今日观察
今天的新品几乎全部围绕「agent 上生产后的看护层」：工具调用审查、任务完成度与成本核算、evals 即服务，再加上 AWS 端来自宝马、Benchling、EXL 的三个真实行业部署案例。信号很清楚：evals/实证验收正在从「测试环节」变成独立产品层，行业案例的重心也从「能不能做」转向「多租户、安全、异常检测」这些生产化问题。
- EXL Medical IDP（AWS） — 用 IDP + 领域模型在 SageMaker/Bedrock 上做医疗理赔单据的抽取、摘要与审核，压缩理赔审核时间；医保理赔是最典型的「非标文档 + 人工审核」岗位级改造样本。
- Benchling × Bedrock AgentCore（AWS） — 生命科学 SaaS 里跑不可信的 AI 生成科学代码，跨数千租户做纵深防御；展示了 agent 在强监管行业落地的安全架构，是护栏模式的范本。
- Witdem — 量化「你的 agent 到底完成没完成任务、花了多少成本」；evals/实证验收的产品化，验收标准正在成为一个独立品类。
- Jev × LangSmith Evals（LangChain） — 用小模型 judge 给 agent trace 做结构化评估，覆盖生产运行与回归测试；把「代判」变成便宜的常态化验收。
- Praxos（YC S24） — 人与 AI agent 混编的团队消息平台，agent 以同事身份进群协作；人机协作界面正在成为 agent 落地时的关键交付物。