推荐这篇，Cursor 把一年来构建云端 agent 的工程经验全部写了出来——从单 9 到双 9 的可靠性、从 work-stealing 到 Temporal 的架构迁移、agent 和机器状态与对话状态的解耦、环境自愈。如果你们团队在做 agent 基础设施，这篇等于一个季节的架构文档。 Cursor 构建云端 agent 的工程经验 一年前云端 agent 看起来像本地 agent 的直接延伸。现在它们在独立 VM 上跑，有自己的环境和依赖，能并行工作、无人值守、处理比笔记本上更长的任务。 开发环境就是产品本身 过去一年最大的教训：云端 agent 输出质量的最关键因素不是模型，而是它是否有完整的开发环境。本地 agent 免费继承你笔记本的工作环境。云端你得从零重建，而且很难感知你做得不完美。不是报错——只是输出质量微妙的下降。你第一次可能注意不到，或者注意到之后归咎于模型。一遍又一遍，我们发现根因是同一个：云端 agent 没有它需要的环境来执行或验证自己的工作。一年前这不重要因为模型也用不好环境。但当它们变聪明后，环境设置变成了它们是否能发挥全部潜力的决定因素。 现在要达到"完整环境"需要重建大量基础设施：用于构建 agent 环境的用户工具、高效休眠和恢复 agent VM 的方法、快速持久检查点/恢复/分支 VM 镜像的管道、紧密结合的 harness 和客户端集成。而且随着云端 agent 承担更多工作，它们需要有控制的网络访问来创建 PR、拉取依赖和做研究。Cursor 最终建了企业 IT 给 agent——完整的秘密信息脱敏、网络策略和凭证管理。 长时间运行的 agent 需要持久执行 云端 agent 跑在隔离 VM 里，而不是笔记本上，更容易并排跑很多 agent 和委派几小时的长任务。但运行在 VM 里暴露了模型服务端宕机、pod 替换、EC2 节点挂掉的风险。 最初用 work-stealing 架构——worker 节点抓取 agent 并循环到完成。早期 beta 经常只有单 9 可靠性。 后来迁移到 Temporal。当前在 Temporal 上的 agent 循环能扛过推理可靠性波动、pod 休眠恢复、跨几天甚至几周的运行。迁移后达到双 9 可靠性，现在每天处理 5 千万次操作、7 百万个独特工作流。内部超过 40% 的 PR 来自云端 agent，且仍在增长。 Cursor 的 Temporal 架构也在进化：从"永恒"agent 工作流变成了多个运行后退出、每完成一个任务退出的短工作流，版本升级更容易。拆分活动以更好地捕获超时和重试。 解耦 agent 和机器状态与对话状态 云端 agent 不再是一个循环跑在一台机器上。它可能在机器 A 跑、在 B 和 C 上孵化异步子 agent、从本地开始然后委派到云端。子 agent 可能比父 agent 活更久，跑在完全不同类型的 pod 上。 关键是保持 agent 循环、机器状态和对话状态解耦。agent 循环在 Temporal 里而非 VM 上，就能独立管理 pod 生命周期，在只读 VM 或预热 VM 上跑 agent。 对话层：分离了存储和流层。高效的只追加存储机制将对话更新流到 web 和桌面客户端。这一层处理重试——agent 循环的某步在流了部分输出后失败了然后重试了，客户端能检测、回退、展示新数据而不是旧的。 知道什么时候让开 早期不相信 agent，harness 每个任务后都检查、强制 commit、推送。现在把逻辑从 harness 移出来变成 agent 控制的工具。一年前多仓库设置需要硬编码 harness 行为。现在给 agent 仓库布局、分支和 PR 工具，让它自己决定。 harness 不会消失，但它包含的内容在变。Computer use 是个例子——云端 agent harness 有专用的子 agent 类型给 computer use，有自己的模型路由、custom prompt 和屏幕录制。但因为模型还没准备好自己处理 computer use，harness 保留了脚手架。 云端 agent 还需要不同的 prompt——鼓励更高自治性，因为本地 agent 能看见停了在等权限，云端可能是几小时后你才回来检查。 自愈式 agent 环境 未来不在"手把手管"和"放手不管"之间二选一。更好的模式是给 agent 理解和操作系统环境的工具。让它们能报告缺失密钥、网络被阻、环境阻止了进展，然后自愈。 原文：Cursor (Josh Ma), "What we've learned building cloud agents", 2026-06-02 #Agent工程# #云端基础设施# #Cursor#

【 #印度# 成为 #美国# 云巨头的投资圣地】 #亚马逊# 宣布在2030年前向印度追加130亿美元投资，用于扩建人工智能（#AI）与云端基础设施。# 该决定由亚马逊首席执行官贾西在新德里与印度总理莫迪会面后正式发表。 这笔最新追加的投资使得亚马逊自2010年进入印度以来的累计投资总额预估将突破880亿美元。

Tether 支持的 Utexo 计划于本月在比特币网络发行 USDT。Utexo 联合创始人 Viktor Ihnatiuk 表示，公司已获得在比特币上发行 USDT 的商业许可，并计划为交易所、钱包及支付服务商提供 API、SDK 和云端基础设施。Utexo 将基于 RGB 协议和比特币 UTXO 模型，使大部分交易数据保留在链下，重点支持三类应用：USDT 隐私转账、原生 BTC 与 USDT 直接兑换，以及使用原生 BTC 抵押借贷，无需将 BTC 封装至其他区块链。USDT 最早于 2014 年通过 Omni 协议在比特币网络发行，随后 Ethereum 和 Tron 逐渐成为主要流通网络。Utexo 还计划在 USDT 于比特币网络上线后扩展至 Lightning Network。（CoinDesk）

据彭博社援引知情人士消息，Meta 正制定一项云基础设施业务计划，旨在向外部客户出售人工智能算力及模型访问权限，从而与亚马逊 AWS、微软 Azure 及 Google Cloud 等云计算巨头竞争。知情人士称，Meta 拟采取的策略包括：一是通过云端平台出售其 AI 模型的访问权限，类似 AWS Bedrock；二是直接出售“原始”算力访问权限，运作模式类似 CoreWeave 等新型云服务商。该计划旨在将 Meta 为支撑自身 AI 而构建的昂贵数据中心与芯片基础设施转化为收入来源，目前计划仍在制定中，具体战略或有变动。或受此消息影响，Meta 股价盘中涨幅超 10%。

分享 8 个我最近在用的 AI Coding Agent 基础设施开源项目,全部破万星,最高 68k ⭐ Agent 干活的两大瓶颈:反复 grep 找代码,和爆炸的上下文成本。这 8 个项目从压缩层、代码记忆、技能安全到长任务稳定性,基本覆盖了 Agent 工程化的关键缺口 1️⃣ headroom ⭐53k 日志/文件/工具输出/RAG 分块进 LLM 前先压缩,号称省 60–95% token。库 / 代理 / MCP 三种接入,本地优先、可逆。 上下文成本是长任务核心瓶颈,压缩层是省钱最直接的方向。 2️⃣ agent-skills ⭐68k 面向编程 Agent 的生产级工程技能集,把资深工程师的纪律(写 spec、测试、review、何时 ship)固化成结构化工作流,灵感来自 Google 工程实践。 Agent 默认走"最短路径完成",这个把不体现在 diff 里、却决定质量的环节补回来。 3️⃣ Agent-Reach ⭐45k 给 Agent "看见互联网"的能力,读取/搜索 Twitter、Reddit、YouTube、GitHub、B站、小红书。定位是能力层(选型+安装+体检+路由),一个 CLI、零 API 费用。 内容监控和自媒体选题神器。⚠️需登录的平台建议用专用小号,有封号风险。 4️⃣ OpenMontage ⭐28k 开源 Agentic 视频生产系统,把 AI 编程助手变成完整视频工作室。12 条流水线、52 个工具,支持纯免费本地链路(Piper TTS、FFmpeg、Remotion、开放素材)也支持付费云端。 从研究、脚本到剪辑合成的端到端流水线,内容人值得关注。 5️⃣ DeepSeek-Reasonix ⭐25k DeepSeek-native 终端 coding agent,围绕字节稳定的 prefix-cache 优化运行循环,长会话缓存命中 90%+、输入 token 成本大幅下降。单 Go 二进制。 DeepSeek 生态里的 coding agent,低成本、国内开发者友好。 6️⃣ Planning with Files ⭐24k 给 coding agent 基于 Markdown 的持久计划管理:长任务、上下文丢失/clear 后恢复、确定性完成校验、多 Agent 共享状态。本质是 Claude Code skill,兼容 60+ Agent。 Agent 做复杂任务最容易"忘记计划",解决的是长任务稳定性。 7️⃣ codebase-memory-mcp ⭐21k 高性能代码智能 MCP Server,把代码库索引成持久知识图谱,支持 158 种语言,亚毫秒查询,号称省约 99% token。单静态二进制、零依赖。 让 Agent 不再反复 grep,而是拥有可查询、可复用的代码库记忆。 8️⃣ SkillSpector ⭐11k NVIDIA 开源的技能安全扫描工具,安装前检测技能里的漏洞、恶意模式和潜在风险(68 个模式、17 类),输出 0–100 安全评分。 技能以隐式信任执行,是个基本没被审查的攻击面,装前先扫一遍。

想让 AI Agent 在云端帮忙跑脚本、操作文件，但又不想直接把服务器权限全交出去。 Cloudflare 开源了 Computer，给 Agent 配了一台电脑，提供隔离的虚拟文件系统和执行环境。 Agent 可以在里面读写文件、执行命令，状态持久保存，重启不丢。 GitHub： 支持容器沙箱和轻量级两种执行方式，还能配合 Cloudflare 自家的 AI 能力一起用。 关注 AI Agent 基础设施的开发者，可以看看 Cloudflare 在这块怎么做的。

美股盘前预测： 二、热点聚焦（三大预测方向） 🔹 方向一：AI基础设施持续短缺，Cerebras/Micron等算力股补涨 OpenAI云端需求超越服务器供给，CBRS将设备回租以满足OpenAI需求，凸显算力供需失衡短期无法缓解。Micron等内存厂商因HBM需求爆发持续受益。代理AI（Agentic AI）正成为新风口，AMD/ARM等CPU供应商获瑞银上调评级。 代表个股：$CBRS（目标价275美元）、$MU、$AMD、$ARM 🔹 方向二：散户主导的情绪反转——WEN、FCEL等超卖股短线机会 Wendy's遭Reddit"Save Wendy's"运动爆炒，单日暴涨25.66%，WSB讨论量激增312%。FuelCell Energy因与Fit Energy签订380MW数据中心供电协议股价飙升。MLTX因皮肤疾病试验数据发布后散户情绪极度看涨。散户高度集中的超卖股往往在短期内产生惊人波动。 代表个股：$WEN、$FCEL、$MLTX 🔹 方向三：鹰派联储压制成长股估值，但内存/AI算力具备相对防御性 美联储新主席Warsh首秀即释放强硬信号，市场定价2026年降息预期大幅推迟。成长股、高估值科技股普遍承压，但AI算力、内存等具备基本面支撑的板块相对抗跌。投资者转向"高质量+确定性"标的。 关联板块：大型科技股（低配）、AI基础设施（标配）、内存产业链（超配） ━━━━━━━━━━━━━ 三、恐慌指数和期权市场 【VIX】周三收于18.5附近，近期在16-22区间震荡。联储鹰派表态后市场谨慎情绪升温，但未出现恐慌性抛售。 【期权异动预警】 • $CBRS：大量看涨期权买入，机构预期财报前上行。大型call购买信号明显 • $MU：put/call比率下降，资金看涨AI内存需求 • $PLTR：持续高put买入，对冲需求旺盛 • $WEN：异常高量call交易，WSB情绪极度看涨 个股期权剧烈变动关注：$NVDA（近期194-202区间震荡，突破方向待定）、$AMD（突破100美元关键阻力） ━━━━━━━━━━━━━

据彭博社报道，区块链分析机构 Chainalysis 发布报告指出，黑客正越来越多地借助开源人工智能（AI）将恶意软件控制指令植入链上交易及智能合约中，不到一年内此类案例激增约 440%。数据显示，该类事件已从此前日均约 2 起跳升至目前日均约 11 起。攻击者在链上写入恶意指令，借此操控受感染设备窃取密码、资金并转向指定钱包，由于链上记录无法删除使得防御和阻断愈发困难。报告指出，朝鲜及伊朗等国家级背景黑客已成此类活动主力，且开源模型支持本地独立运行和修改，可直接剥离云端防线，不过区块链的公开透明特性也为追溯攻击基础设施留下了关键证据。

过去一段时间，只要谈到AI投资，大家最先想到的往往还是英伟达。 但我越来越觉得，如果只盯着一家芯片公司，我们看到的可能只是AI浪潮中最显眼的一部分。训练和运行AI模型，不仅需要GPU，还需要数据中心、电力、云端算力、高速数据传输，以及最终将AI带入现实世界的机器人。 换句话说，AI不是一家公司或一类芯片的故事，而是一场覆盖整条基础设施供应链的长期建设。这也是我开始关注 @reserveprotocol 的原因。下面我想说说Reserve到做了什么？ Reserve围绕去中心化代币基金，也就是DTF来构建产品和基础设施。它通过Ondo Globa Markets的代币化股票，将AI供应链中的不同公司组合成五个链上主题篮子，让符合资格的用户能够分别了解和接触AI建设的不同环节。而且我认为这次产品设计最值得关注的地方，不是简单地把股票搬到链上，而是把原本比较分散的AI基础设施主题，拆解成了五条更容易理解的投资方向。 1. AI Infrastructure（BUILDOUT） BUILDOUT覆盖相对完整的AI硬件和基础设施技术栈。如果把AI产业比作一座正在扩建的城市，BUILDOUT关注的就是修建这座城市所需的各种底层设施，而不是只押注其中一家明星公司。 2. AI Power（POWER） AI运行需要大量电力。数据中心规模越大、模型训练越复杂，电力供应就越重要。我认为，能源是AI讨论中经常被低估的一环。算法可以快速升级，但发电设施、电网接入和长期供电合同并不能在一夜之间完成。POWER关注的正是为AI运行提供能源支持的企业。 3. AI Capacity & Neocloud（NEOCLOUD） NEOCLOUD聚焦将高性能计算资源作为服务提供给客户的企业。不是每家公司都有能力自行购买大量GPU、建设数据中心并维护整套计算基础设施。因此，算力租赁和新型云服务正在成为AI产业链中的重要组成部分。在我看来，这一方向值得关注的原因，是它直接连接了算力供给与企业的实际AI需求。 4. AI Photonics（PHOTON） AI不仅需要计算，还需要在芯片、服务器和数据中心之间快速传输大量数据。PHOTON关注的是光子技术和高速数据传输，也就是帮助数据高效流动的光学层。 很多人关注一块芯片能算多快，但我认为，芯片之间能否高效交换数据，同样可能影响整个AI系统的性能。 5. Robotics（ROBOTS） ROBOTS关注AI从数字世界进入物理世界的过程，包括机器人、自动化设备及相关产业链。如果说大语言模型让我们看到了AI理解和生成信息的能力，那么机器人代表的就是AI感知环境、作出判断并执行现实任务的可能性。这也许是五个方向中最直观、同时最具想象空间的一条主线。 了解了上面5个方向，接下来说下我怎么看这次机会。 我认为，Reserve AI DTF最值得讨论的地方，是它把AI交易从猜下一家明星公司，转向了观察哪些基础设施正在真实建设。市场情绪可以在一个月内发生很大的变化，但已经签署的数据中心建设计划、电力合同和芯片订单，这属于持续数年的商业承诺，而这些基础设施支出不一定会因为市场短期下跌而立即停止。因此，把基础设施建设看作观察AI产业一个重要指标，我认为是很有必要的，而不是只关注短期价格和社交媒体热度。当然这些并不意味着基础设施相关资产不会下跌，也不能说明AI DTF能够完全规避市场的波动风险。我的观点是：市场情绪和产业建设不总是同步的，而这种差异本身会有一些只得研究的地方。 现在想想，在过去，想在链上通过单一篮子覆盖这些主题并不容易。而Reserve让这个方向开始具备更清晰的产品结构，也更适合让人去找到合适自己的方向并且找到适合自己的产品标的。 最后如果让你从AI基础设施中选择一个未来几年最值得研究的方向，你会选哪一个？ 是AI芯片和硬件、电力、云端算力、光子技术，还是机器人？ 我自己会特别关注电力和算力服务。原因很简单：无论最终由哪一家模型公司胜出，AI系统都需要持续消耗算力和能源。但这只是我的观察，并不代表这些方向一定会获得更好的市场表现。 但是我肯定会持续关注 @reserveprotocol 带来的一些优质资产和设施，对于我来说确实降低了研究传统资产的门槛。