Delivering high-performance customer support 作者/机构：OpenAI / Decagon 年份：2026 URL：https://openai.com/index/decagon/ 角度：客服 agent、复杂支持工作流、高比例自动化 采用原因：适合支撑“客服 Agent 的核心是工单与工作流，而不是单轮对话”。
MavenAGI launches automated customer support agents powered by OpenAI 作者/机构：OpenAI 年份：2026 URL：https://openai.com/index/mavenagi/ 角度：CRM、知识库、企业 API 与客服 Agent 融合 采用原因：适合支撑“客服类 Agent 必须接企业上下文与后台动作”。
Use Connect AI agents for real-time assistance 作者/机构：AWS Amazon Connect 年份：2026 URL：https://docs.aws.amazon.com/connect/latest/adminguide/connect-ai-agent.html 角度：自助服务、坐席辅助、意图检测、升级到人工 采用原因：适合支撑“客服场景真正关键的是升级链和人机协同”。
Hand off to a live agent 作者/机构：Microsoft Copilot Studio 年份：2024 URL：https://learn.microsoft.com/en-us/microsoft-copilot-studio/advanced-hand-off 角度：人工接管、保留会话上下文、路由升级 采用原因：适合支撑“客服系统的成熟标志之一是转人工机制清晰”。
SWE-bench: Can Language Models Resolve Real-World GitHub Issues? 作者/机构：John Yang 等 年份：2024 URL：https://arxiv.org/abs/2310.06770 角度：真实 GitHub issue、仓库级 coding tasks 采用原因：适合支撑“编码 Agent 的核心是仓库对象与外部验证器”。
SWE-agent: Agent-Computer Interfaces Enable Automated Software Engineering 作者/机构：John Yang 等 年份：2024 URL：https://arxiv.org/abs/2405.15793 角度：编码 agent 的专用 ACI、浏览仓库、运行测试 采用原因：适合支撑“编码场景的接口设计决定成败”。
GitHub Copilot: Meet the new coding agent 作者/机构：GitHub 年份：2025 URL：https://github.blog/news-insights/product-news/github-copilot-meet-the-new-coding-agent/ 角度：coding agent、PR 工作流、任务接收与提交 采用原因：适合支撑“工业界编码 Agent 已经进入真实开发流程”。
Introducing Codex 作者/机构：OpenAI 年份：2025 URL：https://openai.com/index/introducing-codex/ 角度：cloud-based software engineering agent、隔离沙箱、并行任务 采用原因：适合支撑“编码 Agent 的生产化形态是任务系统而非代码补全”。
Introducing deep research 作者/机构：OpenAI 年份：2025 URL：https://openai.com/index/introducing-deep-research/ 角度：多步检索、分析、综合、带来源报告 采用原因：适合支撑“检索与报告场景的核心是证据组织和研究链路”。
Deep research | OpenAI API 作者/机构：OpenAI 年份：2025 URL：https://platform.openai.com/docs/guides/deep-research 角度：web search、file search、remote MCP、报告生成 采用原因：适合支撑“检索/报告 Agent 已进入工程能力层，而不只是产品演示”。
STORM 作者/机构：Stanford OVAL 年份：2024 URL：https://storm-project.stanford.edu/research/storm/ 角度：研究、提纲、引用、长报告生成 采用原因：适合支撑“报告 Agent 的本质是知识整理与可归因写作系统”。
MedAgentBench: A Realistic Virtual EHR Environment to Benchmark Medical LLM Agents 作者/机构：MedAgentBench 作者团队 年份：2025 URL：https://arxiv.org/abs/2501.14654 角度：虚拟 EHR、临床工作流、多步任务 采用原因：适合支撑“医疗 Agent 的结构重心在真实工作流嵌入”。
Towards conversational diagnostic artificial intelligence 作者/机构：Google Research / Nature 年份：2025 URL：https://www.nature.com/articles/s41586-025-08866-7 角度：诊断对话、病史采集、鉴别诊断、临床监督 采用原因：适合支撑“医疗场景重心是监督和流程，而非最大自治”。
Evaluating large language model workflows in clinical decision support for triage and referral and diagnosis 作者/机构：npj Digital Medicine 年份：2025 URL：https://www.nature.com/articles/s41746-025-01684-1 角度：分诊、转诊、诊断 workflow、agentic RAG 采用原因：适合支撑“医疗 Agent 是高约束 workflow component”。
SOP-Bench: Complex Industrial SOPs for Evaluating LLM Agents 作者/机构：Subhrangshu Nandi 等 年份：2025 URL：https://arxiv.org/abs/2506.08119 角度：工业 SOP、长流程、强约束、API 执行 采用原因：适合支撑“运维/工业场景核心在流程约束、恢复与止损”。
Reasoning-agent-driven process simulation, optimization, carbon accounting and decarbonization of distillation 作者/机构：Communications Engineering 年份：2026 URL：https://www.nature.com/articles/s44172-025-00583-3 角度：化工流程仿真、优化、决策工作流 采用原因：适合支撑“运维与工程类 Agent 的价值来自工具编排和恢复”。
附录 G：分章资料清单