2026-10-27 Agent 核心研究与竞品动态
本轮最重要的变化是:审计从“有日志”走向验证真实调用链,恢复从“重试”走向持久身份与所有权,授权从静态声明走向最终执行参数。 赵越相关 CatchBench 与 AEGIS 分别补强方法库消费证据和真正触达网关的攻击检验;Paperclip、Eigent 等在修重复执行与不完整证明;Superset 更名为 Paradev 并发布 desktop 2.0.0。
执行起点:2026-10-27 20:50:12(Asia/Shanghai)。主要增量窗口:2026-10-26 10:01:41 至本次起点;依据上轮成功核查和已发布 10 月 26 日日档去重。未完成来源保留更早待查起点,不把旧材料冒充当天新增。以下 CodeFlowMu/FCoP 关系均是待验证线索,不是开发派工或已完成实验。
1. 赵越:CatchBench 0.1.3 把基线真正接入 auditable
状态:RELEASED
10 月 26 日 11:01(北京时间)正式发行。79 个榜单条目改由 auditable ≥0.3.0 计算;LLM judge 的缓存经库构建提示、解析回复并逐项核对,偏差会报错。新增消费测试:让旧评分核心抛错仍能完成榜单,扰动库输出则对应条目必须变化。数据、标签、划分、协议和指标不变,榜单与 0.1.2 数值完全相同。这是实现与可复现性变化,不能写成性能提升。
CodeFlowMu/FCoP 待验证线索:评测应验证生产方法库确实参与计算,防止 benchmark 与实际实现分叉。值得互动:迁移条目如何覆盖配置前审计、运行中预警和事后归因,以及未迁移基线为何保留。
2. 赵越相关 AEGIS:换用会执行注入的 Agent 检验网关
状态:COMMITTED; UPSTREAM RESULTS, NOT LOCALLY REPRODUCED
Justin0504/Aegis 的 9cc08d1 提交新增自适应 AgentDojo 实验及结果。原 Haiku 4.5 实验中,Agent 没有执行攻击,不能据此证明网关挡住攻击;新实验用本地 qwen3-8b,在 banking/slack 的 249 对攻击里,无防御时实际执行 61 对,再对这 61 对做四轮改写。仅判决反馈和白盒反馈两组,均标记/挂起 60/61(98.4%),各有 1/61 逃逸。逃逸需同时满足 AgentDojo 安全判定成功和网关允许 sink 工具。数据是上游自报,未本地复现,不能推成普适安全率或零逃逸。
作者归属由 README 的 Aojie Yuan、Zhiyuan Su、赵越及 USC FORTIS 链接确认,不把任意同名 Aegis 归给赵越。待验证线索:必须区分“模型自己拒绝”和“网关真正阻断”;互动可追问那一个逃逸的路径、良性多步误挂起成本和 hold 的最终审批语义。
3. Codex:原生工具调用前 Guardian 审查与跨进程会话锁
状态:MERGED; STABLE RELEASE NOT VERIFIED
#57433 在 opted-in 原生函数调用分发前同步审查;拒绝时 handler 不执行。若 hook 改写参数,审查改写后的参数并丢弃原加密回放内容。#57441 注册原生多 Agent 历史功能开关,仍处开发中、默认关闭。#57358 用持久锁协调多个进程修改 session_index.jsonl,竞争 30 秒超时不写入,调用方取消后仍持锁直至阻塞 worker 完成。最新稳定版仍为 0.164.0;新 alpha 不能证明这些能力已进入稳定版。
待验证线索:call-time authorization 必须绑定最后实际执行参数;取消请求不能提前释放写锁。值得互动:hook 改写、审查重试、证据预算截断与多 Agent 历史缺口如何共同影响授权。
原始来源:证据 1 · 证据 2 · 证据 3 · 证据 4
4. OpenAI Agents Python:可选 handoff 纠错不等于副作用回滚
状态:MERGED; RELEASE NOT VERIFIED
#5418 增加可选 failure_error_function,让无效 handoff 参数返回给调用 Agent 修正;None 保留抛异常。已处理失败停留在 caller,不执行成功转交 hook/history filter;应用回调错误可恢复,但不会回滚已发生副作用,取消和 transfer hook/filter 错误继续传播。seratch 的 #5430 仅按 writer 的 LF 分割嵌套 handoff 记录,避免 Unicode/控制字符分隔符把消息误拆成新角色;#5431 要求已修复 MCP 依赖,排除受影响的 2.0/2.1,保留修补后的 1.x/2.x。
待验证线索:协议错误恢复要与执行幂等、消息角色边界分别验证。值得互动:回调已产生副作用后,哪些错误应重抛而非自动让模型重试。seratch 仍直接参与本轮核心修复。
5. Claude Code / Copilot CLI:正式版修长任务与子 Agent 生命周期
状态:RELEASED
Claude Code 2.1.311 修复 SubagentStop hook 在运行中反复触发、后台子 Agent 尚在工作时隔离 worktree 被删除、晚连接 MCP 工具对子 Agent 不可用,以及重启后已完成子 Agent skill 再跑一次等问题;新增 self-hosted-runner 的 idle hold 参数。Copilot CLI 1.0.104 让交互式及 SDK Autopilot 继续等待已附着后台任务,-p --autopilot 仍遵守原等待超时;Assisted Permissions 不再要求实验模式。
待验证线索:停止/完成 hook、工作区回收和后台任务等待应基于真实子任务生命周期。值得互动:区分无人值守等待与无界挂起,如何给父会话提供子任务仍活跃的证据。
6. LangGraph 1.2.18:恢复路径、最后 checkpoint 与存储取舍
状态:RELEASED
1.2.18 发布 error_handler 在各路径上的恢复及失败 task 结果流;interrupt_after 或递归上限停止的运行会流出最后 checkpoint。DeltaChannel 默认每 100 次增量保存全量快照,原为 1000,换取长线程读取更快、更多存储,可显式设回 1000。同步发布 SDK 0.4.10 修 runs.wait 重试和 SSE 处理,checkpoint 4.3.1 拒绝 namespace 标签中的 NUL。
待验证线索:停止时可见的最终状态、错误事件与恢复 checkpoint 必须一致;checkpoint 频率需要结合实际长任务成本评估。值得互动:失败流与恢复后结果的去重及客户端游标语义。
7. MCP Apps:减少示例审批卡,WebMCP 桥接仍需守住发行边界
状态:2.0.4 RELEASED; #829/#835 MERGED
2.0.4 正式版不改库 API:pdf-server 示例把 13 个独立 action 工具收敛成一个 interact,保留 --split-app-tools;批处理按输入位置返回结果,失败项有 ERROR,而不是给整批 isError。#829 随后合入 App/WebMCP 双向桥接与工具去重规则,#835 又回退 2.1.0 版本号提交。当前不能把桥接写成 2.0.4 已有能力或 2.1.0 已发布。
待验证线索:统一工具入口减少审批噪声,但动作级授权仍需保留;同一 View 经两种表面发现时只消费一种。值得互动:批量动作的局部失败、权限粒度及桥接导致重复执行的防护。
8. Paperclip:恢复抢占、完整性证明、Windows 保存及 PWA 安装
状态:MERGED; RELEASE NOT VERIFIED
#17838 阻止启动恢复抢占本服务器仍在准备的 heartbeat,避免基于未完成 workspace descriptor 再启动 executor;#15063 保留子树 100 层上限,但能检测边界外仍有合格子节点,此时返回 incomplete,不生成停止指纹、不派发审查、不允许 mutation。#16925 对同 record 的 ACPX 保存进程内串行,避免 Windows 重叠 rename 的 EPERM;不同记录仍并行。#13461 将 manifest 改为 standalone,使安装 PWA 而非只建浏览器快捷方式;没有增加 Push。
学习价值高:恢复所有权、扫描完整性与 Windows 文件并发都触及真实生产故障。竞争风险中高,维持主雷达、提高恢复与移动交付关注;不能据此称成熟手机审批终端。待验证:FCoP 证明必须注明是否完整;互动切入点是 incomplete 与 stale proof 的处置,以及进程内队列是否仍需跨进程协调。
原始来源:证据 1 · 证据 2 · 证据 3 · 证据 4
9. Eigent:持久请求 ID 解决 Automation 重复准入
状态:MERGED; PACKAGED RELEASE NOT VERIFIED
#2089 修复后台 Automation 用随机 task ID,导致随后打开 Session 时原请求再次准入;改用 durable queue request ID,由后台事务标记同一请求并去重。#2108 在失败任务完成状态协调和收尾前保留 follow-up 队列,以 1 到 30 秒退避处理 Session busy,接受前不发布消息/切换活动任务,并保留附件。#2089 明确未运行打包应用中的完整 scheduled Automation,不能把测试称为桌面验收。
学习价值高,竞争风险中高,维持主雷达并增加准入一致性观察。待验证:跨后台、前台和重连都应复用同一请求身份。值得互动:任务已执行但响应丢失时,如何避免重试造成第二次外部副作用。
10. OACP 0.5.4:脚本信任绑定内容哈希
状态:RELEASED
0.5.4 的 envelope.trusted_scripts 以 SHA-256 pin 允许运行脚本,pin-script 写 pin 后重签 receiver 配置;doctor 检查缺失/过期 pin。未 pin 脚本请求确认,shell 展开生成程序名时也请求确认;更完整审查 compound commands,并把 ask/deny 记录到 envelope_decisions.jsonl。verify --attach-audit 拒绝贴到另一条消息的记录,finalizer 拒绝没有覆盖证明的 realized grant-only effect。
学习价值高,竞争风险中,保持专项协议雷达、提高脚本信任与审计绑定关注。待验证:授权对象应是具体内容及执行上下文,而非路径名。值得互动:pin 校验到实际执行之间的 TOCTOU,以及脚本依赖变化是否也进入信任范围。
原始来源:证据 1
11. Orca 1.4.242:Ask 模式按实际权限运行,恢复保留授权
状态:RELEASED
1.4.241/242 已正式发行。1.4.242 中 Codex Ask 模式按只读运行,编辑前请求确认;权限修改应用于新 turn,已运行工作保留原 grant,配对服务器需升级才改变旧行为。恢复 Claude 保留 effort/launch flags,Codex 保留最后授权;配对服务器重启保留 tabs,手机对主机不可达给原因。Claude 子 Agent transcript 可从侧栏进入,依赖 status hooks,已运行 session 需新启动。原生 Chat 仍标 experimental。
学习价值高,竞争风险中高;保持第二圈重点、提高远程权限一致性关注。待验证:手机、桌面、host 版本和每一 turn 的 grant 需要一致且可解释。值得互动:权限收紧后仍运行的旧 grant 如何展示、撤销和审计。
原始来源:证据 1
12. UniEmployee 0.23.0:研究工作台连同采集、租户与迁移
状态:RELEASED
0.23.0 发布行业研究工作台,覆盖具身智能、AI 前沿观察与政策分析,提供分类、来源追溯和版本化研判。公开链接流水线包含租户隔离、来源去重、私网地址拦截、断点恢复及证据范围校验。入站研究 MCP 默认关闭,至少 32 字节随机 token 配置后启用;启动自动建表和补技能,保留管理员人设、知识库及用户覆盖。测试通过是发行说明的上游声明,本轮未安装。
学习价值高、竞争风险中高:从通用员工向垂直研究产品扩展;提高第二圈雷达关注,不仅记成界面变化。待验证:采集任务、证据与综合判断的版本和租户边界。互动可问重定向/DNS rebinding 场景的私网防护和恢复后证据范围。
原始来源:证据 1
13. Agentlas OS 1.2.70:主机原生委派与执行回执分开
状态:RELEASED
1.2.70 允许 prepared agents 在当前 host 具备且已授权时使用原生委派;package read allowlist 仅描述包内容,项目与工具权限继续由 host 及显式限制决定。缺少 execution-receipt 遥测不再阻断已获授权的工作,但回执验证仍严格,未经验证的工作不标成 validated execution。
学习价值高、竞争风险中,保持第二圈观察。待验证:执行许可、实际执行、证据到达和验证通过应是不同事实。值得互动:允许工作继续时,缺失回执如何补交、超时与影响后续 admission。
原始来源:证据 1
14. Superset 正式更名 Paradev:2.0.0 与云恢复另分状态
状态:RENAME MERGED; DESKTOP 2.0.0 RELEASED; LATER FIXES MERGED
#8874 于 10 月 26 日合入更名与发布链迁移;旧 superset-sh/superset 跳转 ParadevAI/Paradev,GitHub repository ID 均为 1080370450,确认同一项目。desktop-v2.0.0 正式发行,CLI 新增 paradev 别名但 superset 保留为实际 binary;ELv2 未变为宽松许可,LICENSE 本轮改动与公司名称规范化相关。后续 #8909 合入云端启动/唤醒时排队、liveness gate 和避免重放含糊 in-flight 消息;#8795 的 TOML 配置仍 dark launch,flag 主要面向 team,不能写成全面开放。
学习价值高、竞争风险高,维持主雷达并记录官方更名映射,不擅自替换其他仓库。待验证:冷启动、恢复、初始 prompt 身份与 outbox 的一致性。值得互动:无回执的 in-flight 消息如何处置,archive hook 失败与资源回收如何共同收敛。产品名称/下载链发生结构变化,不以融资宣传本身作为技术新增。
原始来源:证据 1 · 证据 2 · 证据 3 · 证据 4 · 证据 5
15. CrewAI / DSPy:恢复、模板插值和磁盘缓存均是信任边界
状态:MERGED; RELEASE NOT VERIFIED
CrewAI #8622 在 output_file 模板插值后重新验证,并在最终保存时检查解析路径仍处 cwd,堵住构造时验证被后续输入绕过。#8623 修复 checkpoint tool 恢复的未受信任反序列化、SQL 注释绕过只读检查及 tar 解包竞争。DSPy #10726 默认启用 restricted pickle,未注册磁盘缓存类型变成 cache miss;可信目录可显式 opt out,内存缓存不变。这些 PR 已合入,尚未证明进入正式版,不声称所有反序列化风险消失。
待验证线索:构造时批准不能覆盖插值后的实际路径;恢复/缓存数据也需信任策略。值得互动:恢复自定义类型的可用性代价,以及 Windows 根路径、符号链接和写入时竞争的剩余边界。
16. OpenHands SDK:脱敏不能破坏事件身份,OAuth 回调可重放
状态:MERGED; RELEASE NOT VERIFIED
#6155 修复短 secret 命中 UUID 后把事件 ID 脱敏,造成 EventLog 索引断裂、暂停后无法重载;给 EventID/ToolCallID 标注跳过脱敏,容器内同样识别 ID,但相邻文本仍脱敏。#5866 由 Engel Nyst 直接参与:重复 MCP OAuth callback 对已完成 job 返回保存的状态和 200;仍运行但 callback server 不可达才返回 409,避免把已经成功的授权当成失败。
待验证线索:审计标识完整性与 secret 脱敏不能互相破坏,重复回调应查持久状态。值得互动:任意字符串 ID 是否需要受控格式约束,避免把真实 secret 藏入“不脱敏 ID”字段。
17. AG2:最终回答才能消除 no_answer,超时也不能当回滚
状态:MERGED; RELEASE NOT VERIFIED
#3506 修 failure_attribution:中间一句“我去查一下”不再掩盖最终无答案或工具失败;按最后 ModelResponse 判断,与评测输出投影一致。#3514 增加每次函数工具调用 timeout,覆盖依赖解析、执行和清理,超时形成 ToolErrorEvent;approval middleware 在该计时外。取消是协作式,已超时的同步 worker 仍可能继续运行并产生副作用。
待验证线索:评价成功、用户收到答案、工具停止及副作用终止是不同事实。值得互动:超时后重试如何绑定同一幂等键,以及 failure attribution 如何记录仍在执行的 worker。
18. Langfuse:FIPS 从 Enterprise 转入独立 Government 授权
状态:MERGED; RELEASE NOT VERIFIED
#19316 合入 self-hosted:gov 与 lf_gov_ license key,包含 Enterprise 权益;Government 模式始终关闭遥测。破坏性边界是 LANGFUSE_REQUIRE_FIPS=true 现在需要 government key,原 enterprise key 升级到包含此变更的版本后会拒绝启动,Cloud 不变。该 PR 合入晚于本轮 v4.70.1 发布,不能把它称为该正式版已带来的行为。
对评测/可观测性基础设施有实际升级价值;商业边界变化值得跟踪。CodeFlowMu/FCoP 待验证线索:合规能力与 License gate 会影响升级可用性,应在迁移前识别。值得互动:企业 FIPS 用户的迁移窗口、离线 key 验证和失败诊断。
跨项目共振与分类处置
- 授权绑定真实动作:Codex 审查 hook 改写后的参数,OACP pin 内容,CrewAI 重验插值后路径。静态批准与调用时检查不能互相替代。
- 恢复不能制造第二次执行:Paperclip 活跃准备所有权、Eigent 请求身份、Paradev outbox、OAuth 回调和文件锁都在收敛这一问题。
- 证据应保留边界:CatchBench 验证库消费;AEGIS 区分模型拒绝与网关阻断;Paperclip 不完整扫描不能证明停止;Agentlas 不把无回执执行称为已验证。
- 停止等待不等于停止副作用:AG2 同步 worker、CLI 后台任务与子 Agent worktree 生命周期需分别处理。
分类结果:本轮仅收集、筛选与报告。上游实验数据已经注明来源与边界;本地工程实验 0、文章 0、开发评审项目 0、外部评论/互动发送 0。不将研究线索直接转换为评审或派工。互动技术议题已逐项记录。
双源核查、覆盖与空档
Registry 来自已连接 GitHub 工具读取的 latest main,47 位研究人物,blob 8d97df65269aa2b4accd1366d1b71319f99c6efd。六位治理/验证研究对象及关系边界继续保留;本轮未从其关联仓库确认值得单列的新变化。bulbasaur-skill-cli 仍只是相关项目,不是 AGENTSAFE 官方 Artifact。赵越姓名统一;人物和仓库保持多对多归属。
核查 88 个仓库目标:Registry 工程源、补充技术项目及 32 个竞品目标。GitHub 来源按 Release、增量 commit、更新 PR/Issue 核查;993 条 commit 记录,48 个无增量仓库另读 default branch 最新 SHA。Superset 原地址返回 301 后,通过网页重定向、相同 repository ID 及官方更名 PR 验证到 Paradev,保留原目标和映射。未逐库穷尽全部架构/License/Discussion;重要变更才读对应原文、文档或许可。
明确缺口:Codex、Claude Code、Orca 的 PR/Issue 更新列表各查至 12 页仍未完,保留待查窗口;TSA-AI-Workforce 三类接口 404,不推断删除或私有化。Codex 大 release 列表传输失败,回退查最新 3 个与 latest stable 成功,仍仅为有界覆盖。其余 release 列表也只查最近 10 个,不宣称全历史覆盖。来源失败、分页未完与无新增分别记录;不存在一个可声称全覆盖成功的统一水位。
第二来源类型单列:按实时 47 人分 12 组进行公开社交/作者讨论检索,并实际打开 Cursor 官方 changelog、CatchBench PyPI、Paradev 官方 changelog 与 Audit Commons。检索结果未形成可确认的窗口内新增个人帖子,不代表穷尽 X 时间线。PyPI 支撑包可获取性;工程事实仍主要由 GitHub 一手事件独立支撑,不将两个 GitHub 链接称为双源。Cursor 当前可见 10 月 20 日 Agent SDK 是窗口外补查线索,不冒充今日发布;Audit Commons 的 www 地址不可访问,另查裸域,覆盖状态单独保存。历史空档没有据此补齐。
GitHub 存档与网站交付
本报告及英文镜像使用同一组 18 项事实、状态、来源与判断,仅更新当日日档与两个原索引;索引沿用现有样式和固定入口。源码写入通过已连接 GitHub 工具,源文件回读、最新 main/gh-pages 并发核对、现有站点构建、Pages 发布及中英文线上点击验收另存本地执行回执;本正文不预先声称部署成功。网站保留公开快照、原布局及其他已发布内容。未修改 Research Runtime 业务事实。