字节跳动质量保障团队推出面向测试自动化的 NL2Test Agent，QA 用自然语言描述测试场景即可生成可运行的回归测试用例，目前已在多条业务线部署。团队披露，85.4% 的生成用例被集成到 CI/CD 工作流，新增用例中平均约 25% 来自 Agent 生成，个别业务团队峰值达 50%+，Agent 用户月活率 30.7%，平均每双周为部门节省约 30 人天。
推荐理由：字节跳动质量保障团队公开了 NL2Test Agent 的工程取舍与上线数据，可供评估智能体在测试流程中的落地边界。
火山方舟 Agent Plan 上线专属 Harness 工具「Agent 云电脑」，自带 agent loop，可自行拆解并执行跨网页与桌面的多步任务。演示中它用 DeepSeek V4 pro 完成一份股市大盘深度研究，耗时 11 分钟，机器占用预估消耗 11.46 AFP。
腾讯技术工程梳理了 Agent 从单次 LLM 调用演进为完整 Harness 的路径：上下文装配层、ReAct 循环、结构化 Tool Calling、记忆系统依次补上模型边界，最终凝结出负责会话恢复、权限沙箱、上下文压缩与子 Agent 调度的 Harness 层。
阿里技术团队复盘了 5 人 7 天用 Qoder 开发 QoderWork 的案例，称其完成了传统情况下需要 20 人数周的工作量，其中 DAY 0 不写代码只写 Spec。
推荐理由：文章把 5 人 7 天完成 20 人数周工作量的案例拆成逐日流程，并给出可复用的 Spec 写法与工具对比。
DeepSeek Harness 的 Agent 运行时建立在 Cordis 之上，这一插件框架由 Koishi 作者 Shigma 开发，2022 年 4 月登上 npm，2024 年底迭代至 Cordis 4 并引入基于 fiber 的生命周期体系。
Google 面向政府机构、关键基础设施运营商和网络安全合作伙伴推出限量访问的 Fairwind Program，首批提供 Gemini 3.8 Flash Cyber 模型与 CodeMender 工具链，可自主发现并修复漏洞，将原本数周的手动修复缩短至分钟级生成可部署补丁。
字节跳动技术团队推出面向 AI Agent 的统一上下文数据库 OpenViking，作为不同 Agent 背后的共享 Context 层，将代码、项目规范、Review Guidelines 存为 Resource，个人偏好与经验沉淀为 Memory，并以 viking:// 路径统一组织。
阿里速卖通技术团队为商品中心 AI Agent 构建了一套精细化评测体系，按感知、规划、记忆、工具四大模块拆解评测，并同时衡量质量、成本、性能三个维度。该体系以任务完成率为北极星指标，端到端评测覆盖任务完成率、多轮对话完成率、幻觉率等六项用户感知指标，模块级评测则定位意图识别、路由决策、记忆衰减等具体根因。
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上推出智能体视频理解功能，通过原生视频工具动态检索目标片段，token 消耗最多降低 88%、成本最多降低 66%、准确率最多提升 7%。
火山引擎日志服务 TLS 与对象存储 TOS 联合推出 CloudLens for TOS，把 TOS API 请求访问行为与存储资产纳入同一套观测框架。访问日志分析提供资源用量、热度统计、访问分析、安全分析和检索分析五个视角，可从全局趋势下钻到单次请求；数据透视按天统计总存储量、对象数量、历史版本和未合并分片，支持按地域、存储类型、Bucket 和前缀分析。
阿里开源本地优先检索基础设施 zg（zvec-grep），结合 Zvec 的向量检索与 BM25 能力以及 ripgrep，通过 CLI 与 MCP 提供语义检索、混合检索和精确匹配。
腾讯云开源的 CubeSandbox 发布 v0.7.0，基于 S3 后端存储实现沙箱跨机暂停恢复，可在 A 节点暂停、B 节点恢复，该能力当前为预览版，默认由内置 MinIO 承载。新版本还让计算节点保留历史版本组件，使模板与快照不再因组件升级失效，并将节点管理等运维能力从 CubeMaster 迁移至 CubeOps。
Netflix 推出 MAPS 多模态素材个性化系统，用 CLIP 图像嵌入（768 维）与素材 ID 嵌入拼接，让模型在标题上线初期就能理解画面内容，从而更早启动个性化。该方案把原本按画布分别训练的五个模型合并为一个，在交互数据最少的画布上收益最大。系统已用于封面图个性化、查询感知封面排序和视频预览个性化三套生产系统。
Google DeepMind 推出 Gemini Omni 1.1 Flash，通过 Gemini API 在 Google AI Studio 提供场景延展、首尾帧插值、4K 升采样等生成视频控制能力。
阿里技术团队分享了「架构师 Agent」的系统化落地实践，先从架构师的核心职能技术方案设计切入，让 AI 完成需求理解、业务与系统知识加载、代码回源和方案生成。
推荐理由：文章把架构师的技术方案设计拆成需求准入、分层知识库、渐进式披露和代码回源，并给出可迁移的落地路径。
阿里发布全新 Qoder 智能体工作台，以 Coding 能力为核心底座，可理解上下文、制定计划、调用工具并执行验证，桌面应用端于 8 月 27 日上线。Qoder 累计全球用户超 600 万，超 10 万家企业客户在使用，此前已推出 Qoder IDE、Qoder CLI、JetBrains 插件、数字员工 QoderWake 和 Qoder Cloud Agents。
火山引擎 ADrive 通过 ADrive CLI（ve-adrive-cli 1.0.2）让 Codex、豆包工作和 DeepSeek Harness 围绕同一文件空间接力完成 48 小时新品视频发布。
腾讯 PUBG Mobile 后台团队用七个服务、三个月、一千八百多次提交、十六万行生产代码搭出一个内部平台，代码与设计文档全部由 AI 完成，没有一行是人写的。团队由此提出"机器提供事实、人做判断"的分工尺子：提示词约束要沉进框架和 runtime，判据是确定事实才做硬门禁，是代理指标最多做提醒。
Google DeepMind 推出 Gemini 3.5 Transcribe，在 Artificial Analysis 测试中流式场景平均词错率 4.0%、非流式 2.6%，最终转写时间较前代 Chirp 3 缩短 70%。
得物技术披露其 MultiAgent 平台的记忆系统实现：后端基于 Spring Boot 3 和 Java 17、Agent 编排采用 AgentScope，长期记忆选型 MemOS，在 1540 个问题、10 个测试用户的评测中综合得分 74.33%。
腾讯技术工程提出 Agent 自进化飞轮方法论，把评测、记忆、Self-Improve 与人机协作串成"信号→积累→落地→控制"四齿闭环，核心是环节间的数据通路而非单点技术。
腾讯云 Agent 可观测在 OneSuite 基础上推出 DSH 采集插件 tencentcloud-agentobs-sdk-dsh，以原生插件形态挂载，将 DeepSeek Harness 的执行过程还原为 entry/agent/step/chat/tool 五层调用树并上报。
阿里技术团队基于百炼 qwen3.7-max 的故障诊断与成本分析 Agent 做 Harness 层优化，20 轮会话的输入费用从 9.84 元降到 1.16 元，降幅 88.2%。
推荐理由：阿里技术团队公开了百炼 Agent 的完整成本优化路径，从度量、裁剪到缓存与模型分流都可直接复用。
腾讯团队用 1 个 TL 加 6 个子 Agent 的 harness 工作流驱动前后端开发，围绕让 AI 只看到当前需要的上下文、减少无关上下文、减少重复上下文三个原则做了 10 项改造，全流程预估降本 50%~65%。
Shopify 工程团队用 gisting 将 Sidekick GraphQL agent 的系统提示词从约 6000 token 压缩到约 1500 个 gist token（4:1），预测质量未下降。
得物技术介绍 EP-Harness，一个基于开源项目 Multica 二次开发的团队级 Agent 工作系统，把 Agent 当作团队成员管理，使其有身份、任务、状态、执行记录和权限边界。
阿里技术发布文章，结合内部项目 trade-ab-skill 讲解 Agent Skills 的结构规范、触发机制、作用域优先级与最佳实践。文章把 Skill 的核心设计概括为渐进性披露，分发现、激活、执行三阶段按需加载知识，并建议 SKILL.md 控制在 500 行以内、只做路由。
推荐理由：文章以内部 AB 实验 Skill 为例，拆解渐进性披露、触发机制与工具隔离等可迁移的工程做法。
Shopify 为移动 App 重建端到端测试框架，将测试稳定性从旧 API 的 50% 提升至 98%。新方案在 Appium 之上封装了强制断言的 builder 式 API，并用 PaddleOCR 与 OpenCV 做视觉元素定位，替代依赖 React Native Test IDs 的旧做法。该框架已在 Shopify 最大的 App 上验证，目前正探索推广到其他 App。
得物基于 AgentScope 2.0 的 HarnessAgent 架构构建了复合检索 RAG Agent，通过 ReAct 循环实现"搜索→评估→决策"的自主闭环，Agent 自主决定调用哪些工具、搜几次、是否精读。
得物技术团队开源了自研 Coding Agent「Violin」，底层引擎用 Zig 实现，客户端用 Python，两者通过 TCP + JSON line 协议通信。其架构借鉴 TypeScript 项目 Pi 的三层分离与 EventBus 设计，内置 6 个基本工具，适配 OpenAI 与 Anthropic 两种 LLM 协议，支持多模态、skill 与插件。
Shopify 应用安全团队构建了一套智能体代码审查与测试预言机流水线，用于发现漏洞、用真实测试验证并生成针对 Shopify 的修复方案。该流水线由内部编排器 Dispatch 驱动，按测试引导、架构文档、文件编目、分区、并行 Hunting、顺序 Verification、后处理、报告、修复等阶段运行，首次全量扫描后改为基于 diff 的增量扫描以降低 token 消耗。
得物技术分享了订单系统适配 AI 编码的研发范式，提出需求澄清、技术方案、TDD 实施、门禁卡控、全流程埋点监控五道标准化关口，并依托 Claude Code 的 Spec-Driven 插件串成带人工确认门控的工作流。
美团正式上线全场景 AI Agent 平台 CatPaw，搭载本月开源的 LongCat 2.0（总参数 1.6T、平均激活约 48B、原生支持 1M 上下文）。CatPaw 提供开箱即用的 AI 智能工作台与 Managed Agents 企业级托管能力，支持移动/PC/云端多端协作与 7×24 小时运行。该平台已在美团内部覆盖 9 万员工、搭建 3 万个 Agent。
得物技术梳理了 RAG 的完整检索链路：离线阶段将文档切块（Chunking）后用 Embedding 模型向量化并写入向量库，在线阶段经 Query Rewrite、Metadata Filter、ANN 与 BM25 多路召回、RRF 融合、Rerank 精排后交给 LLM 生成答案。
Google DeepMind 发布 Gemini 3.5 Flash Cyber，一款基于 3.5 Flash 微调的轻量网络安全模型，专注快速发现、验证和修补漏洞，在 CyberGym 等基准上以低成本多次调用取得接近更大模型的表现。
Shopify 把 Checkout Blocks 的全部五个 UI 扩展从 React 与旧版 Remote UI 迁移到 remote-dom 加 Polaris web components，改用 Preact 并重写为 TypeScript，API 版本从 2025-07 升至 2026-01。
得物技术团队自研推荐系统诊断 Agent「推查查」，采用 Highway 与 ATV 混合智能体架构：Highway 以 Story 剧本驱动确定性执行，覆盖 80% 常见问题；ATV 基于 OpenClaw 框架的 ReAct 循环处理 20% 长尾异常，最多迭代 6 步并设工具白名单与置信度阈值。
computer use 现已成为 Gemini 3.5 Flash 的内置工具，此前仅以独立的 Gemini 2.5 computer use 模型提供。开发者可通过 Gemini API 和 Gemini Enterprise Agent Platform 构建能跨浏览器、移动端和桌面环境看、推理并执行操作的智能体，用于持续软件测试等长周期与企业自动化任务。
Shopify 推出 Catalog API，通过商品聚类把不同商家的同一实物商品归入统一 Universal Product Identifier（UPI），供开发者和 AI 智能体调用。其方案先做店内聚类、再做跨店聚类，并采用精度优先策略：设定硬性精度阈值后最大化召回，用人工标注数据集和 LLM 评判器持续衡量精度与召回。
Google DeepMind 推出 AI Control Roadmap，用"纵深防御"思路在模型对齐之外增加系统级安全层，将内部 AI 智能体视为潜在"内部威胁"来防范。