Antigravity 本周最强信号是可复用编码技能工作，强于基准测试主张
本周可用信号范围较窄，但很实用。Antigravity 被展示为 Flutter 工作中的编码伙伴，其中 Google Agent Development Kit (ADK) 前端是最清楚的案例。证据指向可重复使用的开发者技能、评审循环和平台调试；对可量化模型收益的支持较少。
趋势
编码代理正面对审查、隔离和代码库质量的硬成本
当天的证据把编码代理视为生产系统。Claude Code 实验、Fly.io Sprites 和 Terminai 指向同一重点：除了任务完成，成本、隔离和人工审查现在也很重要。最强的实测结果是，代码清洁度在通过率持平的情况下减少了 token 和文件重复访问。
代理部署需要支出门禁、身份链和经过测量的本地运行路径
今天最强的信号在运行层面：大型语言模型（LLM）代理需要针对资金、身份和执行的硬门禁。Donobu、Kortex 和 Aion 显示了测试、本地推理和桌面领域的分布。证据主要来自 RFC、软件包和产品报告；Kortex 给出了最清楚的数字。
代理身份工作聚焦于让 OAuth token 离开 LLM 运行时
这一天有一个强信号：企业 LLM 代理需要委托访问，但不能让可复用的 OAuth token 留在运行时中。Securing Agentic Identity 提出了一种用于邮件、日历、GitHub 和 API 访问的 broker、代理服务器和双向 TLS (mTLS) 绑定模式。证据来自架构设计，目前还没有基准测试或部署数据。
机器人策略正在围绕控制环证据重建
机器人学习正被放到控制环中评估。表现最强的论文加入未来变化先验、漂移监测器、critic、世界模型 rollout 和更便宜的运动数据，让视觉-语言-动作（VLA）策略能应对接触、相机变化和有限示范。Bridge-WA、VLA-Corrector 和 TAP 给出了最清楚的实测主张。
编码代理的产出速度可能超过团队的验证速度
当前编码代理工作聚焦于规模化验证。企业遥测数据显示拉取请求输出翻倍，而 UnderSpecBench 和 TestEvo-Bench 暴露了两个压力点：代理会在模糊指令下行动，测试必须跟随真实代码变更。
机器人学习论文让 VLA 策略承受执行压力
机器人学主导了这一时期。最强的论文把视觉-语言-动作（VLA）策略放到 rollout 成本、长时程漂移、碰撞风险、触觉数据缺口和工厂服务等执行压力下测试。RoboWorld、FurnitureVLA 和 ROSA 给出了最清晰的实测主张。
编码智能体需要证据链、预算和更安全的工具访问
最有力的工作把编码智能体当作运行中的系统来评估。SWE-Doctor 用失败测试作为探针，Microsoft 遥测数据把命令行智能体与更高的 pull request 输出联系起来，Claude Desktop 红队报告则显示同步偏好设置如何变成工作站风险。当前重点是可衡量的行为、成本和控制。
Antigravity 案例研究更看重可复用编码技能，而非一次性应用生成
当天唯一条目是一篇实用案例研究：使用 Antigravity 为基于 Google Agent Development Kit (ADK) 构建的 Python agent 创建可复用 Flutter 技能。有效信号在于流程纪律：每次失败的运行都会变成指导，改进下一次生成的应用。
机器人 VLA 论文优先关注可执行控制和实测反馈
当天的机器人论文集中在让 vision-language-action (VLA) 策略可执行：在线适配、3D/接触反馈和成本更低的规划模型。SARL、3D HAMSTER 和 DVG-WM 显示，当前重点是能经受控制循环、几何和物理交互检验的证据。
编码代理需要明确工件，才能获得信任
当天最强的证据支持这样一类编码代理：将模型输出绑定到明确的软件工件，包括功能映射、性能分析 traces、编译器错误、基准和审批记录。FeatX、MOA 和 AdaTrans 显示出最清晰的收益，而协议和成本研究暴露了治理和任务经济性方面的限制。
机器人策略评估开始看执行机制，不能只看基准分数
机器人学习工作集中在让策略能在真实控制约束下执行。ZR-0、T2VLA 和 Chronos 显示出主要重点：跨具身监督、无需奖励的测试时改进，以及基于完整轨迹的记忆。