AI Agent

硅基速览 9月10日，OpenAI Agents API进入公开测试阶段，提供托管式Codex harness。 核心能力：沙箱环境、上下文压缩、并行子Agent、MCP协议支持、可恢复会话。 与Claude Code（终端Agent）和Cursor Projects（多Agent工作区）形成2026年9月Agent开发框架的三足鼎立。 正文 OpenAI补齐Agent拼图 2026年9月10日，OpenAI的Agents API进入公开测试（Public Beta）。根据andrew.ooo在9月14日发布的对比文章，这个API的定位是"托管式Codex harness"——你不需要自己搭建Agent运行环境，OpenAI帮你托管好。 在Agents API之前，OpenAI的Agent能力分散在多个产品里：Codex CLI（终端编程Agent）、GPT Store（自定义Gpts）、Assistants API（基础对话Agent）。但这些产品要么需要你自己搭建运行环境，要么能力有限。Agents API第一次把所有Agent能力整合到一个托管平台上。 核心组件包括： 沙箱环境（Sandboxes）。 每个Agent任务都在一个隔离的容器中运行，有独立的文件系统、网络访问权限和计算资源。Agent可以在沙箱里执行代码、调用工具、访问API，但不会影响到你的生产环境。 上下文压缩（Compaction）。 长任务运行过程中，Agent的上下文窗口会不断增长。Agents API自动进行上下文压缩——把早期的对话历史和工具调用结果总结成摘要，释放上下文空间，让Agent可以处理长达数小时的任务而不超出token限制。 并行子Agent（Parallel Subagents）。 主Agent可以派生多个子Agent并行执行不同子任务。比如主Agent需要"分析这个代码库"，它可以派一个子Agent读前端代码、一个读后端代码、一个读配置文件，然后汇总结果。这比单个Agent串行处理快3-5倍。 MCP协议支持。 Model Context Protocol是Anthropic发起的开放协议，现在已成为Agent连接外部工具的事实标准。OpenAI在Agents API中支持MCP，意味着你可以用任何兼容MCP的工具服务器（数据库、文件系统、浏览器、GitHub等）直接接入Agent。 可恢复会话（Resumable Sessions）。 Agent执行长任务时如果中断（网络问题、超时、错误），会话状态会被持久化，可以从中断点恢复，不需要从头再来。 与Claude Code和Cursor Projects的对比 到2026年9月，Agent开发框架已经形成三足鼎立格局： 维度 OpenAI Agents API Claude Code Cursor Projects 定位 托管式Agent后端 终端编程Agent IDE内多Agent工作区 状态 Public Beta（9月10日） GA（Fable 5.1接入） Beta（9月10日全量推送） 核心场景 API集成、企业工作流 终端软件开发 团队协作编程 子Agent 并行云端子Agent 子Agent+Hooks 协调Agent+云端子Agent MCP支持 支持 支持 通过IDE插件 会话恢复 原生支持 通过Cowork 通过共享上下文 三者的定位差异很清晰：OpenAI Agents API面向"后端开发者"——你在自己的应用里嵌入Agent能力，OpenAI帮你托管运行环境；Claude Code面向"个人开发者"——你在终端里直接与Agent结对编程；Cursor Projects面向"团队协作"——多个人+多个Agent在一个共享工作区里协作开发。 ...

Agent平台的"三层打通"打法 2026年9月，腾讯WorkBuddy开放平台正式上线。这个平台在Agent赛道上的定位很特别：它不是又一个Agent开发框架，也不是又一个Agent商店，而是国内第一个同时把硬件、应用、开发者三层全部打通的Agent开放平台。首批已经有超过100家生态伙伴接入，覆盖30多个品牌的硬件，以及金融、法律等20多个行业领域。 为什么要分"三层" AI Agent生态在2026年已经分化出三个层次： 硬件层：Agent最终要跑在某个物理终端上——手机、PC、会议屏、汽车、机器人、音箱。没有硬件入口，Agent就是飘在云端的对话窗口。 应用层：Agent要调用真实业务系统——企业的CRM、OA、银行核心系统、律所案卷系统。没有应用接入，Agent只能聊天不能干活。 开发者层：Agent能力要靠开发者按场景组装——金融客服Agent、法律合同审查Agent、运维监控Agent。没有开发者，平台就没有供给。 过去各家做Agent平台，大多只打通其中一层：华为做硬件生态，钉钉做应用集成，LangChain做开发者框架。腾讯WorkBuddy这次的差异化在于，它用一个开放平台把这三层捏合在一起。 层级 WorkBuddy接入情况 硬件层 30余品牌硬件接入 应用层 覆盖金融、法律等20+领域 开发者层 首批超百家生态伙伴 三层打通的真正价值 三层打通听起来像公关话术，但它解决了一个真实痛点：过去一个企业要上线一个"会议Agent"，硬件要找会议屏厂商谈协议，应用要找OA厂商谈接口，开发者要自己写逻辑，三方之间还要对权限、对账号、对数据。WorkBuddy把这三层都放到同一个开放平台后，硬件厂商的设备天然支持Agent唤醒，应用厂商的业务API天然暴露给Agent，开发者只需要写业务逻辑就能把三方串起来。 对金融行业，这意味着一个银行员工在会议屏上说"帮我查一下今天对公客户的逾期情况"，WorkBuddy Agent能直接调银行核心应用，不用切换系统。对法律行业，律师在PC上让Agent审阅合同，Agent能调用律所的案卷管理系统。 百家生态伙伴的信号 首批超百家生态伙伴，这个数字在国内Agent平台上线初期算是相当扎实的。它说明腾讯不是自己闭门造车做一个Demo，而是拉着一批硬件厂商、ISV（独立软件开发商）、行业解决方案商一起把生态填满。30余品牌硬件的接入，尤其说明腾讯在用微信/企微系的渠道能力去撬动硬件厂商——这是其他纯软件Agent平台很难复制的资源。 行业影响 WorkBuddy的推出，标志着国内Agent竞争从"谁的模型强"进入到"谁的生态厚"的阶段。模型能力在2026年已经趋同，真正决定企业采用率的是：Agent能不能触达我的设备、能不能调用我的系统、有没有现成的行业模板。腾讯用微信系的硬件关系、企业微信的应用关系、加上腾讯云的开发者关系，把这三件事一次做齐了。 对开发者来说，WorkBuddy开放平台意味着做一个Agent不需要再从零对接硬件协议和企业应用，平台已经把最难的"最后一公里"做完了。未来一年，国内Agent生态的竞争，很可能就是腾讯WorkBuddy、字节扣子、阿里百炼三家在"三层打通"上的正面较量。 对中小开发者的现实意义 对中小开发者和ISV来说，WorkBuddy开放平台真正的价值在于"默认信任"。过去做一个行业Agent，要自己去和硬件厂商谈设备权限、和企业谈数据接口、和客户谈安全合规，每一步都是销售成本。接入WorkBuddy之后，平台已经把硬件驱动、应用API、身份认证这层脚手架搭好，开发者只需要聚焦行业Know-how——比如金融场景的风控逻辑、法律场景的合同条款解析。这种"脚手架由平台出、Know-how由开发者出"的分工，正是平台型生态能跑起来的关键。 当然，三层打通也带来新的风险：当Agent同时握有硬件入口和企业应用权限，一旦某个环节被注入攻击或越权调用，影响面会从单个应用扩散到整个生态。WorkBuddy在开放平台上线同时，必须把权限最小化、调用审计、数据隔离这三件事做扎实，否则"三层打通"反而会变成"三层放大"。这也是接下来一年所有Agent平台必须回答的问题。 guijiagi.com 会持续跟踪WorkBuddy、扣子、百炼三大Agent平台在生态伙伴数量和行业落地上的进展。

开源Agent框架的"体验革命" 2026年8月31日，开源AI Agent框架OpenClaw发布了2.0版本。和很多"加功能"的大版本不同，OpenClaw 2.0的主线不是堆新能力，而是把过去一年被开发者吐槽最多的体验问题一次性解决：安装流程重做、浏览器端Control UI重构为chat-first、启动时间降到575毫秒、会话存储迁入SQLite、新增共享云会话。 575毫秒启动意味着什么 575毫秒这个数字，在一个动辄启动要十几秒、甚至几十秒的Agent框架里是什么概念？大部分开源Agent框架（包括早期的OpenClaw），启动过程要加载插件、初始化模型连接、恢复上下文、扫描工具目录，光冷启动就要好几秒。对一个开发者来说，每次改一行代码都要等几秒才能看到效果，迭代体验非常差。 OpenClaw 2.0把冷启动压到575毫秒，背后是启动路径的重构：把插件加载从同步改为按需、把模型连接从启动时建改为首次调用时建、把工具扫描从全量扫描改为增量缓存。这些工程优化单独看都不大，但叠加起来让Agent框架从"启动一次等半天"变成了"改完即见"的工具手感。 升级项 OpenClaw 1.x OpenClaw 2.0 安装流程 步骤繁琐 重做，一键化 控制界面 传统控制面板 chat-first聊天式 冷启动时间 数秒~数十秒 575毫秒 会话存储 文件/数据库混用 SQLite统一 云会话 不支持 新增共享云会话 chat-first控制界面 浏览器端Control UI从传统的"面板+表单"重构为chat-first（聊天优先），这是2026年Agent工具界面设计的主流方向。过去开发者要配置一个Agent，得在一堆表单里填模型、工具、权限、提示词；现在直接在一个聊天窗口里用自然语言说"帮我建一个能读代码、能跑测试的Agent"，框架自己把配置填好。 这背后的思路转变是：Agent框架的用户，越来越不想学框架语法，而是想用自然语言驱动框架本身。chat-first UI本质上是让"用Agent"和"配置Agent"变成同一件事。 会话迁入SQLite 把会话存储统一迁入SQLite，是一个看似不起眼、实则解决大问题的改动。早期版本的OpenClaw会话散落在文件系统里，备份、迁移、跨设备同步都很麻烦。SQLite是一个单文件数据库，所有会话、历史、工具调用记录都在一个.db文件里，备份就是复制文件，跨设备同步就是把这个文件丢到云盘。这和Obsidian笔记、Logseq的思路一致——用SQLite作为本地状态的唯一真相源。 新增的"共享云会话"则把这套本地SQLite能力延伸到了云端：开发者可以把本地Agent会话分享给同事，多人在同一个会话里接力调试，这对团队协作场景非常实用。 行业影响 OpenClaw 2.0的意义不在于它比其他框架"功能多"，而在于它证明了开源Agent框架在2026年已经进入"体验内卷"阶段。过去拼的是模型接入数量、工具数量、MCP支持；现在拼的是谁启动更快、谁界面更顺手、谁会话管理更优雅。 这和当年Python从"能跑"到"好用"、Node.js从"事件驱动"到"npm生态"的演进逻辑一样：框架竞争到最后，拼的是开发者日常工作流的顺滑程度。575毫秒启动、chat-first界面、SQLite会话，这三件事加在一起，让OpenClaw 2.0在开源Agent框架里的开发者体验上了一个台阶。 对企业用户来说，开源Agent框架在2026年的成熟度已经足够支撑生产级部署，OpenClaw 2.0这次的升级，正好踩在"从玩具到工具"的临界点上。 guijiagi.com 会持续跟踪OpenClaw、LangGraph、CrewAI等开源Agent框架在2.0时代的体验竞争。