搜索[agent协作]结果-低调大师优秀个人博客

精选列表

搜索[agent协作]，共10000篇文章

第 15 课：AI Security + Privacy + Governance —— 红队先攻自家 Agent

# 第 15 课：AI Security + Privacy + Governance —— 红队先攻自家 Agent > 一句话导语：能被一句话骗走的 Agent，不是产品，是事故。

2026-10-22

第 11 课：AI Agent 的 Evaluation——如何证明 AI 是可靠的

# 第 11 课：AI Agent 的 Evaluation——如何证明 AI 是可靠的 > 客户问："你怎么证明它比现在的人工靠谱？"

2026-10-22

Agent 数据上下文工程实践：从元数据到可信查询

随着 Agent 开始参与企业数据查询与分析，如何将这些已有信息整理成可供 Agent 使用的上下文，成为数据平台的一项工程任务。

2026-10-21

Mistral 发布 Voxtral 3，支持 50 多种语言的语音 Agent SDK

Mistral 发布了 Voxtral 3，一套语音 Agent SDK 加语音模型，支持 50 多种语言。

2026-10-21

Agent 沙箱与凭据代理：最小权限、执行隔离与密钥不出域

## 三个边界，不是一件事说到"给 Agent 加沙箱"，多数人想的是"让它跑在容器里"。但沙箱只解决了一个边界，还有两个常被漏掉。

2026-10-20

本地 Agent 安装更新怎样验收：环境、版本与执行结果分开看

## 为什么不能只看“安装成功” 本地编程 Agent 的安装涉及运行环境、CLI 检测、远端版本查询与实际执行。任何一层失败，都可能让最终体验不完整。把这几层压成一个成功提示，会使排查失去方向。

2026-10-17

从生产会话到根因定位：Agent 上线后的质量闭环

例如，旅行规划 Agent 可能在未检查座位可用性的情况下记录用户指定的座位；用户的素食偏好也可能在子 Agent 交接过程中丢失。上线前的评测集无法覆盖上线后的用户行为和系统变更。

2026-10-16

GitHub 热门开源项目：Agent Infra与端侧 AI｜8.17–8.23

我们平时做 Agent，记忆可能放在一个库里，RAG 知识库又是另一套，Skill 则直接放在项目目录中。

2026-10-16

云上 Agent 数据准备架构：字段契约、权限边界与版本恢复

云上 Agent 的数据准备不能只停在文档上传和向量索引。只要系统要创建工单、更新CRM或触发审批，就必须同时处理字段语义、数据来源、资源版本、权限范围、状态持久化和远端回执。

2026-10-16

给AI Agent接入联网搜索：从搜索结果到带引用答案

但用一段时间后通常会遇到几个问题： - 搜索结果很多，真正相关的只有两三条； - 多条结果实际转载自同一个来源； - 摘要缺少回答问题所需的关键上下文； - 模型给出了引用编号，原文却不支持对应结论； - 某个网页读取失败，整个Agent

2026-10-15

Agent--1、提示词设计-从措辞到上下文工程

# 收窄输入：提示词设计的可控性方法论 *AGENT 工程讲义 · 单篇深化 1/3* *怎样用一次「输入设计」，把一个概率系统的输出空间压到可接受的范围* *业界标准对照：Anthropic、Google

2026-10-15

云上 Agent 故障恢复架构：幂等查询、版本栅栏与接管

企业在评估 Agent 上线条件时，不能只看正常任务能否跑通。真正决定能否进入生产系统的，是权限被撤销、接口超时、任务重复、回执丢失或人工接管时，系统是否停止正确动作并留下证据。

2026-10-15

企微、Agent平台与业务系统各管什么：读懂系统图

本文用一套教学架构说明：企微多维表格承载业务记录和入口；Agent平台负责资料提取与流程编排；受控连接器访问既有业务系统。

2026-10-14

丢得静悄悄，谈一谈 Agent 的记忆是怎么没的

——今天所有主流 Agent 框架都是这么干的。* 它没报错，也没有任何提示。它就是少了一样东西，而它自己不知道。

2026-10-13

技术思考问题14：Agent进了沙箱就能放心执行吗？

```text [读者] 把 Agent 放进容器沙箱、又准备给它真实写权限的平台工程师 [痛点] 沙箱配置齐全，业务越权却照旧发生，说不清防线该划在哪一层 [现在读] 客服 Agent 马上要拿到生产退款权限

2026-10-13

DatI 0.7.2 发布：在 Agent 中记录国庆假期行程与花费实战

一、效果：最终交付的国庆日程看板先看最终交付物：假期结束后，让 Agent 基于数据库中的记录进行复盘分析，Agent 直接生成了一个完整的单页响应式 HTML 看板。

2026-10-12

微软实测：Coding Agent 自写自测，通过率还能信吗？

微软10月9日发布的Agent Experience Practitioner Playbook，强调要在真实技术栈上评测Coding Agent，并通过大量Agent会话诊断知识、工具、环境和引导信息哪里不足

2026-10-10

企业 AI 项目开始后，最容易统计的是模型调用次数、账号活跃和生成内容数量。它们能说明系统在运行，却不能回答管理层真正关心的问题：这笔投入是否减少了可核验的工作成本，是否带来了新的返工和风险。以下用客户工单摘要作为工程示例，不对应真实客户，也不提供任何收益数字。目标是建立一套能复盘、能比较、能停止扩张的投入产出核算方式。 ## 先确定计算单位如果分母是一次模型调用，便宜模型看起来总会更划算。但一次业务任务可能调用多次模型、查询知识、写入系统，再经过员工修改和主管复核。真正有意义的单位是“经过业务验收的完成任务”。对工单摘要来说，完成不等于生成了一段文字。摘要要绑定正确工单，关键事实与来源一致，进入业务系统，最终由负责人接受或修改。只有这条链路走完，才进入有效完成数。企业智能化评估应先固定业务分母，再讨论模型价格和效率，避免把使用量增长误当成产出增长。 ## 成本不只有模型账单一条任务的总成本至少包含模型与工具调用、知识检索和存储、系统接口、监控运维、人工核验、错误返工、异常接管和项目维护。部分成本可以直接计量，部分需要按观察窗口分摊。人工成本尤其容易遗漏。员工为了核对AI输出多看两份资料，或者把结果从独立页面复制回CRM，这些时间不在云账单里，却会影响项目是否真正省事。错误任务的补救时间应单独记录，不能平均到正常任务中消失。 ![图位01-一条AI任务的完整成本构成](https://developer.qcloudimg.com/http-save/yehe-11439120/1502c7ecadb2d75268c064383ef8799b.png) 还要区分固定成本与边际成本。流程梳理、接口开发、权限设计和验收属于前期固定投入；模型调用、人工复核和运维处理随任务增长。试点样本很小时，固定成本会显得高；扩大规模后，异常率和人工接管又可能改变边际成本。 ## 收益先写成可验证变化 “提升效率”“改善体验”无法直接验收。可以改写为：减少一次重复录入、缩短等待队列、降低遗漏、让主管抽查代替逐条审核、让员工从原入口完成任务。每项变化都需要数据来源和比较条件。比较前要保证任务难度、业务量和人员熟练度接近。不能把演示环境里的标准问题，与真实流程中的复杂异常混在一起。也不能只挑AI处理成功的任务，把拒绝、超时和人工接管排除在外。收益不一定马上表现为节省人数。很多项目最先减少的是等待、查找和重复录入，释放的时间可能被用于更多业务任务。此时应记录单位任务时间、积压和返工，而不是直接换算成未经证实的财务收益。 ## 把结果拆成四类第一类是无人干预完成，系统结果被业务核验。第二类是员工修改后完成，需要记录修改原因和时间。第三类是人工接管后完成，说明自动流程在边界处停止。第四类是失败或结果未知，必须保留后续处置。四类任务不能合并成一个“成功率”。无人干预完成反映自动化能力；修改后完成反映建议价值与返工；人工接管反映风险边界与运维成本；未知结果反映恢复机制是否完整。 ![图位02-企业AI项目投入产出验收看板](https://developer.qcloudimg.com/http-save/yehe-11439120/c144a75dd2e4f2a88655f3a4263020ee.png) 验收表应把任务状态与模型、工具、人工和回执数据放在一起，用于定位成本来源和优化环节。 ## 设定继续、调整和停止三条线试点之前写清继续条件，例如经过核验的完成任务达到稳定样本量、关键错误在允许范围、人工处理成本没有随规模失控。调整线用于处理可修复问题，如资料版本、提示规则、界面入口或字段映射。停止线针对越权、错误写入、未知结果积压、人工接管无人领取或总成本持续高于现有流程。停止某个动作不代表否定整个项目，可以保留低风险读取和建议，暂停高风险写入。这三条线能避免团队因为已经投入开发成本而继续扩大范围。沉没成本不应成为下一阶段立项依据；新阶段要用当前证据重新判断。 ## 不追求一个完美数字业务任务有难易分布，模型输出也存在随机性。评价时应看完整分布：普通任务、高风险任务、资料缺失任务和异常任务各自的完成、修改、接管与失败，而不是用一个平均准确率覆盖所有情况。同样，不能为追求最后一点自动完成率，消耗大量开发和人工标注。优先修复可复现的常见原因、数据完整性问题和会改变架构判断的风险；边缘情况进入明确人工流程，往往更经济。 ## 一张表完成首轮核算每个任务记录业务类型、复杂度、模型与工具成本、人工核验时间、修改原因、接管时间、业务回执和最终状态。按周汇总单位有效完成成本，并与同条件下的现有流程对照。再把固定投入单独列出：流程评估、资料治理、接口、权限、监控和培训。这样能回答两个不同问题：系统运行一条任务要多少钱；项目到目前为止是否值得继续投入。企业可以先拿一条脱敏流程和最近一段正常、异常任务建立基线，据此评估可核验产出、失败恢复和总成本边界，再决定扩大任务量、接入更多系统，还是先修复现有链路。 AI项目的投入产出不是一张漂亮的调用量图。能解释每一类任务的结果、成本和去向，才有依据决定继续、调整或停止。 ## 云上技术路线：成本事件与预算门禁 ```mermaid flowchart LR A[任务协调器] --> B[模型/工具用量事件] A --> C[人工处理事件] A --> D[业务回执核验] B --> E[成本事件流] C --> E D --> E E --> F[状态与成本投影] F --> G[预算门禁] ``` 天远大数据在这份成本事件契约中保留 `task_id`、`cost_type`、`usage_quantity`、`human_seconds`、`receipt_id` 和 `result_state`，把预算门禁绑定可验证工程产物，而不是绑定调用量图。 ```json { "task_id": "ticket-18", "cost_type": "human_review", "human_seconds": 42, "receipt_id": "ticket-result-18", "result_state": "modified_then_verified" } ``` 事件流允许重复投递，消费端按event_id去重；状态投影按task_id与版本条件更新。预算门禁分别观察有效完成单位成本、接管成本和未知结果积压，不用平均值覆盖高风险任务。 ## 失败恢复与测试边界远端写入成功而回执事件丢失时，恢复程序按幂等键查询业务系统，再补写事件。测试覆盖重复/乱序事件、部分依赖失败、人工时间缺失、预算窗口切换、零有效完成、跨版本分类与事件重放。架构不承诺跨服务恰好一次，也不把预测收益当真实财务结果；具体成本与收益仍需企业财务和业务口径确认。

2026-10-10

Muse Sentinel 逆向工程：构建内核级 AI Agent 安全网关

（废话可以跳过） AI Agent 面临的根本安全困境，被安全研究员 Simon Willison 称为“**致命三元组**”（Lethal Trifecta）：当 Agent 同时具备**访问私人数据

2026-10-10

Stripe开始布局AI Agent支付，对独立站卖家有什么影响？

如果把Stripe过去的核心能力理解成“帮助商家接受客户的付款”，那么现在它正在做的事情，是让AI Agent也能代表消费者完成搜索、选品和支付。

2026-10-09

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

精选列表

第 15 课：AI Security + Privacy + Governance —— 红队先攻自家 Agent

第 11 课：AI Agent 的 Evaluation——如何证明 AI 是可靠的

Agent 数据上下文工程实践：从元数据到可信查询

Mistral 发布 Voxtral 3，支持 50 多种语言的语音 Agent SDK

Agent 沙箱与凭据代理：最小权限、执行隔离与密钥不出域

本地 Agent 安装更新怎样验收：环境、版本与执行结果分开看

从生产会话到根因定位：Agent 上线后的质量闭环

GitHub 热门开源项目：Agent Infra与端侧 AI｜8.17–8.23

云上 Agent 数据准备架构：字段契约、权限边界与版本恢复

给AI Agent接入联网搜索：从搜索结果到带引用答案

Agent--1、提示词设计-从措辞到上下文工程

云上 Agent 故障恢复架构：幂等查询、版本栅栏与接管

企微、Agent平台与业务系统各管什么：读懂系统图

丢得静悄悄，谈一谈 Agent 的记忆是怎么没的

技术思考问题14：Agent进了沙箱就能放心执行吗？

DatI 0.7.2 发布：在 Agent 中记录国庆假期行程与花费实战

微软实测：Coding Agent 自写自测，通过率还能信吗？

云上 Agent 成本架构：用量事件、业务回执与预算门禁

Muse Sentinel 逆向工程：构建内核级 AI Agent 安全网关

Stripe开始布局AI Agent支付，对独立站卖家有什么影响？

资源下载

腾讯云软件源

Spring

Rocky Linux

Sublime Text

欢迎您来访！