AI 编程与应用情报：代理开始进入计量、编排与投入账本 (2026)

先看结论

北京时间 7 月 14 日至 18 日，几条更新把 AI 代理的落地问题往前推了一步：代码代理开始按仓库统计产出，云平台把构建、评测、部署和治理串进 coding agent，搜索产品开始直接调用第三方应用，企业采购则被要求从「用了多少 token」转向「交付了多少可接受结果」。这些材料来自厂商官方发布，能说明产品方向和可用路径，但不能单独证明普遍的生产收益。

条目	发生了什么	影响谁	下一步看什么
GitHub Copilot 仓库级指标	GitHub 将 Copilot coding agent 和 code review 的每日 Pull Request 活动下沉到仓库维度，包括代理创建、合并的 PR，以及代码评审建议按评论类型的数量。1	需要衡量 AI 编程投入的工程组织	把仓库级活动与通过率、返工率、审查耗时和线上缺陷关联起来，不要把 PR 数量直接当生产力
Gemini Enterprise Agent Platform 13 个演示	Google Cloud 发布 13 个 hands-on demos，覆盖 ADK 构建、人工审批、MCP、A2UI、长任务、部署、Agent Gateway、评测和跨框架编排；Agents CLI 可以给 coding agent 加入 ADK 与 Agent Platform 技能。2	要从原型走向可评测、可治理代理的开发团队	先按示例搭一条可回放的任务链，确认哪些组件已对自己的区域、账号和数据开放
Google AI Mode 连接应用	AI Mode 开始支持连接 Instacart、Canva、YouTube Music 等服务，用户可以从搜索结果中加购物车、找模板或保存播放列表；首轮从美国开始逐步推出。3	做消费级 AI 助手、工作流集成和增长产品的团队	看授权、确认、撤销和跨应用失败后的状态反馈，不能只看能否调用 API
Google Images 的生成式入口	Google Images 新增可浏览的动态首页和 Collections；Google 还计划把图像生成放入 Search 的 AI Overviews，使用 Nano Banana 模型，英文版将分批开放。4	图像搜索、内容创作和视觉营销产品	区分搜索已有素材与生成新图的版权、来源标记和用户预期
OpenAI 的企业投入方法	OpenAI 建议企业用「每美元完成的有效工作」衡量 AI，进一步拆到每个可接受结果的模型、工具、重试、延迟和人工复核成本。这是 OpenAI 的管理建议，不是独立行业基准。5	负责 AI 预算、平台治理和业务流程改造的负责人	先选一个有明确验收标准的流程，记录单位结果成本，再决定是否扩大额度

GitHub 先把「用了多少」拆到仓库

GitHub 的新接口将 Copilot usage metrics 从组织和用户层面扩展到仓库层面。企业和组织报告现在可以按天查询单个仓库的活动：Copilot coding agent 创建或合并了多少 Pull Request，Copilot code review 审查了多少 PR，以及建议按评论类型的拆分。该功能面向企业所有者、计费管理员、组织所有者和拥有 View Copilot Metrics 权限的自定义角色，且组织必须启用 Copilot usage metrics policy。1

这对工程管理的价值很直接：团队终于可以把 AI 活动和代码库、服务边界联系起来，而不是只看一个组织总数。GitHub 将其描述为 repository insights 和 AI-readiness reporting 的基础，但接口本身只记录活动，不会自动回答这些 PR 是否带来更好的交付结果。

实际采用时，至少要把四类数据放在一起看：代理创建的 PR 是否通过审查，人工修改了多少，完成一个变更用了多长时间，之后是否产生回滚或缺陷。单看「代理合并了多少个 PR」很容易把低价值的小改动和真正完成的业务工作混在一起。

Google 把代理开发链做成一组可运行样例

Google Cloud 发布的 13 个演示覆盖了从构建到优化的完整路径。内容包括用 ADK 创建基础代理，用 MCP 连接 BigQuery、文件和 API，用 A2UI 动态生成界面，部署有记忆能力的代理，处理可以暂停和恢复的长任务，以及通过 Agent Gateway、mTLS、IAP、IAM 和 Model Armor 约束工具调用。2

其中一个费用审批示例保留了比较完整的工程边界：低于阈值的费用自动处理，高于阈值的请求先做 PII 脱敏和提示注入防护，再经过合规分析，最后停下来等待人工审核。另一个示例用 Agents CLI 生成部署配置，接入 Cloud Trace、Cloud Logging 和 BigQuery Agent Analytics。这里的重点不是演示数量，而是把「能回答」拆成了「能部署、能暂停、能追踪、能复盘」。

不过，这些页面仍然是 Google Cloud 提供的参考实现。演示中能跑通，不等于所有账户、区域和企业数据条件都已满足。开发团队可以先挑一个带人工审批的例子，替换成自己的任务和验收数据，再检查权限、日志和失败恢复是否真实可用。

AI Mode 开始替用户跨应用做事

Google 7 月 16 日公布的 Connected Apps 把 AI Mode 从搜索与回答进一步推向执行：连接 Instacart 后，用户可以把购物清单加入购物车；连接 Canva 后，可以查找设计模板；连接 YouTube Music 后，可以生成并保存播放列表。首轮从美国逐步推出，Google 还表示会继续接入更多合作应用。3

这类产品的验收标准不能只写成「调用成功」。应用连接意味着授权范围、用户确认、第三方页面跳转、重复执行和部分失败都要有明确状态。例如商品已加入购物车但结算没有完成，助手要告诉用户停在哪一步；用户撤销连接后，历史授权和已保存内容如何处理，也需要能被查到。

对做 AI 应用的团队来说，连接应用的价值在于缩短从意图到动作的路径，风险也在同一个地方。动作越靠近真实账户，确认和撤销就越应该成为产品主流程，而不是设置页里的补丁。

搜索产品同时开始生成图像

Google Images 25 周年更新包括两个方向：一个是新的动态浏览首页，用户可以按兴趣浏览来自全网的图像，并把想法保存到 Collections；另一个是把图像生成放进 Search 的 AI Overviews，用户可以用文字提示直接创建图像。Google 说明后者将使用 Nano Banana 模型，英文版会在未来几周向目前支持 AI Mode 图像创建的地区逐步开放。4

这让「搜索素材」和「生成素材」出现在同一个入口里，但两者的责任不同。搜索结果需要让用户知道素材来自哪里，生成结果则需要处理合成标识、来源解释和商业使用预期。对内容团队来说，后续要观察的不是生成按钮有没有增加，而是 Google 如何把两类结果放在同一页里，用户能否清楚分辨它们。

企业预算要按可接受结果结算

OpenAI 7 月 14 日发布的企业管理文章建议，企业不要只拿 token 价格或信用额度判断 AI 投资回报，而应计算「每美元完成的有效工作」。文章给出的拆解包括任务完成数、节省时间、决策质量和可扩展的工作流，并建议把模型与工具使用、重试次数、完成率、延迟和人工复核都计入「每个可接受结果的成本」。5

这套方法与 GitHub 的仓库级指标可以接上：仓库活动告诉团队 AI 在哪里被使用，代码审查通过率、返工和缺陷才告诉团队这些使用是否产生了可接受结果。客服、财务或运营流程也一样，先把「完成」定义清楚，再比较不同模型和代理配置的总成本。

需要保留的是，这篇文章属于 OpenAI 的产品与管理建议，文中关于价格下降、模型效率和企业部署的内容不能当成独立测量。它适合作为预算表的字段起点，不能替代团队自己的评测。

给团队的判断

先建立结果口径，再看代理活跃度。 PR 数、调用次数和 token 消耗适合回答「用了多少」，不能单独回答「交付得怎么样」。
把可暂停、可回放和人工接管放进第一版。 Google 的演示把审批、长任务和日志放在开发链里，这比上线后再补治理更容易验证。
凡是连接真实账户，都要测试失败状态。 购物车、设计文件和播放列表只是低风险例子，企业内部系统一旦加入，授权撤销和异常恢复会变成硬要求。
用一个流程算单位结果成本。 先选择有清晰验收标准的代码变更、客服工单或审批任务，把模型、工具、重试和人工时间都算进去，再决定扩大预算。

下一轮真正值得追踪的变量，是这些计量接口能否与缺陷、周期和业务结果接通，以及连接真实应用的代理能否在失败时把状态讲清楚。

AI 编程与应用情报：代理开始进入计量、编排与投入账本