2026-10-23 · 周五 · 9 条 Anthropic 把 Agent Skills 捐给 AAIF、Claude 以 Anthropic 托管方式登陆 Google Cloud、OpenAI Decisions API 正式可用
今天的主线是智能体的「零件」在变成公共设施：技能标准交给中立基金会，同一个 API 走进别家云的账单，轻量判定有了单独的接口和价格。训练这边，「看智能体最后留下了什么」开始直接当奖励用。
-
- 技能是一个含 SKILL.md 的文件夹，教智能体完成某项任务，可附带脚本和参考资料；2025 年 12 月作为开放标准发布以来，ChatGPT、Cursor、GitHub Copilot、VS Code 等 70 多个平台已接入。
- 接收方是 Anthropic 与 Block、OpenAI 共同创立的 Agentic AI Foundation（AAIF），MCP 此前也捐给了它；移交内容包括 Agent Skills 的名称与标志、GitHub 组织和 agentskills.io 域名，不加入 AAIF 也能继续使用和贡献。
- 来自 Anthropic、Google、OpenAI 等公司的工程师以个人身份维护标准，David Soria Parra 与 Mahesh Murag 任首席维护者。
- 提议的首批路线图包括版本化发布、正式的提案流程，以及面向技能作者和安装者的安全指引。
开发者视角我会把团队内部的提示词和操作手册按 SKILL.md 的规范整理，别写成只认某一家的格式：标准进了中立基金会，同一套技能以后在 Claude Code、Codex、Copilot 之间能直接搬。PandaClaws 的内容生产流程本来就是一步步的规程，正适合拆成技能。安装别人的技能要当成装依赖来管，等官方安全指引出来之前，先只装看过脚本的。
-
- 它就是由 Anthropic 运行的 Claude API，只是从 Google Cloud 项目接入：Google Cloud IAM 控制访问，Google Cloud Marketplace 负责计费；Claude Opus 5.5 的快速模式同时可用。
- 开通流程会为该 Google Cloud 项目新建一个 Anthropic 组织，与公司已有的组织（包括 Claude Enterprise 组织）相互独立；已有折扣要在开通前联系客户代表，折扣不能追溯到过去的用量。
- 预置三个 IAM 角色：claude.viewer 只读，claude.user 可以发消息、管理批处理、文件、技能和 Managed Agents 资源，claude.admin 另含组织级权限，且只有它能打开 Claude Console。
- 角色授在项目上，对项目内所有 workspace 生效；团队之间需要隔离权限时，文档建议每个团队用独立的 Google Cloud 项目，每个项目各有一个 Anthropic 组织。
开发者视角和 10-22 那条 OpenAI 模型上 Google Cloud 连起来看，Google Cloud 一周内把两家的 API 都摆上了货架。在 GCP 有承诺消费的团队，现在可以把 Claude 的账单也挂过去，但要注意这是一个新组织：已有组织里的 workspace、技能和用量记录都不会自动带过去，迁移前先列清单。
-
- Decisions API（v1/decisions）随 gpt-6-luna 正式可用；10 月 6 日 beta 发布时，官方称它把文字和图片转成类型化答案的速度比 Responses API 快 10 倍。
- 单次请求支持的问题数从 beta 的 200 个提高到 400 个。
- 跨请求共享的输入可以命中提示缓存、拿到缓存折扣；单个问题的说明里可以带图片；结构化数据可以用 input_json 直接传入。
开发者视角文档里写着它在 gpt-6-luna 上未缓存输入每百万 token 0.10 美元、输出不收费，这对「读一段材料、回答一串是非题」的场景很便宜。智能面试里给一份简历同时打十几个标签，就是这种形态：把简历放进共享输入吃缓存、每个标签做成一个问题，值得和现在的通用调用比一次成本和延迟。
-
- 修复：macOS 与 Linux 上，沙箱内的 Bash 命令每次执行前都会在沙箱外运行 shell 的启动文件。
- 修复：沙箱内的命令和自动接受的编辑可以改写用 --mcp-config 传入的 MCP 配置文件；在某些带子 shell 的命令里，Edit(path) 拒绝规则挡不住指向该路径的 Bash 重定向。
- 修复：Linux 上后台命令活得比会话长时，沙箱的写入拒绝会失效；Windows 上部分带额外参数的 Set-Location、cd 命令曾被 PowerShell 权限检查自动放行。
- 行为变更：sed -i 改为走普通 Bash 权限提示并按原样执行，不再模拟成文件编辑预览，也不再能被 /rewind 撤销；claude ultrareview 需要先信任工作区。
开发者视角在 CI 或定时任务里无人值守跑 Claude Code 的，今天就升级。这批修复也说明沙箱和权限规则只是一层：真正的边界还是容器和最小权限的凭据。另外 sed -i 不再能被 /rewind 撤回，靠 /rewind 兜底的同事要提醒一声。
-
- 训练会话是 SageMaker AI 无服务器模型定制的扩展：训练循环、自定义损失和奖励信号由你写，GPU 分配、分布式执行、故障恢复和检查点存储由 SageMaker AI 负责。
- 支持 SFT、DPO、RLVR、RLAIF 和多轮强化学习，可以选 LoRA 或全量微调；奖励函数在你自己的环境里运行，并在那里把智能体接到它的工具或模拟器上。
- 按 SageMaker AI 处理的 token 计费，奖励函数在你那边给一批结果打分时不计费，也不需要预留容量。
- 配套的 cookbook 提供模型定制的智能体技能，可在 SageMaker Studio、Kiro、Claude Code、Codex 和 GitHub Copilot 里使用。
开发者视角「打分时不计费」这一点对多轮智能体训练很关键，评测环境慢也不白花 GPU 钱。我会先拿下一条 ThinkingBox 那种「检查最终状态」的奖励，在一个小开源模型上跑几十步看曲线，再决定值不值得为某个固定任务养一个专用模型。
-
- ThinkingBox-Bench 的 507 个任务各启动一个真实后端，给智能体一组 MCP 工具和一个带私有上下文的模拟用户，结束时对数据库最终状态跑可执行检查，检查的是记录对不对，而不是调用了哪些工具。
- 团队用基准之外的同类任务做训练池，并按基座模型事先估出的成功率挑出「对当前模型不算太难也不算太易」的任务。
- Qwen3.8-27B 经 50 步 GRPO：平均成功率从 51.70% 升到 60.78%，20 次尝试全对的任务从 38 个增至 107 个；代价是「20 次里至少对一次」的覆盖率略有下降。
- 一个酒店降级任务里，基座模型 20 次中有 15 次在未经经理审批的情况下改了预订；训练后 20 次都保住了预订和支付状态。
开发者视角就算不训练，这套思路也该先用在评测上：AI 云盘里让智能体整理、移动文件，验收看的应该是目录和权限最后变成什么样，而不是它说自己做完了。「20 次全对」从 38 个升到 107 个，比平均分更贴近线上体验，这个指标值得抄。
-
- 9 月宣布的全局默认策略从今天起对 Copilot Business 和 Copilot Enterprise 逐步强制执行，到 10 月 26 日完成，不同企业和组织生效时间不同。
- 「Features & clients」和「MCP servers in Copilot」下仍是 Unconfigured 的正式功能，将按所选全局默认值设为 Enabled、Disabled 或 Let organizations decide；这是一次性变更，之后改默认策略不会影响已设定的项。
- 已明确开启或关闭的功能保持不变；预览功能仍需主动选择加入。
开发者视角我会在 26 号之前去 AI Controls 把默认值看一眼，重点是 MCP 服务器那一栏：一旦被一次性设成 Enabled，之后再改默认值也不会收回。宁可先设成由各组织决定，再逐个放开。
-
- 对比指标包括 agent-first 或多智能体用户的占比，以及智能体用户与非智能体用户的 PR 合并率差异，按 28 天统计周期与同行中位数排名。
- 同行组按公司规模（如 1–999、1,000–4,999、5,000+ 人）和 10 个行业划分；行业样本太少时自动放宽到同规模的全部行业，并标出实际使用的组。
- 默认关闭、需主动加入，关闭后立即停止展示、从下一次每日更新起不再贡献数据；聚合基准不含身份信息，30 天后删除，也不进入 usage metrics API 和导出。
开发者视角作为带团队的人，我会看合并率那一项，而不是 agent-first 占比：占比很容易被考核推高，合并率才说明产出被接受了。别把「行业中位数」直接写进 OKR，先拿它找差距，再看是工具问题还是流程问题。
-
- 升级后的生成式引擎语音更自然、更准确，并保持低延迟流式输出；新增 9 个语种地区的 14 个声音，印地语和芬兰语首次提供生成式声音。
- 这是对现有生成式声音的原地升级：声音名称和 API 调用不变，现有应用照常运行。
- 价格不变，没有新的计费项；静态提示语可以缓存后重复播放，不额外收费。
开发者视角「不改代码就升级」意味着线上声音已经悄悄变了。智能面试这类语音产品，我会挑几段读编号、人名、专有名词的固定话术重新听一遍，存成音频基线；开场白这类固定提示语顺手改成缓存回放，省钱也更稳定。
本期由 AI 辅助检索与起草，选题标准与观点由 Darius 设定。