Agentic Practice

动态工作流让 Lead 生成受限计划，再由代码检查、预演、审批和执行。本文结合代码审计实验分析其架构、成本与适用边界。

Foundry IQ 找到了 PCI 规则，却没列出任何服务。从这道错题看多轮检索能补什么，以及哪些步骤需要查询和程序。

比较 Chain、Graph 与 Code 三种 Agent 执行抽象，分析它们在控制流、状态恢复与验证反馈上的差异，并讨论按失败模式选择和组合架构的方法。

分析 Meta 的 AI-native Analytics：如何将高频测量模式封装为受治理的参数化库，让 Agent 读取类型化数据模型，并由确定性工具选择数据源与生成 SQL；同时讨论指标口径和治理成本的边界。

以企业 IT helpdesk 为例，梳理生产 AI 系统从需求定义、容量估算和职责拆分，到权限安全、故障恢复、答案质量评估与持续发布的设计路径，并标明经验文章的适用边界。

解读 Anthropic 的 AI-native SDLC playbook：当 AI 加快代码实现后，如何用 Plan、Design、Build、Test、Deploy、Maintain 六阶段的 artifact 交接、Skills、Hooks 和评估门禁组织软件交付。

基于 Graphify 实现与 ApFramework 的受控源码验证，说明代码知识图谱怎样帮助编码 Agent 定位文件、符号与关系，并明确结构预检索与源码阅读、测试及长期记忆的边界。

用七层模型梳理编码 Agent 的长期记忆：区分上下文窗口、规则、会话事件、工程决定、来源知识与代码结构，讨论信息如何按任务路由、追溯来源并回写。

基于 AWS 的 Amazon Bedrock AgentCore 生产案例，拆解 Agent 静默失败、工具/Agent/多智能体三层评估、九阶段质量闭环、Golden set 与持续反馈机制，并区分案例经验和通用结论。

分析美团 AutoResearch 从串行 LOOP、异步状态机到 CyclicGraph Engine 的三次架构演进，解释 Spawn-Converge 分叉探索、证据验证与 Harness 控制如何支撑长期运行的研究任务。