<p>IBM 研究人员发布了一款名为 CUGA 的开源 AI 代理，旨在自动化复杂的企业工作流程，并根据任务的不同，期望能在一半的时间内正确完成。</p>
<p>CUGA 代表可配置通用代理。根据其在 AI 平台 HuggingFace 上的介绍，该软件提供 “通过多代理编排、API 集成和企业演示应用程序的代码生成实现智能任务自动化。”</p>
<p>“我们对 IBM CUGA 的愿景是开发一个可以被知识工作者调整和配置的通用代理，以安全和可信的方式执行他们工作中的常规或复杂任务，” IBM 作者 Sami Marreed、Alon Oved、Avi Yaeli、Segev Shlomov、Ido Levy、Offer Akrabi、Aviad Sela、Asaf Adi 和 Nir Mashkif 在 7 月发布的一篇论文中写道 [PDF]。</p>
<p>并不是所有人都相信代理是安全或可信的。IT 咨询公司 Gartner 最近建议阻止所有代理浏览器，几个月前警告称，到 2027 年，约 40% 的代理企业项目将因缺乏商业价值而被取消。</p>
<p>然而，自动化的吸引力依然强烈，IBM 渴望提供帮助。IBM 的研究人员引用了 CUGA 在 WebArena 和 AppWorld 基准测试中的表现——完成网络任务的成功率为 61.7%，评估 API 任务的场景完成率为 48.2%——并指出该代理的得分足够低，以至于可能导致人类员工被解雇，目前这些得分在代理中代表了顶级水平。</p>
<p>有趣的是，IBM 似乎并没有使用其自身专注于企业的 WebAgentBench 基准来评估 CUGA。公司研究人员关于该自制测试套件的论文描述了三种代理的评估——AgentWorkflowMemory (AWM)、WorkArena-Legacy 和 WebVoyager——以及它们完成提示任务的表现。</p>
<ul>
<li>随着谷歌抓取的方式，机器人入侵增加，Cloudflare 表示</li>
<li>长期数据存储的未来是明确的，将持续 140 亿年</li>
<li>英国航空公司担心未来 AI 代理选择航班，品牌被忽视</li>
<li>迪士尼转向黑暗面，将知识产权授权给 OpenAI 用于视频和图像</li>
</ul>
<p>这些代理的平均原始完成率为 24.4%，政策合规完成率仅为 15%。当有五个或更多政策时，政策下的平均完成率仅为 7.1%。而企业通常有超过五个适用于业务工作流程的政策。</p>
<p>“企业工作流程通常叠加数十个并发政策，这表明现实世界中的短缺将更加明显，政策稳健优化，而不仅仅是原始完成，必须成为重点目标，” 基准论文 [PDF] 中指出。</p>
<p>在 CUGA 在 WebArena 基准测试中获得 61.7% 成功率的情况下，AWM 仅得到了 35.5%。</p>
<p>IBM 科学家在今年早些时候指出了各种 AI 基准测试的不足，但至少 CUGA 的得分表明代理正在改善。</p>
<p>CUGA 在 Apache 2.0 许可证下提供，首先使用一个聊天层来识别用户的意图。这可能是 “从数字销售中获取按收入排名的顶级账户，然后将其添加到当前页面”，或 HuggingFace 演示中包含的其他示例提示，这些示例模拟了一个带有 20 个预配置工具的小型 CRM 系统，用于进行与销售相关的查询和 API 调用。</p>
<p>任务规划和控制组件分析输入到 CUGA 中的提示，并将目标分解为一组在任务账本中跟踪的结构化子任务，作者解释道。该账本是动态的，当第一次执行不顺利时可以重新规划。</p>
<p>“子任务被委派给专业代理，例如 API 代理，它使用内部推理循环生成伪代码指令，然后在安全沙箱中调用代码，” 研究人员在一篇博客文章中解释道。“该系统利用一个工具注册表，超越 MCP 协议，解析和理解工具能力，实现精确的编排。”</p>
<p>最后，系统返回希望是政策合规的响应给用户。</p>
<p>IBM 的开发人员设计 CUGA 以与 Langflow 配合使用，这是一个用于 AI 代理设计的低代码平台，并支持各种开放模型，如 gpt-oss-120b 和 Llama-4-Maverick-17B-128E-Instruct-fp8。巧合的是，Llama 的制造商 Meta 据报道正在开发一个名为 Avocado 的后续模型，可能不是开源的。</p>
<p>CUGA 似乎仍然有一些粗糙之处。例如，最近报告的一个错误表明，该代理偶尔可能在退出其运行循环时遇到问题。但如果您正在部署 AI 代理软件，并期望能够毫无障碍地自动化多步骤的业务任务，您可能需要降低期望。®</p>

<p>IBM 发布了 CUGA，这是一款旨在自动化复杂企业工作流程的开源 AI 代理，网页任务的成功率达到 61.7%，API 任务的成功率为 48.2%。尽管对代理的安全性和商业价值存在怀疑，IBM 仍然致力于提升自动化水平。CUGA 在 Apache 2.0 许可证下提供，能够与 Langflow 集成，并支持多种开放模型。然而，仍然存在一些挑战，例如偶尔出现的运行循环问题。尽管没有使用 IBM 自家的 WebAgentBench 进行评估，该代理的性能在当前的 AI 代理中被认为是顶尖的</p>

<p>IBM researchers have released an open source AI agent called CUGA that aspires to automate complex enterprise workflows and get it right about half the time, depending on the task.</p>
<div class="lb-trans"><p>IBM 研究人员发布了一款名为 CUGA 的开源 AI 代理，旨在自动化复杂的企业工作流程，并根据任务的不同，期望能在一半的时间内正确完成。</p>
</div><p>CUGA stands for Configurable Generalist Agent. Per its listing on AI platform HuggingFace, the software offers “Intelligent task automation through multi-agent orchestration, API integration, and code generation on enterprise demo applications.”</p>
<div class="lb-trans"><p>CUGA 代表可配置通用代理。根据其在 AI 平台 HuggingFace 上的介绍，该软件提供 “通过多代理编排、API 集成和企业演示应用程序的代码生成实现智能任务自动化。”</p>
</div><p>&#34;Our vision for IBM CUGA is to develop a generalist agent that can be adapted and configured by knowledge workers to perform routine or complex aspects of their work in a safe and trustworthy manner,&#34; wrote IBM authors Sami Marreed, Alon Oved, Avi Yaeli, Segev Shlomov, Ido Levy, Offer Akrabi, Aviad Sela, Asaf Adi, and Nir Mashkif in a paper [PDF] released back in July.</p>
<div class="lb-trans"><p>“我们对 IBM CUGA 的愿景是开发一个可以被知识工作者调整和配置的通用代理，以安全和可信的方式执行他们工作中的常规或复杂任务，” IBM 作者 Sami Marreed、Alon Oved、Avi Yaeli、Segev Shlomov、Ido Levy、Offer Akrabi、Aviad Sela、Asaf Adi 和 Nir Mashkif 在 7 月发布的一篇论文中写道 [PDF]。</p>
</div><p>Not everyone is convinced that agents are safe or trustworthy. IT consultancy Gartner recently advised blocking all agentic browsers, after warning a few months ago that about 40 percent of agentic enterprise projects will be cancelled by 2027 for lack of business value.</p>
<div class="lb-trans"><p>并不是所有人都相信代理是安全或可信的。IT 咨询公司 Gartner 最近建议阻止所有代理浏览器，几个月前警告称，到 2027 年，约 40% 的代理企业项目将因缺乏商业价值而被取消。</p>
</div><p>However, the lure of automation remains strong and IBM is keen to help. Big Blue's researchers cite CUGA's performance on the WebArena and AppWorld benchmarks – 61.7 percent success rate completing web tasks and 48.2 percent scenario completion rate evaluating API tasks, respectively – and note the agent's scores, which are sufficiently poor to get a human worker fired, presently represent top-tier marks for agents.</p>
<div class="lb-trans"><p>然而，自动化的吸引力依然强烈，IBM 渴望提供帮助。IBM 的研究人员引用了 CUGA 在 WebArena 和 AppWorld 基准测试中的表现——完成网络任务的成功率为 61.7%，评估 API 任务的场景完成率为 48.2%——并指出该代理的得分足够低，以至于可能导致人类员工被解雇，目前这些得分在代理中代表了顶级水平。</p>
</div><p>Curiously, IBM does not appear to have used its own enterprise-focused WebAgentBench benchmark to evaluate CUGA. A paper by company researchers on that homegrown test suite describes the evaluation of three agents – AgentWorkflowMemory (AWM), WorkArena-Legacy, and WebVoyager – in terms of how well they completed prompted tasks.</p>
<div class="lb-trans"><p>有趣的是，IBM 似乎并没有使用其自身专注于企业的 WebAgentBench 基准来评估 CUGA。公司研究人员关于该自制测试套件的论文描述了三种代理的评估——AgentWorkflowMemory (AWM)、WorkArena-Legacy 和 WebVoyager——以及它们完成提示任务的表现。</p>
</div><ul>
<li>Bot invasion increases with Google scraping the way, Cloudflare says</li>
<li>The future of long-term data storage is clear and will last 14 billion years</li>
<li>British Airways fears a future where AI agents pick flights and brands get ghosted</li>
<li>Disney turns to dark side, licenses IP to OpenAI for videos, images</li>
</ul>
<div class="lb-trans"><ul>
<li>随着谷歌抓取的方式，机器人入侵增加，Cloudflare 表示</li>
<li>长期数据存储的未来是明确的，将持续 140 亿年</li>
<li>英国航空公司担心未来 AI 代理选择航班，品牌被忽视</li>
<li>迪士尼转向黑暗面，将知识产权授权给 OpenAI 用于视频和图像</li>
</ul>
</div><p>Those agents managed an average raw completion rate of 24.4 percent and just 15 percent for policy-compliant completions. When five or more policies were in place, the average completion rate under policy was just 7.1 percent. And enterprises commonly have more than just five policies that apply to business workflows.</p>
<div class="lb-trans"><p>这些代理的平均原始完成率为 24.4%，政策合规完成率仅为 15%。当有五个或更多政策时，政策下的平均完成率仅为 7.1%。而企业通常有超过五个适用于业务工作流程的政策。</p>
</div><p>&#34;Enterprise workflows often layer dozens of concurrent policies, suggesting that the real-world shortfall will be even more pronounced and that policy-robust optimization, not just raw completion, must become the focal objective,&#34; the benchmark paper [PDF] says.</p>
<div class="lb-trans"><p>“企业工作流程通常叠加数十个并发政策，这表明现实世界中的短缺将更加明显，政策稳健优化，而不仅仅是原始完成，必须成为重点目标，” 基准论文 [PDF] 中指出。</p>
</div><p>On the WebArena benchmark where CUGA scored a success rate of 61.7 percent, AWM scored just 35.5 percent.</p>
<div class="lb-trans"><p>在 CUGA 在 WebArena 基准测试中获得 61.7% 成功率的情况下，AWM 仅得到了 35.5%。</p>
</div><p>IBM scientists earlier this year pointed out the deficiencies of various AI benchmark tests, but at least CUGA's scores suggest agents are improving.</p>
<div class="lb-trans"><p>IBM 科学家在今年早些时候指出了各种 AI 基准测试的不足，但至少 CUGA 的得分表明代理正在改善。</p>
</div><p>Offered under an Apache 2.0 license, CUGA starts with a chat layer designed to discern the user's intent from a prompt. This might be &#34;get top account by revenue from digital sales, then add it to current page,&#34; or any of the other sample prompts included with the HuggingFace demo, which simulates a small CRM system that comes with 20 preconfigured tools for making sales-related queries and API calls.</p>
<div class="lb-trans"><p>CUGA 在 Apache 2.0 许可证下提供，首先使用一个聊天层来识别用户的意图。这可能是 “从数字销售中获取按收入排名的顶级账户，然后将其添加到当前页面”，或 HuggingFace 演示中包含的其他示例提示，这些示例模拟了一个带有 20 个预配置工具的小型 CRM 系统，用于进行与销售相关的查询和 API 调用。</p>
</div><p>A task planning and control component analyzes prompts entered into CUGA, and breaks the goal down into a set of structured subtasks tracked in a task ledger, the authors explain. The ledger is dynamic and can re-plan when things don't go right the first time.</p>
<div class="lb-trans"><p>任务规划和控制组件分析输入到 CUGA 中的提示，并将目标分解为一组在任务账本中跟踪的结构化子任务，作者解释道。该账本是动态的，当第一次执行不顺利时可以重新规划。</p>
</div><p>&#34;Subtasks are delegated to specialized agents, such as the API agent, which uses an inner reasoning loop to generate pseudo-code instructions before invoking code in a secure sandbox,&#34; the researchers explain in a blog post. &#34;The system leverages a tool registry that goes beyond MCP protocols to parse and understand tool capabilities, enabling precise orchestration.&#34;</p>
<div class="lb-trans"><p>“子任务被委派给专业代理，例如 API 代理，它使用内部推理循环生成伪代码指令，然后在安全沙箱中调用代码，” 研究人员在一篇博客文章中解释道。“该系统利用一个工具注册表，超越 MCP 协议，解析和理解工具能力，实现精确的编排。”</p>
</div><p>Finally, the system returns what is hopefully a policy-compliant response to the user.</p>
<div class="lb-trans"><p>最后，系统返回希望是政策合规的响应给用户。</p>
</div><p>IBM’s devs designed CUGA to work with Langflow, a low-code platform for AI agent design, and to support various open models, such as gpt-oss-120b and Llama-4-Maverick-17B-128E-Instruct-fp8. Coincidentally, Meta, maker of Llama, is reportedly working on a follow-up model called Avocado that may not be open-source.</p>
<div class="lb-trans"><p>IBM 的开发人员设计 CUGA 以与 Langflow 配合使用，这是一个用于 AI 代理设计的低代码平台，并支持各种开放模型，如 gpt-oss-120b 和 Llama-4-Maverick-17B-128E-Instruct-fp8。巧合的是，Llama 的制造商 Meta 据报道正在开发一个名为 Avocado 的后续模型，可能不是开源的。</p>
</div><p>CUGA appears to still have a few rough spots. A recently reported bug, for example, suggests that the agent occasionally may have trouble exiting its run loop. But if you're deploying AI agent software and you expect to automate multi-step business tasks without a hitch, you might want to lower your expectations. ®</p>
<div class="lb-trans"><p>CUGA 似乎仍然有一些粗糙之处。例如，最近报告的一个错误表明，该代理偶尔可能在退出其运行循环时遇到问题。但如果您正在部署 AI 代理软件，并期望能够毫无障碍地自动化多步骤的业务任务，您可能需要降低期望。®</p>
</div>

IBM 推出了 CUGA，这是一款开源的 AI 代理，实际上完成了超过一半的任务