重估 Agent 能力：2026 评测范式横评
用真实环境、过程合规与工作流路由三条尺度，重新审视 Agent 评测分数在工程选型中的意义。
Alex Xiang 的个人技术博客
ZiCode：一线程序员的 AI 与软件工程实践
我写代码三十多年，现在仍在一线做 AI 产品和工程开发。这里主要记录 AI 编程、软件工程、 本地模型和真实项目中的技术判断，也保存一个程序员亲历行业变化的长期笔记。 了解作者经历
- 优先写亲自做过、能够复现的实践
- 尽量给出版本、源码、运行结果和原始资料
- 发现错误会持续修订，并保留更新时间
更多推荐
最新文章
全部文章-
-
-
DeepSeek V4 Pro 正式发布：1M 上下文、Codex 接入与本机配置要不要更新
核对 DeepSeek V4 Pro 正式版的 1M 上下文、384K 最大输出、API 价格与官方 Codex 配置脚本，并判断已有本机配置在什么情况下需要更新。
原创 · 阅读 — -
-
-
-
让 Sol 带队，Luna 跑腿：Codex 多 Agent 的正确打开方式
不必频繁手动切换模型：让 Sol 掌舵、Terra 实现、Luna 侦察，在单一 Codex 会话中按任务边界调度多个 Agent。
原创 · 阅读 — -
当 Agent 把活外包给 Agent，谁来验证它没在吹牛？
Agent 能发现彼此、调用彼此，并不代表它们有办法验证对方的能力声明。本文借“柠檬市场”分析开放智能体网络中的信息不对称，以及信号、筛选和声誉机制如何补上一层信任。
原创 · 阅读 — -
《体验时代来临》深度分析报告
David Silver 与 Richard Sutton 认为，AI 的下一阶段将从模仿人类数据转向在环境中持续行动和学习。本文梳理“体验时代”的四个特征，并讨论奖励设计、长期智能体与安全边界。
原创 · 阅读 — -
Prime Agent：值得研究和使用吗？
Prime Intellect 新发布的 Prime Agent 把 Pi 放进持久 IPython 控制环境，补上递归子代理、守护进程、持续目标与可回滚的 harness 演化。本文拆解它的信息流、上手方式、实践边界，以及它和 Pi 到底该怎么选。
原创 · 阅读 — -
Agent Plugins 1.0 拆解：统一的扩展包格式，和它故意留下的信任缺口
2026 年 8 月，OpenAI、Amazon、Cursor、Microsoft、Vercel 联合发布 Agent Plugins 1.0：一个把 Agent Skills 和 MCP 服务器打包成可移植插件的目录格式。本文拆解规范本身的边界设计、治理结构，再讨论三个真正的缺口：信任模型、Anthropic 缺席，以及“包能搬家但行为不能”。
原创 · 阅读 — -
Agent 的搜索引擎：Agentic Resource Discovery 规范，以及它解决不了的信任问题
MCP 解决了 Agent 怎么调用工具，ARD 解决的是更早一环：Agent 怎么找到工具。2026 年 6 月 Google 联合微软、GitHub 等发布 ARD 规范，核心是域名下的 ai-catalog.json 和聚合注册中心。本文拆解 Catalog/Registry 机制、与 MCP/A2A 的分工，以及验证机制背后的供应链安全账。
原创 · 阅读 — -
Bun 是什么，为什么它现在是 AI 编程工具的地基
从 2021 年的“更快 JavaScript 运行时”到 2026 年 Anthropic 收购、成为 Claude Code 的基础设施，再到用 Claude Code 把自己重写成 Rust。这篇讲清 Bun 的基本概念、它要解决的 Node 工具链痛点、1.3 时代的全栈能力，以及收购和重写背后的趋势判断。
原创 · 阅读 — -
端侧 AI 元年：Agent 搬进手机和汽车，瓶颈是内存带宽不是算力
2026 年端侧 AI 被反复称为元年：AI 手机出货 1.47 亿台、端侧模型装机 4200 万台、量产车里跑起座舱智能体。本文从模型、芯片、场景三个条件讲清为什么是今年，再用 roofline 模型和量化三件套解释真正的瓶颈为什么是内存带宽。
原创 · 阅读 —