- Published on
本文是《Building Applications with AI Agents》系列解读的最后一篇。当 AI Agent 从工具进化为队友，如何设计人机协作模式？本文探讨从“执行者”到“治理者”的角色演变、Guided Autonomy 原则、多代理编排中的信任校准，以及 2026 年最新的治理与合规实践。
人生在于体会，今时哪及昔时 -- 木心
Shoukai Discovery Tour
互联网架构 | 技术管理 | AI 技术探索 | 终身阅读
- Published on
本文是《Building Applications with AI Agents》系列解读的第七篇。随着 AI Agent 获得自主行动能力，安全边界从单纯的 Prompt 防护扩展到全链路工程治理。本文基于 2026 年最新视角，详解 OWASP 代理安全风险、MAESTRO 威胁建模框架以及多层防御体系的落地实践。- Published on
本文是《Building Applications with AI Agents》系列解读的第六篇。AI Agent 的真正挑战在于“如何持续变好”。本文深入探讨反馈管道、实验验证与持续学习三大支柱，构建从生产洞察到能力进化的闭环体系。- Published on
本文是《Building Applications with AI Agents》系列解读的第五篇。AI Agent 的生产监控不同于传统软件，需要同时覆盖基础设施信号与语义行为信号。本文提供从 OTel 技术栈选择到漂移检测、安全发布的完整实战指南。- Published on
本文是《Building Applications with AI Agents》系列解读的第四篇。AI Agent 的质量不等于“回答写得好”，而取决于它在真实环境里是否能稳定完成任务。本文提供从离线评估到生产监控的全链路落地指南，帮助工程团队把“看起来更聪明”的改动，变成“可证明更可靠”的改动。- Published on
本文是《Building Applications with AI Agents》系列解读的第三篇。从经典的顺序流水线到 2026 年前沿的联邦协作与 A2A 协议，深入解析多智能体系统（MAS）的四大核心维度：任务流转、质量控制、通信架构与标准化协议。- Published on
本文是《Building Applications with AI Agents》系列解读的第二篇。继上一篇剖析智能体核心类型后，本篇深入探讨智能体能力的延伸——工具选择（Tool Selection）。从基础的 Prompt 工程到 2026 年主流的 Tool RAG 与 MCP 生态，为您揭示如何构建支持万级工具规模的高效 Agent 系统。- Published on
本文是《Building Applications with AI Agents》系列解读的第一篇。我们基于 Michael Albada 的系统化理论，深入解析 2026 年典型的 AI 智能体类型（从反射型到深度研究型），为您呈现智能体从单体应用向认知生态演进的全景图。- Published on
本文是对 2025 年 InfoQ 框架的更新，融合了 2026 年的最佳实践和架构趋势。详细阐述了企业 Agentic AI 的三层架构（基础层、工作流程层、自治层），并引入 GraphRAG、代理 FinOps、深度可观测性及混合边缘/云架构等前沿概念，为企业实现智能自动化提供全面的架构指导。- Published on
本文深入探讨如何利用 LangChain 的 Skills 模式构建高效 SQL Assistant。通过渐进式披露原则，解决传统 System Prompt 上下文过载问题，实现知识的按需加载。结合 Sales Analytics 和 Inventory Management 两个实际场景，详细演示从环境搭建、技能定义到 Agent 编排的完整流程。