Twitter AI Agent - 2026-06-01¶
1. 人们在讨论什么¶
1.1 上下文工程变成生产瓶颈 🡕¶
讨论重心从抽象的运行框架讨论，转向具体的上下文运维。至少有 5 条保留条目支撑了这一主题：一套公开的运行框架分类、一条来自 Box 的企业告警、一篇生产 OOM 帖子、一篇可复用外部上下文管理论文，以及一个量化了上下文浪费的代码库索引工具。
@byanujpatel 分享（235 次点赞、12,861 次浏览、304 次收藏）了 LangChain 的公开 运行框架工程文章，其中把运行框架定义为模型周围的一切，并把持久化存储、代码执行和长时程工作等目标行为，分别映射到文件系统、bash、沙箱、记忆和编排。
@levie 认为（173 次点赞、33 条回复、33,132 次浏览、203 次收藏），企业智能体之所以失败，是因为关键上下文散落在老旧系统、错配的权限和从未被整理成机器可读形式的部落知识里。最有力的回复进一步把诉求说清了：一位运营者说，在一个古老 CMS 之上套一层 Playwright 抽象后，系统才终于对智能体友好；另一位则说，智能体需要“有据可查的记忆”，这样每一条事实都能追溯到来源和变更历史。
@arpit_bhayani 写道（150 次点赞、5 条回复、6,244 次浏览、65 次收藏），智能体化系统在生产里最常见的失败仍然是 OOM：工具输出、API 结果和整份文档会一直滞留在内存里，直到对话变长或负载升高把进程压垮。他给出的修法——激进截断、流式处理、只检索需要的上下文，以及把状态持久化到外部——让这个问题听起来更像经典系统工程，而不是模型能力不足。
@dair_ai 重点提到（72 次点赞、8 条回复、3,177 次浏览、54 次收藏）AdaCoM，这项研究训练了一个独立的 LLM，来决定冻结的智能体该保留还是丢弃哪些上下文。论文截图是关键证据：它展示的不是又一个只在提示词局部打补丁的办法，而是包在智能体外部的可复用上下文管理器。
@israfill 推广（13 次点赞、4 条回复）CodeGraph，把它定位为面向编程智能体的预索引代码知识图谱。比宣传语更有说服力的是那张截图：没有仓库图谱时，智能体会白白浪费 3,847 个 token 去猜；有了它之后，智能体能直接拿到精确的调用点和影响路径，而无需额外搜索折腾。
讨论要点： 回复一再把门槛从“给智能体更多上下文”抬高到“给它新鲜的上下文、出处，以及正确的保留策略”。
与前日对比： 5 月 31 日把运行框架工程当成设计清单。6 月 1 日则把上下文交付、压缩和记忆外置变成了具体工作。
1.2 智能体模型发布开始变成带价格标签的基准表 🡕¶
两条强势的发布讨论串，都把智能体能力当成可度量的产品 SKU：多模态任务、长上下文，以及首发定价。讨论重点不再是品牌，而是某个模型能否以可用成本通过智能体特定基准测试。
@Alibaba_Qwen 发布（385 次点赞、40 条回复、9,043 次浏览、54 次收藏）了 Qwen3.7-Plus，把它定位成同时覆盖 GUI 和 CLI 工作的多模态智能体模型。基准图把它与 Claude Opus 4.6、GPT-5.4、Gemini 3.1 Pro 等模型在 Terminal-Bench、SWE-bench 各变体、ClawEval、BFCLv4、ScreenSpot Pro 等任务上做了对比，而回复串又用更多基准说明和演示来延展这次发布。
@Elaina43114880 总结（15 次点赞、259 次浏览）MiniMax M3，是一个具备 1M 上下文、支持电脑操作、短上下文输入价格从每百万 token 0.60 美元起的前沿多模态模型。附带的完整基准表让这个说法更具体，因为它把 M3 放在编程、GUI、多模态和推理任务里一起对比，而不是只挑一个好看的分数。
讨论要点： 发布贴的评判标准，越来越少取决于口号写得多好，而越来越取决于首日是否一并拿出一套可信的基准包和价格表。
与前日对比： 5 月 31 日更聚焦工作流栈和运行框架行为。6 月 1 日则把原始模型竞争重新拉回台前，只不过形式是智能体特定的表格，而不是泛泛的排行榜讨论。
1.3 技能开始更像交付基础设施，而不只是提示词文件 🡕¶
最强的一批技能帖子，谈的都是注册中心、托管式交付和安全运行时。至少有 4 条保留条目支撑了这一主题。
@NousResearch 宣布（392 次点赞、42 条回复、41,025 次浏览、78 次收藏），Hermes Agent 现在能运行在 RTX Spark 硬件上，也能运行在与 Microsoft 安全原语绑定的 NVIDIA OpenShell 运行时里。NVIDIA 的公开 OpenShell 资料把这个运行时描述为位于智能体与基础设施之间的沙箱、策略引擎和隐私路由器。
@shannholmberg 认为（20 次点赞、773 次浏览、11 次收藏），正是这一运行时层，让 Hermes 对那些能做出原型却过不了安全审查的团队，终于具备企业落地可能。那张图之所以重要，是因为它解释了原因：Hermes 的工作流、技能和记忆，都坐在隔离、审计、访问控制和与 Microsoft 集成的安全层之上。
@room_ashish 主推（8 次点赞、200 次浏览）Milkey，把它定位成一层托管的 MCP 技能层：智能体在运行时只拉取所需技能，而不是每次都把 20 条技能描述塞进提示词。产品页和截图让“token 膨胀”这个说法变得具体：一个共享技能层，可供 Cursor、Claude Code、Codex 和 Windsurf 使用，也不会再有本地提示词文件漂移。
@HuggingPapers 提到（21 次点赞、1,072 次浏览、14 次收藏）COLLEAGUE.SKILL——一个把聊天日志转成版本化智能体技能的项目。它的流程图把追踪记录接入、预设路由、双重蒸馏、工件写入和治理明确拆成各个阶段，这比“找个地方存一份提示词模板”要运营化得多。
@aiedge_ 贴出（19 次点赞、1,471 次浏览、33 次收藏）了官方 Hermes Skills Hub。公开页面还没完全加载出来，但仅从壳层就能看到跨各个注册中心已有 8.8 万+ 技能，这让“技能”的故事更像平台级目录管理，而不只是“一些模板”。
讨论要点： 对上周以及昨天那些“技能膨胀”抱怨的回应，不是“手动修剪”，而是“按需加载、发布到共享注册中心，并把治理放到模型之外的运行时里”。
与前日对比： 5 月 31 日聚焦默认启用的技能太多。6 月 1 日则转向托管注册中心、可移植技能，以及安全的运行时交付。
1.4 “智能体经济”类帖子终于出现小规模真实闭环，但信任仍然滞后 🡕¶
市场和支付类讨论串，比前几天更有运营细节：真实打款、结算前审阅流程、可移植的结账技能，以及钱包签名消息。但回复始终在绕同样几层缺失：证据、声誉，以及足够多的交易对手，市场才会真正有用。
@tetsuoarena 发布（37 次点赞、5 条回复、713 次浏览）AgenC Marketplace，在 Solana 主网上开启早期访问；它给出了一条明确流程：发布任务、让智能体认领、审阅结果、验收后结算。这条帖子少见地把安全护栏讲得很细：涉及资金流转的步骤需要人工批准，二进制文件要做 SHA-256 校验，还直接给 Claude Code、Codex 和 Hermes 用户提供了操作指引。
@tetsuoai 报告（144 次点赞、28 条回复、5,833 次浏览、31 次收藏），有一个智能体在主网上完成了一单市场任务，并收到了 0.20 SOL 的报酬。最有用的回复并没有欢呼，而是要证据，这说明这些系统仍要弥合信任缺口。
@Unibase_AI 宣布（235 次点赞、3 条回复、12,946 次浏览），AllScale Checkout 已加入 BitAgent 的 ERC-8183 技能生态，提供可移植流程来完成凭据设置、服务端签名、意图创建、状态轮询、webhook 验证和调试。这是当天最清晰的智能体商业化帖子之一，因为它说的是实际支付操作，而不只是喊一个“市场”名词。
@Signa_Agent 介绍（8 次点赞、5 条回复、550 次浏览）SIGNA，把它定位成 Base 上的一层钱包签名消息系统，让不同框架上的智能体不再被 API key 孤岛割裂。公开网站用 Base 钱包、XMTP 收件箱、Google A2A 传输兼容，以及可选的按次收取 USDC 来支撑这个表述。
@aashatwt 做了（42 次点赞、11 条回复、1,485 次浏览）AgentLance：一个 CEO 智能体负责拆解工作，专业智能体在经过验证的隔离环境里竞标。最有力的回复立刻点出了尚未解决的一层：隔离环境或许能证明执行发生过，但市场仍然需要可移植的声誉，这样智能体才能知道上一次到底是谁真正交付了结果。
另一个更小但很说明问题的构建者备注，来自 @Ahmedhaq01 说（18 次点赞、12 条回复、224 次浏览），自己开始在 Arc 上做一个 AI 智能体市场，后来转向了别处，因为生态里智能体还不够多，还撑不起一个真正有价值的市场。
讨论要点： 讨论已经越过“智能体能不能付钱”，开始追问“对面能不能被发现、验证和信任”。
与前日对比： 更早的市场讨论还偏投机。6 月 1 日加入了真实结算、结账原语和钱包签名传输，但也让声誉和流动性缺口更难回避。
2. 令人困扰的问题¶
上下文蔓延会把好看的 demo 变成失败的生产智能体¶
严重程度：高。@levie 认为（173 次点赞、33 条回复、33,132 次浏览、203 次收藏），企业智能体会坏在碎片化系统、错配权限和没有被记录下来的部落知识上。@arpit_bhayani 写道（150 次点赞、5 条回复、6,244 次浏览、65 次收藏），OOM 仍是最常见的生产失败，因为智能体把过多工具输出和文档状态留在内存里；而 @israfill 展示（13 次点赞、4 条回复）了一张前后对比图，说明 CodeGraph 如何去掉 3,847 个 token 的盲目代码库搜索浪费。人们的应对方式，是在遗留系统上套 Playwright 抽象、激进截断、做仓库索引，以及引入 AdaCoM 这样的外部上下文管理器。这值得构建，因为痛点会直接表现为失败、token 浪费，以及在编程和知识工作智能体里都得靠手工善后。
企业部署仍卡在运行时安全与治理上¶
严重程度：高。@NousResearch 宣布（392 次点赞、42 条回复、41,025 次浏览、78 次收藏）Hermes Agent 支持 OpenShell，而 @shannholmberg 认为（20 次点赞、773 次浏览、11 次收藏），正是这一运行时层最终让企业部署成为可能。@codebrandes 贴出（66 次点赞、13 条回复、3,913 次浏览）Gate AI 的构建者文章，其中说提示词注入、秘密泄露和被劫持的工具调用，仍是日常智能体用户真正的攻击面。人们的应对方式，是把安全护栏从模型内部挪到沙箱、策略引擎、代理网关和可审计运行时上。这值得构建，因为一旦智能体拿到 shell 访问、工具和持久状态，只靠提示词防线显然不够。
静态技能包既浪费 token，也会造成配置漂移¶
严重程度：中高。@room_ashish 主推（8 次点赞、200 次浏览）Milkey，核心抱怨就是智能体每次请求都要读完整套技能描述。@aiedge_ 贴出（19 次点赞、1,471 次浏览、33 次收藏）官方 Hermes Skills Hub，其公开壳层已经在跨注册中心加载 8.8 万+ 技能；@HuggingPapers 则提到（21 次点赞、1,072 次浏览、14 次收藏）COLLEAGUE.SKILL 的多阶段蒸馏流程。绕行方案已经很清楚：把技能托管在服务端，通过 MCP 在运行时解析，并围绕共享注册中心做标准化，而不是在项目之间复制提示词文件。这值得构建，因为代价会立刻体现在提示词长度、配置重复，以及跨工具行为不一致上。
市场仍缺少足够的信任与深度，难以形成流动性¶
严重程度：中高。@tetsuoai 报告（144 次点赞、28 条回复、5,833 次浏览、31 次收藏），AgenC 上已经出现真实打款，但最早的一批回复之一问的就是证据。@aashatwt 做了（42 次点赞、11 条回复、1,485 次浏览）AgentLance，而最有力的回复立刻指出，跨市场可移植的声誉仍未解决。更直接的是，@Ahmedhaq01 说（18 次点赞、12 条回复、224 次浏览），自己已经因为生态仍太早期、还没有足够多智能体来让市场变得有价值，而放弃了一个智能体市场方向。这值得构建，因为核心流程如今已经存在，但可重复的信任、发现机制和供给仍然很弱。
3. 人们期望的功能¶
带出处凭证且保持新鲜的可移植上下文¶
最强的需求不是“给我一个更大的窗口”，而是“给我不会过时、能标明来源，也不会把智能体撑爆的上下文”。Levie 的企业讨论串、Arpit Bhayani 的 OOM 帖子、AdaCoM 的可复用上下文管理器，以及 CodeGraph 的仓库索引，都指向同一个缺口。这是一个现实需求，而不是愿景，因为人们已经在手工搭抽象层和记忆层来补这个洞。机会：直接。
可跨智能体工作的运行时加载技能层¶
Milkey、Hermes Skills Hub 和 COLLEAGUE.SKILL 都说明，用户想要的是一个共享技能面：按需加载、可跨工具携带，而且不必在项目之间复制提示词文件夹。这种需求更偏运营，而不是情绪层面的：更低的 token 消耗、更少的配置漂移，以及更好的治理。机会：直接。
跨框架智能体消息、身份与声誉¶
SIGNA 的切入点，是每个智能体现在仍像孤岛一样，而 AgenC 和 AgentLance 则说明，支付闭环可以先于信任层跑起来。Ahmedhaq01 的转向把这个未满足需求说得很直白：在智能体能跨框架彼此发现、验证和信任之前，很多市场都会继续很薄。机会：直接且具竞争性。
可检查的追踪记录与可恢复的会话¶
agent-trace、ActiveGraph、LiteParse 和 Memory Forge RS 分别在解决同一个问题的不同部分：团队想要可回放的追踪记录、精确到源级别的审计轨迹，以及一种在上下文变坏后不必把长会话从零重来的恢复方式。这是非常现实的可靠性需求，而且对工作流价值很明确。机会：直接。
4. 使用中的工具与方法¶
| 工具 | 类别 | 评价 | 优势 | 局限 |
|---|---|---|---|---|
| 运行框架工程模式 | 方法 | (+) | 给团队一张共享地图，把目标行为映射到文件系统、工具、沙箱、记忆和编排 | 只有和具体的上下文、成本、验证控制结合起来，才不会继续停留在抽象层 |
| CodeGraph | 代码智能 / MCP | (+) | 本地语义索引、符号搜索、影响分析、更少工具调用，并广泛支持编程智能体 | 需要按项目建立索引，而且公开节省数据目前仍主要来自厂商自己的基准集 |
| AdaCoM | 上下文管理研究 | (+) | 为冻结智能体提供可复用的外部上下文裁剪；模型无关，而不局限于提示词局部 | 增加了一层管理器，也暴露出忠实度与可靠性之间的取舍 |
| Qwen3.7-Plus | 多模态 LLM | (+) | 统一 GUI/CLI 任务、首发就给出强势的智能体与多模态基准图，并且 API 可用 | 仅以 API 形式首发，而且前沿赛道异常拥挤 |
| MiniMax M3 | 多模态 / 开放权重 LLM | (+) | 1M 上下文、覆盖编程/GUI/推理任务的大表格基准，以及激进的 API 定价 | 首发时技术报告和开放权重都还未到位 |
| OpenShell | 安全运行时 | (+) | 提供沙箱、策略引擎、隐私路由，以及一套可信的企业部署叙事 | 把复杂度转移到了运行时策略、审批流和环境配置上 |
| Milkey | 技能交付 / MCP | (+) | 运行时加载的共享技能、没有本地提示词漂移、能跨多个编程智能体共用一层 | 属于托管服务，对注册中心和认证基础设施形成中心化依赖 |
| Gate AI | 安全网关 | (+/-) | 在不改工作流的前提下拦截提示词注入、隐藏秘密、压缩提示词，并加入可验证审计日志 | 公开基准叙事主要由厂商自己发布，而且产品仍处于私测阶段 |
| agent-trace | 可观测 / 评估 | (+) | 支持回放 diff、CI 回归闸门、OTLP 导出、工作区隔离和 HTML 回放 | 相比更通用的可观测工具，采用证据仍偏早期 |
| ActiveGraph | 状态 / 追踪运行时 | (+) | 支持回放、分叉、diff、追加式事件日志和可持久图状态，适合长时间运行的智能体 | 相比更简单的循环 + 记忆方案，架构开销更大 |
| LiteParse | 文档解析器 | (+) | 本地解析，返回边界框和截图，便于形成精确到源级别的审计轨迹 | 在最难的版式和扫描件上，本地解析仍不如云端解析器 |
整体舆论更偏好那些能减少上下文浪费、把控制放到模型之外，并让人能事后检查智能体行为的工具。迁移方向很清楚：从静态技能文件夹转向运行时加载的注册中心，从只靠提示词的安全护栏转向策略运行时和流量网关，从盲目的文件搜索循环转向语义索引和可回放的追踪记录。Qwen3.7-Plus 和 MiniMax M3 也都不是被当作抽象的前沿模型品牌来评判，而是被当成“基准 + 价格”的产品包来比较。
5. 人们在构建什么¶
| 项目 | 构建者 | 功能 | 解决的问题 | 技术栈 | 阶段 | 链接 |
|---|---|---|---|---|---|---|
| CodeGraph | Colby McHenry | 面向编程智能体的预索引代码知识图谱和 MCP 层 | 编程智能体从零发现代码结构时会浪费 token | 本地语义索引、MCP 集成、Claude Code/Codex/Cursor/Hermes 等的智能体自动配置 | 已发布 | 仓库, 帖子 |
| Gate AI | Constellation | 即插即用网关，负责扫描智能体/模型流量、拦截提示词注入、隐藏秘密、压缩提示词并写入可验证审计日志 | 小团队想要智能体安全与成本控制，但不想走企业采购流程，也不想重写工作流 | API 代理、压缩、prompt-cache 注入、区块链支撑的审计轨迹 | Beta | 网站, 博客, 帖子 |
| AgenC Marketplace | @tetsuoarena | 基于 Solana 的市场，让智能体认领付费任务、提交结果，并在审阅后完成结算 | 智能体到智能体的工作需要审批、结算，以及可用的运营流程 | Solana 主网、钱包流程、审阅后结算、支持 Claude Code/Codex/Hermes | Beta | 帖子 |
| SIGNA | @Signa_Agent | Base 上为智能体提供的钱包签名消息和 A2A 传输层，可选按次收取 USDC | 不同框架上的智能体仍无法干净地相互发消息或付款 | Base、XMTP、Google A2A、ERC-8004、USDC/x402 | 已发布 | 网站, 帖子 |
| agent-trace | @Siddhant_K_code | 全会话追踪与评估工具，支持回放 diff 和 CI 回归检查 | PR 和日志解释不了智能体在一次运行里到底做了什么 | Python、Claude hooks、MCP 代理、OTLP 导出、GitHub Actions | Beta | 仓库, 帖子 |
| ActiveGraph | @yoheinakajima | 事件溯源图运行时，让团队能回放、分叉和 diff 智能体运行 | 长时间运行的智能体需要可持久、可检查的状态，而不是不透明日志 | Python 3.11+、追加式事件日志、图运行时、回放/分叉/diff | 已发布 | 网站, 帖子 |
| LiteParse v2 | @jerryjliu0 | 快速本地解析器，返回文本、边界框和截图，供智能体工作流使用 | 智能体需要能指回精确源区域的文档解析 | Rust、PDFium、Tesseract、Node/Python/WASM 绑定、截图生成 | 已发布 | 仓库, 帖子 |
| Memory Forge RS | @DanKornas | 本地桌面应用，让用户编辑 AI 编程助手的会话历史，而不是重启 | 坏掉的上下文会迫使用户丢掉长会话，从头再来 | Tauri v2、React 19、Rust、TypeScript | Beta | 仓库, 帖子 |
CodeGraph 和 Gate AI 之所以突出，是因为它们都包在现有智能体外层，而不是要求用户换到全新的智能体。前者把代码库上下文和语义查找产品化，后者把模型 API 周围的在线安全、提示词压缩和可审计性产品化。
AgenC 和 SIGNA 展示出新兴商业栈正在分成两层。AgenC 负责任务发布、审阅和结算，SIGNA 则聚焦跨框架身份、消息和支付通道；Unibase 关于 AllScale checkout 技能的帖子则说明，支付工作流已经开始被模块化成可移植技能。
agent-trace、ActiveGraph、LiteParse 和 Memory Forge RS 反映出第二种构建模式：团队正在让智能体工作变得可检查、可回放、有源可依，或可编辑，而不只是继续提高自主性。这是一个很强的信号，说明可观测性和恢复能力正在变成各自独立的产品类别。
6. 新动态与亮点¶
技能目录开始更像分发平台¶
@aiedge_ 贴出（19 次点赞、1,471 次浏览、33 次收藏）了官方 Hermes Skills Hub，其公开壳层已经在跨所有注册中心加载 8.8 万+ 技能。与此同时，@HuggingPapers 提到（21 次点赞、1,072 次浏览、14 次收藏）COLLEAGUE.SKILL 拥有一个包含 215 个技能的社区展示页。真正值得注意的变化，不只是技能存在，而是它们开始像平台层一样被编目、版本化和分发。
安全产品开始同时售卖保护与效率¶
@codebrandes 贴出（66 次点赞、13 条回复、3,913 次浏览）Gate AI 的构建者文章，而公开产品站点把提示词注入拦截、秘密隐藏与 20%+ 的 token 节省、感知缓存的压缩放在一起售卖。再加上 OpenShell/Hermes 这套运行时叙事，安全看起来不再像企业事后的补丁，而更像核心智能体运行时与成本栈的一部分。
可追溯性开始更接近智能体产品的一等公民功能¶
@Siddhant_K_code 将（23 次点赞、8 条回复、1,501 次浏览）agent-trace 发布到 GitHub Actions Marketplace；@yoheinakajima 展示（14 次点赞、3 条回复、2,264 次浏览）了如何把一个编程智能体压平成一条事件日志追踪；@jerryjliu0 则认为（7 次点赞、2 条回复、1,912 次浏览、14 次收藏），边界框之所以重要，是因为智能体应该能引用精确的源区域。真正值得注意的变化，是可追溯性正从隐藏的调试输出，走向被产品当作面向用户的功能来展示。
7. 机会在哪里¶
[+++] 面向生产智能体的上下文操作系统 —— 最强的证据簇来自 Aaron Levie 的企业上下文讨论串、Arpit Bhayani 的 OOM 说明、AdaCoM 的可复用上下文管理器帖子，以及 CodeGraph 的代码库索引主张。未被满足的需求不是原始 token 体量，而是新鲜度、出处、压缩、检索，以及能跨代码与业务上下文抗失败的记忆。
[++] 运行时加载的技能交付与治理 —— Milkey、Hermes Skills Hub、COLLEAGUE.SKILL 和 OpenShell/Hermes 运行时叙事 都指向同一个入口：团队希望技能像基础设施一样被分发、按需加载，并在模型之外被治理。
[++] 可审计的追踪记录与恢复工具 —— agent-trace、ActiveGraph、LiteParse 和 Memory Forge RS 从不同角度攻击的是同一个问题：运营者需要在智能体运行出错时，拥有回放、diff、源级证据和恢复路径。
[+] 跨框架智能体商业化与声誉 —— AgenC Marketplace、SIGNA、BitAgent 上的 AllScale Checkout 和 AgentLance 表明，支付和消息闭环已经开始能跑。正在显现的缺口，是可移植的信任：执行证明、声誉，以及足够多的交易对手，市场才会真正形成流动性。
8. 要点总结¶
- 上下文处理已经成了严肃智能体的主要系统瓶颈。 Levie 的企业告警、Arpit Bhayani 的 OOM 帖子、AdaCoM 的外部上下文管理器，以及 CodeGraph 的索引仓库图谱，都指向同一个变化：性能现在取决于智能体看到了什么、保留了什么，又丢掉了什么。 (source)
- 智能体模型发布正被当成“基准 + 定价”的产品包来评判，而不只是品牌事件。 Qwen3.7-Plus 和 MiniMax M3 都带着大范围基准表、多模态主张和具体 API 经济学一起亮相。 (source)
- 技能正在变成一个分发与运行时问题。 OpenShell、Milkey、Hermes Skills Hub 和 COLLEAGUE.SKILL 都把技能描述成受治理、可托管、可版本化的基础设施，而不再是零散的提示词文件。 (source)
- 智能体商业化不再只是设想，但仍很早期。 AgenC 和 SIGNA 展示了真实结算与钱包签名传输，而 AgentLance 的回复和 Ahmedhaq01 的转向则说明，声誉与流动性仍是缺失层。 (source)
- 可检查性正在成为独立的产品面。 agent-trace、ActiveGraph、LiteParse 和 Memory Forge RS 都在假设，用户需要回放、diff、引用，甚至编辑智能体历史，而不是相信一次不透明的运行。 (source)