Echoverse：面向计算机使用智能体的深度演化环境
Microsoft Research 发布 Echoverse，包含 10 个深度领域世界和 2 个能力世界，通过数据库锚定的真实状态与可重置环境训练计算机使用智能体。
推荐理由：高保真合成环境与模型共同进化的闭环设计，为计算机使用智能体提供了可复现的训练与评估新路径。
Microsoft / Copilot
全部主题微软的 AI 布局：Copilot 全家桶、Azure AI 基础设施与 OpenAI 合作关系的持续追踪。
27条精选相关主题OpenAI / ChatGPTAI 编码产品更新
最新精选
第 21–27 条 · 共 27 条Microsoft Research精选AI 评分7979
Microsoft Semantic Kernel精选AI 评分6262 .NET Agent 支持从 MCP 服务器发现和加载 Agent Skills
Microsoft Semantic Kernel 在 .NET 中通过 Microsoft.Agents.AI.Mcp 包支持从 MCP 服务器按需发现和加载 Agent Skills。技能以 skill-md 或 archive 方式分发，通过 skill://index.json 发现，并保留渐进式披露和审批机制。archive 下载有文件数、大小和解压后大小上限，且远程脚本永不执行。
推荐理由：让 Agent 按需从 MCP 服务器发现和加载技能，减少重复打包与重新部署，适合多 Agent 共享领域知识。
Microsoft Semantic Kernel精选AI 评分6565 Microsoft Agent Framework 声明式工作流 1.0 发布
Microsoft Agent Framework 的声明式工作流（Declarative Workflows）Python 与 .NET SDK 均达到 1.0。团队可用 YAML 定义多智能体编排、状态与分支逻辑，并作为标准 Workflow 运行、流式处理和组合。示例展示支持台路由场景，并提供客户支持等可运行样例。
推荐理由：原文给出 YAML 定义与代码加载方式，读者可据此评估声明式编排是否适配现有工作流。
GitHub Engineering精选AI 评分7676 GitHub Copilot Code Review 工具升级反而效果下降：指令重写后成本降低约 20%
GitHub 工程团队将 Copilot Code Review 的代码探索工具替换为 Copilot CLI 的共享工具（grep、glob、view），预期是干净升级，但离线基准显示成本上升、发现的问题减少。
推荐理由：同样的工具因指令与工作流不匹配反而拉低效率，调整提示词后成本下降约两成，读者可借此审视自己 Agent 的工具与指令设计。
Hugging Face Blog精选AI 评分6767 Hugging Face 模型登陆 Foundry Managed Compute，支持一键部署
微软在 Build 2026 发布 Foundry Managed Compute，Hugging Face 模型现可通过一键部署在 Azure 上运行。模型目录每周更新，仅包含 SafeTensors 格式的安全筛选模型，支持 vLLM、SGLang、TensorRT-LLM、NIM、TEI、llama.cpp 等运行时，并提供统一端点、Azure Monitor 指标和每部署计费标签。
推荐理由：Hugging Face 模型现可通过 Foundry Managed Compute 一键部署，微软承担了从运行时构建、安全扫描到 CVE 补丁的运维层，让企业能在自有租户中运行开源模型。
MIT News · AI精选AI 评分6262 MIT 与 Microsoft 提出 Murakkab 系统，提升 AI Agent 工作流的速度与能效
MIT 和 Microsoft 研究人员开发了 Murakkab 系统，开发者可用自然语言描述意图，系统自动选择模型、工具并动态配置硬件资源。测试显示，该方法在视频问答和代码生成任务中仅用约 35% 的计算量、27% 的能耗和不到 25% 的成本，同时满足性能要求。
推荐理由：原文给出了具体优化幅度和动态配置方法，读者可以据此评估云上 Agent 工作流的能效潜力。
Ollama Blog精选AI 评分6767 Minions：Ollama 与前沿模型的安全隐私协作协议
Stanford Hazy Research 推出 Minions 协议，通过 NVIDIA Hopper H100 远程证明与加密 enclave 实现 Ollama 本地模型与云端前沿模型的端到端加密协作，敏感上下文不离开设备，延迟增加不到 1%。项目已开源并提供 Streamlit 演示与 Python 示例代码。
推荐理由：原文给出了端到端加密协作协议的实现路径和实测开销，读者可据此评估本地-云端混合架构的安全性与成本平衡。