本周技术精华（2026-10-19 ~ 2026-10-25）
过去七天，技术圈的主线并不在某个单点突破，而在几条同时收紧的"约束线"：智能体从演示走向长时程任务，技能与协议开始标准化；AI 同时成为漏洞的发现者与制造者，供应链信任持续开裂；推理侧算力以非线性速度膨胀，把 Token 推成宏观指标。以下按主题梳理。
一、智能体：长时程协作跑通，技能层开始"抢标准位"
谷歌四个 Gemini 4 Argon 智能体 27 小时通关《我的世界》 是本周最具标志性的事件。开放世界游戏对长时程规划、记忆保持与多智能体分工的要求远高于单轮任务，27 小时连续通关说明"多智能体 + 长时程"第一次在非受控环境里跑通。它的价值不在游戏本身，而在于验证了智能体在长反馈周期下不会崩溃的工程可行性。
与之呼应的是 Agent Skills 的标准化浪潮：GitHub 的 agentskills/agentskills 规范仓库、AWS 官方 agent-toolkit-for-aws（MCP servers + skills + plugins）、商汤 SenseNova-Skills 在同一天登场。三方同频说明"技能"正从某家 Agent 的私有配置，变成可移植、可复用的资产。一旦规范稳定，跨框架技能复用会像今天的 Dockerfile 一样成为默认预期——这一层已进入"抢标准位"阶段。
学术侧，UniWALM 把世界模型、动作与语言统一进单一模型，Industrial ReMEmbR 把语义记忆从单机器人扩展到机器人舰队，OpenVLHarness 则用多模态记忆沉淀工具返回的视觉证据。三者共同指向一个工程共识：智能体的瓶颈已从"单步能力"转向"记忆与协作的持久性"。
二、AI 安全：同一条时间线上，找漏洞与被利用
本周最值得警惕的对称现象是：AI 找漏洞与 AI 写漏洞同日出现。Wiz 用 AI 挖出 PHP 关键 RCE，OpenAI 也用 AI 发现 PHP 远程执行漏洞；而亚马逊 MADPot 早在公开披露前就观测到在野利用——"AI 辅助发现"与"AI 加速抢跑攻击"被压缩进同一条时间线。另一边，Qwen3-Coder 在特定人设下写出更不安全的代码，说明模型行为对提示上下文的敏感性本身就是攻击面。
供应链侧裂缝从三个方向同时裂开：LiteLLM PyPI 投毒、Node2Shell 升级为 HTTP2Shell 波及大量 HTTP 库、印度 CA 私钥竟是"4"。再叠加 eMudhra 退出全球 SSL/TLS 证书业务、Quad9 撤离法国，互联网信任基础设施的地缘收缩与工程脆弱性正在叠加。
学术上，EpiSEM-Bench 直击工具调用 Agent 的致命盲区：当工具返回缺失安全关键事实时，Agent 会不会"默认放行"。它同时测安全判定是否保守、缺失证据能否主动追回——对做代码审查 Agent 的团队是直接警示。Behavioral Couplings 则提醒：微调的非目标行为外溢比 loss 曲线显示的更宽。
三、推理经济学：Token 成为宏观指标，剪枝从启发式转向可训练
中国信通院披露 6 月国内词元日均消耗约 500 万亿，是 2025 年 12 月的近 4 倍。 绝对值不是重点，重点是信通院开始把它当作统计口径发布——监管层已将推理负载纳入产业监测，Token 从"计费单位"变成宏观基础设施指标。半年 4 倍意味着推理算力需求进入非线性区间，开始反噬能源与土地。
成本压力直接推动推理优化研究转向。Direct Pass@k Optimization for Thought Pruning 把思维链剪枝建模为 Pass@k 目标的优化问题，而非启发式砍 token——剪枝策略本身可被训练，质量与多样性作为显式权衡项进入损失函数。这是"测试时扩展"从蛮力多采样走向目标驱动的关键一步。
落地侧，百度健康 AI 月活破 5000 万提供了"AI 辅助 + 真人把关"双轨制的样本：15 万三甲医生在线兜底，把幻觉风险转嫁给人工复核流程。多模态问诊降低描述门槛，但输入噪声更大，对结构化抽取鲁棒性要求更高。
四、多智能体与共演化：坍缩与失稳开始被量化
Environment Duels 把前沿模型"互相吸收对方产出"做成双环境对抗实验，是对"模型坍缩"讨论的可操作化尝试。The Reflexivity Threshold 更直接：给出多智能体预测性场景下的相变阈值——当智能体数量或反馈强度越过某条线，预测对分布的改造会从可控漂移变成失稳。对做多 Agent 交易、推荐、定价系统的团队，这是一个可直接套用的风险模型。
五、基础设施：Rust 化与长周期支持
前端与网关层的"Rust 化"再添两例：Cloudflare 的 Tsrs 把 TypeScript 前端工具链往 Rust 上搬，litellm 用 Rust 核心重写 AI Gateway。网关层性能战开打，说明 AI 调用路径的延迟与吞吐已成为竞争焦点。数据库侧，DuckDB 2.0 LTS 宣告分析型数据库进入长周期支持时代，对生产环境选型是明确信号。
本周趋势总结
- 智能体从"能演示"到"能持久"：长时程协作跑通 + 技能规范标准化，基础设施层正在成型。
- AI 安全进入对称博弈：发现与利用同速，供应链信任裂缝多点并发。
- 推理经济非线性化：Token 成宏观指标，剪枝与测试时计算优化从启发式转向可训练目标。
- 多智能体风险可量化：坍缩与反馈失稳开始有相变模型。
- 基建 Rust 化 + 长周期支持：性能与稳定性成为选型硬指标。
下周关注方向
- Agent Skills 规范是否收敛：GitHub、AWS、商汤三方的规范能否互操作，将决定跨框架技能复用的时间表。
- HTTP2Shell 的波及面：受影响 HTTP 库的补丁节奏与在野利用情况。
- 推理成本与能源约束的公开讨论：信通院口径之后，是否有更多机构跟进 Token 统计。
- EpiSEM-Bench 类"证据缺失"测试是否被主流 Agent 框架纳入评测。
- DuckDB 2.0 LTS 的生态跟进：周边工具与云厂商的支持速度。