1
先看官方更新
优先看 OpenAI、Anthropic、Google、Hugging Face、LangChain 等源。
Daily AI Intelligence
今日摘要
截至 2026-07-29，AI 应用工程的重点已经从“模型能不能完成任务”进一步转向“如何受控地进入生产”： MCP 2026-07-28 正式规范落地无状态核心与扩展机制；OpenAI Presence 和 Vercel Agent 分别把策略、评测、升级与最小权限、独立身份、沙箱验证推到企业 Agent 的默认设计中。 模型侧继续关注 GPT-5.6 分层路由、Claude Sonnet 5 可配置 effort，以及 8 月临近的 API 迁移窗口。
关注方向
每条资讯都要能落到一个动作：复现、写笔记、改项目、补题库或更新简历证据。
优先看 OpenAI、Anthropic、Google、Hugging Face、LangChain 等源。
涉及 Agent、RAG、工具调用、结构化输出、成本优化的优先沉淀。
每条资讯都转成动作：复现、写笔记、改项目、补题库。
把高频词同步到 jobs、技能矩阵和简历项目讲述。
信源地图
模型厂商
应用框架
工程与部署
你的重点方向
每条资讯回答三个问题：是什么、为什么相关、下一步做什么。
2026-07-28 规范已从 Release Candidate 进入正式版本。核心协议移除 session 与 initialize 握手， 通过 server/discover、每请求版本/能力元数据和标准 HTTP 头支持普通负载均衡；Tasks 与 MCP Apps 作为独立扩展演进。Roots、Sampling、Logging 及旧 HTTP+SSE 已进入弃用生命周期，新项目不应再按旧握手模型设计。
Presence 把企业 Agent 的生产闭环拆成知识与系统连接、策略和标准作业流程、护栏、批准动作、 仿真评测、人工升级以及上线后的持续改进。它提示面试表达不要只讲模型和工具，还要讲如何定义成功、 如何发现静默失败、谁能批准高风险动作，以及策略变化后如何安全回归。
Vercel Agent 默认只读，以独立 principal 记录归属；需要写操作时先提出计划，再获取短时、计划范围内的能力， 生成代码则先在隔离沙箱中运行构建与测试。这个模式把最小权限、可追责、人工批准和可回滚基础设施组合成一套可落地的 Agent 安全答案。
Claude Sonnet 5 于 6 月 30 日发布，被定位为最强“自主 Agent”核心模型，支持端到端长周期规划与浏览器/终端工具自主调用。它引入了 多档 effort 配置，可在 API 调用时调整推理投入。这对 AI 应用工程来说，意味着可以由应用层根据任务复杂度 选择推理强度，并用评测数据权衡质量、延迟和 Token 消耗。
OpenAI 于 7 月 9 日将 GPT-5.6 家族正式推向 GA：Sol 面向高难任务，Terra 平衡能力与成本，Luna 强调速度与经济性； Sol 还提供 max，并通过 multi-agent beta 支持 ultra 类并行执行。工程重点不是固定“三档模板”，而是用真实回归集定义升级、降级和并行条件。
OpenAI 官方 deprecations 页列出 gpt-5.2-chat-latest 和 gpt-5.3-chat-latest 将于 2026-08-10 下线，当前推荐替换为 gpt-5.6-sol。 这意味着所有依赖旧版 Snapshot 的应用必须在 8 月前完成模型迁移和回归测试，包括工具调用行为验证、 输出质量对比和成本重新评估。对岗位面试来说，「如何做模型迁移」已成为高频系统设计题。
OpenAI 把 agent harness、沙箱执行、Manifest 工作区、文件读写、shell/code execution、MCP、skills 和 AGENTS.md 放进 Agents SDK 生产化路径。它对应真实岗位里的核心问题：Agent 能不能在受控目录里读写文件、跑命令、恢复长任务， 同时把凭证与模型生成代码隔离开。
AI SDK 7 在 Agent 抽象之上增加统一 reasoning、tool/runtime context、WorkflowAgent、timeout、sandbox、 harness 集成、OpenTelemetry 与 step 性能统计，并把实时语音和视频纳入同一 TypeScript 工具链。 前端/全栈岗位会更关注权限上下文如何隔离、长任务如何恢复，以及工具和模型耗时如何被完整追踪。
Google 的 Agent 协议指南把 A2A 定位为 Agent 发现与通信协议：每个 Agent 通过 /.well-known/agent-card.json 暴露能力、端点和身份信息；A2UI 方向则进一步把动态生成 UI 与 A2A 连接起来。MCP 更偏工具接入， A2A 更偏 Agent 间协作，两者会一起进入多 Agent 系统设计题。
OpenAI release notes 显示 GPT-5.5 Instant 在 5 月 28 日更新了响应风格与质量；结合 API deprecations， 迁移不应只是改模型名，还要复测回答长度、工具调用、结构化输出、成本和失败兜底。对产品型 Agent 来说， 这属于一次完整回归而不是配置项替换。
OpenAI 将实时语音从「快问快答」推进到可推理、可翻译、可转写、可调用工具的语音 Agent。 对 AI 应用工程岗位来说，这意味着语音不再只是 ASR/TTS 外壳，而是需要设计会话状态、工具透明度、 中断恢复、上下文窗口和成本控制。
Anthropic 文档把 Claude Code 里的工具、agent loop 和上下文管理能力开放成 SDK，可用 Python / TypeScript 驱动会读文件、跑命令、搜索网页、改代码的 Agent。它强化了一个趋势：AI 应用工程师需要会把 agent loop 包进自己的产品和自动化流程，而不只是调用单次 chat completion。
合作重点不是单个模型能力，而是把 Claude credits、技术支持、connectors、benchmarks 与评测框架投向 全球健康、生命科学、教育和经济流动性。它说明行业落地越来越重视「数据连接 + 评测 + 公共基准 + 真实组织流程」。
Anthropic 的金融 Agent 模板把 skills、connectors 和 subagents 打包成参考架构，展示了垂直行业 Agent 不是「一个聊天框」，而是多个子任务、数据权限、审批流和可审计输出的组合。
Gemini Intelligence 展示了设备侧主动 AI 的产品方向：跨应用自动填表、网页摘要、语音润色、自然语言生成小组件、 根据屏幕/图片上下文触发行动。对应用工程师来说，关键不只是模型，而是权限、上下文、用户控制和跨 App 自动化。
LangGraph 1.2.0 在 5 月 12 日发布，继续围绕 durable resume、节点默认配置、流式事件和 checkpoint 等能力演进。你做 Agent 项目时，面试官会越来越关心「失败后如何恢复」「长任务如何停止/续跑」「UI 如何消费流式事件」。
Vercel 基于 AI Gateway 生产流量指出：工具调用请求占 token 的 58.9%，高请求量团队会同时使用大量模型， fallback 会救回一部分失败请求。结论很直接：生产 AI 应用要从第一天设计多模型路由、降级、成本看板和可观测。
Hugging Face 最新博客聚合里，embedding、continuous batching、vLLM V0 to V1、文档/音视频 Agent 都与 RAG 和推理部署直接相关。闭源 API 项目也需要理解开源推理栈，否则很难解释成本、吞吐和延迟。
这条与岗位趋势页直接相关：招聘信号从「会用 AI」升级到「能开发 AI Agent / RAG / 工具调用系统」。 对南京和北上广深投递来说，简历需要展示可运行项目、评测结果、业务闭环和工程稳定性。
报道强调企业围绕「模型能力、工程化部署、场景落地、商业转化」搭建闭环，AI 人才要求从单点算法转向工程能力、 行业理解、产品化思维和跨界融合。它和你当前学习平台的定位非常一致。
维护方式
编辑 content/insights/daily.md，持续记录官方更新、模型发布、开源项目和工程实践；后续可替换为数据库与定时任务。