少拆 subagent，多管上下文

卷首：subagent 该合回主循环了

去年大家搭 Agent 的标准姿势，是先画一张组织架构图：最上面一个 router 判断意图，下面一个 planner 拆任务，再挂几个领域 subagent。图很好看，跑起来却常常是用户的一句关键约束，在第二跳的交接摘要里被丢掉了。

最底层的 subagent 只能靠猜，猜错了再一层层往回报错。每多一跳，就多一次模型调用、多一份重复的系统提示词，也多一次信息被压缩的机会，排查时还得翻好几份日志。

Anthropic 这周写了一篇何时把 subagent 合回主循环，观点很直接：当初拆 subagent，很大程度是因为上下文装不下所有领域知识。现在 skills 可以按需加载说明，tool search 可以按需加载工具定义，一个主循环就能「用到时才读」。

这时多层交接带来的信息损耗、额外 token 和延迟，往往比它省下的上下文更贵。主循环看得到完整对话，也就不需要别人替它转述用户到底想要什么。

例子不止一个。LangChain 总结的公司 harness 五个组件里，核心是一个带沙箱、凭证和记忆的执行环境，而不是一棵 Agent 树。

AI21 给 GitLab Duo 做代码评审，降本靠的也不是再加一层分工，而是换小模型加上下文压缩。每个 PR 的成本从 $0.589 降到 $0.0135，降了约 98%。

保留意见也要说清楚。subagent 仍有两个站得住的理由：一是权限隔离，读不可信网页的那个 Agent 不该同时拿着生产密钥；二是真正的并行，十个互不依赖的检索任务分出去跑，墙钟时间确实能省下来。

另外，上面的数字多是厂商自述，换到你的任务上要自己再测。合并之后主循环的上下文会变长，缓存命中和压缩策略也得跟着调整。

我的判断是：拆 subagent 应该是为了隔离和并行，而不是为了装下知识。手头已有多层架构的团队，先盘点哪些层只做「转发」，比如只判断意图的 router、只把任务改写一遍的 planner。

把这些层并回主循环，领域知识改成 skills 按需加载。合并前后用同一组 eval 比较成功率、每任务成本和延迟，数字说话再决定下一层要不要动。

本周快讯

• GPT-6.1 Terra OpenAI 新的快档模型，视觉推理、computer use 与编码一起加强，API 每百万 token 输入 1 美元、输出 5 美元。
• Kimi K3.1 Pro API 已上线，承诺 11 月 4 日前开放权重，Artificial Analysis 得分 55。
• Recursive Flint 40B 总参、2.5B 激活的 MoE，主打在本地硬件上快速做 Agent 编码。
• 前沿模型上 Google Cloud OpenAI 模型与 Codex 工作流进入 Vertex Model Garden，同周 Claude Platform 也全量上了 Google Cloud。
• Agent Skills 捐给 AAIF Anthropic 把 Skills 标准交给 Linux 基金会下的 Agentic AI Foundation 中立治理。
• Cursor 能控制电脑 Agent 可以驱动 iOS 模拟器等桌面应用，自己点一遍刚写的功能。
• LiteLLM 投毒 v1.107.0 恶意包在 PyPI 上存活约 2 小时，用户应立即核对锁文件版本。
• Workers AI 串数据 KV cache 容量不匹配加 SGLang 缺陷，导致 155 条 GLM-5.3 响应带出了其他客户的数据。
• Claude 文本水印 为合规 EU AI Act，新模型基于 SynthID-Text 在近义词选择上做偏置。
• Railway 安全披露 客户环境变量可能被未授权访问，部署在 Railway 上的项目应尽快轮换密钥。
• Claude Duet Anthropic 的主动式个人 Agent 研究预览，监控已连接应用、排优先级，需要时再请求批准。
• Next.js 安全发布预告 11 月 3 日将修复 7 个中危漏洞，可以先把升级排进日程。

技术文章

何时把 subagent 合回主循环

Anthropic 讨论 router、planner、领域专家这类 subagent 什么时候该并回单个 Agent 循环。

Key insight：skills 与 tool search 让上下文可以按需加载，拆分的主要收益消失了，交接摘要的信息损耗、额外 token 和延迟却还在。

落地建议：盘点现有多层架构，先合并只做转发的 router 或 planner，用同一组 eval 对比合并前后的成功率与每任务成本。

搭「公司 harness」的五个组件

LangChain 总结在公司内部搭 Agent 平台需要的五个组件。

五项分别是：Slack 等入口、限定范围的凭证、共享与个人记忆、沙箱执行，以及定时运行。

落地建议：做内部 Agent 平台的团队，可以按这五项自查缺哪块，凭证和沙箱优先补齐。

GitLab Duo 代码评审成本砍掉 98%

AI21 分享为 GitLab Duo 优化代码评审的案例，做法是换模型加压缩上下文，而不是加更多 Agent。

换成 DeepSeek V4 Flash 并做上下文压缩后，每个 PR 的评审成本从 $0.589 降到 $0.0135。这是厂商自述数据，质量对比要看原文细节。

落地建议：已上 AI 评审的团队，先按「每 PR 成本」记账，再拿一批历史 PR 试小模型加压缩的组合。

修好 vLLM 的工具调用准确率

Ubicloud 排查了开放模型经 vLLM 部署后工具调用不稳定的问题。

Kimi K2.6 经 vLLM 默认只有 92% 的调用符合 schema，打开约束解码后拉到 100%。对 Agent 来说，8% 的格式错误足以让长任务中途崩掉。

落地建议：自托管开放模型做 Agent 时，默认开启 structured output 或 guided decoding，并把 schema 通过率纳入上线检查。

用 Agent 排查线上问题

Stream 介绍他们用 Agent 做线上故障调查的流程。

Agent 先收集日志、指标、SQL 查询结果和相关代码，得出结论后再另开一个会话反驳自己，结论站得住才发到频道里。

落地建议：做值班 Agent 的团队，在发结论前加一步「新会话质疑」，用来压低误报，再考虑扩大权限。

LLM 让大规模形式化验证变得可行

Anthropic 研究用 Claude 给开源库自动生成可被机器检验的证明。

Key insight：已有的 fuzz 测试其实就是规格。Claude 为 123 个开源库的 239 个 fuzz 入口生成了证明，把测试升级成形式化保证。

落地建议：维护底层解析、编解码库的团队，可以先挑一个已有 fuzz 入口试，证明失败的地方往往就是值得看的边界。

如何评估主观任务上的 Agent

Cameron Wolfe 长文讨论写作、设计这类没有标准答案的任务该怎么评估。

方法是三者结合：校准过的人工判断、自动评审加 rubric、线上监控，并讲了功效分析与置信区间怎么算。

落地建议：做主观类 Agent 的团队，先用功效分析算清需要多少样本，再比较两个版本，别凭十几个样本下结论。

编码 Agent 需要怎样的 CLI 报错

这篇研究对比了 12 个 JS CLI 在失败时给编码 Agent 的信息。

结论是 Agent 需要有区分度的退出码、结构化的失败信息，以及明确的重试指引；只打印一段人读的报错，Agent 常常会盲目重试。

落地建议：维护 CLI 的团队，先加一个 --json 错误输出和稳定的错误码，成本很低，Agent 用起来立刻少绕弯。

Agent 时代的 Pure UI

Matt Rothenberg 重提 Pure UI：把界面写成状态的纯函数。

把角色、套餐、账单状态、feature flag 这些维度显式化后，人和 Agent 都能在合并前一次性检查所有组合，而不是靠手点。

落地建议：给关键页面做一个状态矩阵预览页，让编码 Agent 改完 UI 后先截图过一遍矩阵。

GrokBot 很好用，但我停用了

Builder.io 记录了一次常驻 Agent 的实验：16 个 bot 一周合并了 78 个 PR。

问题出在成本：一个周末里大量无效唤醒就烧掉约 100 美元，最终作者选择停用。

落地建议：上常驻 Agent 前，先给唤醒条件设门槛、给每天设预算上限，按「每个合并 PR 的成本」评估是否值得。

工具推荐

GitHub Agentic Workflows

GitHub 推出的 gh-aw，用 Markdown 写工作流，编译成 GitHub Actions，让 Copilot、Claude、Codex 等编码 Agent 定时或按事件做 issue 分诊、排查 CI 失败、开 PR。

安全上号称六层纵深防御，包括隔离沙箱、凭证隔离、不可信内容过滤、Agent 防火墙、威胁检测和 safe outputs：只有声明过的写操作，由单独的 job 用自己的权限执行。成本可用 max-ai-credits 给每次运行设上限。

落地建议：先在一个仓库开 staged: true 预览所有输出而不真正写入，挑 CI Doctor 或 Repo Status 这类现成工作流试一周再放开。

TanStack AI 1.0

TanStack AI 发布 1.0，76 个包进入稳定 API。

覆盖聊天、工具调用、媒体、MCP、持久化与沙箱，不绑定模型厂商，也不绑定前端框架。

落地建议：不想被单一 AI SDK 锁定的前端团队，可以在一个新功能里试，先验证工具调用与流式 UI 的体验。

Expo Agent CLI

Expo 推出实验性的 Agent CLI，专门给编码 Agent 用。

它帮 Agent 选对构建方式、启动 App 并做冒烟测试，输出是结构化的，Agent 能直接判断成功与否。

落地建议：Expo 项目可以把它加进 Agent 的验证步骤，要求每次改动先过一遍冒烟测试再提 PR。

NVIDIA OpenShell

NVIDIA 开源的 Agent 沙箱运行时，让 Agent 在策略控制下执行命令。

它做内核级的文件与网络限制，凭证由运行时注入而不交给模型，权限变更还有形式化检查。

落地建议：给能跑 shell 的 Agent 换上它之前，先写好网络白名单和可写目录，从最小权限起步。

JetBrains ThinkRail

JetBrains 开源项目，把 pi 编码 Agent 包进 IDE。

每个并行任务用独立的 Git worktree 隔离，配合 SPEC.md 描述需求和可复用的 skills。

落地建议：习惯同时开多个 Agent 任务的开发者，可以试这套 worktree 隔离，避免几个任务互相踩文件。

1Password for Agents

1Password 推出面向 AI Agent 的凭证方案。

用户批准后，由 1Password 直接把凭证填进目标站点，模型全程看不到密码，也就不会出现在日志和上下文里。

落地建议：让浏览器 Agent 登录业务系统的团队，优先接这类凭证代理，别把密码写进提示词或环境变量。

Cloudflare Computer v0.7.0

Cloudflare Computer 发布 v0.7.0，加入可持久化的 JavaScript 执行。

Agent 代码在重新部署或崩溃后可以接着跑，还能暂停等待外部审批，审批通过再继续。

落地建议：需要人工确认的长任务，可以用它代替自己手写状态机，先拿一个审批流做试点。

OpenAI CLI

OpenAI 发布官方命令行工具，直接在终端调用 OpenAI API。

对脚本和 CI 来说，它省掉了手拼 curl 请求和处理鉴权头的胶水代码，命令也更容易让编码 Agent 调用。

落地建议：CI 里有调 OpenAI API 的脚本，可以挑一个换成官方 CLI，确认密钥仍只从 CI secret 注入。

Discourse 提供 Markdown 端点

Discourse 社区现在可以直接给 Agent 返回 Markdown。

URL 后加 .md，或在请求里带 Accept: text/markdown，就能拿到处理好的 Markdown，省掉解析 HTML。

落地建议：自己的文档站或社区也可以照做一个 .md 版本，方便 Agent 读取，也能减少 token 浪费。