星数之外：开源智能体项目的许可证正在分裂

同一个仓库里核心 MIT、子目录 Polyform Shield 的写法越来越常见。星数代表热度，不代表你能商用。

智能体的编排层：从单个编码助手到 harness 与子智能体

编码智能体的竞争点已经从模型转到集成方式。可自托管平台、厂商 CLI、可替换本地智能体之外，harness 层正在成为新战场。

把模型塞进设备：蒸馏 + 量化这条流水线能走到哪

先蒸馏再量化感知训练是当前端侧模型的标准管线，但它在长链推理上仍有明确天花板，用错场景的代价不小。

端侧 AI 2026：小模型越级、NPU 普及与端云协同

30B 级模型开始逼近更大模型的表现，NPU 成为标配，端侧算力占比首次过半。但内存涨价与终端碎片化仍是现实约束。

把 AI 智能体当「新内部人」：身份、权限与审计

微软的建议很直接：智能体要按员工标准管。八成组织已遇到智能体风险行为，治理工具也在从单次调用转向动作序列。

AI 编程智能体的账单：从按席位到按用量

采用率已经不是问题，计费方式才是。当智能体开始按 token 计价，评估指标也得从接受率换成周期时间与单任务成本。

AI 安全扫描进了 PR：GitHub 的 AI Scan 与自动修复意味着什么

AI Scan 与 agentic autofix 同期转为正式可用，开源许可证合规也进入 GA。安全反馈在往更早的位置移，但门禁该怎么设要重新想。

GitHub Actions 工作流锁文件：把 CI 依赖钉在你审阅过的那次提交

工作流锁文件进入公开预览：把 actions 及其传递依赖锁定到具体提交，并说明它不覆盖什么、不能证明什么。

智能体的记忆层怎么选：claude-mem、Mem0、Beads 和 Letta

记忆正在从「附属功能」变成智能体的基础设施。六条主流路线各有取舍，选错的表现是：要么忘掉上一次提交，要么记不住用户。

MCP 成了智能体的 USB-C：标准赢了，麻烦也来了

MCP 已经被主流厂商集体采纳，但传输、认证与权限模型的分裂仍在，进生产前该看的是兼容性而不是下载量。