今天官方大厂重磅发布不多，但 Agent 工程化、LLM 网关和具身智能侧出现了几条值得跟进的信号。本期整理 5 条，适合快速扫一遍：哪些能力正在从「模型本身」转向「工程系统」。

DataWhale 的《Deep Agents 实战》课程/仓库已公开，围绕 LangChain / LangGraph / Deep Agents，把生产级 Agent 拆成 Runtime、Framework、Harness 三层来讲，并覆盖虚拟文件系统、任务规划、子 Agent、Skills 复用等章节。1 2

为什么值得看： 这不是单个 demo，而是把 Agent 从「能跑」推进到「可组织、可复用、可教学」的工程化素材。

SpatialClaw 提出把「代码」作为空间推理 Agent 的动作接口：VLM-backed agent 在持久 Python kernel 中组合感知模块、检查中间结果并迭代策略；项目页称其训练免费，在 20 个基准上平均准确率 59.9%，较既有 prior agent 高 11.2 个百分点。3

为什么值得看： 多模态 Agent 的瓶颈不只在模型，也在动作接口。可组合、可检查的代码接口，可能比固定 JSON 工具调用更适合复杂空间任务。

OpenRouter 发布了对 LiteLLM、Portkey 的对比文章：它将自身定位为托管路由网络，覆盖 70+ 提供商、300+ 模型，按供应商价格 0% 加价并收取 5.5% 平台费；LiteLLM 更偏自托管代理，Portkey 更偏控制平面与治理层。4 5

为什么值得看： 企业接入多模型时，问题正在从「哪个模型最好」变成「路由、合规、观测、预算怎么管」。网关层会成为 AI 应用栈的常驻基础设施。

AI HOT 收录了 Rohan Paul 对 Brett Adcock 的转述：Figure 的机器人数量首次超过人类员工数量。该信息更适合作为具身智能公司的内部规模化信号，而不是直接解读为量产规模数据。6

为什么值得看： 如果人形机器人公司开始拥有超过员工数的内部机器人 fleet，说明它们正在把机器人从展示样机推进到持续测试、制造和运营资产。

宝玉分享 baoyu-design Skill 迭代：从用户反馈的 PPTX 导出样式和渐变问题出发，本地复现后让 Agent 分析原因、提出方案、补测试并修复；同时支持 AI 配图与 PPTX 导出，便于在 PowerPoint / Keynote 二次编辑。7

为什么值得看： Skill 也需要像软件一样持续迭代。这里的重点不是某个导出 bug，而是「用 Agent 维护 Agent 工具链」正在形成可复制工作流。

今日判断： 6 月 20 日前后的更新没有单一爆点，但共同指向一个方向：AI 产品竞争正从模型发布，转向 Agent 框架、动作接口、网关治理和工具链迭代。