AI 编程工具日报 — 2026-06-18

AI 编程工具 / Agent 框架爆发的一期。Vercel 带来了最「文件系统优先」的 Agent 框架，NVIDIA 首次让 Codex 智能体在物理世界自主做实验，Databricks 开源了可以同时调度 Claude Code / Codex / Cursor 的元框架，Google 则在标准化 Agent 发现和验证协议。辅以微软 Copilot 接入 DeepSeek、国产 AI 芯片涨价两条行业动态。

1. Vercel 发布 Eve：开源生产级 AI Agent 框架，每个 Agent 就是一个目录

Vercel 正式开源了其内部使用的 AI Agent 框架 Eve（npm 包，Apache-2.0）。它的核心设计哲学是 filesystem-first：创建一个 Agent 就是创建一个目录，目录结构直接映射 Agent 的全部能力。

一个最小可运行的 Agent 只需要两个文件：agent.ts（声明模型和运行时配置）和 instructions.md（系统提示词，即 Agent 身份）。添加工具、技能、频道、定时任务——都是在目录里加一个文件，Eve 在构建时自动发现和注入，零注册代码。

内置六大生产级能力： 持久化工作流（每步 checkpoint，崩溃可恢复）、每 Agent 沙箱、审批逻辑（needsApproval 字段）、多频道适配器（Slack / Discord / Teams / HTTP 等）、OpenTelemetry 追踪与评估、一键 vercel deploy。

Vercel 内部已有 100+ 生产 Agent 运行在 Eve 上，包括数据分析工具 d0（月处理超 3 万查询）、销售代理 Lead Agent（年费约 $5000，ROI 32 倍）和客服 Agent Vertex（自主解决 92% 工单）。

📍 来源： Vercel 官方博客 | GitHub

点评： Eve 不是又一个 Agent 框架——它是 Vercel 用了一年多、跑了上百个生产 Agent 后提炼出来的产物。目录即 Agent 的设计思路很妙，大幅降低了上手门槛。加上 Vercel 的平台效应（部署即 vercel deploy），它可能是目前从开发到生产链路最完整的 Agent 框架。

2. Omnigent 开源：一个会话里同时跑 Claude Code、Codex、Cursor

Databricks 开源了内部使用的 Agent 元框架 Omnigent。它的定位很明确：编程的未来不是一个 Agent，而是一整支 AI 团队。

Omnigent 让你在一个实时会话中同时运行多个 Agent 成员：Claude Code、Codex、Cursor、Pi，以及你自己写的 Agent。它像一个 Agent 调度器，统一管理不同 Agent 的上下文、输出和状态。

该项目由传奇人物 Matei Zaharia（Apache Spark 创始人、Databricks 联合创始人）和 Databricks AI 团队打造。Matei 本人仍然大量写代码，包括 Omnigent 的前端。

📍 来源： X / Yuchen Jin

点评： 各家 Agent 各有所长——Claude Code 长于复杂推理，Codex 适合工程化执行，Cursor 有 IDE 原生体验。Omnigent 的思路是「不做选择，全都要」。这种元框架的玩法值得关注：当 Agent 工具越来越多，调度层本身就是关键基础设施。

3. NVIDIA GEAR 实验室发布 ENPIRE：8 个 Codex 智能体自主做物理实验

NVIDIA GEAR 实验室（Jim Fan 团队）首次实现了 AI 智能体在物理世界的自主研究（AutoResearch）。系统名为 ENPIRE，由 8 个 Codex 智能体 控制 8 台机器人，配备 GPU 和 token 预算，通宵无人运行。

安全设计： 两层硬件保障——硬运动极限切断（机器人超出安全包络线立即失败并自动复位）和扭矩受限夹爪（避免夹碎物体）。Jim Fan 说「安全比保守更保守，人类才能安心睡觉」。

奖励机制： 先收集成功/失败演示 → 让 Agent 用计算机视觉工具写分类器 → 反复优化直到分类器可靠 → 冻结奖励函数。Agent 不能自改 reward，杜绝 gaming 行为。

系统遥测： 定义 MRU（机器人利用率）、MTU（token 利用率）、GPU 利用率三个指标。评估标准为 Tokens-to-Success（完成目标消耗的 token）和 Time-to-Success（完成目标的时间）。

ENPIRE 已自主完成扎带整理、精密针头安装、GPU 插入等高精度任务，发现 8 机器人并行探索显著更快。系统将开源。

📍 来源： X / Jim Fan

点评： 这是 Agent 从「纯数字世界」走向「物理世界」的一次标志性演示。Codex 写代码控制机器人，GPU 做推理，token 做「思考」——系统架构和人类科研团队的实验流程已经高度相似。安全设计尤其值得所有 Agent 开发者参考。

4. Google 发布 Agentic Resource Discovery（ARD）开放规范

Google 联合多家合作伙伴发布了 Agentic Resource Discovery（ARD） 开放规范，旨在让 AI Agent 能够跨组织、跨平台地发现、验证和连接工具、技能和其他 Agent。

两个基础原语：
- Catalog：组织在自己的域名下托管 ai-catalog.json，描述其提供的 AI 能力
- Registry：联邦式搜索引擎，索引多个 Catalog，响应 Agent 的发现请求

加密验证：Agent 在连接前可验证发布者身份，确认能力可靠，再通过原生协议调用。

Google Cloud 的 Agent Registry（Gemini Enterprise Agent Platform 的一部分）已提供企业级支持，包括 URN 命名、出站策略、资源固定和基于 Agent Identity 的信任验证。

规范已发布在 GitHub（Apache 2.0），开发者现在就可以托管 ai-catalog.json 使其能力可被 AI Agent 发现。

📍 来源： Google Developers Blog | GitHub 规范

点评： Agent 爆发后，「下一个 Agent 怎么找到我」成了关键问题。ARD 的定位类似于 Web 的 DNS + robots.txt：让 Agent 资源像网页一样可被索引和验证。如果被广泛采用，它将改变 Agent 能力的调配模式——从「手动配置」变成「自动发现」。

5. 微软正考虑接入 DeepSeek 模型赋能 Copilot

据 36 氪报道，微软正在评估将 DeepSeek 模型接入到 Copilot 协同办公工具中。若落地，微软办公生态（Office 365、Teams 等）将获得 DeepSeek 大模型能力的加持。

对 DeepSeek 来说，这是一个巨大的应用场景——微软 Copilot 覆盖数亿办公用户；对行业来说，这意味着大模型商业化的新路径：模型能力通过成熟产品落地，而非仅靠 API 调用。

📍 来源： 36 氪

点评： 微软同时押注 OpenAI 和 DeepSeek 的迹象越来越明显。Copilot 接入 DeepSeek 不仅是技术选择，也是供应链多元化的战略考量——保证议价能力和供应韧性。对开发者来说，这意味着 DeepSeek 在企业级场景的验证又向前走了一大步。

6. 华泰证券：国产 AI 芯片正迎来涨价窗口

华泰证券发布研报指出，国产 AI 芯片正面临涨价窗口。随着大模型训练和推理需求持续增长，以及供应链产能约束，国产 AI 芯片的供需关系趋紧，价格提升压力增大。

这对 AI 编程工具和 Agent 开发者意味着什么？推理成本可能上升，免费 API 额度可能收窄。对于大量依赖国产芯片做推理的 Agent 应用，成本结构将面临重新评估。