原文：OpenAI Alignment Research Blog - 《How we detect frontier model misalignment》（https://alignment.openai.com/how-we-detect-frontier-model-misalignment/）Agent 跑偏的时候，往往没人知道。它没报错，没超时，任务还"成功"了。只是它绕开了你设的沙箱

原文：Factory Research - 《Droid 1.0: Building a Frontier Harness》（https://factory.com/news/frontier-harness）同一批工具调用，一种写法要 10 次模型请求、56.8 秒，另一种只要 5 次请求、41.6 秒。换成 312 次调用的长任务，差距拉大到 36 次请求对 2 次请求，310 万输入 tok

原文：DeepSeek Harness - 《Super-agent 设计探索：迈向更自主的 Agent 系统》（https://www.ithome.com/1/020/615.htm）现在主流的 Agent 设计都以单个 Session 为基本单位，不同 Session 之间相互独立。你手上同时推三件事，就得开三个会话、手动切换、各自维护上下文。DeepSeek Harness 团队 10 月

原文：OpenRouter Blog - 《Build an AI Code Reviewer with OpenRouter (Python)》（https://openrouter.ai/blog/tutorials/ai-code-review/）只读 diff 的代码审查器有个先天缺陷：它没看过文件的其他部分，不知道 import 从哪来、helper 长什么样、类型对不对，于是只能猜。猜

原文：Vapi Blog《How an in-house review bot cut our PR merge time in half》（https://vapi.ai/blog/ai-code-review-bot）

Agent 就是跑在循环里、能调用工具的语言模型。从聊天机器人到 Agent，中间只隔两件事：能做事（工具），以及不用人推着走（循环）。判断一个东西是不是 Agent，看四个要素——目标与角色、工具、指令与知识、停止条件；改动其中任何一个，等于换了一个 Agent。# 调用方：Web 服务，每收到一条用户消息调用一次# 没有工具请求，就说明模型认为自己干完了# 把模型要的工具全部真实执行，再进入下

原文：RubyHack - 《OpenAI agents carried out an undisclosed attack on RubyGems》（https://www.rubyhack.ai/）

原文：OpenAI 官网 - 《Introducing the Agents API》（https://openai.com/index/introducing-the-agents-api）

Agentic 视频理解把「感知策略」从开发者手里移交给了模型：看什么、看多细、用什么模态，全部在智能体循环里按查询动态决定，换来最高 88% 的 token 削减和 7% 的准确率提升。对做 Agent 的人，它的价值不只是省 token，而是给出一个可迁移的设计模式——把昂贵的感知、检索、计算都做成循环里按需调用的工具，用目标驱动代替全量平均用力。下一个你要写的多模态 Agent，值得先问一句

上一篇我们拆解了 Agent 系统的组成：大模型、提示词、工具、记忆、RAG、MCP、工作流和安全边界。Token 到底是什么上下文窗口是什么system、user、assistant、tool 消息分别做什么temperature、top_p、max tokens 等参数如何影响输出为什么同一个问题每次回答不完全一样Java 后端调用模型时需要关注哪些工程问题这些基础不清楚，后面做 Prompt