Skip to content

2026-11-16 · Agent 核心研究与竞品动态 ​

本轮最重要的结论:数字员工治理需要把“授权谁做、执行到了哪里、成果由谁验收”串成可核对的链条。 赵越发布可复现审计榜单;Codex、Agents SDK、Paperclip 与 OpenHands 补齐恢复/回执边界;AG2 正式迁移 ACP 1.0 与用量口径;MCP/A2A 的新讨论强调独立效果证据与真实互通验证。这些是分层研究线索,不证明 CodeFlowMu 已有对应故障,也不构成本地实验或开发评审结论。

运行日期按 Asia/Shanghai 为 2026-11-16;执行起点/事件筛选上界 2026-11-16T01:07:24Z(09:07:24 北京时间)。最后成功记录为 2026-11-14T065509Z;11-15 无成功运行记录,本轮按各来源成功/未完基线补查,不补造 11-15 日报。以下发生日期及 Z 时间采用 UTC;状态为本轮实际读取时的快照,筛选上界之后的状态变化另记后续运行。

事实观察 ​

O1 · 赵越:审计方法进入可复现榜单 ​

发生日期: 2026-11-15 UTC。auditable v0.4.0 已发行(06:22Z),提供 PRE/LIVE/POST 共 44 种方法、6 个固定数据与协议的 CatchBench 榜单,以及 golden 校验。Oracle 不参与排名;跳过、错误和未核对值不能冒充通过。规模控制模型在 SWEGym 超过两种 GRADE 依赖回归,在 Tau 则落后于其中一种,不能据此断言依赖图普遍占优。Apache-2.0;核心轻量,完整 benchmark 另需数据与可选依赖。赵越仍直接提交与发行;本地未复现。

原始证据 1

值得互动:如何在相同规模控制与跨数据集条件下比较 GRADE 的增益?

O2 · 赵越:评审轮次与 worker 结果分开绑定 ​

发生日期: 2026-11-15 UTC。anywhere-agents 两项 main 提交已落地:其他轮次的 Gemini/Claude 评审不能被重新贴成当前轮次,失败退出 70 且不发布;Codex 最终消息写入新结果路径,保留 worker 自写工件与非零退出信号。退出 0 但无可用结果也失败,fallback 有长度上限。轮次标记检查不是语义正确性证明;未见本轮正式 Release。

原始证据 1 · 原始证据 2

值得互动:能否把评审轮次、工件摘要与任务版本共同绑定,而非只验 marker?

O3 · Codex:非交互执行接入远程 app-server ​

发生日期: 2026-11-16 UTC。#61707 已合入(00:02Z):codex exec --remote 连接现有 app-server,可新建或恢复指定线程,保留远端配置与凭证边界;活动线程、冲突配置及完成前断连有明确拒绝/错误。这里是远程控制与会话接续,不等于跨主机搬迁活进程;未核实进入正式安装包。

原始证据 1

值得互动:远程线程恢复时,客户端如何查询未确认执行的 authoritative receipt?

O4 · Codex:预算约束覆盖整棵 Agent 树与重试成本 ​

发生日期: 2026-11-14–15 UTC。#61578/#61582 已合入:等待审批、执行权或 lifecycle 后,MCP/模型/工具开始前再次检查共享预算,耗尽后不再自动唤醒新工作。#61580 将同步 MCP 后置 hook 的成本另行记账,非法计费不能触发推理重试;#61587 为模型请求提供跨重试稳定 request_id 与 attempt。#61581 用中性中断标记。已消费结果保留,预算门不等于撤销已发生效果;均未核实发行。

原始证据 1 · 原始证据 2 · 原始证据 3 · 原始证据 4 · 原始证据 5

值得互动:预算等待后重验与已发生效果的结算如何在子 Agent 树中对齐?

O5 · Codex:环境权限描述开始分域 ​

发生日期: 2026-11-14 UTC。#61494 已合入:按 environment ID 描述文件系统/网络权限,撤下失效描述,共享要求单列;实验开关默认关闭。这是模型上下文与权限说明的准确性改进,不能当成新增强制执行边界或已默认启用能力。

原始证据 1

分类:资料留存/持续观察;本轮无需立即互动。

O6 · Codex:Cloud 恢复失败需要可见结算 ​

发生日期: 2026-11-15 UTC。#61599 已合入:区分会话缺失、访问拒绝、登录身份变化/过期及重连耗尽;废弃的线程/条目读取会取消。研究价值是把身份失效和临时网络故障分开,避免界面继续显示可恢复;未核实正式发行。

原始证据 1

分类:资料留存/持续观察;本轮无需立即互动。

O7 · Agents Python:待审批补丁跨 checkpoint 仍需重新批准 ​

发生日期: 2026-11-14 UTC。原生预览路径 #6008/#6003 已合入:停止并等待并发 dispatch 后才快照准确 pending ApplyPatch 集合,保留已完成 sibling 的输出;恢复后再次审批,校验当前工具声明及 action/owner,审批前不触发生命周期回调。不是复用旧许可自动执行;未证实进入稳定 Python SDK 发行。

原始证据 1 · 原始证据 2

值得互动:恢复时工具声明或 owner 改变,怎样给出可追溯的重新审批原因?

O8 · Agents 原生 Python/JS:接受回执、进程退出与会话关闭分开 ​

发生日期: 2026-11-14–15 UTC。Python #5985/#5998/#6015/#6026 与 JS #2662 已合入:已接受的人工工具回复不因后续预算失败被改判未接收;取消需等待自己启动的远端命令退出,未确认就报告清理失败并退役连接,不能谎报已终止。JS 补齐 tool-search 事件及当前 sandbox/editor 归属检查。严格参数修正仍需审批;已发布 alpha7 的兼容限制有记录。均属原生预览合入;部分 hosted/Docker 验证待完成。

原始证据 1 · 原始证据 2 · 原始证据 3 · 原始证据 4 · 原始证据 5

值得互动:未确认 Stop 与已接受工具回复分别应产生什么可重放回执?

O9 · Paperclip:供应商发起的 turn 开始接入行为 ​

发生日期: 2026-11-14 UTC。#21612/#21456 已合入:controller 重启可恢复等待供应商发起 turn 的 checkpoint;native ACPX Claude 请求 runner 的 providerStartedTurns,使后台命令跨 turn 继续,不再误判 native_finalization_missing。相较 11-14 的契约观察,这是新增行为,但范围限该原生适配路径。学习价值高、竞争风险高,维持主雷达;发行未核实。

原始证据 1 · 原始证据 2

分类:资料留存/持续观察;本轮无需立即互动。

O10 · Paperclip:工具结果已记录不代表已交付 ​

发生日期: 2026-11-14–15 UTC。#21490 已合入:REST 200 的 operationId 被误当语义封包,结果未到 OpenCode,造成约 290 秒 pending 与后续 attach 阻塞;修复结算记录结果和关闭 turn 的遗留调用。#21786 又将重启 detach 间未 dispatch 的输入留给下一 controller,而非写成终局失败。学习价值高、竞争风险高,主雷达不变;不能据修复宣称端到端 exactly-once。

原始证据 1 · 原始证据 2

值得互动:如何区分记录成功、客户端送达与效果完成,避免恢复时重复执行?

O11 · Paperclip:部署重叠与降级恢复要有终止条件 ​

发生日期: 2026-11-15 UTC。#21697 已合入:旧 owner 仍活着时等待其释放,再接续 warm session;修复此前 release-swap 2/8 失败。#21541 对永久丢失文件允许新工作区继续,不声称恢复旧文件;#21734 对重复拒绝工具调用设置终止/新续接条件。学习价值高、竞争风险高;这些是不同损失等级的恢复策略,上游结果不是本地通过。

原始证据 1 · 原始证据 2 · 原始证据 3

分类:资料留存/持续观察;本轮无需立即互动。

O12 · Paperclip:公平连接准入不是硬上限 ​

发生日期: 2026-11-15 UTC。#21693 已合入:专用数据库连接采用 FIFO、默认 24 的准入;嵌套事务等绕开排队防死锁,等待超时后可越限。上游 burst 峰值 48,不能宣传为连接数严格封顶 24。学习价值高、竞争风险高;值得比较恢复风暴下的公平性、延迟与总连接预算。

原始证据 1

值得互动:恢复 burst 下软准入越限的公平性和总连接预算如何量测?

O13 · Paperclip:真实 Agent 扩容工具已合入,千 Agent 尚未实测 ​

发生日期: 2026-11-15 UTC。#21695 已合入,提供 10/50/100/200/500/1000 阶梯,测排队、首次活动、延迟和费用,缺测标 not measured,首个失败即停并清理。PR 明说未对真实实例跑该工具,超过 50 的既有材料仍是模型估算。学习价值高,竞争风险高但千 Agent 成熟度证据仍不足;不升级为已验证规模优势。

原始证据 1

值得互动:首个真实实例阶梯结果能否公开缺测、失败与清理证据?

O14 · OpenHands:会话 fork 必须保留可解密的凭证归属 ​

发生日期: 2026-11-15 UTC。#5765 已合入:复制源 cipher 与深拷贝 secrets registry,继续使用正常加密持久化,使 fork 重启后能恢复凭证。它修复状态继承,不构成允许跨用户共享 secret 的新授权。上游有回归测试,本地未测试;发行未核实。

原始证据 1

分类:资料留存/持续观察;本轮无需立即互动。

O15 · OpenHands:PID 重用不能继续证明租约 owner 活着 ​

发生日期: 2026-11-15 UTC。#6827 已合入:本机 /proc 的进程起始时间与 PID 一起识别 owner,僵尸/死亡进程可回收。其他主机、旧记录、缺少 /proc 或同一活进程仍受原 TTL 限制,不是任意强制抢租约。研究价值在 ownership 的证据边界,属 Runtime 而非直接 FCoP 内核需求。

原始证据 1

值得互动:跨 host 无 /proc 时,owner 证明与 TTL 退化边界如何呈现?

O16 · OpenHands:回复必须对应本次 run ​

发生日期: 2026-11-14 UTC。#6843 已合入:gateway 在已暂停/错误的 conversation 上运行成功后,曾读到旧状态而返回 409/500,诱发用户重试和重复任务;现在等待自己启动的 live run,自身失败仍正确报错。价值是避免把历史状态当作本次回执;未核实正式发行。

原始证据 1

分类:资料留存/持续观察;本轮无需立即互动。

O17 · OpenHands:超时总预算与快速瞬态失败分开 ​

发生日期: 2026-11-15 UTC。#6822/#6866 均已合入:反复长超时的总预算约为单次 timeout 的两倍;后续修正保留快速瞬态超时的正常重试,避免最后一次很快失败也被误写为硬耗尽。配置/Settings 类问题会明确指出。不能只读前一 PR 就说所有 timeout 都立即终止;未核实发行。

原始证据 1 · 原始证据 2

分类:资料留存/持续观察;本轮无需立即互动。

O18 · OpenHands:公网 MCP OAuth 与 App 同意分层 ​

发生日期: 2026-11-14–15 UTC。SDK #6221 已合入公网 callback,单次 state、过期/重放拒绝及部署前缀;预注册客户端的回调限制仍需配置。核心 #18572 已合入:仅当前 App revision、已选 secret 的同意可触发托管启用,撤回则停;安装/挂载本身不启动。公网认证 iframe 链路仍未验证。两项不能拼成已验证企业端到端授权。

原始证据 1 · 原始证据 2

分类:资料留存/持续观察;本轮无需立即互动。

O19 · OpenHands:Windows 终端恢复不重放失败动作 ​

发生日期: 2026-11-15 UTC。#4962 已合入:处理 PowerShell 完成标记、终止错误、私有控制台 Ctrl-C 与有界子进程清理;终端死亡可重建,但不自动重放失败动作,安装包不再假定系统有 Python。上游 Windows 测试 233 通过、196 跳过,不是本机交付验收。与数字员工 Windows 宿主适配直接相关。

原始证据 1

分类:资料留存/持续观察;本轮无需立即互动。

O20 · browser-use:截图验收已发行,证据绑定修复仍开放 ​

发生日期: 2026-11-14–16 UTC。1.0.5/1.0.6 已发行:#6403 给同模型 judge 加近期/最终截图,#6418 要求 gotcha 据实际 trace,缺证据不写推断,可为零。#6411 仍 OPEN,拟修多会话时最终截图绑错页面。截图未脱敏;13 次上游运行中 gotcha 检出改善不等于任务成功率提高;后续 trace 规则只有脚本测试、无付费模型评估。该 judge 不是独立验收。

原始证据 1 · 原始证据 2 · 原始证据 3 · 原始证据 4

值得互动:验收截图能否同时绑定 session、任务版本和独立采集者?

O21 · browser-use:默认模型变化带来真实预算迁移 ​

发生日期: 2026-11-16 UTC。1.0.6 已发行(00:51Z),#6430 将默认 bu-fast 换为高推理 bu-4.0。发行说明列输入/输出单价由 0.12/0.60 变 1.80/9 美元每百万 token,即单价 15 倍;单个样例费用不代表所有任务倍率。显式指定 bu-fast 可保留原选择。数字员工长期成本需要固定模型、推理档与价格版本。

原始证据 1 · 原始证据 2

分类:资料留存/持续观察;本轮无需立即互动。

O22 · browser-use:治理五件套都还是草稿 ​

发生日期: 2026-11-15–16 UTC。#6414/#6416/#6415/#6421/#6417 均 OPEN+DRAFT:动作前后 hook、效果处审批、脱敏哈希链、严格域与最小登录资料。限制明确:cell hook 不等于所有效果边界;日志后置失败可只记录而返回结果;链完整不证明没有漏记;strict_domains 不覆盖 WebSocket/WebRTC/WebTransport、原始 socket 等路径。适合研究方案,不能写成已发布治理能力。

原始证据 1 · 原始证据 2 · 原始证据 3 · 原始证据 4 · 原始证据 5

值得互动:路由覆盖清单和外部完整性锚点怎样证明遗漏,而不只校验链?

O23 · ADK:自适应团队编排仍是实验提案 ​

发生日期: 2026-11-15 UTC。#8174 OPEN、非草稿:普通 Python workflow 驱动 specialist roster、TaskPlan、RoundAssessment、停滞/重规划/轮次上限,可选人工审计划;session 内 snapshot 与稳定调用 ID 支持恢复,新的用户消息重置。只有 mock/功能测试,未做 hosted 模型或人工端到端验收。适合研究数字员工分工、停滞接替与协调成本,不是已发行成熟团队能力。

原始证据 1

值得互动:重规划预算、人审次数与迟到 specialist 结果是否共同计入协调成本?

O24 · ADK:跨 MCP 连接接续需要应用身份边界 ​

发生日期: 2026-11-15 UTC。#8164 OPEN、非草稿:可显式传 session_id 跨 transport 延续会话,unknown ID 新建;session 生命周期由宿主管理。提案明确 ID 只是句柄,知道 ID 的调用方可加入,不能把 session_id 当授权凭证。与 FCoP 互操作有关的是会话关联,身份/租户校验仍须适配层另行建立。

原始证据 1

值得互动:session_id 如何绑定已认证主体与 tenant,避免知道句柄即可加入?

O25 · CrewAI:hook 故障拒绝执行仍未合入 ​

发生日期: 2026-11-15 UTC。#9465 OPEN、非草稿:拟以 on_error=abort 让前/后工具 hook 异常抛 HookAborted,后置失败可阻止未经处理结果进入模型;默认 fail-open 不变。有针对性测试,不能报告为框架已经 fail-closed。值得问清后置拒绝与外部效果已发生时如何结算。

原始证据 1

值得互动:post-hook 拒绝时外部效果已发生,状态如何诚实结算?

O26 · Orkas:安装升级与诊断日志收紧边界 ​

发生日期: 2026-11-15 UTC。#220/#219 已合入:升级的复制/删除按真实物理路径检查托管文件链接及祖先,配合原子激活/重试;日志补齐转义、截断凭证的脱敏边界。上游测试不等于 Windows 完整安装验收,也不证明所有日志均无 secret。学习价值高,竞争风险中,维持主雷达,作为可交付数字员工的升级/诊断研究线索。

原始证据 1 · 原始证据 2

分类:资料留存/持续观察;本轮无需立即互动。

O27 · Paradev:手机可发起跨电脑工作区搬迁 ​

发生日期: 2026-11-14 UTC。原 Superset 仓库跳转至 ParadevAI/Paradev,保留来源归属。#9612/#9732 已合入:手机提交 durable move ID,任务归源 host,即使手机关闭也可继续;桌面可经 roster/relay 将另一台电脑的 workspace 搬到云端。受功能开关及源/目标环境约束,真实多宿主手工链路未验收。MIT;学习高、竞争风险高,维持主雷达并提高手机操作端关注,不宣称活进程无损迁移。

原始证据 1 · 原始证据 2

值得互动:手机断线与源 host 失联时,move ID 的终局查询/取消契约是什么?

O28 · Paradev:子 Agent 后台运行与对话继续分开 ​

发生日期: 2026-11-14 UTC。#9733 已合入:后台子 Agent 不再阻塞主对话,新消息可继续,迟到子结果接到最新 turn;前台任务仍排队。该实现固定 v1 协议,因 v2 steer 测试曾出现约 48 秒重复回复,不能把升级协议视为自动进步。学习高、竞争风险高,主雷达不变;需研究迟到成果的版本归属。

原始证据 1

值得互动:迟到子成果如何避免被错误挂到已经改计划的新 turn?

O29 · Orca:手机控制回收与睡眠恢复仍需状态证据 ​

发生日期: 2026-11-15–16 UTC。#42785/#42864 已合入:Take back all 同时回收手机控制的浏览器与终端;另修 Codex pane 唤醒再睡眠时旧退出事件误删保存 session,仅在正确 spawn 接替时遗忘旧退出。后者上游未跑完整依赖/构建/测试,不能视作 Windows 验收通过。学习高、竞争风险中高,保留第二圈并提高人工接管关注。 另有 v1.4.259 于 11-14 21:20Z 正式发行,加入工作区清理控制和可查看实时步骤/最终答案的子任务视图;不能因此把之后的上述 PR 当作该版已包含。

原始证据 1 · 原始证据 2 · 原始证据 3

分类:资料留存/持续观察;本轮无需立即互动。

O30 · Agentlas:四层记忆归属带来真实迁移约束 ​

发生日期: 2026-11-15 UTC。os-v1.2.98 已发行(13:42Z):personal/agent/project/session 四层记忆按 owner 召回/遗忘,项目用唯一 ID,未完成遗忘继续携带,读不全必须说明;session-end hook 只记录、不自启模型。转换仅由 Desktop 一次确认,需先升级引擎;schema2 旧引擎会停用记忆。Apache-2.0;学习高、风险中,维持第二圈并提高记忆治理关注;本地未安装,部分 host/Windows session 未验。

原始证据 1

值得互动:跨 owner 遗忘如何验证完成,部分读取如何与真实无记忆区分?

O31 · Vibe Kanban:新安装交付不等于商业复活 ​

发生日期: 2026-11-15 UTC。v0.1.46.1794744340 已发行(13:16Z),把此前观察的 ACP 注册与审批桥修复带入 Release,调整 Codex 固定版本以恢复有效 macOS 签名,并关闭使用分析/崩溃上报。新增点是正式交付,不重复记旧 PR 为新功能。学习中、当前竞争风险低,仍作为 sunset 后维护/商业失败样本低频跟踪,未见足够证据推翻该定位。

原始证据 1

分类:资料留存/持续观察;本轮无需立即互动。

O32 · MCP:审批证据与执行效果正在拆开讨论 ​

发生日期: 2026-11-15–16 UTC。SEP #2848 仍 OPEN+DRAFT。本轮新增是评论讨论,而不是新合入协议:提议精确命名 call digest,区分决策、效果与路径覆盖;审批不能把 outcome-unknown 变成已执行。评论给出哈希链截短仍可通过的反例,要求外部完整性锚点及独立效果观察;另有 OAC 参与者说明其 receipt 仍是执行者自述。都是提案/上游主张,本地未复现,官方 SDK 参考实现前提尚未满足。

原始证据 1 · 原始证据 2 · 原始证据 3

值得互动:用同一调用的两种 canonical digest 与一次决策两次效果做互通负例?

O33 · A2A 扩展:纠正独立实现证据,增加混合故障向量 ​

发生日期: 2026-11-14–15 UTC。A2A #2028 仍 OPEN;关联第三方 VAID #176 已合入(11-15 20:19Z),增加 15–18 四个向量,签名无效先判 INAUTHENTIC,签名有效但链不全判 UNVERIFIABLE;缺少可选 VAID 不自动判拒绝。README 纠正把复跑参考实现误称独立实现,真正独立证据仅覆盖 01–06。上游参考实现 18/18 不是两套独立实现全量互通,更不是 A2A 核心已接纳扩展。

原始证据 1 · 原始证据 2

值得互动:独立实现能否覆盖新混合故障向量,并明确与参考复跑的证据差别?

O34 · MCP:工具 schema 缓存也有升级兼容契约 ​

发生日期: 2026-11-15 UTC。#3554 新建且 OPEN:作者报告服务端删去原 required 字段后,Claude Code/ChatGPT 缓存旧 outputSchema 而拒绝新结果;list_changed 不能消除刷新前竞态。建议兼容性增加可选字段、替换时保留旧字段。它是用户问题与非规范说明建议,未证实所有客户端、未成为规范;值得纳入长期运行员工的工具升级研究。

原始证据 1

值得互动:schema 版本/摘要是否应随结果返回以区分升级竞态与服务端错误?

O35 · MCP:单一 issuer 不代表经过验证的凭证去向 ​

发生日期: 2026-11-14 UTC。Python SDK #3850 仍 OPEN,本轮新讨论纠正 issuer 参数已存在并先于 token 请求校验;争议在未指定 issuer 时凭证跟随资源端声明的 endpoint。拒绝多授权服务器只解决选择歧义,不解决单服务器来源信任。涉及 FastMCP 版本与 SDK main,不能泛化成所有 MCP 都泄漏凭证;修复/回移与默认路径文档仍待处理。

原始证据 1 · 原始证据 2

值得互动:单 issuer、无 issuer 的负例及回移文档能否一起保留?

O36 · Langfuse:Web 会话与 API 授权拟统一到 policy ​

发生日期: 2026-11-14–16 UTC。#20235 OPEN、非草稿,拟使 Web/tRPC 与公共 API 共用 policy 判定,审计记录 role ID,并以生产各 region 的角色漂移检查无结果作为合入前提。代价包括每次 session 读取新增查询、policy 进入客户端 session、旧新审计角色格式并存;数据库与预览验收未全做。是企业治理迁移研究线索,不是已发布统一授权。

原始证据 1

值得互动:角色迁移如何验证 UI/API 同判且撤权后旧 session 不保留权限?

O37 · SWE-agent:完成工件与评测索引文件不能互相替代 ​

发生日期: 2026-11-15 UTC。#1642 OPEN、非草稿:拟从 trajectory 中明确 submission 重建缺失/截断 .pred,包含空 patch;临时文件完成后原子发布并保留权限/ACL,供并发评测读取。上游给出复现与 32 项测试,本地未验证,未合入。对数字员工价值在交付物已完成而派生登记丢失时的可核对恢复,不能靠退出码或目录存在判完成。

原始证据 1

值得互动:派生预测索引重建如何绑定原任务 revision 与独立交付验收?

O38 · AG2 1.3.2:多问决策、用量口径与 ACP 迁移一起发行 ​

发生日期: 2026-11-15 UTC。v1.3.2 已发行(16:37Z):扁平 schema 可在一次请求问多个决策,复杂/缺 Question 的结构请求前拒绝;缓存读写计入整体 prompt、thinking 计入 completion,旧记录不重写,混合供应商预算可能更早触顶。ACP extra 改为 >=1,<2(不再支持 0.12),分离消息与最终答复,保留资源/工具结果结构,排队输入移到下一 turn,避免盖掉 final/client handoff。Python 3.15 虽获支持,Windows 缺编译器时 PyYAML 源码安装仍会失败。是已交付互操作与成本契约,未本地升级验证。

原始证据 1

值得互动:历史与新 token 口径并存时,混合供应商预算如何避免重复算缓存?

O39 · LangChain:供应商适配包加入网关并收紧 Python 支持 ​

发生日期: 2026-11-15 UTC。langchain-xai 1.4.0、langchain-mistralai 1.2.0、langchain-groq 1.2.0 已发行,分别增加 LangSmith gateway 路由;发行说明同时移除这些 partner 包的 Python 3.10 支持,Mistral 包修 reasoning 流式行为。可作为多供应商数字员工接入/交付线索,不能据路由能力推定企业凭证隔离或审计完整性已成立;本地未验证迁移。

原始证据 1 · 原始证据 2 · 原始证据 3

分类:资料留存/持续观察;本轮无需立即互动。

研究分析 ​

A1 · 优先实验:未知执行结果如何结算,而不是直接重试 ​

依据: O2、O7、O8、O9、O10、O11、O15、O16、O19、O37。

已有证据:多个独立项目都在区分请求已接受、动作已启动、结果已落盘、回复已送达与当前 owner;修复适用范围各异,不能合称已解决 exactly-once。待验证推断:CodeFlowMu 数字员工跨 PM/worker、宿主重启或换模型时,可能需要先查询可核对效果,再决定是否重试,但本轮未证明本地存在缺陷。实验候选:在隔离假工具中发出有 occurrence ID 的写操作,分别在‘接收后、效果后、回执前’断链/重启,再换 worker 恢复;用独立只读观察者核对效果次数、归属与最终交付。通过条件是效果不重复、未知不冒充失败/成功、迟到结果不能覆盖新版本、旧 owner 不能继续提交。代价包括持久回执、fence 与外部查询;不可查询效果只能保留 unknown。FCoP 先比较任务/工件/证据的关联语义,owner/lease/进程取消放 Runtime。归为实验候选,未执行。

A2 · 优先实验:审计与验收本身也要能被反例推翻 ​

依据: O1、O2、O20、O22、O32、O33、O34、O37。

已有证据:golden/规模控制能检验方法是否真优,截图可能绑错会话,同模型 judge 不独立,哈希链不自证完整,复跑参考实现不等于独立实现。待验证推断:数字员工的完成判定应比较‘工件来自哪次任务/版本、谁批准、谁观察到效果’,不能只看通过标记。实验候选:固定 auditable 0.4.0 数据与方法,在可承受的榜单先复现 golden,再加入错会话截图、旧轮工件、缺尾日志、错误 schema、一次决策两次效果和执行者自证的负例;独立 evaluator 只能对有证据的问题作结论。衡量错误放行、未知比例、定位质量、费用及规模控制,保留 skipped/error。FCoP 的研究点是工件摘要、版本和证据引用的互操作,日志外部锚点由部署承担。全量图模型依赖较重,先选轻量部分;未安装、未跑分。归为实验候选。

A3 · 值得学:审批是特定动作的授权,恢复后要重读动态条件 ​

依据: O5、O7、O14、O18、O22、O24、O25、O32、O33、O35、O36。

已有证据:checkpoint 后重新批准、当前 revision 的 secret 同意、issuer 绑定及 Web/API policy 统一都在避免把旧上下文当新授权。待验证推断:岗位/委派只确定职责背景;真正执行还要绑定当前主体、工具、目标、参数与环境。实验候选:批准后分别更换 tenant、工具声明、App revision、issuer、文件目标或凭证,及审批期间重启,检查是否拒绝/重新审批;保留原有效正例,防止一律拒绝的假通过。FCoP 比较可携带的授权/证据引用和拒绝语义;密钥保管、路由覆盖和调用前执行点属适配/Runtime,企业 UI/API 同判属产品。适用代价是额外查询、失效策略与多版本兼容。browser-use/CrewAI 草稿只能读方案;Langfuse 未合入不能当可用产品。归为持续观察与实验候选,未验证。

A4 · 值得体验:数字员工团队要把停滞、迟到成果和记忆归属放在一起 ​

依据: O2、O23、O27、O28、O29、O30、O38。

已有证据:ADK 提出有界重规划,Paradev 允许子任务后台返回,Agentlas 已交付分层记忆;AG2 合并同一输入的多问决策,减少重复请求,但不能据此证明团队效率已提升。待验证推断:持续履职员工需要稳定岗位/项目身份,换人接替时应接续有版本的工作状态,避免个人记忆和项目经验互串。体验候选优先 Agentlas 独立记忆引擎(Apache-2.0)与 AG2 1.3.2;ADK 先读提案,Paradev 另作完整产品体验候选(MIT)。建议同名不同项目、两用户同岗位、迟到子结果、人工改计划、停滞循环等固定场景,量化交付正确率、协调 token、人工次数与遗忘完成率。成本是宿主兼容、迁移与身份映射;本轮均未安装。FCoP 关注任务/成果版本与交接表示,记忆引擎和调度不直接进入内核。归为体验/实验候选。

A5 · 值得研究:预算、恢复吞吐与安装交付是同一条企业成本链 ​

依据: O4、O6、O12、O13、O17、O19、O21、O26、O31、O38、O39。

已有证据:Codex 把准入与计费分开,Paperclip 的 24 是软门且扩容工具未实跑,browser-use 默认模型单价改变,AG2 统一缓存/思考 token,Python 包支持变化会影响 Windows 安装。待验证推断:多员工同时恢复可能把连接、预算、审批和诊断成本一起放大。实验候选:小规模 5/20 worker 恢复阶梯,固定模型和单价版本,注入预算耗尽、慢连接、超时与升级失败;测 p95 接续/首活动时间、连接峰值、总费用、丢/重任务,缺测不填零。先测本地可承担规模,不照搬千 Agent 宣称。协议层比较 usage/状态事实表达;准入公平性、硬/软预算和依赖安装属于 Runtime/交付。Orkas 升级与 Vibe 签名交付值得资料留存;不据上游用例判断本地成熟度。

A6 · 竞品与协议判断:手机是治理终端,互通要用版本化用例证明 ​

依据: O3、O8、O9、O18、O24、O27、O28、O29、O31、O32、O33、O34、O38。

已有证据:Paradev durable move、Orca takeback 与 Codex remote 分别覆盖产品操作、控制权与远程执行;AG2 的 ACP1 破坏性迁移、Paradev 留在 v1 的反例说明同名协议不代表同能力。待验证推断:CodeFlowMu 手机端值得研究审批、证据查看、暂停/接管和断线后的任务查询,而不是缩小 PC 界面。FCoP 与 MCP 工具调用、ACP 宿主会话、A2A 跨 Agent 任务/委派扩展分层比较;VAID/OAC 属第三方方案,不是官方同层替代。实验候选是固定版本的开始/接收/暂停/取消/恢复/工件交付用例矩阵,比较 state、event、receipt、身份与证据丢失情况。Paperclip/Paradev 保持高风险主雷达;Orkas 主雷达、Orca/Agentlas 第二圈加深专项;Vibe 继续低频。没有本地实验,不能因此下开发派工。

跨项目共振与处置 ​

共振范围限本轮已读项目:恢复时需要区分“接受、执行、效果、交付”;治理要跨审批、凭证、记忆、产物与接管;benchmark、日志链和截图本身也需要负例。不能从多个相似修复推出普适结论。

优先保留 A1 未知结果结算、A2 独立验收两项实验候选;A3 动态授权重验为后续候选。A4 的 Agentlas/AG2/Paradev 是体验候选,未安装;A5 是小规模恢复测量候选;A6 是固定版本互操作用例研究。本轮本地实验 0、文章 0、开发评审 0、派工 0、对外评论 0。上述数字仅描述本轮监测阶段,不修改任何 Runtime 生命周期事实。互动技术议题已逐项记录,实际评论稿/回执只留本地,本轮未发评论或执行加星。

竞品判断汇总:Paperclip、Paradev 学习价值高/竞争风险高,维持主雷达;Orkas 学习高/风险中,维持主雷达;Orca 学习高/风险中高,Agentlas 学习高/风险中,均保留第二圈并深化专项;Vibe 学习中/风险低,仍低频跟踪 sunset 后交付。无本地测评,不将主张或功能存在当作企业成熟度。

双源核查与覆盖说明 ​

  • 每轮先通过已连接 GitHub 工具读取 latest main 的 Registry,本轮 47 位研究者;研究者是主体,仓库为证据入口。保留手册全部指定项目与竞品,88 个原始仓库入口执行 commits/issues/releases 共 264 个首轮查询;180 个查询窗口完整、78 个分页未完、6 个不可访问/重定向,另做 5 个正确补页/跳转查询及选定 PR/Issue/评论/文档深读。完整查询只说明该 API/时间窗,不等于整个来源所有渠道核查完毕。
  • Paperclip 与 Orca commits 各再读第 2 页仍满页,保留待查窗口,不推进完整基线;多个 Issue/Release 页满页也保留待查。Superset 原入口重定向,已核验实际 Paradev 原始仓库的近期事件,但不冒充旧入口全部历史空档已补完。TSA 三类 API 404,保留不可访问;不推断项目停运。
  • 6 位新增治理/验证对象的指定 GitHub 入口均纳入查询;Mansura Habiba 的 bulbasaur-skill-cli 仍只作相关项目,不称 AGENTSAFE 官方 Artifact;其余作者/论文关系按治理边界文档处理。赵越的补充项目保留原仓库归属,不把相关来源自动标作论文官方实现。赵越、Paperclip 的 nickyleach/cryppadotta、OpenHands 的 neubig/enyst 在所读提交/PR 中仍直接参与;未对所有项目维护者做穷尽身份审计。
  • 非 GitHub 来源分别核查 Cursor 官方 changelog、Anthropic engineering、LangChain 官方博客、AG2 博客、赵越主页,及 Kaptein、Agrawal、de Witt、Shaokun Zhang、Haoyu Wang 的已确认主页。未核实到足够证据纳入本窗口的全新非 GitHub 事件;已有 11-13/更早材料按旧报/历史线索处理。DART(9-30)、SafeClaw-R(3-28)不冒充今日新论文。部分 X 检索无可确认新项,不等于穷尽 47 人账号/回复;Mansura 独立社交入口未完整核查。
  • GitHub 一手事实可独立支撑工程观察;不能把两个 GitHub 链接算两种来源。README、License/商业边界只对选定体验对象深读;Roadmap/Discussion、全部架构/安装文档及每位作者社交仍有未查范围。仅完整成功的来源查询推进本地基线,分页未完/不可访问/未核查分别记录。

日档独立于 Research Runtime。中英文采用相同 O/A 编号、状态、来源及判断。本站页面的可用性由本轮发布回执与线上点击验收另行记录,源文件提交不代表已上线;若部署/核验失败,须在聊天明确报告。

最后更新: