一、AI Coding 方向
1. Agent harness 成为核心战场：黄仁勋称其为「LLM 的外骨骼」，OpenAI 发布 34 页工程白皮书
事件：Jensen Huang 把 agent harness 定义为「套在 LLM 外面的外骨骼」------让模型在谈了一年之后真正变得有用的是这层包裹代码。OpenAI 同步放出 34 页白皮书，系统讲清其如何构建、评估、部署 agent（架构、工具集成、扩展、agent ops、评估框架）。学术侧同日两篇论文把「harness 比模型更关键」从口号变成可量化事实：Meta+Duke 的分支搜索（branching search）优化 harness 本身，把奥数准确率抬到 62%；微软 ActiveSaddler 只改训练场景而非更新方式，Pass@1 提升最多 7.5 点。
为什么值得关注：当同一权重在不同 harness 下 SWE-bench Pro 能从 23% 跳到 52%，竞争重心已经彻底从「谁的模型强」转向「谁的运行时、工具编排、记忆与校验做得好」。这对所有做 coding agent 的团队是路线信号------继续堆参数不如把 harness 工程化。
2. GitHub 开源生态日：常驻代理、MCP 安全、决策模型、低 token 技能齐发
事件 （quidproquo 10/5 GitHub Digest）：open-dot(550★) 复刻 OpenAI 9/29 付费个人代理 Dots，跑在你自己的 Mac 上、接 Composio 1500+ 应用；mcp-audit-tool(91★) 纯 Python 扫描 OWASP MCP Top 10（tool poisoning / rug pull / 硬编码密钥）；strands-decider(331★) 给 Strands SDK 的轻量「决策模型」，只做分类/打分不生成文字；answer-me-with-html(977★) 让 agent 用 1/7 token 产出可读 HTML。另 Ponytail(15.2万★) 以「YAGNI agent」单日涨 1435 星，主打让 agent 像最懒的高级工程师一样少写代码。
为什么值得关注：整个生态在给自己补基础设施------谁能快速复刻巨头点子、谁能把 MCP 的资安洞关上、谁能替 agent 省掉不必要的 LLM 调用。开源社区正在把「个人常驻代理」从订阅制产品拉回本地可控。
3. Google 于 10/5 弃用旧 harness，重定向到新版本并上线 Credentials API
事件 ：Google 弃用 antigravity-preview-05-2026，10/5 当天把流量重定向到 antigravity-preview-09-2026（跑在 Gemini 3.8 Flash，价格不变），官方评测文件编辑输出 token -40%、多轮编码成本 -30%（靠更好的缓存命中）。同步上线 Credentials API：密钥只写存储、附加到白名单域名或 MCP server、由 egress 代理在请求时注入，agent 无法回读。注意 step event 里工具名变了（file 工具改为 view_file/write_to_file/replace_file_content），解析器需适配。
为什么值得关注：这是「harness 即服务」的供给侧降价，也是把「把 bearer token 粘进 prompt」这种危险习惯系统性终结。对生产环境是双刃剑------当天强制迁移，解析旧格式的脚本会断。
4. Cloudflare 发 cf CLI 让 agent 成 API 一等公民；Strata 让 125B 模型跑在 12GB 显卡
事件 ：Cloudflare 发布面向 agent 的 cf CLI，覆盖整个 Cloudflare API；Wrangler 的 agent 调用占比一年前还是个位数，3 月 25%、上周已达 48%。同一窗口 Strata v0.1.39 让 Qwen3.8-Flash-Next 125B 在 12GB 游戏显卡上分片运行------把模型拆到 GPU/RAM/CPU/SSD 接力。
为什么值得关注：两条线都在说同一件事------agent 的执行与推理正在「下沉到边缘、下沉到本地、下沉到开发者自己的机器」。云厂商在抢 agent 的运行时入口，开源侧在把大模型从数据中心解放出来。
5. Rust 杀入编排层，确定性成新瓶颈
事件 ：swarms-rs v0.3.0（约 7k★）Rust 多 agent 框架，宣称比 LangChain/CrewAI 快 100--400 倍、冷启动 6ms。GitHarness 把每条需求与匹配的工作像 commit 一样存储，需求中途变更时从最近有效版本分支、只重做差异，在某一编码任务上 token 用量 -73.6%。
为什么值得关注：编码 agent 的普及真正卡点已从「会不会写」转到「贵不贵、稳不稳、改起来要不要重跑一遍」。Rust 化与需求级增量执行，是长周期 agent 走向工程化的底层信号。
二、具身智能方向
6. 国产机器人「神经」彻底自主：全球首台全栈全国产电子架构具身机器人亮相
事件（10/5 报道，9/28 宜昌发布）：全球首台搭载全国产化电子架构的具身智能机器人正式亮相，整套系统含国产工业操作系统 + 自主通信总线 + 开发软件 + 国产 AI 芯片四大自研件，可完全替代海外方案；遭遇网络攻击、病毒入侵甚至关节受损时仍能自动隔离故障、不失控宕机。
为什么值得关注：此前国产机器人多为「外壳+电机」的表面突破，底层架构长期依赖国外系统，存在受制与人、安全隐患。这次攻克「神经系统」是从根源自主可控，补齐了物理 AI 规模化落地的最大短板------工业巡检、特种作业、民用服务都能用上安全可控的国产底座。
7. Figure F.02 旧机型自主跳入 1500℃ 熔炉销毁，引爆营销/伦理/环保三极讨论
事件（10/5 经济观察网）：Figure 把多数 F.02 机型运往芬兰一家铸造厂的 75 吨电弧炉熔毁，机器人依靠 AI 程序自主定位、走向炉口并跃入钢水，无远程操控；该机型是首个进入宝马工厂的人形（累计 1250+ 小时实操、装配 9 万+ 汽车部件、参与 3 万+ 辆车生产）。施瓦辛格到场复刻《终结者2》沉钢水画面，熔毁金属被制成 1900 美元限量摆件售罄。
为什么值得关注：表面是品牌事件，实则把行业「废旧设备回收处置」难题摆上台面------高容量锂电池+复杂 AI 硬件的机器人，普通回收厂拒收，行业尚无成熟合规回收体系。技术保密、商业宣传与资源循环的失衡，是大规模量产后绕不开的课题。
8. 人形整合地图：资本给「大脑」的定价已高过「身体」
事件（humanoid.guide 10/3 整合地图）：FieldAI 拟以 100 亿美元估值融资 7 亿（不造本体、只做通用机器人「大脑」，已有 30+ 客户、1.35 亿美元合同）；General Intuition 估值 62 亿、SiMa.ai 14.5 亿（专做跑大脑的低功耗芯片）。Jensen 的「Physical AI」已成投资 thesis 与 M&A 理由------NVIDIA 收 LeRobot、Qualcomm 收 MoveIt、AMD 82 亿美元收 World Labs 买世界模型。西方整合并购被解读为对中国占全球出货 90%+（IDC：2026 H1 全球出货近 2.5 万台，同比 +432%）的防御性回应。
为什么值得关注：估值锚正在从「整机 Demo」上移到「大脑/芯片/数据」等不可见层。对中国厂商而言，出货量领先不等于价值链领先------谁掌握大脑与核心部件，谁拿定价权。
9. IROS 2026 收官 + 部署现实校验：标准落地，但「真上岗」仍是少数
事件：IROS 2026（9/27--10/2 匹兹堡）收官------Astribot T1 北美首秀（约 1.8 万美元、定位物理 AI 操作研究平台）、Agility Digit 5（Digit 4 在北美客户现场累计 6.5 万运营小时）；美国 R15.08 Part 3 工业移动机器人安全标准的收尾定稿，EU AI Act 第 50 条透明度义务已执法。对照韩国工厂实测：截至 10/2 仅 3 处披露试点（SFA+Rainbow RB-Y1、T-Robotics 显示面板线、CJ 食品厂 1 台），无一处真正产线作业。
为什么值得关注：具身从「演示」走向「部署」的叙事有了安全标准托底，但真实产线证据依然稀缺------全球共性问题仍是抓取不规则件、分拣、 sequencing，尚无一例Assembly级作业。验收标尺已从「能不能走」收紧到「干满 8 小时、干对精密活」。
三、跨主线提示（能源 + A 股投资者视角）
- 算力能源锚 ：harness/agent 运行时上云（OpenAI Agents API、Google antigravity、Cloudflare
cf）意味着长周期 agent 的推理算力消耗从「偶发」变「常态」，推理侧数据中心电力约束持续硬化。
- 具身上游卖铲人 + 国产可控：国产神经自主（条目 6）利好工业 OS/通信总线/国产 AI 芯片链条；「大脑估值 > 身体」（条目 8）提示 A 股选股优先级仍在核心部件与跨本体大脑，而非整机 Demo 叙事。
- 安全合规共享红线：MCP 审计工具（条目 2）、Google Credentials API（条目 3）表明 agent 安全已从「建议」变「准入」------coding 与具身共享同一道治理闸门。
一句话总结
AI 主线是价值重心从「模型能力」向「harness/运行时/治理」与「真上岗的数据闭环」双重下沉：编码侧用编排、成本与确定性替代参数竞赛，具身侧用国产神经自主与万台级部署把估值锚从 Demo 拉向可审计的可靠性------谁掌握运行时与大脑，谁掌握下一阶段的定价权。