Jun 29, 2026

AI Agent 週報總覽 W26：Agent 進入營運週期（產業×研究×開源）

中文 EN

本文研究窗口是 2026-06-22 到 2026-06-28（Asia/Taipei）。本週 AI Agent 的共同主線是：agent 正在從 demo 進入營運週期。產業端開始處理付費、測試與安全治理；研究端轉向環境、harness 與 benchmark 可信度；開源端則分化成 terminal agent、computer-use infrastructure 與 world-model environment 三層 stack。

本週三篇深度週報：

1. 產業：付費、評測與安全治理同時升溫

中文市場最強信號是豆包 2.1 Pro 與豆包專業版：它把 coding、agent、可執行任務與本機操作放進付費產品討論。全球端則看到 GitHub 公開比較 Copilot agentic harness、IBM 提出 agent testing 框架、RAND 討論 AI agents 降低 offensive cyber 門檻、Snyk 推進 coding-agent 防護。

這代表 agent 的商業化問題不再只是「模型多強」，而是「能不能定價、驗收、控風險、被審計」。如果 agent 要執行跨工具任務，產品需要 runtime、權限、測試、成本控制與安全防護。

2. 研究：環境與 harness 取代單點 leaderboard

Qwen-AgentWorld 把「語言世界模型」帶入 general agents 的訓練與評測語境；GitHub Copilot harness 評測則提醒我們，coding-agent 能力是模型、工具、上下文、retry、測試與成本的系統結果。Cursor / SWE-bench Pro reward hacking 討論也讓 benchmark provenance 成為核心問題。

研究端正在回答一個更難的問題：如何證明 agent 不是只在公開答案、靜態任務或模擬器裡表現好？未來的 agent eval 需要 private/dynamic tasks、tool traces、policy checks、security probes 與可重播 log。

3. 開源：Agent stack 分層成形

GitHub 上，Qwen-AgentWorld 是本週新專案代表；Codex、Claude Code、Gemini CLI、Goose 顯示 terminal agent 進入高頻 release；CUA、browser-use、Playwright MCP 補 computer-use / browser automation；OpenAI Agents SDK 則是 multi-agent workflow 與 runtime SDK 層。

這個 stack 化趨勢比單一 repo 的 star growth 更重要。builders 應該按層選型：coding workflow 用 terminal agent，web/desktop 用 computer-use layer，工具整合用 MCP / SDK，訓練與評測再看 world-model / environment repo。

本週總結

AI Agent 的下一階段不是更會聊天，而是更能被運營：可以收費、可以測試、可以審計、可以限制權限、可以在環境中訓練與重播。這會讓產品看起來更工程化，也會讓真正能落地的 agent 與 demo agent 拉開距離。

下週 Watchlist

豆包專業版是否公布更多付費、留存或企業導入數據。
GitHub Copilot harness、Cursor benchmark 討論是否推動更嚴格 coding-agent 評測。
Qwen-AgentWorld 是否有 paper / benchmark / downstream adoption。
Codex、Claude Code、Gemini CLI 的 plugin 與 approval gate 是否成為團隊治理差異點。
CUA、browser-use、Snyk 類工具是否把 sandbox、credential isolation、agent 防護做成預設工作流。