这周 ArXiv 和 HN 一起炸了。10 篇 agent 相关的论文、好几个生产事故、OpenAI 和 LangChain 同时改产品名——按我现在看，这帮人正在从"demo 能跑"往"真敢上线"的路上一路狂奔，但谁掉了轮子谁清楚。
这批 ArXiv 论文在抢什么
空间推理那篇（SpatialClaw）开篇就说现在 VLM 搞 3D 定位不行，工具调用能救，但关键在 action interface 怎么设计——工具是刀，接口是刀柄，握着不舒服啥都白搭。我觉得嘴炮多过落地，但方向对。
知识编排那篇（Agents-K1）吐槽现在研究 agent 只会抽摘要、画 citation 拓扑，真正的 claim、evidence、method lineage 全丢。干过文献调研的都知道，这痛点太真实。不过自称"agent-native"，听着有点硬蹭。
EurekAgent（本体）更激进——它说只要你定好一个可优化的 metric 和执行环境，agent 就能自己提假设、验证、迭代。这不就是给科学发现做了个 gym？但我怀疑多数实验室连环境搭建都搞不定。
评估这块扎堆了。AgentBeats 说当前 benchmark 太 LLM 中心，测试和线上脱节。EpiBench 专门搞了个表观基因组学的可验证 benchmark，结果能确定性打分——这在生物学里能省掉大量人工审核。另一边多 agent 编排的 reward modeling 提出了自监督的方法评估编排质量，不用人标数据。我只能说，评估永远是 bug 最多的环节，谁先搞定谁赢。
还有个 ModeratorLM，做多人口语对话的轮次控制——给 agent 一个"主持人"角色。现场 demo 可能还行，放现实里用户切换话题比你想象快 10 倍。
搞坏了东西才是下周头条
本周 HN 上最热闹的不是论文，是真事故。有人用 AI agent 扫 DN42（互联网模拟实验网），结果把运营商的账单干爆了——1448 点讨论。另一个在 Fedora 上跑疯了，LWN 专门写了篇长文。
银行那边也有料——0.01 欧元的转账就能攻破 banking AI agent。攻击者构造特制转账，agent 解析时被骗。这不新鲜，但金融场景下出事就是真钱。
所以 Claw Patrol（一个 agent 安全防火墙）能上 Show HN 一点都不奇怪。Deno 的人写的，直接给 agent 加沙箱和权限控制。还有 Lua.ex 在 BEAM 上跑沙箱化 Lua 5.3，专门给 agent 用的——安全是硬需求，不是 feature。
厂商们的改名和收购
OpenAI 本周干了两件大事：收购 Ona，为了给 Codex 加持久化云环境。说白了就是让 agent 能跑长时间任务，不丢状态。这对企业 workflow 是痒点，但对个人开发者可能反而复杂了。另外他们新上了 Academy 课程，讲怎么用 agent 做 repeatable workflows——看名字就知道在抢企业培训市场。
LangChain 把 Agent Builder 改名 LangSmith Fleet。同时发了一堆更新：chat、file uploads、tool registry、Insights Agent 的定时报告，还有 Deep Agents v0.4。说实话名字改来改去用户会晕，但功能确实在堆。
其他零碎：有人用 Grit 把 Git 用 Rust 重写，底层用 agent 做操作分拆——个人项目但很酷。还有 Is grep all you need? 那篇论文在 HN 上 162 点讨论，讲 agent 的 harness（控制框架）怎么影响 search 能力，其实是换个角度说工具链的杠杆效应。
最后提一下 BitBoard（YC P25），专做 agent 的分析工作台。我直觉这种工具要么被大厂吞，要么靠社区长尾活下来。但当前 agent 调试确实太原始了，需要点专业工具。
下周再聊。大概率还会有新的事故等着我们。