本文總覽 2026-05-04 到 2026-05-10 這一週的 AI Agent 進展。這週我把週報拆成三條線：產業新聞、前沿研究、GitHub 開源。原因很簡單：只看新聞會漏掉研究裡真正改變 agent 設計的東西；只看論文會看不到產品和企業部署壓力；只看 GitHub 又容易被 star 熱度帶偏。
三篇深度文在這裡：
一句話總結
這週的共同主題是：Agent 正在從「模型的一個功能」變成一套需要部署、評測、編排、工具接口和工程入口的作業層。
新聞線裡，OpenAI 把即時語音推向可執行介面，Anthropic 把金融 Agent 做成模板和交付公司，Microsoft 把 Agent 管理說成 operating model，NIST/CAISI 把前沿模型評估推到部署前。中國訊號則集中在降本、場景與付費。
研究線裡，重點不是更漂亮的 demo，而是更細的錯誤切面。Orchestration trace、TRAJECT-Bench、Tool Illusion、AggAgent 這幾條線都在說同一件事：Agent 不能只看 final answer，要看中間路徑、工具選擇、參數、順序、聚合和停止。
GitHub 線裡，開源注意力正在從抽象 agent framework 轉向 workflow entry point。Codex、Claude Code、opencode、Ruflo、TradingAgents、MCP/memory 類工具都指向一個方向：開發者想要 agent 進 terminal、codebase、金融研究、MCP workflow，而不是只停在聊天框。
這三條線合起來代表什麼
第一，Agent 的競爭重心正在離開單一模型。模型還是地基，但真正能不能用，取決於工具、資料、權限、審計、成本、介面和交付團隊。
第二，Agent 評測會變得更像系統測試。以後只說「答對率」不夠，要能回放 trajectory，看到它選了什麼工具、哪個參數錯了、哪一步不該繼續、哪個 sub-agent 的輸出污染了結果。
第三，開源會先在開發者工作流裡變現。Coding agent 是最自然的場景，因為 terminal、git、repo、PR、issue 本來就是可觀察、可回放、可測試的環境。這也解釋了為什麼 Codex、Claude Code、opencode 會一起高增長。
第四，金融會繼續是 Agent 的重要垂直戰場。Anthropic 的金融模板和 TradingAgents 的開源熱度不是同一件事，但它們都指向一個事實：金融工作天然有資料、流程、審核、artifact、風控和高價值任務，很適合測 Agent 是否真的能交付。
Builder watchlist
如果你這週只帶走幾個問題，我會選這些：
- 你的 agent 有沒有留下可回放的 trajectory？
- 你的 eval 是看 final answer，還是看 tool selection、argument correctness 和 order？
- 你的工具越接越多時，錯誤面有沒有被測到？
- 你的 agent 是在聊天框裡表演，還是已經進到 terminal、Office、CRM、data connector、codebase 這些真正工作入口？
- 你的成本控制是在模型層，還是在 workflow 層？
下週我會繼續看三件事：OpenAI Deployment Company 和 Anthropic enterprise services 的企業交付競爭；Baidu Create 2026 對文心 5.1 的實際 demo；以及 coding agent 開源專案的 release / plugin / sandbox / memory 進展。
