- 一、概述：三件事 × 三次交互 1.1 为什么是这三件事处理一个复杂任务，系统必须完成三件性质截然不同的事——理解拆解、分配执行、监控验证——缺一不可，且顺序无法颠倒。这不是方法论的选择，而是信息论上的必然：理解拆解发生在信息不完整阶段，目标是将模糊的用户意图转化为有向无环图（DAG）；如果跳过这一步直接执行，子任务边界不清，后续任何修复代价都会放大。分配执行是调度问题，核心是用最少的 a... 一、概述：三件事 × 三次交互 1.1 为什么是这三件事处理一个复杂任务，系统必须完成三件性质截然不同的事——理解拆解、分配执行、监控验证——缺一不可，且顺序无法颠倒。这不是方法论的选择，而是信息论上的必然：理解拆解发生在信息不完整阶段，目标是将模糊的用户意图转化为有向无环图（DAG）；如果跳过这一步直接执行，子任务边界不清，后续任何修复代价都会放大。分配执行是调度问题，核心是用最少的 a...
- 导言在前两篇文章中，我分别讨论了通用Agent的认知架构（《高认知的本质，基于真实信息的规则推演》）和垂直Agent的构建方法论（《垂直Agent的设计方法论》）。本文延续这一脉络，聚焦一个更具体的问题：当我们用语言模型进行辅助决策分析时，如何判断它的输出是可靠的？一个常见的做法是让模型多跑几次，如果几次结果一致，就认为可靠。这个方法在学术界被称为"自一致性"（Self-Consisten... 导言在前两篇文章中，我分别讨论了通用Agent的认知架构（《高认知的本质，基于真实信息的规则推演》）和垂直Agent的构建方法论（《垂直Agent的设计方法论》）。本文延续这一脉络，聚焦一个更具体的问题：当我们用语言模型进行辅助决策分析时，如何判断它的输出是可靠的？一个常见的做法是让模型多跑几次，如果几次结果一致，就认为可靠。这个方法在学术界被称为"自一致性"（Self-Consisten...
- 核心概念：点、面、Agent点： 用户需求中具有明确指向性的内容——用户明确要求的、记忆体现的、持续追求的目标。每个点都带有向外的延展势能。面： 一个点向相邻知识域延展所形成的知识网络。面具有内部一致性（面内的知识相互支撑）和边界（面在何处停止）。学术体系： 多个学科面的组织结构化描述——每个学科域包含该领域的规则库、推演模式和边界条件。Agent： 多个面在同一点集上的收敛。一个Agen... 核心概念：点、面、Agent点： 用户需求中具有明确指向性的内容——用户明确要求的、记忆体现的、持续追求的目标。每个点都带有向外的延展势能。面： 一个点向相邻知识域延展所形成的知识网络。面具有内部一致性（面内的知识相互支撑）和边界（面在何处停止）。学术体系： 多个学科面的组织结构化描述——每个学科域包含该领域的规则库、推演模式和边界条件。Agent： 多个面在同一点集上的收敛。一个Agen...
- 本文讨论的Agent设计规范，预设的场景是：开放域、多规则交叉、高风险的通用认知Agent。如果你的Agent只需在一个封闭域中完成简单任务（如单一API的调用封装、固定模板的文本生成），部分规范可能过于严格。但如果你要求Agent具备在复杂环境下独立做判断、跨域推理、结论需被外部信任的能力——以下框架不做妥协。 引言认知这个词被用滥了。它被等同于"知道得多"、“能讲出道理”、“有深度思考的... 本文讨论的Agent设计规范，预设的场景是：开放域、多规则交叉、高风险的通用认知Agent。如果你的Agent只需在一个封闭域中完成简单任务（如单一API的调用封装、固定模板的文本生成），部分规范可能过于严格。但如果你要求Agent具备在复杂环境下独立做判断、跨域推理、结论需被外部信任的能力——以下框架不做妥协。 引言认知这个词被用滥了。它被等同于"知道得多"、“能讲出道理”、“有深度思考的...
- 一、实验目标验证以下假设：在中场操作化层注入结构化规则库 + 蒙版激活梯度 + 请求灌注机制后，Agent在合规审查任务上的检出率、可追溯性和置信度诚实性显著优于原生RAG+LLM方案。 二、实验场景与模拟数据 2.1 背景星途科技（虚构），一家为企业客户提供会员管理SaaS的中型公司，服务约80家企业客户，覆盖零售、餐饮、美业三个行业。公司正在委托外部数据分析公司数联科技进行客户画像建模... 一、实验目标验证以下假设：在中场操作化层注入结构化规则库 + 蒙版激活梯度 + 请求灌注机制后，Agent在合规审查任务上的检出率、可追溯性和置信度诚实性显著优于原生RAG+LLM方案。 二、实验场景与模拟数据 2.1 背景星途科技（虚构），一家为企业客户提供会员管理SaaS的中型公司，服务约80家企业客户，覆盖零售、餐饮、美业三个行业。公司正在委托外部数据分析公司数联科技进行客户画像建模...
- 面对陌生项目无从入手？使用华为云码道AgentTeam来快速解读案例简介：您是否遇到过新项目看不懂、入手困难的场景，又或者遇到感兴趣的开源项目想要快速了解并复现的时候，交给AI进行解读，却又因项目文件数量多、结构复杂，导致上下文内容越积越多，模型返回的结果从最开始的精准到后来的不尽如人意，于是只能一个任务一个任务的引导AI，从而达到想要的结果。现在，华为云码道内置了AgentTeam智能体... 面对陌生项目无从入手？使用华为云码道AgentTeam来快速解读案例简介：您是否遇到过新项目看不懂、入手困难的场景，又或者遇到感兴趣的开源项目想要快速了解并复现的时候，交给AI进行解读，却又因项目文件数量多、结构复杂，导致上下文内容越积越多，模型返回的结果从最开始的精准到后来的不尽如人意，于是只能一个任务一个任务的引导AI，从而达到想要的结果。现在，华为云码道内置了AgentTeam智能体...
- AI 的非确定性给传统软件工程带来了前所未有的挑战。人们从螺旋上升的迭代过程中获得启发，开始借助循环机制来应对 AI 的不确定性。通过 Harness Engineering 构建智能体管控框架，人的参与模式也逐步从 Human-in-the-Loop 演进为 Loop Engineering，从而使AI 能够完成更复杂、更长的任务。 AI 的非确定性给传统软件工程带来了前所未有的挑战。人们从螺旋上升的迭代过程中获得启发，开始借助循环机制来应对 AI 的不确定性。通过 Harness Engineering 构建智能体管控框架，人的参与模式也逐步从 Human-in-the-Loop 演进为 Loop Engineering，从而使AI 能够完成更复杂、更长的任务。
- 使迁移后的语义层不仅服务分析，还成为 AI 理解数据的基础，从而实现从 BI 向 AI 的自然过渡。 使迁移后的语义层不仅服务分析，还成为 AI 理解数据的基础，从而实现从 BI 向 AI 的自然过渡。
- 语义层提供的是系统级业务定义，让 AI 能够在更可控的语义框架中理解问题和生成结果。这就是逻辑模型在 AI 时代更重要的原因。 语义层提供的是系统级业务定义，让 AI 能够在更可控的语义框架中理解问题和生成结果。这就是逻辑模型在 AI 时代更重要的原因。
- 当Agent开始调用工具、访问系统、执行任务、交付结果之后，企业到底应该如何承接这些能力，今天分享一下如何为企业构建一个Agent适配底座～ 当Agent开始调用工具、访问系统、执行任务、交付结果之后，企业到底应该如何承接这些能力，今天分享一下如何为企业构建一个Agent适配底座～
- Agent能力进入企业之后，Skill会逐渐成为一个绕不开的问题，一个Skill里可能包含任务说明、业务规则、参考模板、处理步骤，也可能包含脚本和工具调用方式。它不是简单的一段提示词，也不只是一个功能入口，更接近某类任务的经验包，今天分享一下企业如何管理团队生成的Skill～ Agent能力进入企业之后，Skill会逐渐成为一个绕不开的问题，一个Skill里可能包含任务说明、业务规则、参考模板、处理步骤，也可能包含脚本和工具调用方式。它不是简单的一段提示词，也不只是一个功能入口，更接近某类任务的经验包，今天分享一下企业如何管理团队生成的Skill～
- 桌面Agent进入企业后，管理重点不再只是账号、费用和模型选择，而是AI执行权如何被统一约束。今天分享一下作为CIO如何管理企业AI使用，介绍一下FinSafe如何通过策略托管、终端约束、执行校验和审计追溯，让Agent的工具调用、代码执行和本地访问进入可管理、可审计的企业治理体系。 桌面Agent进入企业后，管理重点不再只是账号、费用和模型选择，而是AI执行权如何被统一约束。今天分享一下作为CIO如何管理企业AI使用，介绍一下FinSafe如何通过策略托管、终端约束、执行校验和审计追溯，让Agent的工具调用、代码执行和本地访问进入可管理、可审计的企业治理体系。
- 大型语言模型（LLM）智能体在生产环境中的快速部署揭示了一个反复出现的规律：任务执行的可靠性更多地取决于包裹模型的基础设施层, 即智能体执行套件（Agent Execution Harness），而非底层的模型本身。Harness engineering 的完善标志着 Agent 技术从“极客玩具”向“企业级生产力工具”的成熟跨越。 大型语言模型（LLM）智能体在生产环境中的快速部署揭示了一个反复出现的规律：任务执行的可靠性更多地取决于包裹模型的基础设施层, 即智能体执行套件（Agent Execution Harness），而非底层的模型本身。Harness engineering 的完善标志着 Agent 技术从“极客玩具”向“企业级生产力工具”的成熟跨越。
- 对企业来说，这意味着 AI 不再只是“会回答”，而是能在统一语义框架中“回答得更准、更稳、更可复用”。 对企业来说，这意味着 AI 不再只是“会回答”，而是能在统一语义框架中“回答得更准、更稳、更可复用”。
- 语义层能为 AI 提供稳定、结构化、可解释的业务定义，是 AI 数据应用可控落地的关键。 语义层能为 AI 提供稳定、结构化、可解释的业务定义，是 AI 数据应用可控落地的关键。
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
热门标签