社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  Git

W35*8.17-8.23AI周报:Cursor 和 GitHub 在同一天,把 Agent塞进了你的群聊

行客科技 • 2 月前 • 170 次点击  

别再看跑分了

这周 AI 圈没有惊天动地的模型发布。

但如果只盯跑分,你很可能会错过真正的信号——

GitHub 和 Cursor,在同一段时间里,不约而同地把 Coding Agent 塞进了 Slack 和 Teams。

一个是全球最大的代码托管平台,一个是当下最热的 AI IDE。两家产品路线完全不同,却做出了同一个判断:

写代码的入口,正在从 IDE 搬到团队协作流里。

这背后不是产品功能的巧合,而是一门生意的重新定价。

本周发生了什么(速览版)

先上一张全景图。

序
事件
为什么重要
01
GitHub Copilot 进入 Slack(公测)
CodingAgent第一次大规模进入团队频道
02
GitHub Copilot进入Microsoft Teams
会议讨论可以直接变成一个共享的agent session
03
Cursor Cloud Agents支持订阅 PR、Slack thread和定时任务
Agent从"用完即走"变成"蹲点待命"
04
Cursor推出Origin代码托管
AI IDE开始抢GitHub的地盘
05
GitHub Copilot for JetBrains开放企业托管设置
插件、MCP、权限、日志全部进入管理员视野
06
OpenAI 发布cyber-critical能力节奏调整说明
前沿模型的训练开始被安全成本"收税"
07
OpenAI 发布 The Defender's Window
AI攻击能力扩散,防御窗口被迫前移
08
AWS Bedrock上线GPT-5.6系列并支持跨区域推理
前沿模型进入云厂商的吞吐与成本优化通道
09
OpenAI下调GPT-5.6 Sol API价格超 20%
价格战烧到旗舰模型,企业选型逻辑要变了
10
OpenAI 资助 14 个AI政策研究项目
AI 的经济影响正式进入政策议程
11
NVIDIA AVO 在ARC-AGI-3拿到100%
长任务Agent的瓶颈从模型转向系统设计
12
NVIDIA ALCHEMI 用 Coding Agent做材料模拟
Agent的战场从软件工程扩到科学计算
13
NVIDIA 发布 Muse Glimmer 本地 agentic 工作流
端侧长上下文 Agent 成为新变量
14
Nemotron3.5Lightning补全NVFP4/QAD部署链
低成本长任务执行进入工程优化期
15
GitHub Code Quality 支持组织级趋势跟踪
AI 写的代码,开始被组织级指标管起来
16
Code Quality 开关进入审计日志
治理动作开始"留痕"
17
code scanning 增加 mitigated 告警关闭原因
安全告警处理进入精细化管理
18
AWS OpenSearch VPC 域支持自动语义增强
企业私有搜索不必再暴露公网
19
微软 Partner Center 上线 Dragon Copilot医疗 Agent 市场
垂直行业 Agent有了专用货架
20
JetBrains 发布AI Coding Agent采用趋势报告
竞争从声量转向真实采用率

一、入口迁移:Agent 从"私聊工具"变成"团队同事"

先把最值得放在一起看的两件事说清楚。

GitHub 这周让 Copilot cloud agent 同时进入了 Slack 和 Teams。注意,不是"多了一个聊天窗口"这么简单。

Slack 和 Teams 是什么地方?是需求被提出来的地方,是任务被分配的地方,是责任被确认的地方。Agent 出现在这里,等于拿到了工牌,正式进入协作流程。

过去用 AI 写代码,是典型的单线程场景:一个开发者,一个 IDE,一段私聊。代码写成什么样,只有他自己知道。

现在的画面变了:产品经理在 Slack 里提需求,Agent 在云端沙箱里改代码、开 PR,整个团队在 thread 里围观它的计划、追加上下文、检查 diff,最后由人点头合入。

Agent 的工作过程,第一次对团队可见。

这件事为什么值大钱?因为企业采购的逻辑从来是"工具跟着流程走"。AI 只能待在 IDE 里,它就是开发者个人的效率插件,预算从个人工具池里出;AI 进了 Slack、issue、PR 和代码仓库,它就变成了工程组织的基础设施——预算、合同、谈判的规格完全是另一个量级。

这才是 GitHub 真正的算盘。

二、Cursor 的野心:

不只想做编辑器,想做下一代 GitHub


Cursor 这周的两个动作,单看都不大,连起来看就很凶。

第一个是 Origin 代码托管:repo、PR、代码浏览、GitHub 同步,先覆盖基础功能。它现在替代不了 GitHub,但方向毫不掩饰——如果 Agent 是软件生产的新工人,代码仓库就不能只是一个静态货架,而要变成 Agent 的工作台。

第二个更关键:Cloud Agents 支持订阅 PR、Slack thread 和定时任务。

翻译一下:Agent 不再是你喊一声才干活的临时工,而是蹲在那儿盯梢的值班员。PR 的 CI 挂了,它自己醒来去修;Slack 里有人提反馈,它可以等一小时再回来接着处理。

这把 AI Coding 的竞争标尺整个换了:

  • 能不能持续盯住一个任务?

  • 能不能等反馈、接反馈?

  • 能不能自己修 CI?

  • 长任务里能不能不偏航?

  • 上下文、计划、diff、测试记录,能不能留在同一个工程系统里?

换句话说,"会不会写代码"已经不是门槛了,"能不能交付"才是。 未来开发者工具的战场,在代码托管、PR、任务订阅、CI、权限和审计上——全是脏活累活,也全是护城河。

三、企业买单前,先问一句:

谁管得住它?


这周最容易被忽略、但对 To B 最有价值的一条更新,是 GitHub Copilot for JetBrains 的企业托管设置。

管理员现在可以管插件市场、MCP server 白名单、OpenTelemetry 日志和权限模式。

听起来都是琐碎的管理功能?恰恰相反。Agent 一旦进入 IDE、Slack、Teams 和代码仓库,企业采购清单上的问题会瞬间从"它聪不聪明"变成:

  • 它能连哪些 MCP server?

  • 哪些插件允许装?

  • 哪些操作只读、哪些可写?

  • 日志能不能进统一可观测体系?

  • 预算和沙箱怎么限?

  • 它开的 PR 要不要人批?

GitHub 在 Slack 和 Teams 的功能说明里都死死保留了 human-in-the-loop 和组织权限控制。大厂心里很明白:企业级 Agent 的卖点不是"更自由",而是"在清晰的边界里干活"。

这也解释了为什么"治理能力"正在变成产品功能本身——谁能把权限、预算、审计做成开箱即用,谁就先拿到企业订单。

四、前沿模型的新账本:

安全和成本同时入账


OpenAI 这周发了两份不性感但很重要的文件。

一份是关于 cyber-critical 能力的说明:受 OpenAI–Hugging Face 安全事件和 Astra 项目可能触及关键网络安全能力阈值的影响,OpenAI 放慢了部分前沿训练和评估节奏,补强监控、隔离和对齐措施。

注意,这不是"OpenAI 踩刹车",而是另一个信号:模型能力强到一定程度,研发过程本身就要按安全工程的标准来做了。

有个细节值得记住:OpenAI 自己估算,安全监控的开销大约是被监控推理算力的 20%。

这 20% 是给所有企业的预告。未来采购高能力 Agent,账单上不止模型调用费,还有:

  • 沙箱成本

  • 监控和日志成本

  • 安全测试成本

  • 人工审批成本

  • 事故复盘成本

另一份文件的另一面是:AWS Bedrock 上线 GPT-5.6 全家桶并支持跨区域推理,OpenAI 把 GPT-5.6 Sol 的 API 价格砍了 20% 以上。

一边加安全税,一边打价格战。能力、安全、成本,从这周开始被写进同一张损益表。 企业的模型选型,再也不能只看 benchmark 了。

五、NVIDIA 的提醒:

长任务 Agent,拼的是系统不是单点


NVIDIA 这周密集输出,串起来看是一条完整的论证链。

AVO 在 ARC-AGI-3 拿到 100%,官方刻意强调靠的是 system design,而不是单个模型。

ALCHEMI 把 Coding Agent 用进了材料模拟——Agent 的战场从写 Web 应用扩到了科学计算。

Muse Glimmer 讲本地 agentic 工作流,Nemotron 3.5 Lightning 补部署优化——讲的是同一件事:长任务 Agent 要跑起来,需要一整套系统:模型、推理成本、长上下文、部署形态、工具链、任务分解、质量验证、安全边界、结果复盘。

对做选型的人来说,结论很直接:别再对着模型榜单做决策了。要看谁能把模型、工具、环境、成本和评估,拼成一个能持续运转的系统。

给企业的 5 条落地建议

1. 选型时把"协作入口"权重拉高。 别只测补全和多文件编辑,重点测它能不能进 issue、PR、Slack、Teams、CI 和代码托管流程。

2. 给 Agent 单独设计权限矩阵。 能读什么、写什么、调什么、触发什么、开什么 PR,单独列一张表。不要拿人类员工的账号直接套。

3. 预算和审计放同一张表。 Agent session、云沙箱、AI credits、模型调用、CI 消耗,未来都是同一条任务链上的成本项。

4. Agent 的 PR 必须有人工门禁。 速度越快,关键节点越要人确认——尤其涉及生产环境、客户数据、安全配置和基础设施。

5. 先拿一个协作场景试点。 别全面铺开。从 PR review、bug triage、CI 修复、内部小工具、文档测试补齐里选一个,跑两周,记录成本、成功率、返工率和人工 review 时间,再决定下一步。


过去企业选 AI Coding 工具,问的是:哪个模型强?哪个 IDE 顺手?谁补代码补得好?

这周之后,该换一组问题了:

Agent 从哪里被启动?谁能看到它的计划?谁能追加上下文?谁有权批准它动代码?它的 PR 要不要额外审批?它烧了多少 credits 和沙箱成本?出了事,日志能不能复盘?

这些问题没有发布会热闹,但它们决定企业 AI 预算真正流向哪里。

Agent 的下一场竞争,不在聊天框里,在协作流里。而协作流,就是钱流。


关注「行客科技」并星标,持续跟踪 AI 产业信号背后的商业判断。

回复关键词「协作入口」,获取《企业 AI Agent 协作入口检查清单》,覆盖 Slack / Teams / PR / 代码托管 / 权限 / 预算 / 审计七个关键控制点。


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/200143