- 一、先厘清概念：智能体不是聊天机器人很多团队第一次接触企业内部办公智能体时，容易把它等同于“接了大模型的对话框”。这个认知偏差会导致后续选型和落地的一系列问题。IDC在2026年的评估报告中明确定义：企业级AI Agent是面向企业场景、能自主规划、调用工具并完成业务闭环的智能系统，不是聊天机器人。一个直观的公式是：Agent价值 = 任务重复度 × 跨系统复杂度 × 风险可控性。前两项决... 一、先厘清概念：智能体不是聊天机器人很多团队第一次接触企业内部办公智能体时，容易把它等同于“接了大模型的对话框”。这个认知偏差会导致后续选型和落地的一系列问题。IDC在2026年的评估报告中明确定义：企业级AI Agent是面向企业场景、能自主规划、调用工具并完成业务闭环的智能系统，不是聊天机器人。一个直观的公式是：Agent价值 = 任务重复度 × 跨系统复杂度 × 风险可控性。前两项决...
- ARM64 环境下 Playwright 与 Chromium 版本不匹配的排查及解决实践 ARM64 环境下 Playwright 与 Chromium 版本不匹配的排查及解决实践
- 提示词注入是 RAG 和 AI Agent 应用中常见的安全风险。本文从外部文档中的异常指令入手，介绍大模型系统的信任边界，并通过 Python 标准库实现轻量级风险检测和操作授权模拟器，分析如何利用来源隔离、权限检查和最小权限原则提高 AI 应用的安全性。 提示词注入是 RAG 和 AI Agent 应用中常见的安全风险。本文从外部文档中的异常指令入手，介绍大模型系统的信任边界，并通过 Python 标准库实现轻量级风险检测和操作授权模拟器，分析如何利用来源隔离、权限检查和最小权限原则提高 AI 应用的安全性。
- 一、一个值得正视的选型困境在Agent系统的工程实践中，一个反复出现的现象是：团队在架构评审会上争论“要不要上多Agent”，但争论的焦点往往集中在技术方案本身，而非业务场景是否真的需要多Agent。这种争论之所以难以收敛，是因为单Agent和多Agent并非简单的“简单vs复杂”或“弱vs强”关系。它们各自有明确的适用边界，而在边界之内，彼此都很难被对方替代。更微妙的是，两个架构之间的性... 一、一个值得正视的选型困境在Agent系统的工程实践中，一个反复出现的现象是：团队在架构评审会上争论“要不要上多Agent”，但争论的焦点往往集中在技术方案本身，而非业务场景是否真的需要多Agent。这种争论之所以难以收敛，是因为单Agent和多Agent并非简单的“简单vs复杂”或“弱vs强”关系。它们各自有明确的适用边界，而在边界之内，彼此都很难被对方替代。更微妙的是，两个架构之间的性...
- ZCode 上手指南：把 AI 当同事，而不是当搜索框过去两年，大部分人对"AI 写代码"的想象还停留在对话框里：把一段代码贴给 AI，等它返回修改后的版本，再手动复制回编辑器。这个循环一天重复几十次，代码在窗口之间搬来搬去，真正的思考时间被切碎。ZCode 做的事很简单：把这个循环砍掉。它是一个直接运行在你项目里的编程代理，既有命令行工具，也有桌面应用。你不再搬运代码，而是像给一位坐在旁... ZCode 上手指南：把 AI 当同事，而不是当搜索框过去两年，大部分人对"AI 写代码"的想象还停留在对话框里：把一段代码贴给 AI，等它返回修改后的版本，再手动复制回编辑器。这个循环一天重复几十次，代码在窗口之间搬来搬去，真正的思考时间被切碎。ZCode 做的事很简单：把这个循环砍掉。它是一个直接运行在你项目里的编程代理，既有命令行工具，也有桌面应用。你不再搬运代码，而是像给一位坐在旁...
- 从零手写 AI Agent：概念、原理、代码与工程实践一篇写给普通开发者的 Agent 上手指南。不堆砌名词，不讲玄学，从"Agent 到底是什么"讲起，带你用几十行代码手写一个不依赖任何框架的 Agent，再一路展开到工具设计、ReAct 推理、记忆系统、框架选型、多智能体、评估测试和生产落地。读完它，你应该有能力独立交付一个能跑在生产环境里的 Agent 应用。 目录什么是 AI Ag... 从零手写 AI Agent：概念、原理、代码与工程实践一篇写给普通开发者的 Agent 上手指南。不堆砌名词，不讲玄学，从"Agent 到底是什么"讲起，带你用几十行代码手写一个不依赖任何框架的 Agent，再一路展开到工具设计、ReAct 推理、记忆系统、框架选型、多智能体、评估测试和生产落地。读完它，你应该有能力独立交付一个能跑在生产环境里的 Agent 应用。 目录什么是 AI Ag...
- AI Agent 在执行任务时，可能因为重复调用工具而陷入死循环，导致资源浪费和执行效率下降。本文结合 Python 实战案例，实现一个轻量级工具调用控制器，通过调用次数限制、重复调用检测和基础超时控制，帮助开发者理解 Agent 的执行机制，并提供提升系统稳定性与可靠性的优化思路。 AI Agent 在执行任务时，可能因为重复调用工具而陷入死循环，导致资源浪费和执行效率下降。本文结合 Python 实战案例，实现一个轻量级工具调用控制器，通过调用次数限制、重复调用检测和基础超时控制，帮助开发者理解 Agent 的执行机制，并提供提升系统稳定性与可靠性的优化思路。
- 引言2026 年，企业级 AI Agent 市场规模预计达到 449 亿元，同比增速超过 110%。但一个尴尬的现实是，当被问到“你们公司的智能体平台到底干了什么”时，大量企业的回答仍然是“做了几个聊天机器人，在内部群里自动回复常见问题”。这相当于买了一台高性能服务器却只用来跑记事本。问题出在哪儿？很大程度上，出在选型阶段对“低代码”与“可编程”这对核心矛盾的认知不足。Dify 和 Coz... 引言2026 年，企业级 AI Agent 市场规模预计达到 449 亿元，同比增速超过 110%。但一个尴尬的现实是，当被问到“你们公司的智能体平台到底干了什么”时，大量企业的回答仍然是“做了几个聊天机器人，在内部群里自动回复常见问题”。这相当于买了一台高性能服务器却只用来跑记事本。问题出在哪儿？很大程度上，出在选型阶段对“低代码”与“可编程”这对核心矛盾的认知不足。Dify 和 Coz...
- 2026年，企业级Agent智能体赛道已完成从“概念验证”到“规模落地”的切换。核心判断：竞争逻辑从“模型参数比拼”转向 上下文工程 + 编排可靠性 + 执行闭环 + 安全治理 + 行业技能沉淀 的综合能力评估标准不再是“能不能聊”，而是“能否在真实组织里可控地完成任务”市场已形成四类阵营的清晰格局，大厂拼生态、独立厂商拼场景关键数据：指标数据国内活跃企业智能体近200万个（2026年）国内... 2026年，企业级Agent智能体赛道已完成从“概念验证”到“规模落地”的切换。核心判断：竞争逻辑从“模型参数比拼”转向 上下文工程 + 编排可靠性 + 执行闭环 + 安全治理 + 行业技能沉淀 的综合能力评估标准不再是“能不能聊”，而是“能否在真实组织里可控地完成任务”市场已形成四类阵营的清晰格局，大厂拼生态、独立厂商拼场景关键数据：指标数据国内活跃企业智能体近200万个（2026年）国内...
- 从一次"Agent 记住了却用错"的真实故障切入，讲清 AI数据库做记忆底座时真正要过的两关：写入端的丢、重、乱序，和召回端只按相似度排序的三个坑。含幂等写入、带时效衰减与去重的召回 SQL，以及记忆的有效时间与写入时间的处理方法。 从一次"Agent 记住了却用错"的真实故障切入，讲清 AI数据库做记忆底座时真正要过的两关：写入端的丢、重、乱序，和召回端只按相似度排序的三个坑。含幂等写入、带时效衰减与去重的召回 SQL，以及记忆的有效时间与写入时间的处理方法。
- 本文从身份、凭证、数据、模型路由和事件响应五个方面，梳理企业 AI 调用审计需要保留的关键证据，并给出多模型环境下的抽样验证方法。 本文从身份、凭证、数据、模型路由和事件响应五个方面，梳理企业 AI 调用审计需要保留的关键证据，并给出多模型环境下的抽样验证方法。
- Agentic AI 正从“读取网页”走向“调用业务系统”。结合 Microsoft Web Verbs、Google A2A 与 UCP，本文讨论企业为什么需要从 Agent-ready 进一步走向 Agent-first，以及 ASO 如何从“进入 AI 答案”延伸到被 Agent 发现、验证、选择和执行。 Agentic AI 正从“读取网页”走向“调用业务系统”。结合 Microsoft Web Verbs、Google A2A 与 UCP，本文讨论企业为什么需要从 Agent-ready 进一步走向 Agent-first，以及 ASO 如何从“进入 AI 答案”延伸到被 Agent 发现、验证、选择和执行。
- `test_laya.py` 验证了 Laya 的 Router 路由、单模型直连、预设工作流三种方式，均能正常运行。本次 22 项硬校验全部通过；13 项软预期中 12 项通过，唯一告警为 `triage` 的 `is_urgent=0.4027`，低于阈值 `0.5`，但不计失败。总体结论：三种工作方式均验证成功。测试在 CPU 上运行，部分置信度需校准后再用于自动化决策。 `test_laya.py` 验证了 Laya 的 Router 路由、单模型直连、预设工作流三种方式，均能正常运行。本次 22 项硬校验全部通过；13 项软预期中 12 项通过，唯一告警为 `triage` 的 `is_urgent=0.4027`，低于阈值 `0.5`，但不计失败。总体结论：三种工作方式均验证成功。测试在 CPU 上运行，部分置信度需校准后再用于自动化决策。
- Laya 提供三个检查点：英语、多语言和类型化决策微调版。提供三种工作方式：Router 默认在英语与多语言间按语言路由；直连模式手动指定检查点；预设工作流只是问题模板，可修改后复用。在每种模式中，可以采用三种输出方式：`choice` 用于互斥分类，`score` 用于有序量表，`noul` 输出命题为真概率。 Laya 提供三个检查点：英语、多语言和类型化决策微调版。提供三种工作方式：Router 默认在英语与多语言间按语言路由；直连模式手动指定检查点；预设工作流只是问题模板，可修改后复用。在每种模式中，可以采用三种输出方式：`choice` 用于互斥分类，`score` 用于有序量表，`noul` 输出命题为真概率。
- Laya（Apache 2.0）是多语言、非自回归 System 1 决策引擎：单次前向（T4 约 33 ms）即答 choice/score/noul 三类类型化问题；不生成文本、无幻觉，RLCD 恰当评分规则训练使置信度可校准（温度拟合后 ECE 0.081）。零样本泛化有限，定位是“快速特化的底座”；与 LLM 互补——Laya 做高频门控决策，LLM 做生成与推理。 Laya（Apache 2.0）是多语言、非自回归 System 1 决策引擎：单次前向（T4 约 33 ms）即答 choice/score/noul 三类类型化问题；不生成文本、无幻觉，RLCD 恰当评分规则训练使置信度可校准（温度拟合后 ECE 0.081）。零样本泛化有限，定位是“快速特化的底座”；与 LLM 互补——Laya 做高频门控决策，LLM 做生成与推理。
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了：看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签