## 本周总览 - DeepSeek Harness 正式定义「可组装 Agent 运行时」新范式，插件生态 GitHub 700+、知乎衍生项目冲榜 Trending，标志 Agent 从 SDK 工具链迈入生产级软件单元阶段。 - 行业竞争焦点彻底转向「智效比」：DeepSeek V4 Flash、Gemini 3.7 Flash、Ling-3.0-Flash 等轻量模型在 Agent 高频调用场景中验证低成本、低延迟、高任务完成率的经济性优势。 - 阿里 RealReplicaBench 发布首个电商端到端真实任务评测基准，13 个主流模型全未及格，宣告 AI 评测进入「做成事」而非「答对题」的工程化分水岭。 - Stripe 以 80 亿美元收购 OpenRouter，模型路由（Model Router）被正式确认为 AI 基础设施“新中间件”，应用层公司正凭借结果数据飞轮构建护城河。 - Anthropic Q2 营收达 115 亿美元（同比+1400%），年化收入突破 650 亿美元，商业化路径清晰兑现；Claude 强制嵌入统计水印 SynthID-Text 引发全球创作者抗议，合规与体验撕裂加剧。 - 支付宝发布 AHA 多智能体跨端互联协议，联合手机厂商、车企与大模型公司推动 Agent 从「卖触达」转向「卖结果」，首次实现跨设备、跨场景的商业级任务闭环。 ## 热点清单 1. DeepSeek Harness 开源并引爆插件生态 https://www.bestblogs.dev/article/e953bac6be?utm_source=rss&utm_medium=feed&utm_campaign=resources&entry=rss_article_item 本质：Harness 不是 SDK，而是以「Skill」为原子单元的可组装运行时，支持热替换、零代码拖拽编排多 Agent 角色分工（如研究员+写手+校对），已支撑 WorkBuddy、DSH Vision Toolkit 等生产级落地。 ——可能：立即 fork 官方仓库（github.com/deepseek-ai/harness），用 `harness-cli init` 创建最小 greet 插件，再基于 `examples/multi-agent` 模板部署一个带记忆与工具调用的双角色客服工作流，用 curl 测试其状态隔离与上下文传递能力。 2. 阿里 RealReplicaBench 揭示 13 大模型电商任务集体未及格 https://www.bestblogs.dev/article/de533db5a0?utm_source=rss&utm_medium=feed&utm_campaign=resources&entry=rss_article_item 本质：该基准模拟真实用户购物全流程（搜索→比价→咨询→下单→售后），要求模型自主调用 API、处理异常、维护会话状态，13 个模型均未达 60% 任务完成率，暴露「幻觉可控性」「状态一致性」「工具鲁棒性」三大工程短板。 ——可能：下载基准开源代码（github.com/alibaba/RealReplicaBench），将你当前电商 Agent 接入其 `eval_runner.py`，重点分析失败 case 中的 `tool_call_mismatch` 和 `state_leakage` 日志，针对性强化 RAG 缓存刷新逻辑与子任务超时熔断机制。 3. Stripe 以 80 亿美元收购 OpenRouter https://www.bestblogs.dev/article/3b8a17766b?utm_source=rss&utm_medium=feed&utm_campaign=resources&entry=rss_article_item 本质：模型路由不再只是 API 聚合，而是承担成本优化、合规审计、A/B 测试、可观测性埋点等基础设施职能；Stripe 将其纳入支付栈，意味着企业可通过统一账单管理多模型调用，并基于交易结果反哺路由策略。 ——可能：在现有服务中接入 OpenRouter SDK（docs.openrouter.ai/guides/sdk），配置 `model_router.yaml` 实现 fallback 链路（如 claude-3.5-sonnet → qwen3.8-27b → local-ollama），同时开启 `--log-requests`，用其日志分析各模型在你业务场景中的 token 效率与错误率分布。 4. Gemini 3.7 Flash 正式发布，强化端侧与高频 API 场景 https://www.bestblogs.dev/article/3746d237eb?utm_source=rss&utm_medium=feed&utm_campaign=resources&entry=rss_article_item 本质：谷歌放弃前沿大模型研发后推出的首代 Flash 模型，专为 <500ms 延迟、<100ms P99 的实时交互设计，在移动端键盘输入预测、客服即时响应等场景实测吞吐提升 3.2 倍，且支持原生 multimodal streaming。 ——可能：用 Google AI Studio 调用 `gemini-3.7-flash`，对比 `gemini-2.5-pro` 在相同 prompt 下的首 token 延迟与完整响应耗时；若你有 iOS App，集成 `GoogleGenerativeAI` SDK 并启用 `streaming` 模式，测试其在弱网（100kbps）下连续生成 Markdown 表格的稳定性。 5. Claude 全球强制嵌入 SynthID-Text 统计水印 https://www.bestblogs.dev/article/0075b912a4?utm_source=rss&utm_medium=feed&utm_campaign=resources&entry=rss_article_item 本质：Anthropic 通过操控随机数种子在文本中嵌入不可见统计指纹，虽宣称符合欧盟 AI 法案，但水印易被清洗、检测工具未开放、且未区分地域与用途，导致创作辅助、教育批改等合规场景被误伤。 ——可能：用开源移除工具 `synthid-remover`（github.com/anthropics/synthid-remover）对你的 Claude 输出做批量清洗；同时在系统提示词中加入明确指令：“输出必须通过 SynthID-Text 检测器验证为 clean”，并在 CI 流程中集成 `synthid-detector` 自动拦截含水印响应。 6. Cursor 推出面向 AI 智能体的代码托管平台 Origin https://www.bestblogs.dev/status/2089412415108600221?utm_source=rss&utm_medium=feed&utm_campaign=resources&entry=rss_article_item 本质：Origin 是首个专为高并发 Agent 协作设计的 Git 平台，支持自动版本追踪（按 task_id 分支）、任务上下文隔离（`.cursor/context.json`）、多 Agent 协同调试（共享 trace ID 查看全链路执行树），解决传统 Git 在 Agent 世界中的语义失配问题。 ——可能：注册 Cursor Origin Beta，将你正在开发的 Agent 项目导入，启用 `Auto-Context Branching`，提交一个含 `task: "refactor-payment-flow"` 的 commit，观察平台是否自动生成 `task-refactor-payment-flow-20240821` 分支并关联对应 LangChain trace。 7. 支付宝发布 AHA 多智能体跨端互联协议 https://www.bestblogs.dev/article/7a37fa8487?utm_source=rss&utm_medium=feed&utm_campaign=resources&entry=rss_article_item 本质：AHA 定义了跨设备 Agent 的身份认证（AHA-ID）、意图协商（Intent Schema v1.2）、状态同步（Delta Sync over MQTT）三要素，已联合 OPPO、蔚来、通义千问落地「手机下单→车机确认→支付宝扣款→快递通知」全链路，首次实现商业级跨端任务闭环。 ——可能：申请 AHA 开发者计划（open.alipay.com/aha），用 `aha-cli init --template=retail` 创建模板项目，本地启动模拟手机端与车机端两个 Agent，通过 `aha sync` 命令验证订单状态在两端的秒级一致性，并抓包分析其 Delta Sync 的二进制 payload 结构。 8. GLM-5.3 编程能力跃升 50%，两周发现 2404 个漏洞 https://www.bestblogs.dev/article/9713964793?utm_source=rss&utm_medium=feed&utm_campaign=resources&entry=rss_article_item 本质：智谱未扩大参数规模，仅通过 MoE 架构优化与针对性后训练，使 GLM-5.3 在 CodeLLM-Bench 上超越 Claude Opus，在真实 GitHub PR 审查中两周定位 2404 个 CVE/CWE 级漏洞，验证「小模型+强工程」路线的生产力穿透力。 ——可能：在 HuggingFace 上加载 `glm-5.3-chat`，用 `transformers` + `llm-guard` 构建漏洞扫描 pipeline，输入你项目中的 `Dockerfile` 和 `requirements.txt`，输出 CWE-20（输入验证）与 CWE-78（OS 命令注入）风险项，并比对其建议修复方案与 Snyk 扫描结果的一致性。 9. 哈工大开源 KnowAct-GUIClaw 自进化 GUI Agent https://www.bestblogs.dev/article/7a37fa8487?utm_source=rss&utm_medium=feed&utm_campaign=resources&entry=rss_article_item 本质：该 Agent 无需网页源码或 API，仅通过屏幕像素+OCR+动作轨迹学习跨 App 连续任务（如「在淘宝比价后微信发链接给朋友」），依托 Host‑GUI 协同机制与结构化 Blackboard 实现越用越好，已在小米/华为 EMUI 上实测成功率 89.3%。 ——可能：克隆 `KnowAct-GUIClaw` 仓库，用 `adb shell screencap` 截取你安卓测试机上的微信聊天界面，运行 `python run_gui_agent.py --task "forward_last_image_to_friend"`，记录其点击坐标精度与 OCR 文本召回率，对比 baseline（如 AutoGluon-Vision）的失败率差异。 10. Firecrawl 开源 PDF Inspector 与 AnyDoc 工具链 https://www.bestblogs.dev/article/3746d237eb?utm_source=rss&utm_medium=feed&utm_campaign=resources&entry=rss_article_item 本质：AnyDoc 将 PDF/扫描件/图片统一转换为带语义块（`<section type="table">` / `<section type="code">`）的结构化 Markdown，PDF Inspector 提供可视化校验 UI，显著提升 RAG 对