Follow 深度日报

Agent 工程从调用工具走向编排、验证与本地隐私

基于 Obsidian Follow List active 账号与公开来源，覆盖 2026-06-29 00:00 UTC 至 2026-06-30 00:00 UTC。未使用 Folo CLI；未绕过 CAPTCHA 或做反爬规避。抓取优先级按 Status=active、Priority=high、Cadence=daily/weekly/manual 排序，主要使用官方网页、博客/RSS、公开 X/Nitter RSS 与网页搜索。

发布时间：2026-06-30 08:00 CST 窗口：上次运行以来来源：Follow List.md、LangChain、Hamel Husain、Simon Willison、OpenAI、Hugging Face、Nathan Lambert、Clem Delangue、swyx

总览：今天的主线是 agent 工程继续从“模型调用工具”升级到“程序化编排、可验证输出和可控数据边界”。LangChain 发布 Deep Agents 动态子代理，把大规模 fan-out、分阶段处理和覆盖率问题交给代码化 orchestration；Hamel Husain 则从产品设计角度提醒，难以评估通常意味着用户也难以验证。另一条主线是开放模型与本地隐私：Simon Willison 关注 Ornith-1.0 这种开放权重 self-scaffolding coding agent，Clem Delangue 放大美国 National Design Studio 在 Hugging Face 发布 Rampart 本地 PII 脱敏模型，OpenAI 则用欧洲劳动力报告继续推动政策与 adoption 叙事。

核心主题

1. Agent 编排开始代码化

Deep Agents 动态子代理的关键不是“更多 agent”，而是让主 agent 写短脚本调度子代理，解决覆盖率、条件分支和多阶段合成。

2. Eval 前移到产品设计

Hamel 的新文把“难评估”定义成产品味道：如果团队难以验证 AI 输出，用户通常也会被迫重做验证工作。

3. 开放权重 coding agent 升温

Ornith-1.0 与 Rampart 分别代表开放模型在 coding agent 和隐私保护场景的两条路：能力开放与本地控制。

4. 政策叙事转向劳动力与开源

OpenAI 强调欧洲工作岗位转型机会；Clem/Nathan 继续把开放模型从“风险对象”重新框定为竞争、透明和供应链弹性的基础。

重要更新

LangChain：Deep Agents 支持动态子代理，用代码调度大规模工作

来源账号/机构：LangChain / Harrison Chase；发布时间：2026-06-29 16:18-16:36 UTC；链接：LangChain 官方文章 / Harrison Chase Nitter 镜像

LangChain 发布 Deep Agents 动态子代理，核心做法是让主 agent 在轻量解释器里写 orchestration code，而不是逐轮通过 tool call 手动调用子代理。官方文章给出的典型场景包括 fan-out + synthesize、adversarial verification、多阶段 pipeline、条件分支和批量数据处理。

这条更新很值得重视，因为它把 agent 的可靠性问题从“提示词能不能记住流程”移动到“程序结构能不能保证覆盖”。例如处理 500 条记录时，dispatch loop 可以结构化保证每条都被处理，而不是让模型凭判断挑 75 条后宣布完成。

为什么值得看：长程 agent 的瓶颈越来越像分布式任务编排，而不是聊天。动态子代理说明 agent 框架正在吸收传统软件工程里的循环、分支、并发、汇总和验证。

后续行动：把 OpenClaw 的日报抓取、资料归档和代码审查任务拆成“主控脚本 + 子任务 + 合成器”的最小模板，优先验证 coverage、失败重试和重复去重。

LangChain / Fireworks：Trace Judge 进入早期伙伴，目标是低成本识别 agent 轨迹错误

来源账号/机构：Harrison Chase / LangChain；发布时间：2026-06-29 16:24 UTC；链接：Harrison Chase Nitter 镜像 / LangChain 技术文章

Harrison Chase 表示 LangChain 开始向早期伙伴推出 Trace Judge 模型，用于检测 agent trajectory 中的错误，目标成本约为闭源大模型 judge 的 1/100。相关技术文章显示，LangChain 和 Fireworks 用 Qwen 微调“perceived error”分类器，在生产 trace 数据上接近或超过部分 frontier 模型表现。

这和昨天的 LangSmith/Harbor 沙箱评测形成连续信号：agent 可观测性正在从“看 trace”走向“批量挖 trace 里的错误”。如果这个方向成立，企业就可以用更低成本持续扫描线上 agent 运行轨迹，而不是只抽样人工复盘。

为什么值得看：生产 agent 的质量问题通常藏在长轨迹里，单轮输出评测不够。低成本 trace judge 能让 eval 从离线实验进入持续监控。

后续行动：在 OpenClaw 任务日志里预留 trace-level judge 字段：是否漏步骤、是否越权、是否重复、是否没有证据、是否未完成验证。

Hamel Husain：“难评估”往往是产品味道，不只是 eval 技术问题

来源账号/机构：Hamel Husain / Shreya Shankar；发布时间：2026-06-29 21:41-21:53 UTC；链接：Hamel 官方博客 / Hamel Nitter 镜像 / Shreya Nitter 镜像

Hamel 发布新文，观点很直接：如果 AI 输出难以被团队验证，通常也会让用户难以验证；在最差情况下，用户必须从头重做一遍工作才能知道 AI 结果是否可信。文章用 AI data agent、K-12 教案生成、工伤医疗报告草稿三个场景展示了“先让输出可验证，再谈自动化评测”的产品设计思路。

这补足了 eval 工程里经常缺的一层：很多团队急着写 judge、benchmark 和 dashboards，却没有先把产品输出设计成可检查、可追溯、可局部确认。Hamel 的重点不是反对 eval，而是把 eval 的前置条件拉回到用户体验和任务结构。

为什么值得看：这是 AI 产品从 demo 到生产最常见的失败点。不可验证的输出会把模型风险转嫁给用户，也会让内部 eval 永远停留在主观争论。

后续行动：检查日报、报告、代码修改、投资线索整理四类 OpenClaw 输出，给每类增加可验证结构：来源、证据、变化点、待确认项、下一步。

Simon Willison：Ornith-1.0 把开放权重 self-scaffolding coding agent 带入观察范围

来源账号/机构：Simon Willison；发布时间：2026-06-29 16:17 UTC；链接：Simon Willison 文章

Simon 记录了 DeepReinforce 发布的 Ornith-1.0，并指出它是一个 MIT 许可的开放权重模型系列，定位是 self-scaffolding LLM for agentic coding。该系列包含不同大小的 dense/MoE 变体，最重要的信号不是单项 benchmark，而是开放权重模型开始更明确地瞄准 agentic coding 工作流。

这条线和 Follow List 对 Codex、Claude Code、Deep Agents、GLM/Qwen coding agent 的关注高度相关。开放模型如果能在脚手架生成、工具调用、代码验证和长程任务上形成可用能力，会给企业带来更多本地部署和成本控制选择。

为什么值得看：coding agent 不会只由闭源模型定义。开放权重模型进入 self-scaffolding 和 agentic coding，意味着供应链、私有化部署、微调和评测都会有更多可选项。

后续行动：把 Ornith 加入开放 coding agent 观察表，后续跟踪许可证、上下文长度、工具调用能力、SWE/Terminal 类评测、实际 repo 修改能力和推理成本。

OpenAI：发布欧洲 AI 劳动力机会报告，把 adoption 叙事推向政策层

来源账号/机构：OpenAI；发布时间：2026-06-29 07:00 UTC；链接：OpenAI 官方文章

OpenAI 发布 Mapping Europe’s AI Workforce Opportunity，讨论 AI 可能如何重塑欧盟工作岗位，强调哪些职业可能面临自动化、增长或工作流变化。这不是模型发布，但它属于 OpenAI 在企业、政府和劳动力政策中的重要叙事：把 AI 从单个产品能力推进到就业结构、培训和政策准备。

对 Follow List 的价值在于，它能帮助判断 OpenAI 下一阶段的非技术扩张方向。模型公司不仅在争 API 和 Codex 使用量，也在争取政府、教育、就业和产业转型的话语权。

为什么值得看：政策与劳动力叙事会影响企业采购、监管姿态、政府合作和公众接受度。AI 公司越深入劳动市场讨论，越接近基础设施供应商角色。

后续行动：把这类报告纳入“AI adoption / policy”跟踪，重点提取职业类别、培训建议、行业机会和可能影响企业 AI 服务市场的政策信号。

Hugging Face / National Design Studio：Rampart 显示本地隐私模型的公共部门用例

来源账号/机构：Clem Delangue / National Design Studio / Hugging Face；发布时间：2026-06-29 16:55-20:04 UTC；链接：Hugging Face 模型页 / Clem Nitter 镜像

美国 National Design Studio 在 Hugging Face 发布 Rampart，一个体积很小的本地隐私保护模型，用于在浏览器端识别和脱敏个人信息，再把数据发送到服务器之前先降低泄露风险。Clem Delangue 借此强调，政府与其限制开源 AI，不如训练和发布开源 AI。

Rampart 的技术细节还需要进一步实测，但方向很有代表性：隐私保护、浏览器本地执行、公共部门服务和开源发布可以结合起来。这和企业 agent 的数据边界问题也有关系，尤其是把用户输入、文档、日志或 trace 送给远程模型之前的本地处理。

为什么值得看：本地 PII 脱敏是 agent 工作流进入政府、医疗、金融和企业内部系统的基础能力之一。小模型如果足够可靠，可以成为大模型前置安全层。

后续行动：把 Rampart 加入“本地隐私/PII guardrail”观察清单，后续测试中文姓名、地址、手机号、邮箱、身份证样式和业务日志脱敏表现。

人物/机构动态

Harrison Chase / LangChain：围绕 Deep Agents 动态子代理、Trace Judge、LangSmith 中立性持续输出，今天是 agent 工程化信号最密集来源。
Hamel Husain / Shreya Shankar：把 eval 讨论继续上推到产品设计，强调用户可验证性是评测前提。
Simon Willison：关注开放权重 agentic coding 模型 Ornith；Safari tab 计数 TIL 属低优先级工具小贴士。
OpenAI：今日主要新增为欧洲劳动力机会报告；Greg Brockman 转发 Sol/Daybreak 和 YC/OpenAI 创业者活动，属于产品与生态热度信号。
Clem Delangue / Hugging Face：继续强化开放模型与公共部门开放发布叙事，Rampart 是今天最具体的 artifact。
Nathan Lambert：提到 Together AI 每月处理 400T tokens，以及中国实验室/AI2 式 underdog 能量，更多是产业观察线索。
swyx / AI Engineer：World's Fair workshop day 热度高，Local AI、设计工程和 OpenAI workshop 是生态温度信号，但直接行动价值低于工程更新。

值得跟进项目

动态子代理最小实验：用一个批量文档任务测试 fan-out + synthesize，强制记录输入总数、完成数、失败数、重复数和遗漏数。
可验证输出模板：把 Hamel 的思路落到日报和研究报告，每条结论必须有来源、证据、限制、后续行动。
Trace Judge 数据结构：先不急着训练模型，先统一 OpenClaw 任务 trace 的错误标签和人工复核入口。
开放 coding agent 观察表：加入 Ornith-1.0，与 GLM、Qwen、DeepSeek、Gemma、Codex、Claude Code 做能力和部署方式对比。
本地 PII guardrail：测试 Rampart 或同类模型能否在中文场景中作为抓取、日志和报告发布前的安全过滤层。

待验证信息

Deep Agents 动态子代理的稳定性需要真实任务验证，尤其是子代理之间的上下文隔离、错误恢复和成本控制。
Trace Judge 的“1/100 成本”来自 LangChain 公开表述和技术文章，仍需确认在不同企业数据集上的迁移能力。
Hamel 的产品 smell 框架很有启发，但三个案例的交互设计效果需要结合具体用户任务验证。
Ornith-1.0 的真实 coding agent 能力不能只看发布叙事，需要跑开源 repo 修改、测试修复和长程任务。
Rampart 的 PII 检测范围、误报漏报、中文支持和浏览器性能仍需实测。
Nitter/RSS 镜像可能漏掉 X-only 内容；本报告未使用私密 cookie、token 或登录态内部数据。

低优先级噪音

AI Engineer World's Fair 的现场活动、swag、音乐角和报名热度说明生态活跃，但今天不展开成重点内容。
Greg Brockman 的 YC 免费咖啡/OpenAI startup 活动转发属于品牌曝光，不足以形成技术或投资判断。
Simon 的 Safari tabs AppleScript TIL 有趣但与 Follow List 的 AI agent/研究主线弱相关。
纯转发、活动提醒、缺少原始链接或无法交叉确认的短帖未纳入重点。