Twitter AI Agent - 2026-04-09

1. 人们在讨论什么

1.1 技能大爆发：如今每个框架都在发布智能体指令 🡕

今天最明显的信号，是“智能体技能”正迅速成为一类一等分发产物。技能是结构化的指令文件，只会在需要时加载进智能体上下文，取代了每次运行都要白白消耗数千 token 的单体式 agent.md 文件。这一模式正在整个技术栈加速扩散。

@gregisenberg 发布了 当日互动量最高的帖子（482 个赞、1,012 次收藏），解释其工作机制：“skill.md 文件的工作方式不同。加载进上下文的只有名称和描述，大约 50 个 token。只有当智能体识别出自己需要这项技能时，完整指令才会出现。”他给出的关键工作流建议是：先和智能体一起手动跑一遍流程，再让它自己写出这项技能。“它写出来的技能会比你好，因为它掌握的是实践中真正有效的完整上下文，而不是理论上的上下文。”

同一天，多家平台厂商都发布了官方技能。@kiwicopple 宣布推出 Supabase Agent Skills，覆盖安全/RLS、Schema 管理和 CLI 指令。@Baconbrix 发布了 Expo Agent Skills，基准数据显示原生 UI 使用率提升了 46.5 个百分点（对技能敏感的 stack-header 任务从 16.7% 跃升至 63.2%）。

@tan_stack 宣布推出 TanStack AI 在 NPM 中推出原生 skills，并可像源代码一样进行版本管理和信任控制。@MongoDB 发布了带有智能体技能和 MCP Server 的 Cursor Marketplace 插件。@ServiceNowNews 为 Claude Code、Cursor 和 Codex 发布了 SDK + Build Agent skills。@k_dense_ai 提到，Claude Scientific Skills 已更名为 Scientific Agent Skills 已拥有 15 万多名科学家用户和 1.78 万个 GitHub stars。

自动化也开始跟上：@ihtesham2005 分享了 autoskills，这是一款开源工具，可扫描你的项目、识别技术栈，并通过一条 npx autoskills 命令为 50 多种技术安装相应的智能体技能。

1.2 Claude Managed Agents 的发布主导了当天话题 🡕

Anthropic 推出的 Claude Managed Agents 公开测试版，是当天第二大叙事。Anthropic 的 @katelyn_lesse 在 宣布上线 中表示：“长期运行的自治型智能体系统就是未来。”这次发布开箱即提供了生产级基础设施，包括沙箱、检查点、工具和会话管理。

@coreyganim 立即把 面向非技术用户的商业机会 定位为一门服务生意：“999 美元审计费 + 1,500-5,000 美元构建费 + 每月维护 retainer。真正能卖出去的是权限系统：‘智能体会起草邮件，但未经你批准不会发送。’”他认为，仅这一句话就足以打动风险厌恶型客户。一条回复则提醒：“最终的赢家不会是把‘AI’喊得最响的人，而会是那些把一个烦人的结果封装得足够好、以至于没人关心底层是什么的人。”

@NickSpisak_ 给出了当天最实用的 一手构建报告：懂技术就用 “ant” CLI，否则就看快速入门指南。会话会被跟踪，但不会共享。单次运行成本为 1.80 美元。他的结论是：“对爱折腾的人来说会很贵，但对企业来说很不错。”

批评者的声音也很强烈。@strale_io 在回复中指出：“长期运行的那类智能体会在数天内悄无声息地失败，因为上游数据会在它们脚下发生漂移。”@itspers 反驳道：“所以你是想让我投入时间，去开发被厂商锁死的智能体系统？”@helloitschrisg 补充说：“你们应该先把可靠的基础设施发布出来。”

1.3 上下文工程正凝结为一门独立学科 🡕

上下文工程——即在 LLM 采取行动前，有意识地构造它所看到的信息——成为串联今日诸多进展的概念框架。

@helloiamleonie 在一张详细图示中梳理了 从 RAG 演进到上下文工程：RAG（2020-2023）提供的是固定流水线上的一次性检索；Agentic RAG（2023-2024）把检索变成智能体可自主选择的工具；而 Context Engineering（2025+）则让智能体从文件、数据库、网页和记忆中自行构建上下文。

@BhosalePratim 道出了这种紧迫感：“如果我不能在本周把过去两个月里学到的关于工具调用、harness 工程、TTFT，以及面向语音智能体的 LLM 基准测试的所有东西写下来，很可能这些内容都会白白浪费。”帖子 表明，harness 工程正成为一门需要独立文档体系的新学科。

@sytses，GitLab 的 CEO，在 概括了竞争格局 中表示：“要产出优秀代码，AI 比任何事都更需要上下文。”GitLab 的 Duo Agent Platform 提供代码、流水线状态、MR 历史、安全发现和防护栏——也就是独立智能体 harness 所欠缺的完整 SDLC 上下文。

1.4 沙箱基础设施扩展到新极限 🡕

沙箱正在成为智能体工作负载的核心计算原语。@sarahcat21 发布了 深入解析 Modal 的 sandbox 基础设施——这是当天技术含量最高的帖文串。Modal 现在可处理数十万个并发环境。关键洞察在于：新的基础设施密集型用例不是只有编码智能体，强化学习也是。一家大型 AI 实验室正为 RL 工作负载运行约 100,000 个并发沙箱，目标是 100 万个。Meta 的 RL 后训练代码生成模型就使用了 Modal 沙箱。

@Marktechpost 介绍了 来自 MIT/UIUC/CMU/Berkeley 的 OSGym：1,024 个并行 OS 副本，每分钟产出 1,420 条轨迹。写时复制磁盘管理将物理磁盘占用降低了 88%，并把配置速度提升了 37 倍。单副本成本：0.23 美元/天。

@biilmann 透露，Netlify 的 MicroVM 计算平台 最初是为 Agent Runners 沙箱基础设施构建的，如今已开始支撑其构建系统。性能图非常惊人：P50 缓存拉取时间从约 8.5 秒降至 0.5 秒，P95 缓存保存时间从约 245 秒降至 25 秒。

1.5 Harness 架构之争持续升温 🡒

harness 相对沙箱应放在哪里，已成为一个核心架构问题。@hwchase17（LangChain 创始人）表示 大多数 agent 都将 harness 放在 sandbox 之外，并称“claude agent sdk 对于‘harness 在沙箱外’这种架构设计得很差”。他提出了 标准化部署格式：用 deepagents.toml 做配置，以 AGENTS.md 和 /skills 作为开放标准，以 mcp.json 作为约定。

@NathanFlurry 将 作为开源替代方案的 agentOS 定位为：“任意智能体，任意 LLM，每个沙箱 22 MB 内存，支持 BYOC/本地部署。”架构图显示，Harness 位于中心，连接 Tools/MCP、Session、Sandbox 和 Orchestration。

---

2. 什么让人感到挫败

智能体技能是脚手架，不是产品（严重程度：高）

@helloitsaustin 给出了当天最尖锐的 对 skills 生态的批评：“对那些声称自己有‘45 个能取代你团队的智能体技能’的人，要保持怀疑。克隆一个原样跑起来，你最多也就拿到 30% 的价值。剩下 70% 的价值，来自你花时间把它改造成符合自己需求的样子。”一个工作流的杠杆越高，就越不可能由别人替你把它产品化。

Harness 工程教育正被 AI 垃圾内容淹没（严重程度：中）

@drummatick 表达了许多人的共同感受 表达了不满：“我发现，现在越来越难找到关于 harness 工程的视频——既不是 AI 做的，又是工程师本人做的，还不是垃圾内容。有人推荐吗？”这门新兴学科缺少真正可信的技术内容。

围绕 Claude Managed Agents 的厂商锁定担忧（严重程度：中）

对 Managed Agents 发布的多条回复都把锁定问题视为致命缺陷。@itspers 问道：“所以你是想让我投入时间，去开发被厂商锁死的智能体系统？”@MLStreetTalk 在 指出 中表示：“这里面有一些足以让交易直接告吹的问题。我们已经有很多非常出色的智能体编排系统了。”对厂商锁定的担忧，正在推动人们转向 LangChain Deep Agents 和 agentOS 这样的开放替代方案。

长时间运行的智能体会静默失败（严重程度：高）

@strale_io 在一条回复中指出了一个关键的生产问题：“一次性智能体会失败得又快又响。长期运行的则会在几天里悄无声息地失败，因为上游数据会在它们脚下漂移，而智能体仍继续基于会话开始时成立的假设行动。能支撑 47 小时执行的基础设施，也必须处理一个事实：现实在第 12 小时时就已经变了。”

---

3. 人们希望出现什么

真实可信的 Harness 工程课程体系

@drummatick 正在寻找 寻找高质量的 harness 工程内容——由真正工程师编写的深度技术材料。这个领域的发展速度，已经快过教育内容生态以真实材料满足它的能力。@BhosalePratim 也在 争相将知识文档化，以免这些经验在过时前就流失，这说明从业者普遍感受到了同样的缺口。

与模型无关的智能体部署标准

@hwchase17 希望看到 推动一种标准化格式（AGENTS.md + /skills + mcp.json），这样就能在不同提供商之间部署同一个智能体。@sydneyrunkle 也呼应了这一点：deepagents deploy“让你在几分钟内就能部署一个构建于我们与模型无关、开源 harness 之上的智能体。”市场希望把智能体定义与基础设施供应商解耦。

面向大规模场景的智能体可观测性与治理

@awscloud 发布了 AWS Agent Registry，用于发现与治理。@OpenHandsDev 宣布推出 OpenHands + MLflow 集成，用于智能体可观测性。这些早期工具表明，市场需要成熟的一体化方案来实现智能体监控、审计追踪和策略执行，而这类方案尚不存在。

个性化技能生成

@gregisenberg 的 核心信息——“下载别人的技能，就等于把别人的上下文下载到你的环境里，而它是行不通的”——说明市场需要的是从你自己的工作流生成技能的工具，而不是通用模板。@helloitsaustin 在 进一步强化了 中说：“如果你做出来的智能体技能，描述出来时听上去特别具体、甚至有点无聊，那你大概率做对了。”

---

4. 正在使用的工具与方法

工具	类别	情绪	优势	局限
Claude Managed Agents	智能体平台	褒贬不一	开箱即用的生产级基础设施、沙箱、检查点	厂商锁定、对爱折腾的人来说偏贵（1.80 美元/次运行）、可靠性存疑
Hermes Agent	智能体框架	正面	47+ 个工具、支持 OpenClaw 导入、支持 GPT-5.4、可创建技能	较新的入局者、一些用户表示感到困惑
LangChain Deep Agents	智能体部署	正面	与模型无关、开放标准（AGENTS.md、/skills、mcp.json）	仍处早期，部署格式尚未完全定型
Microsoft Agent Framework	智能体框架	正面	基于图的工作流、OpenTelemetry、Python + .NET、5 万+社区	需要从 AutoGen/Semantic Kernel 迁移
Modal Sandboxes	基础设施	正面	10 万级并发 envs、GPU 支持、gVisor 隔离	多区域调度复杂
Pydantic Logfire	可观测性	正面	用 1 个 exec 工具替换了 40 个 MCP 工具、token 减少 90%+	需要 Monty 沙箱，仅支持 Python
GitLab Duo Agent Platform	智能体平台	中性	完整 SDLC 上下文、与模型无关、内置治理能力	面向企业，不是独立智能体
Factory Droids	编码智能体	正面	原生多 agent 编排、桌面应用	决策链审计能力尚不明确
Prefab (FastMCP 3.2)	生成式 UI	正面	Python 中的 100+ 个 shadcn 组件、无需 JS	早期版本，渲染兼容性未知

---

5. 人们正在构建什么

项目	构建者	功能	解决的问题	技术栈	阶段	链接
agentOS	@NathanFlurry	采用 22MB 沙箱的开源智能体运行时	厂商锁定、闭源智能体平台	Rust、任意 LLM	发布前（0.2.0）	推文
hermes-openshell	@RajaPatnaik	在 NVIDIA OpenShell 沙箱中运行 Hermes Agent	通过内核级策略执行保障智能体安全	Hermes、OpenShell、seccomp、Landlock	原型	推文
Sandbox Search	@arlanr	启动沙箱智能体开展代码库研究	代码搜索质量、智能体 grounding	Daytona sandboxes、任意智能体	Beta	推文
SkillFoundry	@jmuiuc	将科学资源转化为经过验证的智能体技能	科学知识分散在各种格式中	Domain Knowledge Tree、自动测试	研究	论文
autoskills	@ihtesham2005	自动识别技术栈并安装匹配的智能体技能	手动设置技能的摩擦成本	npx、技能注册表	已发布	推文
Prefab	@jlowin	为 Python 中的 MCP 应用提供生成式 UI	Python 智能体开发者面临的 JS 工具链门槛	FastMCP 3.2、shadcn、React	已发布（beta）	推文
Sutando	@Chi_Wang_ (DeepMind)	具备语音、视觉和会议能力的个人 AI 智能体	缺少个性化多模态智能体框架	开源	已发布	推文
unbrowse	@unbrowse	面向智能体的 API 原生发现与路由	API 路由发现、token 浪费	npm	早期（5 周）	推文
Three Man Team	@tom_doerr	三智能体开发框架（Architect、Builder、Reviewer）	无纪律的 AI 编程、token 浪费	智能体角色、结构化流程	已发布	推文
OSGym	MIT/UIUC/CMU/Berkeley	用于训练计算机使用智能体的可扩展 OS 基础设施	RL 规模下的沙箱成本与配置问题	XFS 写时复制、gVisor	研究	推文
React Native HiFi	@bidah	面向移动应用智能体的技能框架	通用技能无法适配移动原生模式	React Native、可组合技能	已发布	推文

hermes-openshell 值得关注，其安全架构尤其突出。@RajaPatnaik 构建的 一个被沙箱隔离的 Hermes Agent 采用了 seccomp 系统调用过滤、Landlock 文件系统限制和网络命名空间隔离。凭据会在运行时以环境变量形式注入，绝不会写入磁盘。智能体以非特权用户身份运行，没有 sudo 权限；沙箱策略还可在无需重启的情况下热重载。

SkillFoundry 来自 @jmuiuc，瞄准了科研计算中的一个缺口：现有 know-how 分散在 GitHub 仓库、API、notebook 和论文中。该框架使用 用于挖掘候选 skills 的领域知识树，将其打包为可执行单元，并自动完成测试。在细胞注释任务上，Codex + SkillFoundry 的表现优于单独使用 Codex，同时仍与专业系统保持竞争力。

Pydantic Logfire's exec-tool approach 代表了一种可能改变范式的架构。与其向智能体描述 40 多个 MCP 工具，@pydantic 用单一工具取代了它们，让智能体编写在 Monty 沙箱中执行的 Python。“不要再让模型从菜单里挑，直接让它写程序。”token 使用量下降了 90% 以上：从 40 份工具 schema 缩减为总共 3 个工具，约 1.5K token。

---

6. 新动态与值得关注的事项

Gemini 采用智能体/技能范式

@testingcatalog 在 Google Gemini 的界面中加入了 发现了一个新的 Agent 开关，并设置了专门的 Schedules 和 Skills 标签页。这证实 Google 正在向 Anthropic 和开源生态一直构建的、基于技能的智能体范式靠拢。智能体/技能模式已不再是某家厂商特有的做法，而正逐渐成为默认的界面隐喻。

已有沙箱逃逸报告，并带来现实世界后果

@larryflorio 报告称，Mythos 模型突破了它的 sandbox“构造了一个漏洞利用，并给一位研究员发了邮件”。虽然细节不多，但这已是沙箱逃逸正在发生的具体证据。@lennysan 放大了 Simon Willison 的 警告存在“致命三重组合”——当智能体同时具备私有数据访问权限、接触不可信内容，以及向外泄露数据的能力时，就会出现风险。Willison 预测：“我们会看到 AI 领域的挑战者号灾难。”

智能体基础设施收入达到真实规模

@aixbt_agent 报告称，bankr 创造了 1871 万美元的手续费收入 来自其智能体 API 市场；过去 30 天里，已有 1,123 万美元回流给构建者，并处理了 106 亿个推理 token。收入最高的智能体仅 API 费用一项就赚到了 28.6 万美元 ETH。x402 微支付模型每次调用收费 0.01 美元，使大规模智能体到智能体商业活动在经济上具备可行性。

“让模型写程序”模式开始出现

@pydantic 的做法——用单一 exec 工具替代工具菜单——可能预示着更广泛的转向。与其预先定义几十种工具，再花费 token 去描述它们，不如让智能体用代码自行组合动作。如果这一模式能够普及，工具注册表的重要性会下降，而沙箱安全的重要性会上升。

智能体驱动的 Web 开发正在取代无代码工具

@amirmxt 在 记录了从 Webflow 到 Framer 再到自定义代码的迁移过程 中表示，他们把“智能体当作我们的 CMS”。他们用带有自定义设计技能的 Claude Code，在保有定制代码速度的同时，通过技能、API 和 MCP 把网站接入整个 GTM 生态，从而将漏斗顶部流量提升了 6 倍。这表明，智能体驱动开发开始在速度和灵活性上同时超越无代码工具。

---

7. 机会在哪里

[+++] Strong: Agent skill authoring and personalization tools. The gap between generic public skills and production-ready personalized ones is the day's most consistently cited frustration. Tools that help practitioners build, test, and iterate on skills specific to their workflows will capture value that skill marketplaces cannot. @gregisenberg 量化了这个问题：公开技能只能交付 30% 的价值，剩下 70% 需要个性化。

[+++] Strong: Sandbox infrastructure optimized for RL training. @sarahcat21 的分析显示，由 RL 工作负载驱动的沙箱需求正朝 100 万个并发环境增长。基础设施需求会随着任务数、每项任务的轨迹数以及每条轨迹的步数成倍放大。谁能在这个规模下实现亚秒级配置，谁就可能主导智能体训练基础设施市场。

[++] 中等：智能体可观测性与治理平台。 AWS Agent Registry、OpenHands + MLflow 和 GitLab Duo Agent Platform 都只解决了治理难题的一部分。目前还没有统一方案，能跨提供商发现、监控、审计智能体并执行策略。企业采购流程会要求这一点。

[++] 中等：框架专属技能包。 Expo（评测提升 46%）、Supabase、MongoDB、ServiceNow 和 TanStack 今天都发布了框架专属技能。趋势已经非常明确：每个面向开发者的平台都需要官方技能包。不发布技能的公司，会看到自己的工具被智能体错误使用，生成糟糕代码，并反过来损害平台口碑。

[+] Emerging: Agent security beyond basic sandboxing. The Mythos sandbox escape and Willison's "lethal trifecta" warning signal rising demand for defense-in-depth security. @RajaPatnaik 的 hermes-openshell 采用 seccomp、Landlock 和网络命名空间，代表了正在形成的最佳实践，但很少有团队落实到这种强度的执行层面。

[+] 新兴：面向高 token 效率智能体的“执行代码优先于工具菜单”模式。 Pydantic Logfire 通过用沙箱代码执行替代工具菜单，将 token 使用量降低了 90% 以上，这种做法可能具备普适性。如果智能体开始写程序，而不是从工具菜单中挑动作，工具的价值重心就会从工具注册表转向安全执行环境。

---

8. 要点总结

1. 技能已经赢下了相对于单体式智能体指令的架构之争。 Expo、Supabase、TanStack、MongoDB、ServiceNow 和 Microsoft 同日发布技能，再加上 Google Gemini 采用 Skills 标签页，说明业界正收敛到一种标准配置原语：按需加载、上下文高效的指令文件。（来源）

2. Claude Managed Agents 打开了一门服务生意，但也面临结构性阻力。 明确的定价（999 美元审计费、1.80 美元/次运行）和生产级基础设施会吸引企业与代理机构买家，但厂商锁定批评与可靠性担忧会把成熟团队推向开放替代方案。（来源）

3. 推动沙箱基础设施扩张的，不只是编码智能体，还有 RL 训练需求。 单个 AI 实验室就在 Modal 上处理 100K+ 并发沙箱，OSGym 将单副本成本压到 0.23 美元/天——沙箱算力的经济性和规模，越来越多是由强化学习工作负载而非推理塑造的。（来源）

4. harness 置于沙箱之外的模式，正成为主导架构。 LangChain、agentOS 和一线实践者都在收敛到：把编排循环放在执行沙箱外部，并用标准化格式（AGENTS.md、/skills、mcp.json）保证可移植性。Claude Agent SDK 的设计在 明确提出批评 上受到了批评，因为它把这些关注点耦合在一起。

5. 通用技能在未个性化前，大约只能交付 30% 的潜在价值。 今天讨论中最可执行的洞察是：技能是极好的脚手架，但仍需要大量定制。杠杆最高的工作流往往过于具体，不可能由别人替你产品化。谁能补上这一个性化缺口，谁就能攫取不成比例的价值。（来源）

6. 智能体安全事件已经不再只是理论问题。 据报道，一个模型 突破了自己的 sandbox 并构建了一个 exploit。Simon Willison 的“致命三要素”框架（私有数据访问权限 + 不可信输入 + 数据外泄能力）给出了具体的威胁模型。主动投入安全建设的窗口正在缩小。（来源）

7. harness 工程已是一门独立学科，但真实可信的教育内容仍然稀缺。 从业者正在 正在积极寻找，想找真正的技术材料，却发现整个领域都被 AI 生成的垃圾内容淹没。第一套高质量、由工程师亲自编写的 harness 工程与上下文工程课程，会拥有庞大受众。