本周最清楚的变化是：代理研究继续升温，但真正推进的不是“更像助手”，而是“更像可测试、可治理的工程系统”。代码代理、评测、MCP基础设施和执行层治理几条线开始互相连上。代码侧，研究从单次补全转向过程学习。SWE-Fuse、UnderstandingbyReconstruction、ExecVerify这类工作都在强调训练轨迹、步骤奖励和调试过程本身。
今天的研究更少谈“代理会不会做”，更多谈“怎样让它更可靠地做”。重点集中在三件事：更深的调试、更精的工具路由，以及把结构化约束重新接回真实任务。首先，代理式编码进入更细的协作层。TrustOverFear给出较强实证：同样是ClaudeSonnet4，只改系统提示的动机框架，信任式NoPUA在9个真实调试场景里发现隐藏问题51vs32，调查步骤42vs23，而恐惧式PUA没有显著收益。
今天的材料很分散，但主线很清楚：代理生态开始补“怎么找到、怎么管理、怎么落地”这些缺的层，而不只是继续堆模型能力。Joy代表了一类新的代理基础设施。它不只提供MCP接口，还把代理注册、搜索、担保和端点验证放进同一个网络。这里最值得注意的不是性能数字，而是它明确把开放代理生态里的信任问题产品化了。另一条明显趋势是，终端正在变成多代理工作的控制面。
今天的材料很集中：代理研究继续升温，但重心已从“能不能做”转向“怎么稳定接入、怎么被治理、怎么进入真实流程”。最有代表性的不是单一模型分数，而是一批围绕MCP、审计、沙箱和行业约束的系统设计。首先，MCP正在变成代理系统的通用接线层。Auto-Browser把真实浏览器做成MCP原生服务，不只支持页面观察和动作，还补上了noVNC人工接管、登录态复用、上传审批和指标接口。
本周更值得做的机会集中在控制面补齐，而不是再造一个更聪明的代理。证据比较扎实的方向有三类：一是把真实 PR 评测、噪声约束和 MCP 工具筛选结合起来，做代码审查代理的上线决策与路由控制；二是把 MCP 浏览器、人工接管和可验证证据链结合起来，做可审计的授权网页自动化；三是把工具最小暴露与命令执行拦截结合起来，做面向代码或运维代理的执行策略网关。以上想法都直接对应本周新出现或明显升温的能力拼图，且各自都有明确的第一批用户与可执行验证步骤…
基于趋势快照与局部语料核验，我保留了 4 个“why now”机会，集中在四个明确变化点： 代理调试已出现可测的深度差异，而人的过程审查却在下降，因此适合做强制保留调查轨迹的人机协作层。 工具选择开始从模型内部能力外溢为独立基础设施层，服务器侧 gating 与历史反馈重排序可以组合成可部署的路由控制面。 低资源代码与异构多跳任务都显示，外部结构、约束和验证比继续堆上下文更有效，因此适合做面向特定迁移任务的结构化工作台。 LLM…
本窗口能支持 4 个较强的 why-now 机会，核心共同点不是“更强模型”，而是代理生态开始补齐缺失的运行层：发现与信任、终端调度、真实设备受限执行，以及可验证程序搜索。证据最强的是 Joy、Recon/Nia、AlphaEvolve 与 iPad GUI demo。相对而言，NumenText 与 GitDB 更像配套基础设施，但还不足以单独支撑更高置信度的机会 brief，因此未单列。
今天最值得跟进的机会，不在“再做一个更通用的 agent”，而在把代理带入真实流程所需的运行时与治理层补齐。证据最强的三条线分别是： MCP 接口层开始可用化：浏览器、记忆、文档都在变成可被代理直接接入的系统部件，而不是零散插件。 生产治理从附属需求变成主产品层：trace、replay、circuit breaker、sandbox、contract-first、审批与审计正在同时出现，说明企业开始为 agent…