Skip to content

2026-11-01 Agent 核心研究与竞品动态 ​

本轮最重要结论:评测修正不等于新分数,局部恢复成功不等于端到端验收通过,插件视图隔离也不等于执行 worker 沙箱。 Shaokun Zhang 相关仓库修复精确归因;Paperclip 最新滚动部署完整工作流仍 FAILED;Eigent/Orca 有明确正式交付,Copilot/Android 保留预发行边界。全部 CodeFlowMu/FCoP 启发为待验证线索。

1. Shaokun Zhang 相关失败归因仓库:从子串匹配改为精确标签比较 ​

状态: MERGED #15 (2026-10-30); NO BENCHMARK RERUN

来源事件日期(UTC): 2026-10-30

Agents_Failure_Attribution 的 evaluate_accuracy 对 agent 与 step 标签改用精确相等,避免 agent_1/agent_10、1/10 被子串判断误计为正确。上游只用自建合成 JSON 做两项回归,没有运行原数据集、模型或真实轨迹;不能据此发布“修正后的 benchmark 分数”,也不是新论文。PR 作者是贡献者,不将变更归为研究者本人新成果。

FCoP 待验证:失败定位准确率本身也需要可检验的标签语义。值得互动:旧结果受影响范围、固定数据/模型后的重算,以及 agent 与 step 分项/联合准确率。

原始来源: 证据 1

2. Codex main:未完成调用保留为失败证据,凭据轮换保持身份 ​

状态: MERGED #58456/#58251/#58343; STABLE STILL 0.166.0

来源事件日期(UTC): 2026-10-30

#58456 在失败轨迹保留 terminal response 中 incomplete 的输出项并按 ID 去重,但不送入流输出、工具执行或 continuation cache,debug 也不含负载。#58251 在远端 executor 请求前重读凭据,固定 account/user/workspace/mode,原子保存并协调并发 refresh/logout;未知 refresh 结果的 token generation 不复用。#58343 补上 keyring 不可读时 fallback token 的持久化。稳定版仍 0.166.0,未确认这些主干改动已进入稳定包。

待验证:观察到尝试不等于工具执行;换 token 不应换身份。值得互动:失败轨迹的 attempted/executed 区分、logout 与原子替换的竞争。

原始来源: 证据 1 · 证据 2 · 证据 3

3. OpenAI Agents SDK:skill 目的写入留在 Docker,断流诊断不携带正文 ​

状态: JS #2091 / PYTHON #5457 MERGED; RELEASE NOT VERIFIED

来源事件日期(UTC): 2026-10-30

JS #2091 以 Docker archive copy 和 stdin 复制本地目录 skill,避免通过宿主文件系统写容器目的路径;保留字节、权限和 ownership,拒绝运行中创建、archive copy 无法访问的 mount 目的地。Python #5457 对缺 response.completed 的流补 request/response ID、事件数及最后类型,不记录 prompt/output,也不改变重试或修复底层断流。上游部分全套基线失败明确留存,不能写成全部测试通过。

待验证:工具安装位置、宿主边界与容器边界不同;诊断增强不等于恢复成功。值得互动:目录并发替换、mount 例外和可关联但不泄露正文的失败回执。

原始来源: 证据 1 · 证据 2

4. Claude Code 2.1.316:分层策略、共享预算与进程/Stop 生命周期修复 ​

状态: RELEASED 2026-10-31

来源事件日期(UTC): 2026-10-31

gateway 新增匹配策略全部分层合并与组共享月预算,叠加成员限额。修复 macOS/Linux 自行退出后遗留 shell、PowerShell 特定语法 hook 的 exit 2 不阻止、managed allow 无 defaults 却被重新加入默认例外,以及无安全判决的云任务未标失败。self-hosted runner 修复进程替换后又回答 Stop 前排队消息。服务端 Team/Enterprise 设置无需同意提示直接适用,存储副本验证失败则拒绝。

待验证:策略合成、终止子进程和 Stop 的持久语义须跨重启成立。值得互动:no-verdict 状态、共享/个人预算的交集、Windows 进程树是否另有保障。

原始来源: 证据 1

5. AG2:取消等待命令收尾,final tool 批次完整进入重放 ​

状态: MERGED #3512/#3562 (2026-11-01); RELEASE NOT VERIFIED

来源事件日期(UTC): 2026-11-01

#3512 在取消、超时和 close 时等命令终止/reap 后才返回,排队但尚未启动的命令不再启动。POSIX 用独立 process group 停 shell 子孙;Windows 仅杀直接进程,不能宣称整树保证。#3562 在 final=True 强制答复前保存已完成整批 tool results,包括后续 sibling 结果/错误,跨 provider history mapper 去重;11 条 mapper 检查没有调用真实 provider API。

待验证:取消回执不能早于副作用停止;最终答复不能吞掉并行结果。值得互动:Windows 子树、重复取消和旧持久历史的兼容边界。

原始来源: 证据 1 · 证据 2

6. LangGraph 1.2.19 / SDK 0.4.11:重连缺口发行,trace policy 不再改业务流 ​

状态: RELEASED 2026-10-30

来源事件日期(UTC): 2026-10-30

SDK 0.4.11 明列前轮重连退避、缺 Last-Event-ID 警告、SSE data/cursor 分块保留,推进为正式发行,但无 cursor 仍不等于无损。1.2.19 修复 graph/task 的消息/工具 namespace,以及 trace_policy 对业务 stream 的误处理:BaseTracer 收处理后负载,其他 handler 收真实负载。Langfuse/MLflow 等非 BaseTracer 也可收真实负载;processor 抛异常时仍可能记录 raw,不能把它当全局脱敏开关。

FCoP 待验证:业务流、追踪采样/裁剪与隐私控制要分开。值得互动:自定义 handler 的数据契约、脱敏失败处理和重连缺口进入验证结论。

原始来源: 证据 1 · 证据 2 · 证据 3

7. Phoenix 21.0.0:监听地址、认证和凭据迁移有实质改变 ​

状态: RELEASED 2026-10-30; MIGRATION DOCUMENT READ AT RELEASE TAG

来源事件日期(UTC): 2026-10-30

默认监听改 loopback;未显式设置 auth 时,非 loopback 启用认证、loopback 关闭,Docker 镜像默认非 loopback 因而启用。Notebook 也开始遵从认证设置。PHOENIX_SECRET 变可选,但不设置时数据库持有者可解密保存凭据;设置/改变该值会使旧凭据不可读。替换仍为默认密码的 admin 时,旧会话撤销有多副本停机/缓存边界,API key 仍有效;浏览器登出不再等于 OAuth2 登出。

待验证:默认安全、凭据静态保护与会话撤销是不同保障;升级需要按发行迁移文档评估,不把改开关当已完成迁移。值得互动:多副本撤销证据、secret 轮换恢复与 API key 清理。

原始来源: 证据 1 · 证据 2

8. MCP:TypeScript SDK 内建 OTEL,Security IG 改为安全问题路由入口 ​

状态: MERGED SDK #3115 / SPEC #3331; SDK RELEASE NOT VERIFIED

来源事件日期(UTC): 2026-10-31

Client/Server/McpServer 对 request/notification 发 span 与 duration metric,以 params._meta 传播 trace context;已有 app OTEL SDK 接管,无全局 SDK 则 no-op、不改消息,实例可关闭。默认不记录 tool/prompt 参数或结果,新增共享 app 的 peer dependency。Security IG 本轮把既有决定落入 charter:先分诊验证再路由到 owning group,异步讨论与有议程论坛替代固定双周会;不是新 wire 安全机制。

待验证:trace identity 不等于调用授权;安全报告的路由与具体修复状态需分开。值得互动:跨进程上下文、重复 instrumentation 和 telemetry 关闭时消息不变的符合性。

原始来源: 证据 1 · 证据 2

9. OpenHands SDK:用户 hooks 真正加载,DecisionModel 进入观测链 ​

状态: MERGED #5734/#6068; LATEST RELEASE STILL 1.59.0

来源事件日期(UTC): 2026-10-30 / 2026-10-31

POST /api/hooks 新增项目/用户来源独立开关,默认都开,项目 handlers 在前;同文件只读一次,无效来源 warning 后跳过并保留另一来源,不能当强制策略的 fail-closed。DecisionModel 给分类式问题调用加 SDK retries/metrics/exception handling 与逐 attempt span;不记录敏感 state,但问题和答案仍记录。未确认这些进入正式版本。

Engel Nyst(enyst)仍直接参与 user-hooks 合入。待验证:hook 存在、实际加载与强制执行不同;观测字段也要单独审计。值得互动:加载失败的策略等级、合并顺序和问答中敏感信息。

原始来源: 证据 1 · 证据 2

10. Google ADK:拒绝写入不先破坏文件,思考内容不进入记忆 ​

状态: COMMITTED ON MAIN; RELEASE NOT VERIFIED

来源事件日期(UTC): 2026-10-30 / 2026-10-31

write_file 在创建目录/打开文件前验证内容类型并完成 UTF-8 编码,错误输入不再先截断旧文件。FileArtifactService 只列至少有一个已发布版本的名字,不把被拒/中断首存残留当产物。Redis create 先 SET NX 取得 session,再触碰 app/user 共享状态,重复创建被拒时不覆盖共享值。Memory Bank/Firestore 过滤 thought 部分,Firestore 搜索也过滤旧文档,但不是已经物理清除历史存储。

FCoP 待验证:验证必须早于副作用,目录存在不等于产物发布,读取过滤不等于存储删除。值得互动:后续共享写失败的原子性、初存取消和旧记忆清理证据。

原始来源: 证据 1 · 证据 2 · 证据 3 · 证据 4 · 证据 5

11. Paperclip:无卷滚动部署已合入,完整验收仍 FAILED ​

状态: MERGED #18526/#18543; FULL WORKFLOW FAILED; RELEASE NOT VERIFIED

来源事件日期(UTC): 2026-11-01

滚动部署 lane 用独立 A/B/C homes,ready 后路由、drain 并删除旧 home;Stop 跨 lease 释放/过期保留,只允许有 fence 的原执行重连清理,不发新 turn。最新真实测试在删除旧 home 后两次替换有 523 reads、53 saves 全回读、零探测失败,活动执行存活并完成一次;但后续 continuation 重置 native/provider session,public run row 缺终态契约,完整工作流仍 FAILED。不能报告为“零停机/全生产资格已完成”。

学习价值高、竞争风险高,提高主雷达恢复关注,成熟度仍有限。FCoP 待验证:局部 IO 通过不能覆盖端到端身份/终态失败。值得互动:同 session 续跑、read-only oracle 与旧 controller shutdown 事件归属。

原始来源: 证据 1 · 证据 2

12. Paperclip:迁移须有精确回执,文件恢复先验 hash 再发布 ​

状态: MERGED #18529/#18531; HOSTED ENROLLMENT NOT QUALIFIED

来源事件日期(UTC): 2026-11-01

独立维护入口不启动业务路由/执行 worker,要求停止 writers,逐页迁移 agent files/证据/skills 并验证共享字节;保留原 decision signing key,只有本次 attempt 验证成功才导出,不生成替代 key。托管 Cloud 迁移是另一个私有变更。文件夹恢复最多 8 个并发流,失败先取消/等待 siblings 再清临时目录,每个文件过 size/hash 后才发布;上游 1024 文件延迟对照从 30 秒失败改为 4.180 秒通过,不是所有生产场景保证。

学习价值高、竞争风险中高,主雷达提高升级/迁移观察。待验证:原签名身份与精确迁移回执是拆卷前提,不以拷贝完成替代。值得互动:timeout 后进程退出、key 导出边界和部分恢复重试。

原始来源: 证据 1 · 证据 2

13. Paperclip:用量先持久化再 ACK,执行者不能清掉自己的锁 ​

状态: MERGED #18354/#18411; RELEASE NOT VERIFIED

来源事件日期(UTC): 2026-10-30 / 2026-10-31

Runner 用量事件先在 Postgres 保存受理回执,再确认传输;重复投递保持同一来源回执及单次计费,缺 usage 仍 pending。另 native run 通过通用 PATCH 改自己任务状态会清执行锁、使后续工具/finish 失败,现改为提交前 409,并引导 finish/block,由 status arbiter 决定状态。不是禁止人类或其他合法流程更新任务。

学习价值高、竞争风险高,提高主雷达 accounting/authority 权重。FCoP 待验证:已收到不等于已持久化,执行者的结果报告不等于状态写权限。值得互动:commit response 丢失、冲突 replay 与预算 pending 的展示。

原始来源: 证据 1 · 证据 2

14. Eigent 1.0.7:从版本准备推进到正式安装交付 ​

状态: RELEASED 2026-10-30

来源事件日期(UTC): 2026-10-30

前轮仅合入版本号,本轮 Release 及 Windows Setup EXE、macOS DMG/ZIP、Linux AppImage 和更新元数据已公开。发行明确包含 Run now、漏执行补偿、单窗口后台 owner、本地时区,以及更新后保留登录/Space;审批显示对象、reload 后问题可答、记忆变更要确认,并提供 credits 用尽后升级或 BYOK。保留前轮 Web Locks 不可用时回退边界,不因文案“只跑一次”推断全环境 exactly-once。

学习价值高、竞争风险中高,提高主雷达交付成熟度判断。待验证:安装包存在与实际升级/恢复可靠性仍分开。值得互动:多窗口 owner 故障转移、待投递时间窗和更新中未完成审批。

原始来源: 证据 1

15. Orca 1.4.245:插件正式启用,账户历史共享默认值值得单独关注 ​

状态: DESKTOP 1.4.245 RELEASED; ANDROID 0.0.61 PRE-RELEASE

来源事件日期(UTC): 2026-10-30

桌面已有 Windows EXE、macOS、Linux 包。插件默认启用,安装先 review,运行代码须 consent,批准后 worker 可完整访问计算机;不等于有 worker 沙箱。新 terminal host 只用于新终端,旧 host 存活。Share Codex history across accounts 默认开,关闭仅停止新共享、不删旧数据,老远端 host 需升级。Android 0.0.61 标为 prerelease,APK/sha256 已发;手机可完成 merge、保持断线 dictation,无 push 时仅在线连接中有 alert。

学习价值高、竞争风险中高,维持第二圈重点,提高安装、手机与 credential/history 边界关注。待验证:账户切换不自动意味着历史隔离。值得互动:共享开关的迁移/清理、老 host 和插件 consent 的精确权限说明。

原始来源: 证据 1 · 证据 2

16. Orca main:插件视图隔离默认开启,但不等于 worker 权限隔离 ​

状态: MERGED #36812/#36821; RELEASE INCLUSION NOT VERIFIED

来源事件日期(UTC): 2026-11-01

按创建时记录的 frame 身份及祖先关系拒绝插件相机、麦克风、fullscreen、pointer-lock 请求,不信可改的 window.name。桌面插件视图默认转每插件独立进程、storage 和 network-blocked session,并保留主进程控制的关闭开关;browser/serve 客户端仍用 iframe。此为 1.4.245 之后主干隔离工作,未确认进入正式版;原生 worker 的 full-access consent 边界未被这项视图隔离取代。

学习价值高、竞争风险中高,第二圈提高插件 UI/worker 分层关注。待验证:渲染隔离、网络隔离与工具执行权限不同。值得互动:嵌套 frame、fallback 客户端和主进程 API 的授权矩阵。

原始来源: 证据 1 · 证据 2

17. Paradev Devs:定时/事件唤醒与消息来源防伪一起推进 ​

状态: MERGED #9134/#9040; RELEASE NOT VERIFIED

来源事件日期(UTC): 2026-10-30

Dev 可建立单次、周期、频道和 provider event routines,作为 main session 中带请求者/reply target 的 turn;复用每分钟 reconciler,routine 最多每小时一次,Dev 可暂停不能删除,人可删除,不与 Automations 混成同一对象。#9040 修复消息正文可闭合可信 message header 并伪造新发送者/回复目标,转义正文标签及属性;结构化 provenance 与外部内容不可信标记仍是目标,不宣称已完成全套 prompt-injection 防御。

学习价值高、竞争风险高,提高主雷达数字员工主动工作关注。待验证:主动唤醒仍须保留请求者与来源权限。值得互动:routine 的身份/频率限制、重投递去重和结构化来源替代文本头。

原始来源: 证据 1 · 证据 2

18. Paradev:scope 扩大可注册新 client,旧 grant 仍绑定原身份 ​

状态: MERGED #9203; RELEASE NOT VERIFIED; MIT DRAFT UNCHANGED

来源事件日期(UTC): 2026-10-31

动态 OAuth client 原来按 issuer/redirect 一次注册后永久复用,scope 增长会遭 provider 拒绝。现在为新 grant 选覆盖 scopes 的 client,必要时注册新 client;signed state 与 connection 记录确切 client,refresh 必须用原 client,行丢失转 needs-reauth,不能拿新 client 刷旧 token。旧无绑定 grant 按兼容规则用最早 client。另复查 #9107 仍 OPEN/DRAFT、main 仍 ELv2,许可证没有新生效变化。

学习价值高、竞争风险中高,提高主雷达身份/集成成熟度关注,许可证判断不变。待验证:scope 声明、注册 client 和已发 grant 必须分别绑定。值得互动:并发注册、legacy grant 归属和连接 scope 降级。

原始来源: 证据 1 · 证据 2 · 证据 3

19. Orkas:迟到 OAuth 回包不能结算新流程,跨库移动不能吞编辑 ​

状态: MERGED #142/#144; RELEASE NOT VERIFIED

来源事件日期(UTC): 2026-10-31

取消/被替代的 token exchange 迟到时不得清理或拒绝新授权,仅当前 exchange 可结算成功或失败。跨 Library move 在删源前检查有界 revision、文件身份和纳秒变更时间,不跟 symlink,metadata 不可用就拒绝;部分删除失败保留完整目的副本。最后检查不 yield 给应用写者,但外部进程仍可在 OS 调用间改变文件;相关 Library 本地证据在 macOS,不冒充 Windows 同范围实测。

学习价值高、竞争风险中,主雷达提高数据保全/授权流程关注。待验证:复制成功不是删源许可,OAuth 浏览器返回不是当前流程事实。值得互动:外部写者竞态、失败恢复入口和取消后迟到成功的凭据处置。

原始来源: 证据 1 · 证据 2

20. Copilot CLI:预发行补齐退出记录、MCP 启动与配置保全 ​

状态: v1.0.106-1 / v1.0.106-2 PRE-RELEASE, NOT STABLE

来源事件日期(UTC): 2026-10-31 / 2026-11-01

-1 在 Ctrl+C/signal 停止 headless run 时等待写完 shutdown 用量/代码变更记录;非法 session.resume 参数返回错误而非崩 server。-2 让不回答的 HTTP MCP 启动只承受一次 connection timeout,保存 MCP 配置时保留 symlink 并更新目标,skill 刷新失败即时报,resume 已运行后台 session 不重复展示。这两项 GitHub prerelease=true,不写成正式稳定交付。

待验证:进程退出要有完整账单/变更回执,配置写回不能破坏用户路径结构。值得互动:强杀与可等待退出的边界、MCP 超时预算和 symlink 并发更新。

原始来源: 证据 1 · 证据 2

跨项目共振与分类处置 ​

  • 证据精度决定结论:精确标签修复不能自动重写 benchmark;失败轨迹中的 attempted call 不等于已执行;部分滚动测试通过不能覆盖完整工作流 FAILED。
  • 取消和拒绝必须早于或等到副作用边界:AG2 等进程收尾、ADK 先验证再打开文件、Paperclip 先落账再 ACK,分别保护不同阶段。
  • 身份与恢复跨层成立:credential rotation、OAuth client/grant、run status arbiter、持久 Stop 和原签名 key 都不能在恢复中被替换。
  • 可见性不等于脱敏或隔离:LangGraph 的非 tracer raw payload、DecisionModel 问答字段、Orca view/worker 分层及账户历史共享默认值都保留精确边界。
  • 发行、生效和成熟度分开:Eigent/Orca 桌面正式发行;Android APK 与 Copilot CLI 标为 prerelease;主干 isolation、hooks 与复制机制不据时间冒充已发布。

本轮仅信息收集、分类和报告:20 组动态,本地工程实验 0、文章 0、正式开发评审 0、对外评论/消息 0。上游测试、生产自述和合成回归按原范围记录,CodeFlowMu/FCoP 关联全部为待验证线索。Beads 的 SQL 分类加固留作资料:当前 pin 的受支持 Dolt 已拒绝相应 SELECT writer,未将其包装成已确认可利用写入绕过。普通 UI、营销、测试清理与低技术增量版本未单列。

双源核查、去重与覆盖缺口 ​

实际起点 2026-11-01 22:26:48(Asia/Shanghai)。可信逐来源基线来自 2026-10-30 10:03:00,主窗口约 60 小时 24 分;10 月 31 日未见本任务成功运行记录,本轮补查这段增量,不补建空日报,不把 30/31 日事件冒充 1 日发生。分项列原始事件日期;未完成分页保留更早 pending window,并与 10 月 30 日等已发布报告去重。

首先经已连接 GitHub 工具读 latest main Registry:47 人,blob 8d97df65269aa2b4accd1366d1b71319f99c6efd。人物与仓库仍多对多。六位治理研究对象保持原边界;本轮新增为 Shaokun Zhang 相关失败归因仓库的贡献者修复,不说成其本人新论文。bulbasaur-skill-cli 不是 AGENTSAFE 官方 Artifact。赵越相关仓库逐一查增量并读默认 head,本轮未确认新代码;Audit Commons 当前可见最新仍为 10 月 27 日,保留为历史资料,不冒充新增。Aegis 本轮主要为营销呈现/演示,不据此认定新 benchmark 完成。

88 个仓库目标含 32 个竞品:996 条增量 commit,30 个目标有提交,57 个可访问无增量目标补读 head;PR/Issue 原始记录 7078,动态页的 unique_count 另存,不把原始数量当独立事件。重要 PR 全文、Phoenix 发行 tag 的 MIGRATION.md、Paradev main LICENSE.md 和 repository ID 1080370450 重定向另核。Superset 保留原监测名,经核验入口访问 ParadevAI/Paradev。核心参与证据保留 author/merger;OpenHands 的 enyst、Paperclip 的 cryppadotta/nickyleach/devinfoley 等仍直接参与合入,不把未核实账号映射成人物。

缺口:Codex、Claude Code、Orca PR/Issue 各 12 页仍未完;TSA 三接口实际 404,不推断删除/私有。Release 主要最新 10、Codex 最新 3,并另查 latest stable;Codex 仍 0.166.0、SDK 仍 1.59.0。没有穷尽所有 Discussion、Roadmap、架构文件与 License;仅成功完整查询推进对应水位,partial/失败/未核查不能当无变化,全局完整水位为空。广泛事件本地保存 ID/URL/SHA/状态/时间等必要字段,精选 PR/提交保留全文;不声称存下了所有讨论正文。

公开网页/社交作为独立来源类型:按实时 47 人分 12 组检索,另检索可确认人物/X,直接打开 Cursor changelog/blog 与 Audit Commons。未确认可可靠定时落在窗口内的个人新帖;检索无结果不等于穷尽 X,同名结果不猜身份。Cursor 当前可见最新 changelog 仍 10 月 20 日。GitHub 一手工程事实可独立支撑,两个 GitHub 链接不称两种来源类型。

GitHub 存档与网站交付 ​

中英文保持 20 组相同事实、状态、43 个来源和判断。日档与两个索引仅经已连接 GitHub 工具写入,日期唯一倒序、固定入口不变,保留既有索引结构。继续从最新源码构建原站点,非强推 gh-pages,保留原布局、公开快照、翻译缓存与其他已发布内容。四文件回读、main/发布分支并发核对、匹配 Pages 成功及双语实际点击结果保存本地回执;此处不预先声称已上线。严禁改动的 Research Runtime 业务事实、Scheduler、候选/文章/评分卡/生命周期均未修改。

最后更新: