{"@context": "https://schema.org", "@type": "AnalysisNewsArticle", "inLanguage": "zh-CN", "identifier": "agent-research-20261014-0311-1395", "headline": "Agent运行时正补齐干预与恢复能力，但执行可控不等于身份可信", "description": "比较框架更新可以看到：调用能否被拦下、人工反馈能否保留、执行记录能否解释，以及机器是否有权行动，是四个不能相互替代的问题。", "abstract": "LangChain新增按调用启用的人工干预，并修复流式输出归组；CrewAI补充停止定位、反馈恢复和工具解析告警；LlamaIndex则记录了多个集成包的安全告警修复。[S9][S10][S6][S5]这些变化分别作用于执行控制、状态连续性和组件安全，不能直接排成能力榜。比较判断是：Agent工程的改进正在触及执行过程，而不只是最终答案。但功能发布不等于故障率下降，记录完整也不等于机器身份可信。下一步应在相同任务与权限条件下，检验人工干预、恢复执行和身份撤销能否形成闭环。", "datePublished": "2026-10-14T03:11:30+00:00", "dateModified": "2026-10-16T03:13:41+00:00", "author": {"@type": "Person", "name": "Aperture 研究编辑部", "jobTitle": "比较技术与产业研究 · Evidence Verifier"}, "about": ["Agent运行时", "工具执行", "人工干预", "证据治理", "机器身份", "比较研究"], "category": "Agent 技术", "authorityScore": 85, "claims": [{"text": "判断Agent是否可靠，不能只看它是否给出了正确答案。Agent是能够调用工具、推进任务的程序；运行时则负责让这些行动实际发生。对使用者来说，更重要的问题是：错误行动能否在执行前被拦下，暂停后能否正确继续，事后能否解释发生过什么，以及究竟是谁有权发起行动。", "section": "先比较一次行动如何受控，而不是谁的功能更多"}, {"text": "本文据此采用四个比较标准：干预粒度，即控制落实到整个流程还是具体调用；状态连续性，即暂停、审核和恢复之间是否保留必要信息；证据可解释性，即输出和记录能否正确对应执行过程；授权归属，即机器以什么身份、在什么权限范围内行动。这是分析框架，不是对任何产品已具备这些能力的认定。", "section": "先比较一次行动如何受控，而不是谁的功能更多"}, {"text": "截至2026-10-16T03:10:07+00:00，可用于机制比较的发布记录包括LangChain的调用干预与流式处理更新、CrewAI的反馈恢复与故障诊断更新，以及LlamaIndex的集成包安全修复。[S4][S5][S6][S9][S10]它们并非同一种改进。下文比较的是这些变化分别解决什么问题，而不是据此给公司排位。", "section": "先比较一次行动如何受控，而不是谁的功能更多"}, {"text": "这些记录能证明项目发布了什么改动，却不能直接证明生产环境中的失败率、安全事件或人工审核成本已经下降。尤其要区分新增能力、缺陷修复和安全维护：三者的版本记录不能当作同一种成绩计数。", "section": "发布记录显示的是不同控制层，而非统一的能力竞赛"}, {"text": "LangChain把人工干预的配置粒度推进到按调用启用；CrewAI则修复人工反馈恢复后的学习与输出类型保留。[S9][S6]前者回答“在哪里介入”，后者更接近“介入之后如何继续”。这是两项更新最有解释力的差异，而不是谁更强调人工监督。", "section": "能暂停与能正确继续，是两种不同的可靠性"}, {"text": "从机制上判断，按调用设置中断，为只审核部分高风险行动提供了可能。例如，在一个假设流程中，读取信息与提交不可逆操作可以采用不同的审核要求。不过，收益取决于应用能否识别该审核的调用，并正确启用中断。既然该能力需要选择启用，就不能把它理解成所有危险动作都会自动被拦下。[S9]", "section": "能暂停与能正确继续，是两种不同的可靠性"}, {"text": "恢复能力解决另一种失败：人已经作出纠正，但流程继续时没有保留纠正所依赖的状态。CrewAI的修复直接涉及恢复后的反馈处理及已审核输出类型。[S6]由此可以推导，人工监督不应只统计“有没有审核按钮”，还应检查审核结果是否影响了后续执行。否则，审核可能存在于界面上，却没有完整进入运行过程。", "section": "能暂停与能正确继续，是两种不同的可靠性"}, {"text": "这两条路线更像互补关系。只有暂停能力，流程可能停得下来却接不稳；只有恢复能力，又不能保证关键动作执行前一定有人检查。对需要人工批准的应用，合理的验收单位应是“提出调用—人工处理—恢复执行”的整段链条，而不是单个中断接口。这里提出的是验收判断，发布说明并未给出整段链条的测试结果。", "section": "能暂停与能正确继续，是两种不同的可靠性"}, {"text": "CrewAI增加了非空应用解析出零个平台工具时的告警，并补充模型停止位置和部署失败原因的可见性。[S6]这些变化的共同点，是让不同阶段的失败更容易被发现：部署失败、工具没有被解析出来、模型停止，并不是同一种问题。", "section": "工具没有出现，与工具没有权限，必须分别诊断"}, {"text": "这类可见性的潜在价值，是减少错误归因。如果某次任务失败其实因为工具没有进入可用集合，单纯更换模型或修改提示词未必能解决问题。但发布说明只证明新增诊断入口，尚未证明排障时间因此缩短。[S6]实际收益还取决于告警是否足够准确，以及操作者能否据此采取有效措施。", "section": "工具没有出现，与工具没有权限，必须分别诊断"}, {"text": "证据治理则比“看见错误”更进一步。这里将它定义为：执行记录足以支持复核，能够说明输入、调用、人工决定和输出之间的对应关系。LangChain对流式条目归组的修复，直接作用于输出表示；它可能帮助下游正确解释流式内容，但不能直接被称为审计系统升级。[S10]", "section": "工具没有出现，与工具没有权限，必须分别诊断"}, {"text": "还需保留一个边界条件：如果应用只保存最终结果，流式归组修复对其审计流程的影响可能有限；如果应用按流式块解析或展示过程，这项修复才可能更重要。同样，追踪组件接受一个新参数，并不能自动证明记录可以跨步骤关联、长期保存或防止篡改。[S4]判断证据质量，需要检查记录内容及其使用方式，而不只是有没有追踪接口。", "section": "工具没有出现，与工具没有权限，必须分别诊断"}, {"text": "LlamaIndex的可见发布说明将多个集成包的安全告警修复指向同一修复请求。[S5]这说明安全维护覆盖了多个包，但不能据此判断它们对应多少独立问题，也不能确定修复属于依赖升级、代码改动还是其他处置。", "section": "修复组件安全告警，不能替代机器身份控制"}, {"text": "组件安全与机器身份的区别在于：前者问“执行所依赖的代码是否有已知问题”，后者问“哪个机器主体被允许做什么”。机器主体可以理解为代表程序行动、可被识别和授权的身份。即使组件没有已知缺陷，也不能由此推出该程序只会访问被允许的资源；即使记录完整，也不能由此推出记录中的动作获得了合法授权。", "section": "修复组件安全告警，不能替代机器身份控制"}, {"text": "因此，机器身份应作为独立的比较轴，而不是从安全修复或人工干预能力中推断。对于未来评估，可以要求系统展示：调用绑定到哪个主体、权限如何限定、权限撤销后后续行动如何处理，以及人工批准是否仅覆盖指定动作。这些是本文提出的检验要求，不是对上述版本能力的描述。", "section": "修复组件安全告警，不能替代机器身份控制"}, {"text": "这一维度也限制了本次比较的覆盖面。AWS、Anthropic、MCP相关页面及OWASP页面的采集记录均显示获取失败，不能用它们推断云端运行时、协议或安全规范没有进展。[S1][S2][S3][S7][S8]更稳妥的结论是：可读取的版本条目能够支持执行控制与组件维护的比较，但不足以形成机器身份技术路线的胜负判断。", "section": "修复组件安全告警，不能替代机器身份控制"}, {"text": "一种诱人的解释是：LangChain偏向细粒度控制，CrewAI偏向流程运维，LlamaIndex偏向集成安全。发布条目确实呈现了这些差别，但它们只覆盖特定版本与日期，而且LlamaIndex和CrewAI的正文摘录均有截断。[S4][S5][S6][S9][S10]把局部变化上升为长期战略，会超过证据所能支持的范围。", "section": "更新侧重点不同，也可能只是发布窗口不同"}, {"text": "替代解释是发布粒度和维护周期不同。安全修复可能集中进入一个版本；流程问题可能在一次发布中集中修补；单一功能也可能独立发布。即使底层能力相近，更新日志也会呈现不同面貌。因此，条目数量不能代表研发投入，修复数量也不能直接代表原先系统更差或现在系统更好。", "section": "更新侧重点不同，也可能只是发布窗口不同"}, {"text": "反例还包括部署环境的影响。对只读、短流程、失败后可低成本重试的应用，复杂的人工恢复机制可能不是首要约束；对涉及不可逆动作的流程，即使模型答案质量相同，调用前干预和授权限制也可能更重要。这是基于任务条件的分析，不是已经测得的产品效果。", "section": "更新侧重点不同，也可能只是发布窗口不同"}, {"text": "可以推广的结论因此应收窄为：比较Agent框架，要先固定任务风险、人工介入要求和记录需求，再比较机制是否匹配。不能先选一个功能最多的框架，再把所有场景都解释成它的优势。", "section": "更新侧重点不同，也可能只是发布窗口不同"}, {"text": "从这些更新可以提出一个可检验的判断：Agent可靠性的改进，不只取决于模型能否做对下一步，也取决于系统能否阻止不该做的步骤、保留人的纠正，并解释执行结果。调用干预、反馈恢复、故障诊断和流式修复分别提供了验证这一判断的切入口。[S9][S6][S10]", "section": "下一轮比较，应检验干预、恢复与撤权能否接起来"}, {"text": "后续比较应使用相同任务、相同模型条件与相同权限范围，并分别注入工具不可用、人工修改、流程暂停和授权撤销等情境。需要记录的不是功能是否存在，而是错误动作是否被阻止、恢复后是否遵循审核结果、是否发生非预期重复执行，以及复核者能否从记录中还原过程。", "section": "下一轮比较，应检验干预、恢复与撤权能否接起来"}, {"text": "如果更细的干预和更完整的恢复记录，能够在这些条件下减少非预期动作或缩短故障定位时间，上述判断才得到结果层面的支持。如果改进只体现在接口和提示信息上，行为结果没有变化，就应降低对其可靠性价值的评价。若授权撤销后仍能继续越权行动，则无论中断和记录多完善，都不能据此认定执行已经可信。", "section": "下一轮比较，应检验干预、恢复与撤权能否接起来"}], "sections": [{"type": "lead", "heading": "先比较一次行动如何受控，而不是谁的功能更多", "paragraphs": ["判断Agent是否可靠，不能只看它是否给出了正确答案。Agent是能够调用工具、推进任务的程序；运行时则负责让这些行动实际发生。对使用者来说，更重要的问题是：错误行动能否在执行前被拦下，暂停后能否正确继续，事后能否解释发生过什么，以及究竟是谁有权发起行动。", "本文据此采用四个比较标准：干预粒度，即控制落实到整个流程还是具体调用；状态连续性，即暂停、审核和恢复之间是否保留必要信息；证据可解释性，即输出和记录能否正确对应执行过程；授权归属，即机器以什么身份、在什么权限范围内行动。这是分析框架，不是对任何产品已具备这些能力的认定。", "截至2026-10-16T03:10:07+00:00，可用于机制比较的发布记录包括LangChain的调用干预与流式处理更新、CrewAI的反馈恢复与故障诊断更新，以及LlamaIndex的集成包安全修复。[S4][S5][S6][S9][S10]它们并非同一种改进。下文比较的是这些变化分别解决什么问题，而不是据此给公司排位。"]}, {"type": "evidence", "heading": "发布记录显示的是不同控制层，而非统一的能力竞赛", "paragraphs": ["这些记录能证明项目发布了什么改动，却不能直接证明生产环境中的失败率、安全事件或人工审核成本已经下降。尤其要区分新增能力、缺陷修复和安全维护：三者的版本记录不能当作同一种成绩计数。"], "headers": ["案例与日期", "可核对的变化", "对应的比较维度", "不能据此推出什么"], "rows": [["LangChain，2026-10-14", "1.4.6在HITL中间件中新增可选择启用的按调用中断；HITL指让人参与执行判断。[S9]", "干预粒度", "不代表默认拦截，也未证明具体授权检查或审核覆盖率。"], ["CrewAI，2026-10-14", "1.15.28修复流程从恢复后的人工反馈中学习、保留已审核输出类型的问题。[S6]", "状态连续性", "保留输出类型不等于已证明恢复后的全部行为都符合审核意图。"], ["CrewAI，2026-10-14", "新增eval命令，报告模型停止运行时出问题的位置；对非空应用解析出零个平台工具发出告警，并展示部署失败原因。[S6]", "故障可见性与工具执行准备", "发现配置或停止位置，不等于根因已经消除，也不代表工具调用已被授权。"], ["LangChain OpenAI集成，2026-10-14", "1.7.2修复output_index漂移时Responses流式条目的归组，使相关条目保持在同一个块中。[S10]", "输出表示的连续性", "流式归组正确不等于具备不可篡改、可追责的审计记录。"], ["LangChain Core，2026-10-15", "1.6.11允许LangChainTracer接收address参数。[S4]", "追踪组件的配置接口", "仅凭条目无法确定参数语义、存储位置或治理效果。"], ["LlamaIndex，2026-09-21", "v0.14.25的可见说明为agent-agentmesh、agent-azure及callbacks-argilla等包列出安全告警修复，引用同一修复请求。[S5]", "组件安全维护", "没有告警数量、严重性与根因细节，不能据此计算风险下降幅度。"]]}, {"type": "analysis", "heading": "能暂停与能正确继续，是两种不同的可靠性", "paragraphs": ["LangChain把人工干预的配置粒度推进到按调用启用；CrewAI则修复人工反馈恢复后的学习与输出类型保留。[S9][S6]前者回答“在哪里介入”，后者更接近“介入之后如何继续”。这是两项更新最有解释力的差异，而不是谁更强调人工监督。", "从机制上判断，按调用设置中断，为只审核部分高风险行动提供了可能。例如，在一个假设流程中，读取信息与提交不可逆操作可以采用不同的审核要求。不过，收益取决于应用能否识别该审核的调用，并正确启用中断。既然该能力需要选择启用，就不能把它理解成所有危险动作都会自动被拦下。[S9]", "恢复能力解决另一种失败：人已经作出纠正，但流程继续时没有保留纠正所依赖的状态。CrewAI的修复直接涉及恢复后的反馈处理及已审核输出类型。[S6]由此可以推导，人工监督不应只统计“有没有审核按钮”，还应检查审核结果是否影响了后续执行。否则，审核可能存在于界面上，却没有完整进入运行过程。", "这两条路线更像互补关系。只有暂停能力，流程可能停得下来却接不稳；只有恢复能力，又不能保证关键动作执行前一定有人检查。对需要人工批准的应用，合理的验收单位应是“提出调用—人工处理—恢复执行”的整段链条，而不是单个中断接口。这里提出的是验收判断，发布说明并未给出整段链条的测试结果。"]}, {"type": "mechanism", "heading": "工具没有出现，与工具没有权限，必须分别诊断", "paragraphs": ["CrewAI增加了非空应用解析出零个平台工具时的告警，并补充模型停止位置和部署失败原因的可见性。[S6]这些变化的共同点，是让不同阶段的失败更容易被发现：部署失败、工具没有被解析出来、模型停止，并不是同一种问题。", "这类可见性的潜在价值，是减少错误归因。如果某次任务失败其实因为工具没有进入可用集合，单纯更换模型或修改提示词未必能解决问题。但发布说明只证明新增诊断入口，尚未证明排障时间因此缩短。[S6]实际收益还取决于告警是否足够准确，以及操作者能否据此采取有效措施。", "证据治理则比“看见错误”更进一步。这里将它定义为：执行记录足以支持复核，能够说明输入、调用、人工决定和输出之间的对应关系。LangChain对流式条目归组的修复，直接作用于输出表示；它可能帮助下游正确解释流式内容，但不能直接被称为审计系统升级。[S10]", "还需保留一个边界条件：如果应用只保存最终结果，流式归组修复对其审计流程的影响可能有限；如果应用按流式块解析或展示过程，这项修复才可能更重要。同样，追踪组件接受一个新参数，并不能自动证明记录可以跨步骤关联、长期保存或防止篡改。[S4]判断证据质量，需要检查记录内容及其使用方式，而不只是有没有追踪接口。"]}, {"type": "analysis", "heading": "修复组件安全告警，不能替代机器身份控制", "paragraphs": ["LlamaIndex的可见发布说明将多个集成包的安全告警修复指向同一修复请求。[S5]这说明安全维护覆盖了多个包，但不能据此判断它们对应多少独立问题，也不能确定修复属于依赖升级、代码改动还是其他处置。", "组件安全与机器身份的区别在于：前者问“执行所依赖的代码是否有已知问题”，后者问“哪个机器主体被允许做什么”。机器主体可以理解为代表程序行动、可被识别和授权的身份。即使组件没有已知缺陷，也不能由此推出该程序只会访问被允许的资源；即使记录完整，也不能由此推出记录中的动作获得了合法授权。", "因此，机器身份应作为独立的比较轴，而不是从安全修复或人工干预能力中推断。对于未来评估，可以要求系统展示：调用绑定到哪个主体、权限如何限定、权限撤销后后续行动如何处理，以及人工批准是否仅覆盖指定动作。这些是本文提出的检验要求，不是对上述版本能力的描述。", "这一维度也限制了本次比较的覆盖面。AWS、Anthropic、MCP相关页面及OWASP页面的采集记录均显示获取失败，不能用它们推断云端运行时、协议或安全规范没有进展。[S1][S2][S3][S7][S8]更稳妥的结论是：可读取的版本条目能够支持执行控制与组件维护的比较，但不足以形成机器身份技术路线的胜负判断。"]}, {"type": "counterargument", "heading": "更新侧重点不同，也可能只是发布窗口不同", "paragraphs": ["一种诱人的解释是：LangChain偏向细粒度控制，CrewAI偏向流程运维，LlamaIndex偏向集成安全。发布条目确实呈现了这些差别，但它们只覆盖特定版本与日期，而且LlamaIndex和CrewAI的正文摘录均有截断。[S4][S5][S6][S9][S10]把局部变化上升为长期战略，会超过证据所能支持的范围。", "替代解释是发布粒度和维护周期不同。安全修复可能集中进入一个版本；流程问题可能在一次发布中集中修补；单一功能也可能独立发布。即使底层能力相近，更新日志也会呈现不同面貌。因此，条目数量不能代表研发投入，修复数量也不能直接代表原先系统更差或现在系统更好。", "反例还包括部署环境的影响。对只读、短流程、失败后可低成本重试的应用，复杂的人工恢复机制可能不是首要约束；对涉及不可逆动作的流程，即使模型答案质量相同，调用前干预和授权限制也可能更重要。这是基于任务条件的分析，不是已经测得的产品效果。", "可以推广的结论因此应收窄为：比较Agent框架，要先固定任务风险、人工介入要求和记录需求，再比较机制是否匹配。不能先选一个功能最多的框架，再把所有场景都解释成它的优势。"]}, {"type": "outlook", "heading": "下一轮比较，应检验干预、恢复与撤权能否接起来", "paragraphs": ["从这些更新可以提出一个可检验的判断：Agent可靠性的改进，不只取决于模型能否做对下一步，也取决于系统能否阻止不该做的步骤、保留人的纠正，并解释执行结果。调用干预、反馈恢复、故障诊断和流式修复分别提供了验证这一判断的切入口。[S9][S6][S10]", "后续比较应使用相同任务、相同模型条件与相同权限范围，并分别注入工具不可用、人工修改、流程暂停和授权撤销等情境。需要记录的不是功能是否存在，而是错误动作是否被阻止、恢复后是否遵循审核结果、是否发生非预期重复执行，以及复核者能否从记录中还原过程。", "如果更细的干预和更完整的恢复记录，能够在这些条件下减少非预期动作或缩短故障定位时间，上述判断才得到结果层面的支持。如果改进只体现在接口和提示信息上，行为结果没有变化，就应降低对其可靠性价值的评价。若授权撤销后仍能继续越权行动，则无论中断和记录多完善，都不能据此认定执行已经可信。"]}], "citations": [{"publisher": "AWS", "title": "Source unavailable", "url": "https://aws.amazon.com/bedrock/agentcore/", "published_at": "2026-10-16", "source_type": "fetch_error"}, {"publisher": "Anthropic", "title": "Source unavailable", "url": "https://www.anthropic.com/engineering", "published_at": "2026-10-16", "source_type": "fetch_error"}, {"publisher": "Model Context Protocol", "title": "Source unavailable", "url": "https://blog.modelcontextprotocol.io/", "published_at": "2026-10-16", "source_type": "fetch_error"}, {"publisher": "LangChain", "title": "langchain-core==1.6.11", "url": "https://api.github.com/repos/langchain-ai/langchain/releases/414140980", "published_at": "2026-10-15T18:32:35Z", "source_type": "github_release"}, {"publisher": "LlamaIndex", "title": "v0.14.25", "url": "https://api.github.com/repos/run-llama/llama_index/releases/393113822", "published_at": "2026-09-21T16:22:27Z", "source_type": "github_release"}, {"publisher": "CrewAI", "title": "1.15.28", "url": "https://api.github.com/repos/crewAIInc/crewAI/releases/412346268", "published_at": "2026-10-14T04:47:00Z", "source_type": "github_release"}, {"publisher": "OWASP", "title": "Source unavailable", "url": "https://genai.owasp.org/", "published_at": "2026-10-16", "source_type": "fetch_error"}, {"publisher": "Model Context Protocol", "title": "Source unavailable", "url": "https://api.github.com/repos/modelcontextprotocol/specification/releases?per_page=20", "published_at": "2026-10-16", "source_type": "fetch_error"}, {"publisher": "LangChain", "title": "langchain==1.4.6", "url": "https://api.github.com/repos/langchain-ai/langchain/releases/412994659", "published_at": "2026-10-14T17:28:06Z", "source_type": "github_release"}, {"publisher": "LangChain", "title": "langchain-openai==1.7.2", "url": "https://api.github.com/repos/langchain-ai/langchain/releases/412775196", "published_at": "2026-10-14T13:51:15Z", "source_type": "github_release"}], "knowledge": {"question": {"en": "What do recent Agent runtime updates change about intervention, recovery, and execution evidence, and why do these changes not establish trustworthy machine identity?", "zh": "近期Agent运行时更新改变了哪些干预、恢复和执行证据机制，为什么这些变化仍不能证明机器身份可信？"}, "audience": {"en": "Engineers and technical evaluators comparing Agent frameworks for tool-calling workflows that require human approval, recovery, and authorization controls.", "zh": "为需要人工批准、恢复执行和授权控制的工具调用流程比较Agent框架的工程师与技术评估者。"}, "decision": {"en": "Fix task risk, human intervention requirements, and record requirements before comparing frameworks. Test intervention, recovery, and authorization revocation under the same task, model, and permission conditions rather than ranking frameworks by release-note counts.", "zh": "先固定任务风险、人工介入要求和记录需求，再比较框架；在相同任务、模型和权限条件下检验干预、恢复与授权撤销，而不是按更新条目数量排名。"}, "contribution": {"en": "The article separates intervention granularity, state continuity, evidence interpretability, and authorization ownership. It uses LangChain, CrewAI, and LlamaIndex release records to distinguish mechanisms and proposes evaluating the full call–human handling–resumption chain rather than isolated interfaces.", "zh": "文章区分干预粒度、状态连续性、证据可解释性和授权归属，利用LangChain、CrewAI与LlamaIndex的发布记录辨别机制，并提出验收“提出调用—人工处理—恢复执行”的整段链条，而非孤立接口。"}, "limitation": {"en": "Release records establish published changes, not lower failure rates, fewer security incidents, or reduced review costs. The LlamaIndex and CrewAI excerpts are truncated, and AWS, Anthropic, MCP, and OWASP sources were unavailable. The evidence does not support product rankings, long-term strategy claims, or conclusions about machine-identity capability.", "zh": "发布记录能证明已发布的改动，不能证明失败率、安全事件或审核成本下降。LlamaIndex与CrewAI摘录有截断，AWS、Anthropic、MCP和OWASP来源未能获取；这些证据不足以支持产品排名、长期战略判断或机器身份能力结论。"}, "nodes": [{"key": "n1", "kind": "entity", "name": {"en": "LangChain", "zh": "LangChain"}, "mention": "LangChain", "id": "entity-f3f2184b56f946c62758"}, {"key": "n2", "kind": "concept", "name": {"en": "Opt-in per-call interrupts", "zh": "可选择启用的按调用中断"}, "mention": "可选择启用的按调用中断", "id": "concept-10394c6234f5e05d0787"}, {"key": "n3", "kind": "entity", "name": {"en": "CrewAI", "zh": "CrewAI"}, "mention": "CrewAI", "id": "entity-57090017a8df30273ee7"}, {"key": "n4", "kind": "concept", "name": {"en": "Human feedback recovery", "zh": "人工反馈恢复"}, "mention": "人工反馈恢复", "id": "concept-64affe3bdaa26e9b4b38"}, {"key": "n5", "kind": "concept", "name": {"en": "Component security", "zh": "组件安全"}, "mention": "组件安全", "id": "concept-3b6b510b3ab4d46295e1"}, {"key": "n6", "kind": "concept", "name": {"en": "Machine identity", "zh": "机器身份"}, "mention": "机器身份", "id": "concept-595e85607f22e2343183"}], "edges": [{"source": "n1", "target": "n2", "relation": "enables", "stance": "reported", "explanation": {"en": "LangChain 1.4.6 adds opt-in per-call interruption through HITL middleware. This is a configurable intervention capability, not evidence that dangerous actions are intercepted by default.", "zh": "LangChain 1.4.6通过HITL中间件新增可选择启用的按调用中断。这是可配置的干预能力，并不证明危险动作会被默认拦截。"}, "quote": {"en": "Version 1.4.6 adds opt-in per-call interrupts to HITL middleware; HITL means involving humans in execution decisions.[S9]", "zh": "1.4.6在HITL中间件中新增可选择启用的按调用中断；HITL指让人参与执行判断。[S9]"}, "citations": [9], "sourceId": "entity-f3f2184b56f946c62758", "targetId": "concept-10394c6234f5e05d0787"}, {"source": "n3", "target": "n4", "relation": "changes", "stance": "reported", "explanation": {"en": "CrewAI 1.15.28 fixes learning from resumed human feedback and preservation of reviewed output types. The fix concerns continuity after review; it does not establish that all resumed behavior follows the reviewer's intent.", "zh": "CrewAI 1.15.28修复从恢复后的人工反馈中学习及保留已审核输出类型的问题。修复涉及审核后的连续性，并不证明恢复后的全部行为都符合审核意图。"}, "quote": {"en": "Version 1.15.28 fixes issues with flows learning from resumed human feedback and preserving reviewed output types.[S6]", "zh": "1.15.28修复流程从恢复后的人工反馈中学习、保留已审核输出类型的问题。[S6]"}, "citations": [6], "sourceId": "entity-57090017a8df30273ee7", "targetId": "concept-64affe3bdaa26e9b4b38"}, {"source": "n2", "target": "n4", "relation": "compares", "stance": "analysis", "explanation": {"en": "The author distinguishes where human intervention occurs from how execution continues afterward. These are complementary concerns, not evidence that either framework provides superior human oversight.", "zh": "作者将人工介入的位置与介入后如何继续执行区分开来。两者是互补问题，不能据此认定某个框架的人工监督更强。"}, "quote": {"en": "LangChain advances the configuration granularity of human intervention to opt-in per-call use; CrewAI fixes learning after human feedback recovery and preservation of output types.[S9][S6] The former answers “where to intervene,” while the latter is closer to “how to continue after intervention.”", "zh": "LangChain把人工干预的配置粒度推进到按调用启用；CrewAI则修复人工反馈恢复后的学习与输出类型保留。[S9][S6]前者回答“在哪里介入”，后者更接近“介入之后如何继续”。"}, "citations": [9, 6], "sourceId": "concept-10394c6234f5e05d0787", "targetId": "concept-64affe3bdaa26e9b4b38"}, {"source": "n5", "target": "n6", "relation": "compares", "stance": "analysis", "explanation": {"en": "In discussing LlamaIndex's security-alert fixes, the author separates code security from the identity and permissions of the acting machine. The release evidence concerns component maintenance, not proof of valid authorization.", "zh": "在讨论LlamaIndex安全告警修复时，作者将代码安全与行动机器的身份、权限区分开来。发布证据涉及组件维护，而不是合法授权的证明。"}, "quote": {"en": "The distinction between component security and machine identity is this: the former asks “whether the code on which execution depends has known problems,” while the latter asks “which machine principal is allowed to do what.”", "zh": "组件安全与机器身份的区别在于：前者问“执行所依赖的代码是否有已知问题”，后者问“哪个机器主体被允许做什么”。"}, "citations": [5], "sourceId": "concept-3b6b510b3ab4d46295e1", "targetId": "concept-595e85607f22e2343183"}]}, "knowledgeMap": "/zh/knowledge", "license": {"model": "open", "price": 0.002, "currency": "USDC", "paymentProtocol": "x402", "network": "eip155:84532", "payTo": "0x23a885262A89c32eB582f4439184769dA22c467c", "variants": {"A": "/agent/v1/articles/agent-research-20261014-0311-1395?lang=zh", "B": "/agent/v1/articles/agent-research-20261014-0311-1395/paid?lang=zh"}}, "accessVariant": "A", "contentPolicy": {"citationAllowed": true, "attributionRequired": true, "trainingUse": "contact publisher"}}