AI 编程与应用情报：移动端修 PR、提示词进入构建系统，代理开始调用真实服务 (2026)

GitHub 在手机端新增了从 Copilot 代码审查评论直接发起修复的入口，Google 把代理平台、提示词构建和 token 使用整理成一套工程材料，Thinking Machines 开放了可微调的 Inkling，DoorDash 则把下单能力放进了面向 AI 代理的命令行工具。过去几天的更新，落点已经从「模型能不能写代码」移到「代理能否进入评审、构建和真实业务流程」。

时间范围：2026 年 7 月 15 日至 18 日（北京时间）。

快速浏览

进展	发生了什么	主要影响对象
GitHub Mobile	Pull Request 的 Copilot 审查评论可直接点「Fix with Copilot」，最新 iOS 和 Android 生产版均可用。1	需要在移动端跟进代码审查的开发团队
Google Cloud Agent Platform	发布 13 个动手示例，覆盖 ADK、MCP、A2UI、长任务、人工审批、网关治理和代理评测。2	构建企业代理的工程师和平台团队
代理工程方法	Google 文章建议把模块化 prompt 当作构建产物，做导入、变量、循环依赖和 golden file 校验；另一篇指南把技能文件、CLI、子代理和提前测试纳入 token 使用管理。3 4	正在把代理从 demo 推向生产的团队
Thinking Machines Inkling	发布 975B 总参数、41B 激活参数的多模态 MoE 开放权重模型，支持最长 100 万 token 上下文，并可在 Tinker 上微调。5	需要自定义模型或控制推理成本的开发者
DoorDash dd-cli	面向美国和加拿大 macOS 开发者开放有限 beta 等候名单，AI 代理可用它搜索商家、找优惠并结账。6	做代理工具、消费应用和电商集成的团队
Emergent 融资	AI 编程初创公司完成 1.3 亿美元 C 轮融资，投后估值 15 亿美元；公司称年化收入达到 1.2 亿美元、付费客户超过 20 万。7	关注 AI 编程产品商业化和 SMB 应用的读者

GitHub：手机端可以直接修复 Copilot 审查评论

GitHub Mobile 现在可以在 Pull Request 主视图或单条 Copilot 代码审查评论中点击「Fix with Copilot」，由 Copilot cloud agent 根据评论启动修复，不需要开发者先手写 prompt。该功能已进入最新生产版 GitHub Mobile，覆盖 iOS 和 Android。1

这不是把代码审查变成自动合并。它只是把「看到评论」到「让代理准备一个修复」之间的入口缩短了，人工仍要看 diff、跑验证并决定是否合并。GitHub 工程团队 7 月 18 日的另一篇文章也给出了一条更实用的判断标准：AI 生成的第一版 patch 可以用来估算改动边界，但代码真正便宜的前提是人能看懂、复核并长期负责；涉及权限、隐私、计费或合规的改动，即使生成代码很快，也不应因此降低审查标准。8

对团队来说，移动入口的价值取决于审查链是否已经清楚定义了测试、风险标记和人工接管点。单看「一键修复」不能推出交付速度提升，GitHub 的更新也没有提供这类效率数据。

Google Cloud：代理平台的示例开始覆盖完整生命周期

Google Cloud 在 7 月 17 日发布了 13 个 Gemini Enterprise Agent Platform 动手示例。内容从 ADK 的第一个代理开始，延伸到 MCP 工具、动态 Agent-to-UI、带 Memory Bank 的有状态代理、可暂停和恢复的长任务、人工审批、Agent Gateway、mTLS、IAM、Model Armor，以及从代码代理直接运行的评测流程。2

其中一个费用审批示例把超过阈值的请求送入人工审核，并在前面加入 PII 脱敏、提示注入防护和合规分析；另一个示例用 Agents CLI 生成部署配置，再接入 Cloud Trace、Cloud Logging 和 BigQuery Agent Analytics。Google 还称，Agents CLI 可以装进 Antigravity、Claude Code 或 Codex，为代码代理提供七项 ADK 和 Agent Platform 技能。这里的重点是示例覆盖面，不应把 codelab 直接当成所有账户都已开放的产品能力。

工程团队可以先按「数据接入、暂停恢复、权限治理、评测」四个问题筛选示例，而不是从 13 个链接逐个照抄。长任务是否能恢复、工具调用是否能审计，通常比 demo 能否跑通更接近生产门槛。

Google：提示词和 token 消耗都被当成工程问题

Google Developers Blog 的一篇 7 月 16 日文章把生产代理的 system prompt 比作需要编译的代码。它建议把安全规则、领域规则和升级行为拆成模块化 skill 文件，通过模板导入、变量和宏生成确定的 prompt artifact，并在构建阶段检查缺失导入、未定义变量和循环依赖。CI 还可以重新生成 golden file，发现源码与已提交的产物不一致就失败。3

文章还提出渐进式加载：稳定的身份和安全边界留在基础 prompt，任务所需的技能在运行时按需取用。代理可以起草技能文件或导入关系的 Pull Request，但仍由人检查、运行评测并合并。这个边界很重要，代理是在提议修改自己的指令层，不是在运行时无审批地改写控制面。

Google Cloud 7 月 17 日发布的另一篇开发者指南则把 token 使用拆成 11 条实践，包括从合适的模型开始、复用 SKILL.md、用脚本和 CLI 处理重复任务、把输出密集型工作交给子代理、尽早测试、偏离时撤销以及为新主题开启新会话。它是方法指南，不是独立的性能基准；能否节省成本仍要结合团队自己的任务、模型和上下文长度测量。4

Thinking Machines：Inkling 把开放权重和可定制放在首位

Thinking Machines Lab 7 月 15 日发布 Inkling，称其为从头训练的开放权重模型。官方披露的规格是 975B 总参数、41B 激活参数、最长 100 万 token 上下文，预训练数据包含文本、图像、音频和视频，共 45 万亿 token；模型支持可控的 thinking effort，并可在 Tinker 上直接微调。官方同时发布了 12B 激活参数的 Inkling-Small 预览版。5

这条消息对 AI 编程的直接价值不只在模型大小，而在于开发者可以把它作为一个可定制的基础模型，接入 OpenCode 等 agent harness，再用 Tinker 做后训练。Thinking Machines 自己也明确写道，Inkling 并不是当前整体最强的模型，开放权重、多模态、可控推理和可微调性才是它的定位。页面中的 benchmark、成本曲线和案例属于厂商自测，不能直接替代独立评测。

如果团队正在比较闭源 API 和开放权重方案，应该把微调入口、实际推理成本、工具调用稳定性和部署约束放在同一张测试表里，不能只比较参数量或上下文窗口。

DoorDash：代理开始调用真实消费服务

DoorDash 开放了 dd-cli 的有限 beta。根据 DoorDash 联合创始人兼 CTO Andy Fang 的公开说明，早期访问面向美国和加拿大的 macOS 开发者，并采用等候名单；命令行工具可以让开发者和 AI 代理搜索商家、寻找优惠、建立订单并结账。TechCrunch 还提到，DoorDash 要求申请者说明拿到权限后想构建什么。6

这比在聊天窗口里展示一个购物建议更接近「代理调用业务能力」：开发者可以把订餐、找本地优惠等能力组合进自己的工具或服务。但目前仍是受限 beta，来源没有证明它已面向普通用户开放，也没有披露足以评估规模化稳定性的订单数据。做类似集成时，支付确认、订单变更和失败恢复都应保留明确的人机交接点。

Emergent：AI 编程创业公司的商业化信号

TechCrunch 报道，印度 AI 编程初创公司 Emergent 完成 1.3 亿美元 C 轮融资，Creaegis 领投，投后估值 15 亿美元，总融资额达到 2.3 亿美元。该公司面向创业者和中小企业，试图把编程、部署、托管、测试和调试放在同一套产品里，客户案例包括货运、工厂、建筑和物业管理业务。7

Emergent CEO Mukund Jha 向 TechCrunch 透露，公司年化收入达到 1.2 亿美元，付费客户超过 20 万，过去四个月收入增长 70%。这些数字是公司向媒体提供的口径，不是经审计的行业统计。公司计划把新资金用于产品研发、提高应用构建成功率、改进核心代理工作流，并支持更多本地和开放模型。

对市场观察者来说，融资本身只能说明资本愿意继续押注「非技术用户用代理做软件」这条路线。更该跟踪的是应用交付后的留存、失败率、部署维护成本，以及客户是否真的把它当作长期业务系统，而不是一次性生成工具。

读者下一步看什么

做代码代理的团队，可以先验证「评论到 patch」的链路：代理改了哪些文件、测试是否自动运行、哪些改动必须人工批准。
做企业代理的平台团队，可以从 Google 的示例中优先检查长任务恢复、工具权限、提示注入防护和评测闭环，别把能跑通 codelab 当成生产就绪。
评估模型和 AI 编程产品时，Inkling 的开放权重与 Emergent 的商业化分别代表供给侧和应用侧信号，但两者都需要用真实任务、成本和维护结果继续核对。

AI 编程与应用情报：移动端修 PR、提示词进入构建系统，代理开始调用真实服务