这一时期最强的信号是代理的运行纪律。GlueRun-go、Vitrus 和 Callimachus 把代理工作视为需要 lease、引用、本地记忆和可审计控制路径的过程。多数主张来自工程证据、合成测试或产品指标，公开基准覆盖有限。
GlueRun-go 让并行编码代理更容易检查。每个任务在自己的 Git worktree 中运行，持有一个 JSON lease，并写入一个状态包，覆盖拥有的文件、已更改文件、命令、测试和证据。审计器先检查该状态包和 gate 结果，系统再重试、缩小范围、升级或搁置任务。报告中的收益偏向运行层面：分离式调度让 reconcile 在数秒内返回，崩溃检测从 60 分钟的 stale-lease 窗口降到大约一个 reconcile 周期。
Codeflowmap 处理同一问题的评审侧。它通过静态分析构建 import 图和 TypeScript/JavaScript 调用图，然后让可选的大型语言模型 (LLM) 为每个文件添加关于读取、写入、配置、认证和流程的注释。这样图边仍来自确定性分析，模型输出只用于语义标注。该项目没有报告基准测试或准确率分数，因此它的价值在于它暴露出的检查工作流。
两个项目关注代理在工作中可以查询的记忆。Vitrus 用 Markdown 保存公司知识，构建一次性索引，并返回带来源、置信度、新鲜度和确定性缺口的答案。它的 think 和 verify 命令把答案分类为 grounded、stale、contradicted 或 unsupported。该仓库报告 source-hit 至少 90%，在受控合成语料上的缺口召回率和精确率均为 100%，泄漏测试中未授权结果为零，并有 200 多项测试。
Callimachus 面向编码代理历史。它把来自 11 个来源的会话导入本地 SQLite 存储，混合关键词检索和向量检索，并通过桌面端、命令行、VS Code/Cursor 和 Model Context Protocol (MCP) 工具暴露索引。它的具体证据是覆盖范围和速度：16 个 MCP 工具、21 个命令行命令、本地 384 维嵌入，以及约 90,000 条 Claude 消息在大约 25 秒内完成索引。它没有报告检索准确率或用户研究。
FERNme 提出由用户拥有、供执行动作的代理使用的偏好记忆。它存储稀疏的按站点图，用确定性共现规则更新边权重，并为代理提示词检索一张简短的记忆卡。该设计减少每轮 LLM 调用，并给用户检查、编辑、导出和删除控制。
报告中最强的数字有明确限制。该项目报告了 88 项测试、在第 1–3 轮中的 +0.06 precision@5 冷启动增益、模拟店面中的 +16% 相对转化提升，以及在低一到两个数量级成本下达到约为 LLM 上限 80–90% 的建模质量。作者说明，主要证据使用合成数据或 LLM 编写的数据，真人试点仍未完成。
Amazon 对代理治理的立场集中在问责和权限范围上。文章认为，在高频、低信号的审查下，反复要求人类批准会降低效果。Amazon 偏好的控制模型为每个代理分配自己的身份，记录该代理及其所代表的人，并按任务风险限制权限。
同样的控制模式出现在 Vitrus 的工具边界。它的 OpenAPI 导入、搜索、验证和调用流程会在执行前检查端点名称、参数、类型、已弃用端点和权限。两个案例都把批准视为多种控制手段之一，审计身份和执行前检查承担了大部分负担。Amazon 文章没有给出基准测试或安全指标，因此该主张是一个治理设计论点，并由具体失败示例支撑。