过去很长时间，我都在思考一件事，AI时代，公司里面的同事们究竟应该如何协同

deepseek-ai/dsh-superagent-prototype：迈向更自主的智能体系统

deepseek-ai/dsh-superagent-prototype: Towards a More Autonomous Agent System

这是 DeepSeek 在 GitHub 上发布的研究原型仓库 dsh-superagent：一个面向单个 GitHub 仓库的主动式编码 agent，打包为 DeepSeek Harness 的 bundle。它监听 GitHub（可选监听飞书），当被授权的人提出工作请求时，会创建 work item，在自己的 agent 会话和目录中处理，并在原对话中回复，例如提交 pull request；另有网页面板展示哪些事项需要人工介入。README 注明这是仅供参考的研究原型、并非官方 DeepSeek 产品，工程由 coding agent 大量完成，可能存在缺陷、代码风格与工程实践不一致，使用前需自行审查调整。材料未给出更具体的适用读者说明。

别再给代理工具了，给它一个沙箱——Mikyo King，Arize AI

Stop Giving Your Agent Tools. Give It a Sandbox - Mikyo King, Arize AI

Arize AI 开源负责人 Mikyo King 的演讲，对比传统工具调用型代理与“代码模式”：后者给代理一个沙箱，让它在代码中检索和组合工具，只返回所需结果。内容涉及为何代码模式有效、Phoenix 中如何实现（Bash、Python 沙箱、SQL 乃至 UI 控制）、其隐性成本（密钥、权限、持久性、双重沙箱），以及 Harbor 评测显示 token 减少 43%、成本降低 31%。适合正在设计代理工具调用架构的开发者观看。

折腾了整整1年，毫无保留地分享一下我这套Agent自动化系统

作者受 DeepSeek《Super-agent设计探索》一文启发，分享自己近一年搭建的 Agent 自动化系统，核心观点是人的注意力是最稀缺资源，应把任务触发起点从人转移到各类信号上。文中以朱元璋亲理奏札的史料作类比，说明架构设计思路，并描述最终环节是在飞书中由 AI 助理推送卡片供其确认。适合正在用 Agent 搭建自动化工作流、关注多任务调度设计的非专业开发者阅读。

你的 AI Agent 该拥有多少凭据？零个。— Jim Clark，Docker

How Many Credentials Should Your AI Agent Have? Zero. — Jim Clark, Docker

一场关于 agent 安全的演讲，演讲者为 Docker 首席软件工程师 Jim Clark，以 MCP 网关为切入点。他提出 harness 只是简单循环，安全性取决于流入其中的上下文与工具，因此要管理的边界是沙箱；通过把新闻编辑流程拆分为研究员、事实核查、发布者三个沙箱，以及只在提交代码时才拿到签名密钥的编码 agent 两个例子，说明如何按任务意图设计沙箱、每个沙箱配一个 MCP 网关端点作为控制点，并主张沙箱内正确的凭据数量是零，同时介绍用 Okta 的 Cross App Access（XAA）让 agent 复用现有 SSO。适合构建 agent 系统并关心权限与沙箱隔离的工程师观看。