模型看起来会说，真正做事时却明显不太行。
Tag
#AI Agents
13 articles
浏览器标签页可能要先失业了：HoloTab 这类 AI 插件，正在把‘点点点’活儿直接端走
HCompany 推出 HoloTab，把电脑操作型 AI 直接塞进 Chrome 扩展里。它最值得看的，不是又一个会点网页的 Agent，而是‘录一次、反复跑’这件事终于开始像普通人也能用的产品，而不是只给极客看的自动化玩具。
公司内网终于不用给 Agent 开后门了：Cloudflare 这次补上的，是企业 AI 最尴尬的一块
Cloudflare 给 Access 加上 Managed OAuth，看起来像个权限小更新，实际上是在解决企业上 Agent 时最别扭的一件事：人能进的内网系统，Agent 往往进不去；真让它进，又很容易退回 service account 和静态密钥那套老路。
云厂商终于不演了：Vercel 公开承认，下一代基础设施就是给 Agent 打工的
Vercel 提出 Agentic Infrastructure，不只是换了个新词，而是公开承认：下一代云平台的默认用户，已经不只是开发者本人，还包括替他们写代码、发部署、看日志的 AI Agent。
云厂商终于不演了：Vercel 公开承认，下一代基础设施就是给 Agent 打工的
Vercel 提出 Agentic Infrastructure，不只是换了个新词，而是公开承认：下一代云平台的默认用户，已经不只是开发者本人，还包括替他们写代码、发部署、看日志的 AI Agent。
Cloudflare 不想再陪 Agent 演‘马车装喷气机’了：AI 时代真正该重做的，其实是整朵云
Cloudflare 在 Agents Week 开场文里讲得很直白：今天的互联网和云，骨子里还是给人类 App 设计的，不是给一人一个、按任务运行的 Agent 设计的。真正值得关注的，不是又多一个 Agent 平台，而是基础设施开始被迫重写。
Vercel 开始不装了：下一代云基础设施，已经默认软件会自己写、自己发、自己修了
Vercel 提出 Agentic Infrastructure，真正值得关注的不是新词，而是一个越来越现实的变化：当 coding agent 开始写代码、触发部署、参与排障，云基础设施也必须从服务人类开发者，转向服务持续行动的机器执行者。
GitHub 现在让一个模型专门盯另一个模型了：AI 写代码最危险的时刻，终于有人开始认真防了
GitHub 给 Copilot CLI 加了一个很有意思的新能力：让来自另一模型家族的‘Rubber Duck’在关键节点复查主 Agent 的计划、实现和测试。它真正提醒开发者的，不是 AI 又会多写几行代码，而是 AI 编程里最值钱的能力，开始从生成转向怀疑和复核。
AI PR 看起来越完美，你越该后背发凉：Vercel 这篇文章把 Agent 写代码最大的坑说透了
AI 生成的 PR 越像资深工程师写的，团队越容易放松警惕。Vercel 提醒了一件很扎心的事：通过 CI 不等于能安全上线，Agent 时代真正稀缺的不是写代码速度，而是判断哪些代码值得发到生产环境。
一个埋了 23 年的 Linux 漏洞，被 Claude Code 从内核角落里翻出来了：AI 编程开始从写代码，转向找炸弹
Claude Code 帮 Anthropic 研究员找出一个藏了 23 年的 Linux 内核漏洞，这件事真正可怕的，不是 AI 更会写代码了，而是 AI 编程工具已经开始从生产代码，转向批量挖掘高价值安全问题。
Cursor 3 不只是改了个界面：AI 编程工具终于开始承认，人类不该继续当 Agent 的项目经理了
Cursor 3 这次最值得看的，不是 UI 变新了，而是它终于把 AI 编程工具最别扭的一层捅开了：开发者不该继续在一堆本地会话、云端任务、终端窗口和 PR 之间来回救火。真正的升级，是它开始把 agent 协作当成产品主战场。
GitHub 把程序员的脏活累活交给 Agent 了：最先升值的，反而是文档和测试
GitHub Copilot Applied Science 团队分享了一套很有意思的实践：他们不是单纯让 Agent 帮忙写代码，而是先把文档、测试、重构和 review 流程补起来，再让 Agent 成为主力贡献者。真正的变化不是‘AI 更会写了’，而是软件团队终于开始认真经营一个适合 Agent 干活的代码库。
AI 开始自己决定要不要申请权限了：Claude Code 这步，像极了打工人熬成组长
Anthropic 给 Claude Code 加了一个很关键的新能力：不是单纯放权，也不是继续让人类一下一下点确认，而是让 AI 先判断这步操作值不值得打扰你。对开发者来说，这可能比再提一点模型分数更重要。