Hall of Fame
Hall of Fame
Track
Type
Source
7月25日
今日趋势综述
今天最响的信号不是'又一个更强的 agent'，而是'怎么管住 agent'：史上增长最快的开源 agent OpenClaw 五个月冲到约 35 万星、却也压着 138+ 个 CVE，Alterion 拿出企业级 agent 运行时治理控制面 Draco，arXiv 把 LLM agent 的六大失败模式做成统一分类，连 Simon Willison 这批人都在把'改 harness 而不是改 prompt'讲成方法论——生成越来越便宜，真正稀缺的是让 agent 在生产里可控、可治理、可信；与此同时 GPT-5.6 Sol 用约三分之一成本逼近榜首 Fable 5，模型竞争的重心也从'谁最聪明'转向'谁最划算'。
今天的信号：AI 的下半场，从'造 agent'转向'管住 agent'
把今天的信号连起来看，会发现一条很清晰的主线：agent 能不能干活已经不是问题，能不能在生产里管住它才是问题。史上增长最快的开源项目之一 OpenClaw——一个自托管、能自己写代码给自己加技能的自主 agent——五个月冲到约 35 万星，但同一时间它背上了 138 个以上的已知 CVE，其中 CVE-2026-25253（CVSS 8.8）能通过浏览器远程拿到网关管理员权限，自托管者要靠自己手动追补丁，实测补丁窗口是'几天到几周'，攻击就落在这个缝里。这不是个例，而是整个行业的缩影：Alterion（创始人分别是前麦肯锡合伙人和前 Google 工程 VP）本周直接推出企业级 agent 运行时治理控制面 Draco，实时看住每一次 prompt 和动作、在高风险操作前用可编程护栏拦下来，对标的正是 SOC 2、ISO 42001、欧盟 AI 法案这些合规框架；arXiv 的《Beyond the Leaderboard》把 2023–2026 的 27 篇评测/审计论文综合成 LLM agent 的六大失败簇（工具调用错误、规划失败、长程退化、多智能体协调、安全、度量失真）；Simon Willison、Martin Fowler、Mitchell Hashimoto 这批人则把结论提炼成一句话——agent = 模型 + harness，agent 犯错时别去改 prompt，去改它周围的系统让这个错误结构上不可能再犯。
模型这条线也在变。GPT-5.6 Sol 落地，在 Artificial Analysis 智能指数上以 58.9 紧咬榜首 Claude Fable 5 的 59.9、领先 Kimi K3 的 57.1，但真正的看点是它用大约三分之一的成本做到——竞争的重心正从'谁的峰值最聪明'转向'同样的活谁最划算'。而产业侧的钱，从来只认'落得下去'：BMW 用 AIQX/GenAI4Q 把 AI 质检铺到全球每座工厂、缺陷率降约 37%，靠的不是买最强模型，是把 AI 嵌进质检流程、连微观划痕和装配偏差都盯住。一句话，价值不在'能生成'，在'能可靠地跑在真实业务里'。
对普通人，今年最该练、也最不容易被下一个模型抹平的能力，已经不是'会调哪个 AI'，而是'能把 agent 治理好、落地好'。具体三条路：一是往'治理/加固'走——会给 agent 上护栏、追 CVE、做可观测和审计的人，正在变成企业刚需（Draco 这类控制面、OpenClaw 的托管加固都是新生意）；二是把你的领域纪律产品化——像 tonsofskills 那样带校验流水线的 skills 市场证明，值钱的不是技能数量而是'带质量闸门的判断'；三是做那个把 AI 真正落进一门乱糟糟真实生意的人，哪怕小到给本地 HVAC 老板做一个'永不漏接电话'的 AI 前台（NeverMiss，$500/月/门店起）。生成在贬值，管得住、落得下的判断力在升值。
#01
en.wikipedia.org
Repo
★ 355,000
NEW
OpenClaw（自托管自主 agent）
把 OpenClaw 放进今天这条主线，它同时代表了 agent 的两面：能力的极致和失控的风险。一面是增长神话——5 个月约 35 万星，NVIDIA、DigitalOcean 都在写它意味着什么；另一面是安全危机——它已被追踪出 138 个以上的 CVE，其中 CVE-2026-25253（CVSS 8.8）能通过一个恶意网页泄露网关鉴权 token、进而拿到完整管理员权限并远程执行代码。自托管者要自己盯 138+ 个 CVE、手动打补丁、审每一个 ClawHub 第三方技能、维护 nginx/SSL，实测补丁窗口是'几天到几周'而非几小时——攻击正落在这个缝里。它几乎是本周所有'治理 agent'话题的现实注脚：一个能自己写代码、全接管你机器的自主 agent 一旦不设防，威力有多大、风险就有多大。
另有 3 家信源报道
展开详情
OpenClaw 是一个免费开源、自托管的自主 AI agent 运行时：自带记忆、能跨会话记住偏好、能在你机器上真正执行任务，还能'自我改进'——自己写代码给自己新增技能来完成你要的活。它以消息平台（Telegram/Discord/WhatsApp）为主界面，支持接入几乎所有主流大模型（Claude、GPT、Gemini、DeepSeek 等），主打'不把数据经过第三方、全部跑在自己基础设施上'。正是这套'本地自治 + 自我进化 + 全接管你的应用'的组合，让它在 5 个月内冲到约 35 万星，被很多人当成最接近'个人 AGI 助手'的开源项目。
周增长：2026 年 1 月底随 Moltbook 一同爆红后持续高速增长，长期霸占 Trending；本周热度集中在'增长神话 vs 安全危机'的讨论上
- **增长神话**：自托管、能自我进化的自主 agent，约 5 个月冲到约 35 万星，被多方称为 GitHub 史上增长最快项目之一，接近'个人 AGI 助手'的开源形态
- **安全危机**：已追踪 138+ 个 CVE，CVE-2026-25253（CVSS 8.8）可经恶意网页泄露网关 token 拿到管理员权限并远程执行代码；自托管补丁窗口实测'几天到几周'
- **催生新护栏层**：围绕它已长出 NanoClaw（强制 Docker 沙箱 + 权限白名单）、Cisco DefenseClaw（技能扫描 + MCP 流量拦截）、Lakera Guard（<50ms prompt 注入检测）等一整套加固方案
推荐理由：OpenClaw 给普通人的启发不是'快去装一个自主 agent'，恰恰相反：它证明了一个正在爆发的新岗位/新生意——'帮别人把 agent 管住'。当一个能自我进化、全接管机器的 agent 有 138 个 CVE、补丁窗口按周算，绝大多数自托管者根本盯不过来。这里的机会很具体：一是做'托管 + 加固'服务（像 OneClaw 那样帮人跑一个持续打补丁、沙箱隔离、技能审查过的实例），面向不愿自己维护安全的中小团队按月收费；二是成为'agent 安全'这个细分方向的懂行人——会做沙箱隔离、CVE 追踪、技能供应链审查、MCP 流量管控，这类技能在企业里正从'加分项'变成'刚需'。一句话：越是自主、越强的 agent，越需要有人替它兜底安全，而这正是稀缺、可收费、且不容易被模型进步抹平的能力。
商机信号（加速）：谁付钱：自托管 OpenClaw 却盯不过来 138+ 个 CVE 的中小团队与个人开发者、以及要在合规下用自主 agent 的企业安全团队 痛点：自主 agent 能自己写代码、全接管机器，一旦不设防威力=风险；补丁窗口按'天到周'算，自己维护安全成本高、还容易被 RCE 打穿 切入点：从一个垂直客群切入，提供'持续打补丁 + Docker 沙箱隔离 + ClawHub 技能供应链审查 + MCP 流量管控'的托管加固实例，按月订阅；先做安全，再谈能力
#02
artificialanalysis.ai
Article
NEW
GPT-5.6 Sol 落地：以约三分之一成本逼近榜首 Fable 5，模型竞争转向'性价比'
OpenAI 新旗舰 GPT-5.6 Sol 落地，在 Artificial Analysis 智能指数（本轮共测 166 个模型）上排到很高的位置，但真正的看点不是它多聪明，而是它'多划算'：它以约三分之一于榜首的成本，做到和顶尖模型几乎同档的智能表现。这把今年模型竞争的重心从'谁的峰值最高'明确推向了'同样一件活，谁的每 token 成本最低、延迟最好'。对绝大多数落地场景，第一名和第三名的智能差距只有一两分，但成本可能差三倍——这时该看的不是排行榜谁第一，而是'在我的任务上，达到够用的质量、谁最便宜'。
另有 3 家信源报道
展开详情
- **对比**：Artificial Analysis 智能指数——Claude Fable 5 约 59.9 vs GPT-5.6 Sol 约 58.9 vs Kimi K3 约 57.1（166 个模型同一榜单），头部三家仅差约 1–3 分
- **成本才是胜负手**：GPT-5.6 Sol 以约榜首三分之一的价格逼近第一名，把竞争从'谁最聪明'拉到'谁最划算'；Sol 版本尤其针对最难的数学、科学、网络安全推理调优
- **怎么选**：追求峰值智能/长程 agent 任务 → Fable 5；要在成本敏感的大规模场景（批量分类、抽取、客服、代码补全）跑得起 → GPT-5.6 Sol；开源自托管/数据不出境 → Kimi K3 这类开放权重
推荐理由：对开发者和想用 AI 的普通人，今天这条评测的实际含义是：别再把'用哪个模型'当成一个'选最强的那个'的问题，而要当成一个'按任务配模型'的成本工程问题。头部三家智能只差一两分、成本却能差三倍，意味着在你 80% 的日常任务（写邮件、抽结构化数据、跑批量分类、辅助编码）上，用便宜的 GPT-5.6 Sol 或开源 Kimi K3 就够，把最贵的 Fable 5 只留给真正需要峰值智能的长程 agent 任务。学会给不同环节配不同性价比的模型（路由/分层），是 2026 年一个能实打实省钱、又不容易过时的硬技能——因为无论谁登顶，'按性价比分配算力'的逻辑都不会变。
#03
GitHub
Repo
★ 2,177
NEW
jeremylongshore/claude-code-plugins-plus-skills
把它和上周的 SkillsBench（4.7 万公开技能平均只有 6.2/12）对照看，价值就清楚了：技能生态最大的问题从来不是数量，而是质量参差、没有分发和校验的基建。这个项目最值钱的部分不是那 2,810 个技能本身（数量多反而要警惕注水），而是它带来的两件工程化设施——ccpi 这个技能包管理器（让你像装 npm 包一样装/更新技能），和那条强制所有技能过规范校验、密钥扫描、frontmatter 检查的流水线。它代表 skills 生态正在从'各家往仓库里堆 markdown'走向'有包管理、有质量闸门的软件供应链'。
另有 1 家信源报道
展开详情
这是一个面向 Claude Code（及 Codex/Cursor/Gemini CLI 等）的开源插件与技能市场：约 425 个插件、2,810 个技能、200 个 agent，配一个公开站点 tonsofskills.com 和一个命令行包管理器 ccpi。它想解决的不是'技能不够多'，而是'技能太多太杂、良莠不齐'——所以每个上架插件都要过一条多层校验流水线：对照 Anthropic 官方规范和 AgentSkills.io 规范做 schema 校验、强制 8 字段企业级 frontmatter、Unicode 卫生检查、密钥扫描、以及机器规格影子校验。它本质上是在给'技能生态'补上包管理和质量闸门这两块基础设施。
周增长：持续更新中（近期版本 v4.33.0）；配套 tonsofskills.com 市场与 ccpi 安装器同步迭代
- **技能也有包管理器了**：ccpi CLI 让你像装依赖一样安装、更新、校验技能，配 tonsofskills.com 市场——把散落的 SKILL.md 变成可分发、可版本化的软件包
- **质量闸门而非纯堆量**：每个上架插件强制过 schema 校验（对齐 Anthropic + AgentSkills.io 规范）、8 字段企业级 frontmatter、Unicode 卫生、密钥扫描，正面回应'技能泛滥、平均分只有 6.2/12'的行业痛点
- **跨工具通用**：覆盖 Claude Code、Codex、Cursor、Gemini CLI 等多款 agent，一次上架多处可用，走的是 AgentSkills.io 开放标准
推荐理由：对想吃 skills 红利的普通人，这个项目的启发是'别只想着写技能，想想技能生态缺什么基建'。技能数量已经过剩，稀缺的是分发、校验、可信这三件事——谁能帮别人把技能'装得上、信得过、跟得上更新'，谁就站在了价值链更高的位置。可落地的三个方向：一是给你所在垂直领域做一套'带校验、带 frontmatter 规范、密钥扫描过'的高质量技能包，用质量而非数量取胜；二是学会用 ccpi 这类工具把自己反复用的工作流打包成可复用、可分发的技能包，长期复利；三是关注'技能供应链安全'——技能里能藏密钥泄露和恶意指令，会做技能审查/扫描的人正变得抢手。在技能过剩的时代，做那个'管质量'的人，比做那个'堆数量'的人值钱。
#04
press.bmwgroup.com
Article
NEW
BMW 用 AIQX/GenAI4Q 把 AI 质检铺到全球每座工厂：缺陷率降约 37%，赢在'把 AI 嵌进流程'而非买最强模型
今天轮到制造业。BMW 的 AIQX 是一套铺到全球每座工厂的 AI 质检平台：在传送带上嵌摄像头和传感器，实时分析图像与信号，当场发现并处理缺陷，缺陷率整体降约 37%。它靠神经网络区分'真缺陷'和'无害的正常波动'来消除误报，还能抓到人眼看不见的微观划痕、细微错位和装配异常；在丁格芬工厂甚至加了声学分析做'听诊式'质检。更值得注意的是雷根斯堡工厂的 GenAI4Q 试点——用生成式 AI 做'按情境定制'的质检，让质量检查能针对任意场景灵活配置。BMW 的配方和上周 TD 银行、Aviva 一脉相承：产业价值不来自买了最强大模型，而来自把 AI 嵌进真实业务流程的每一个环节。
另有 2 家信源报道
展开详情
- **具体数字**：AIQX 铺到 BMW 全球每座工厂，AI 视觉质检使缺陷率整体降约 37%，并消除误报、抓出人眼不可见的微观缺陷
- **多模态质检**：不止看——丁格芬工厂加入声学分析做音频质检；雷根斯堡 GenAI4Q 试点用生成式 AI 做按情境定制的柔性质量检查
- **赢在流程而非模型**：价值来自把 AI 嵌进质检流程、实时拦截缺陷，而不是买一个更强的大模型——和银行/保险业的落地逻辑完全一致
推荐理由：对想在 AI 时代找机会的普通人，BMW 这个案例把'落地才值钱'讲得很直白：真正稀缺的不是'会用最强模型'，而是'懂某个具体业务流程、能把 AI 精准嵌进那个环节'的人。制造业尤其如此——它的价值点极度依赖领域知识（什么是缺陷、哪些波动无害、装配公差怎么算），通用模型天然不懂，必须有懂行的人把它'调进'流程。可落地的方向：如果你在制造/质检/供应链一线，别等公司买个大平台，去做那个'把某道工序的质检/预测性维护用 AI 跑起来'的人——这类'既懂业务又会用 AI'的复合能力，正是企业最缺、也最难被外部工具替代的。
#05
arXiv
Paper
NEW
Beyond the Leaderboard: A Synthesis of Tool-Use, Planning, and Reasoning Failures in Large Language Model Agents
这篇综述把 2023–2026 年 27 篇关于 LLM agent 的评测、分类和审计论文（覆盖 19 个不同基准）整合成一张统一的'失败地图'，第一次把散落各处的证据拼成 agent 局限性的完整分类。它指出 agent 会以六种方式坏掉：(1) 工具调用与参数级错误、(2) 规划与约束满足失败、(3) 因上下文累积导致的长程退化、(4) 多智能体协调失败、(5) 对抗或防护不足下的安全失败、(6) 度量本身失真（榜单分数不等于真实能力）。它的价值在于把'agent 不靠谱'这句模糊的抱怨，拆成六个可定位、可针对性防御的具体故障簇——正好呼应本周 OpenClaw 的安全危机和 Draco 这类治理工具。
首个把 2023–2026 跨 27 篇评测/审计论文、19 个基准整合成统一'agent 失败分类'的综述，给'agent 到底会怎么坏'提供一张系统地图
另有 1 家信源报道
展开详情
- **六大失败簇**：工具调用错误 / 规划失败 / 长程退化 / 多智能体协调失败 / 安全失败 / 度量失真——给'agent 会怎么坏'建了一张系统地图
- **度量失真是重点警示**：榜单高分 ≠ 生产可靠，这一条直接说明为什么本周会同时出现'刷穿的基准'和'138 个 CVE 的明星项目'
- **从抱怨到工程**：把'agent 不靠谱'拆成可定位、可针对性设护栏的故障类型，是做 harness 工程和 agent 治理的对照清单
推荐理由：对正在搭 agent 的人，这篇论文最实用的用法是当成一张'风控检查清单'：搭之前对照六个失败簇逐条问自己——工具调用参数会不会错？规划会不会违反硬约束？跑长了会不会退化？多个 agent 会不会互相踩？防护够不够抗对抗？我拿来验收的指标是不是被刷穿的假榜？普通人从中该学到的元能力是：在 agent 时代，最值钱的不是'让它跑起来'，而是'预判它会怎么坏、并提前在系统里堵住'。这正是从'会用 agent'升级到'能把 agent 交付到生产'的分水岭，也是最不容易被下一个模型抹平的能力。
#06
alterion.ai
Product
NEW
Alterion Draco：企业级 agent 运行时治理控制面
Alterion 于 7 月 16 日推出 Draco，一个面向企业 AI agent 的运行时治理控制面。它解决的痛点很现实：企业在生产里疯狂上 agent，却没有一个统一的地方看清'这些 agent 在干什么、为什么这么干、怎么在运行时管住它们'。Draco 实时观测每一次 prompt 和动作、给 agent 行为建模，并用可编程护栏在高风险操作发生之前拦下来——而且不需要改代码。它对标的正是传统 APM/安全工具管不到的地方：它们能采日志和指标，却抓不到 agent 的意图和行为，在 SOC 2、ISO 42001、欧盟 AI 法案这些框架下留下治理空白。它是本周'管住 agent'这条主线里最直接的商业化产物。
另有 1 家信源报道
展开详情
- **运行时拦截而非事后审计**：实时观测每个 prompt 和动作，在高风险操作执行前用可编程护栏拦下，而不是出事后翻日志
- **免改代码接入**：跨云、跨厂商、跨端点统一治理，不要求改动 agent 代码，降低企业落地门槛
- **对齐合规框架**：直指 SOC 2、ISO 42001、欧盟 AI 法案的治理空白——传统 APM/安全工具能采指标却抓不到 agent 意图与行为
推荐理由：Draco 的出现，给普通人指了一个正在成型的高价值方向：'agent 治理/可观测'。当企业把 agent 推进生产，'看得见、管得住、能合规'立刻从锦上添花变成不可回避的刚需——而这块人才和工具都严重稀缺。可落地的启发：一是技能上，学 agent 可观测（每次 prompt/动作的追踪）、护栏设计（高风险动作前的策略拦截）、以及 SOC 2/ISO 42001/欧盟 AI 法案这些合规映射，正在成为企业抢手的复合技能；二是产品上，Draco 走的是'控制面'路子，但更细分的场景（某个行业的 agent 合规、某类高风险动作的护栏模板）仍留着大量给小团队的缝隙。生成 agent 越来越容易，治理 agent 才刚开始，这是个能长期吃的方向。
商机信号（加速）：谁付钱：在生产环境跑 AI agent、又要过 SOC 2/ISO 42001/欧盟 AI 法案合规的企业（尤其金融、医疗、保险这类强监管行业） 痛点：agent 已上生产，但看不清它在干什么、为什么这么干，传统 APM/安全工具抓不到 agent 意图，高风险动作没有运行时拦截，留下审计与合规空白 切入点：不与 Draco 拼大而全的控制面，切一个垂直行业或一类高风险动作，做'开箱即用的护栏/合规模板 + 可观测'轻量方案，帮中小团队先满足一个具体合规要求
#07
simonwillison.net
Opinion
NEW
Simon Willison（及 Martin Fowler、Mitchell Hashimoto 等）
一个 agent 的本质，就是'在循环里调用工具去达成目标'，功力全在你怎么设计那些工具和那个循环。agent 每次犯错，别指望它下次自己变好——去改造它所处的环境，让这个错误结构上不可能再以同样方式发生。
这句话把 2026 年 agent 工程界逐渐达成的共识浓缩成一个词：harness（框架/挽具）。Martin Fowler 把它公式化为'Agent = 模型 + harness'——harness 是模型之外的一切：指令、传感器、工具链管理、记忆系统、生命周期管理；Mitchell Hashimoto 则在 2026 年初把心法讲透：agent 每犯一次错，就去改造环境让它没法再犯同样的错，而不是去改 prompt。放到今天这条主线里，这正是 OpenClaw 安全危机、《Beyond the Leaderboard》六大失败簇、Draco 运行时护栏共同指向的方法论内核：可靠的 agent 不是'调'出来的，是'围'出来的。
另有 2 家信源报道
推荐理由：对每个想真正把 AI 用出生产力的人，这句话是今年最该内化的一条心法：当 AI 出错时，不要一头扎进'再改改 prompt'的死循环，而要往后退一步问'我怎么改造它周围的系统（工具、约束、校验、反馈回路），让这个错误根本不可能再发生'。这是一次思维方式的升级——从'调教一个不可靠的天才'转向'给它搭一套让它不得不靠谱的脚手架'。具体到练习：给你的 AI 工作流加自动校验（跑不过测试就不算完成）、给高风险动作加确认闸门、把反复出的错固化成规则而不是每次靠提醒。掌握'设计 harness'而非'堆砌 prompt'的人，做出来的 AI 系统才真正可靠、可交付——而这正是把 AI 从玩具用成生产工具的分水岭。
#08
nevermisshq.com
Product
值得关注
NEW
NeverMiss：给本地家政/维修生意做'永不漏接电话'的 AI 前台
NeverMiss 是一个很典型、也很可复制的'用 AI 帮小微生意挣现金流'的样本：给 HVAC、水暖、屋顶等家政维修公司做一套 AI 语音前台 + 全流程自动化——AI 电话接听（声音接近真人）、漏接来电捕获、线索跟进、报价催单、CRM 同步、外呼营销，能接 ServiceTitan、Housecall Pro、Jobber、GoHighLevel、Google Sheets 等常见系统。它踩中的痛点非常实在：家政类生意最多会漏接高达 62% 的来电，而一通漏接可能就是 $500–2000 的活飞了。$500/月/门店起、3–5 天上线，让老板算得清账：只要一个月因此多接住一两个活就回本。
另有 1 家信源报道
展开详情
- **痛点用钱量化**：家政维修生意最多漏接 62% 来电，一通漏接约等于 $500–2000 的订单流失——'永不漏接'直接对应可算清的钱
- **窄而深才活得下来**：只做家政维修一个垂类、只做'接电话+跟进+同步 CRM'这条链，而不是一个什么都干的通用 agent——production 里能活的都是窄的
- **接得进现有工具**：对接 ServiceTitan/Housecall Pro/Jobber/GoHighLevel 等行业主流系统，$500/月/门店起、3–5 天上线，老板决策门槛低
推荐理由：对想用 AI 挣现金流的普通人，NeverMiss 给的不是'去买它'，而是一张可复制的模板：找一个'漏一单就是几百上千块'的本地生意（家政、维修、诊所、律所、汽修），用现成的语音 agent 工具（Retell、Synthflow、ElevenLabs、Vapi 之类）给它做一个'只干一件事、但干到位'的 AI 前台，按月收费。真正的门槛不在技术——搭一个 demo 一两天就行——而在分发：你得能触达这些还在用 2005 年工作流的老板、讲清楚'一个月多接一个活就回本'。所以现在能切进去的最小切口是：锁定一个你有渠道触达的本地垂类，先给三五家做出'这个月因此多接了 X 单'的实证，再靠口碑复制。窄、实、算得清账，是这类现金流生意能跑起来的关键。
My Take：评分（5=最优）：最快成交 4 / 最低成本 4 / 可复制 5 / 风险安全度 4。用现成语音 agent 工具给本地家政生意做'永不漏接电话'的窄前台，按月收费——门槛在分发不在技术。
商机信号（加速）：谁付钱：美国/欧洲 6200 万还在用老式工作流的本地小微生意，尤其 HVAC、水暖、屋顶、汽修、诊所这类'漏一通电话就丢几百上千块'的家政/服务业老板 痛点：最多漏接 62% 来电、下班/忙时没人接，一通漏接约 $500–2000 订单流失；请全职前台贵，老板既不懂也没空自己搭 AI 切入点：锁定一个你有渠道触达的本地垂类，用现成语音 agent 工具做'只接电话+跟进+同步 CRM'的窄前台，按月收费；先给三五家做出'本月多接 X 单'的实证再靠口碑复制，重点在分发不在搭建