From 2c2dcc1d56ef68f9a3408bfc2e29994f06593131 Mon Sep 17 00:00:00 2001 From: arno Date: Fri, 26 Jun 2026 14:48:07 +0800 Subject: [PATCH] =?UTF-8?q?=E4=BC=98=E5=8C=96(=E5=91=BD=E4=BB=A4):=20?= =?UTF-8?q?=E5=9F=BA=E4=BA=8E=E7=A0=94=E7=A9=B6=E6=96=B9=E6=B3=95=E8=AE=BA?= =?UTF-8?q?=E9=87=8D=E6=9E=84=E6=96=87=E7=AB=A0=E6=91=98=E8=A6=81=E5=91=BD?= =?UTF-8?q?=E4=BB=A4=EF=BC=8C=E7=AE=80=E5=8C=96=E7=9F=A5=E8=AF=86=E5=BA=93?= =?UTF-8?q?=E5=88=97=E8=A1=A8=E6=A0=BC=E5=BC=8F?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit - 新增"价值判断"步骤，按创新性/可迁移性/论据质量/边界意识四维度评估文章，分档处理 - 新增"批判性阅读"步骤，加入三个核心追问和知识分类（共识/争议/未探索/范式突破） - 新增"草稿先行"步骤，在正式输出前用草稿理清逻辑 - 新增"自我批判检查点"，输出前用五个问题自查 - 增强复盘流程，记录执行变量和反常识发现 - 简化金鹏 2026-06-26 文章列表格式，移除冗余内容 --- .claude/commands/arno-article-summary.md | 123 +++++++++++++++++++---- 知识/金鹏.md | 117 ++++++--------------- 2 files changed, 129 insertions(+), 111 deletions(-) diff --git a/.claude/commands/arno-article-summary.md b/.claude/commands/arno-article-summary.md index c813183..ed3b829 100644 --- a/.claude/commands/arno-article-summary.md +++ b/.claude/commands/arno-article-summary.md @@ -3,6 +3,15 @@ name: 文章摘要 description: 读取指定文章的 markdown 内容或链接，编写介绍和要点说明，格式与 知识/金鹏.md 中的文章列表一致 --- +## 核心原则（来自《How to be good at research》方法论） + +执行本命令时，始终遵循以下研究级质量标准： + +1. **区分信息与洞见**：不被动收纳信息，批判性阅读——追问作者的假设、论据、边界 +2. **区分工具与目标**：摘要的目标是"提炼可迁移的认知增量"，不是"罗列文章内容" +3. **忠实原文**：不注入自己的观点，不选择性筛选结论迎合预设判断 +4. **延迟满足**：宁愿花时间写一个能串联多篇文章的深度摘要，不追求快速产出浅层概括 + ## 用户输入 ```text @@ -22,24 +31,83 @@ $ARGUMENTS - **本地文件**：使用 `Read` 工具读取 - **GitHub 仓库**：使用 `mcp__zread__get_repo_structure` 了解项目结构 -### 2. 分析文章 +### 2. 价值判断（选题能力） -提取：标题和链接、来源/作者、核心论点、关键要点（3-8个）、可引用金句。 +在深入分析之前，快速评估文章的认知价值，这决定后续处理的深度： -### 3. 提取核心观点并构建体系 +| 判断维度 | 追问 | 高价值信号 | 低价值信号 | +|----------|------|-----------|-----------| +| 创新性 | 这篇文章提供了什么"不知道的东西"？ | 挑战现有共识、提出新框架、解释反常现象 | 汇总已知信息、无独立观点 | +| 可迁移性 | 结论能否跨场景复用？ | 提炼出可操作的方法论或思维模型 | 纯案例堆砌、无抽象提炼 | +| 论据质量 | 作者的证据能否支撑结论？ | 有实验数据、工程验证、一手经验 | 纯观点输出、无实证支撑 | +| 边界意识 | 作者是否说明了结论的适用范围？ | 明确指出局限性和前提假设 | 绝对化断言、无边界说明 | + +- **高价值文章**（2 项以上高价值信号）→ 按体系内文章组处理，深度批判性阅读 +- **中等价值文章**（1 项高价值信号）→ 按独立文章处理，标准分析 +- **低价值文章**（无高价值信号）→ 简短摘要，不生成配图，不进入体系 + +### 3. 批判性阅读（文献阅读能力） + +对文章进行深度分析，**不只是提取信息，而是追问**： + +#### 3a. 三个核心追问 + +1. **作者的假设前提是什么？**——这篇文章建立在哪些未经证明的前提之上？如果前提不成立，结论是否仍然有效？ +2. **论据是否支撑结论？**——作者提供的证据链条是否完整？是否存在逻辑跳跃或选择性举证？ +3. **该研究的边界和缺陷在哪里？**——结论的适用范围是什么？作者是否明确指出了局限性？哪些场景下结论可能失效？ + +#### 3b. 知识分类 + +将文章观点归类到以下维度之一： + +| 类别 | 定义 | 摘要中的标记方式 | +|------|------|-----------------| +| **共识** | 业界已形成广泛认同的观点 | 用"业界共识"等表述说明 | +| **争议** | 存在不同声音、尚无定论的方向 | 在要点中保留对立观点 | +| **未探索方向** | 作者指出的空白或待解决问题 | 在要点末尾注明，作为后续关注线索 | +| **范式突破** | 挑战现有框架的新思路 | 用**粗体**突出，作为核心命题优先考虑 | + +#### 3c. 提取关键要素 + +在完成批判性追问和知识分类后，提取：标题和链接、来源/作者、核心论点、关键要点（3-8 个）、可引用金句。 + +### 4. 草稿先行（学术写作能力） + +**写作不是收尾工作，而是梳理思路的工具。** 在编写正式摘要之前，先用 3-5 句话写一个"草稿摘要"： + +- 这篇文章**真正想说什么**？（一句话核心命题） +- 它**为什么重要**？（跟现有认知有什么不同） +- 它**跟已有文章有什么关系**？（呼应、补充还是挑战？） +- 它**的局限是什么**？（什么场景下不适用） + +这个草稿**不进入最终输出**，目的是强迫自己在写正式摘要前理清逻辑。如果草稿写不清楚，说明对文章的理解还不够深——回到第 3 步重新阅读。 + +### 5. 提取核心观点并构建体系 **最关键的一步**，在编写具体内容之前完成： -1. **提取核心命题**：通读全部文章，提炼一个能串联所有关联文章的核心命题，2-4 字（如"驾驭AI"） +1. **提取核心命题**：基于批判性阅读和草稿的梳理，提炼一个能串联所有关联文章的核心命题，2-6 字（如"驾驭AI""智能体工程化"）。核心命题不应只是主题标签，而应体现文章的**独特认知贡献** 2. **划分层级**：将关联文章按递进逻辑分层——总纲→实践层（团队/流程/产品）→战略层（组织）→根基层（文明/哲学），每层一个 2-3 字标签 3. **排序**：体系内按层级递进排列，独立工具/项目放在最后 -4. **确定父条目**：为核心命题创建一个父条目——标题用核心命题，链接用首篇文章URL，配一张代表图片和一句金句标签 +4. **确定父条目**：为核心命题创建一个父条目——标题用核心命题，链接用首篇文章 URL，配一张代表图片和一句金句标签 -### 4. 生成文章配图 +### 6. 自我批判检查点（学术沟通能力） + +在编写最终输出之前，用以下问题自查： + +- **核心命题是否精准？** 是否只是换了个说法重复文章标题，还是真正抓住了文章的独特认知贡献？ +- **关联是否真实？** 文章之间的"呼应""补充"关系是真实存在的，还是为了凑体系生造的联系？ +- **是否有偷换概念？** 是否把工具/技术细节当成了核心认知贡献？（区分工具与目标） +- **金句是否可引用？** 加粗的句子如果单独拿出来，是否仍然有意义、有冲击力？ +- **遗漏了什么？** 文章中最反常识、最容易被忽略的细节是否被覆盖了？ + +如果任何一项自查不通过，回到第 4 或第 5 步修正。 + +### 7. 生成文章配图 摘要编写完成后，**必须**调用即梦 AI（Dreamina）为父条目或独立文章生成配图。 -#### 4a. 构建生成提示词 +#### 7a. 构建生成提示词 从文章分析结果中提取以下元素构建文生图提示词： @@ -58,7 +126,7 @@ $ARGUMENTS 一张关于"{核心命题}"的主题配图，{关键概念转化成的视觉元素}。{风格要求}。适合作为技术文章的题图，简洁有力。 ``` -#### 4b. 调用即梦生成 +#### 7b. 调用即梦生成 使用 `Skill` 工具调用 `arno-dreamina` 技能，传入提示词和下载路径： @@ -67,16 +135,16 @@ Skill: arno-dreamina Args: 生成一张16:9横版文章配图，提示词：{构建的提示词}。下载到 知识/金鹏/{YYYYMMDD}/{YYYYMMDD}-{NNN}.png ``` -#### 4c. 确认配图与占位一致 +#### 7c. 确认配图与占位一致 下载完成后确认： - 图片本地路径与摘要中 `![-](./金鹏/YYYYMMDD/YYYYMMDD-NNN.png)` 占位一致 - 日期与文章日期匹配 - 父条目配图用 `-001`，子文章按序编号 -### 5. 输出格式 +### 8. 输出格式 -#### 5a. 体系内文章组（有关联的文章，用父条目分组） +#### 8a. 体系内文章组（有关联的文章，用父条目分组） ```markdown - [核心命题](首篇文章URL) @@ -102,7 +170,7 @@ Args: 生成一张16:9横版文章配图，提示词：{构建的提示词}。 - 总纲的定位描述放在来源之前（因为它是全组的总起），其他子文章的定位描述放在来源之后 - 定位描述承上启下，用关联词串联上下文 -#### 5b. 独立文章（不属任何体系的工具项目或单篇文章） +#### 8b. 独立文章（不属任何体系的工具项目或单篇文章） ```markdown - [文章标题](URL) @@ -120,38 +188,49 @@ Args: 生成一张16:9横版文章配图，提示词：{构建的提示词}。 | 类型 | 格式 | 示例 | |------|------|------| | 父条目 | 核心命题，2-6 字 | `驾驭AI` | -| 体系内子文章 | `动作名词：具体内容`，≤20字 | `角色分工：gstack 的虚拟工程团队` | +| 体系内子文章 | `动作名词：具体内容`，≤20 字 | `角色分工：gstack 的虚拟工程团队` | | 独立文章 | 简洁直白，≤15 字 | `实时数字人` | ### 描述编写 -1. **粗体**用于：核心命题、关键洞察、金句、颠覆性结论 +1. **粗体**用于：核心命题、关键洞察、金句、颠覆性结论、范式突破 2. 每条要点控制在 1-2 行 -3. 忠实原文观点 -4. 子文章定位描述必须说明该文在体系中的位置，并与前文建立关联 +3. 忠实原文观点，区分"作者的结论"和"我们的推断" +4. 子文章定位描述必须说明该文在体系中的位置，并与前文建立**真实的**关联（不为了体系完整而生造联系） +5. 对"争议"类观点保留对立声音，不一边倒呈现 ### 注意事项 - 图片占位 `![-](./金鹏/YYYYMMDD/YYYYMMDD-NNN.png)`，日期与文章日期一致 - 多个相关链接（GitHub、官网等）用缩进放在描述最后 -## 执行后复盘 +## 执行后复盘（标准化复盘流程） -每次执行本命令后，必须完成以下步骤： +每次执行本命令后，必须按以下结构化流程复盘。参照"实验迭代能力"的标准化原则——无论成功还是失败，都固定记录核心变量。 -### 1. 分析执行过程 +### 1. 记录执行变量 + +| 变量 | 说明 | +|------|------| +| 输入类型 | URL / 本地文件 / 粘贴内容 / GitHub 仓库 | +| 价值判断 | 高 / 中 / 低，判断依据 | +| 文章数量 | 单篇 / 多篇关联 / 独立 | +| 是否形成体系 | 是 / 否，原因 | + +### 2. 分析执行过程 分析本次执行过程的优点和缺点： - **优点**：哪些步骤/设计执行顺畅、达到预期效果？ - **缺点**：哪些步骤/设计存在问题或可改进之处？ +- **反常识发现**：执行中是否有预期之外的情况？例如预期能形成体系的文章实际关联薄弱，或被判断为低价值的文章实际有意外亮点？ -### 2. 评估是否需要更新命令 +### 3. 评估是否需要更新命令 基于上述分析，判断当前命令是否需要更新。如果执行顺利无问题，注明"当前命令无需更新"。 -### 3. 如需更新，提出建议并由人类确认 +### 4. 如需更新，提出建议并由人类确认 如果发现需要改进的地方，给出具体的更新方案（修改内容、位置、原因），由人类用户确认后再执行对命令文件的修改。 -> **原则**：可改可不改的不改；只提出对执行质量有实质影响的更新建议。 \ No newline at end of file +> **原则**：可改可不改的不改；只提出对执行质量有实质影响的更新建议。 diff --git a/知识/金鹏.md b/知识/金鹏.md index 4251fd8..eb9c8dc 100644 --- a/知识/金鹏.md +++ b/知识/金鹏.md @@ -15,95 +15,34 @@ ## 2026-06-26 -- [智能体工程化](https://mp.weixin.qq.com/s/OkgrBwB4Zhfe6ECApNTKmg) -- ![-](./金鹏/20260626/20260626-001.png) -- Louis乐成 -- 让智能体从"跑通一次"到"可重复交付"——智能体开发的工程化觉醒 - - 总纲： [智能体工程化：从实验到生产的全生命周期实践](https://mp.weixin.qq.com/s/OkgrBwB4Zhfe6ECApNTKmg) - - **智能体工程化** 是本期核心命题。Louis以一本系统著作完整梳理企业级智能体开发的全生命周期方法论——Build → Test → Deploy → Monitor → Govern，贯穿从实验到生产的每一个环节 - - 全书共25章+序言+附录，分为八部分：宏观趋势、构建、测试、部署、监控、治理、企业案例、前瞻展望，**覆盖智能体从"一个惊艳的Demo"到"一个可重复交付的生产系统"的完整工程化路径** - - Gartner数据：2026年全球Agentic AI支出达2019亿美元，较2025年增长141%；40%企业应用将集成专用智能体；但仅17%已部署至生产，94%担忧复杂性与安全风险，仅21%具备成熟治理模型——**巨大的期望与薄弱的工程基础之间形成了危险的鸿沟** - - Anthropic/Stripe/OpenAI三家独立团队在底层模式上惊人趋同：分离生产与验证、结构化约束优于指令约束——**智能体构建正在从碎片化实验走向工程共识的形成期** - - **构建智能体的目标不是做出一个"成功的 demo"，而是建立一个可重复的系统，让智能体能够在真实世界中持续改进** - - 序言： [致读者：这本书适合谁](https://mp.weixin.qq.com/s/flRWlgmYYq0VeXvx8xsDGA) - - 全书总览，阐述核心命题：智能体从"跑通一次"到"可重复交付"的关键在于建立系统化的开发生命周期。面向四类读者（工程师、技术管理者、领域专家、安全/合规负责人）提供差异化阅读路径 - - **智能体开发需要生命周期思维——构建、测试、部署、监控四个阶段构成循环，治理则是环绕其上的约束与支撑** - - 趋势层： [企业主流：40%应用的Agent化拐点](https://mp.weixin.qq.com/s/tv87QK7PC2ULjpbLqcbFOQ) - - 建立宏观背景：智能体正从"令人兴奋的实验"变成"必须认真对待的工程挑战"。**聊天机器人是被动的响应者，智能体是主动的执行者**——能理解目标后规划步骤、调用工具、检查结果、纠正偏差 - - 三类率先被渗透的任务：信息密集型（合同审查、竞品分析）、流程密集型（订单修改、工单流转）、判断密集型（信贷审批、保险核保） - - **94%担忧蔓延风险，21%有成熟治理——"先部署，后治理"成了隐性的组织默认策略，验证的代价将是成本失控、安全事故和未通过审计的项目** - - 理念层： [生命周期思维：可重复交付的工程哲学](https://mp.weixin.qq.com/s/eP97Jr86Wz-Zss-DxDKgag) - - 阐述全书核心主张：智能体的三个根本特征——**非确定性、持续漂移和错误放大效应**——决定了不能用传统的"开发-测试-上线-偶尔监控"流程来管理 - - 三条核心原则：①尽早交付但不盲目交付②从真实使用中学习③持续迭代——**生命周期不是循环，是螺旋：每一次循环经过四个阶段，智能体都应该比上一次更好** - - 从1到N的规模化路径：从项目级实践迁移到平台级基础设施，**控制平面的出现印证了共享基础设施的必要性——不让每个智能体从零开始** - - 构建层： [架构基础：框架、运行时、脚手架三层分工](https://mp.weixin.qq.com/s/e803Q5PrqilHWvzKms72GA) - - 开启构建阶段，厘清智能体构建的三层架构：**框架层提供抽象（怎么表达逻辑），运行时层保障执行（怎么可靠运行），脚手架层提供工作环境（怎么做得好）** - - 三家团队趋同发现：Anthropic从GAN借来生成器/评估器分离架构，Stripe用Blueprint将确定性与非确定性节点混合编排（每周1300+ PR），OpenAI Codex用Agent Loop模式——**都选择了"分离关注点+结构化约束+执行环境隔离"的底层模式** - - **智能体在评分自己产出时的可靠偏差是正向的——将生成与评估分离到不同智能体中，表现优于自我评估** - - 构建层： [工具全景：九款框架的系统对比与选型](https://mp.weixin.qq.com/s/iZqi7eAoKm04ASEI2MhFeA) - - 系统对比LangChain、LangGraph、CrewAI、AutoGen、PydanticAI、LlamaIndex等九款框架，提供场景驱动的选型决策矩阵。运行时层覆盖LangGraph Runtime、Temporal、Cloudflare Project Think等 - - MCP协议月均SDK安装量达9700万，成为现代软件史上采用速度最快的开发者标准之一。**脚手架层正在从辅助角色升级为产品核心——Meta以约20亿美元收购Manus，不是为模型而是为脚手架** - - 构建层： [技能系统：从提示词工程到技能工程](https://mp.weixin.qq.com/s/ADcIHbh5jOjZXH6sGc9jQA) - - Agent Skills标准于2025年12月发布，截至2026年2月公开可用超85,000个，27家主流平台支持。**Skills = 智能体的"岗位SOP"——将知识从提示词中剥离，封装为可复用、可版本控制、跨平台移植的标准化模块** - - 渐进式披露三层架构：发现层（仅加载名称描述）→ 激活层（加载完整指令）→ 执行层（加载脚本和参考材料），**上下文Token消耗降低60%-80%** - - **MCP解决"能调什么工具"，Skills解决"怎么完成任务流程"——两者互补而非竞争** - - 构建层： [低代码构建：让最懂业务的人定义智能体](https://mp.weixin.qq.com/s/zZ2vta4rzOKo2jrbKtG_Sw) - - 对比LangSmith Fleet、Claude Cowork、n8n等无代码/低代码工具。核心矛盾：**最理解业务流程的人，往往不是写代码的人**——低代码让领域专家直接参与智能体创建 - - 关键工程原则：**低代码平台的核心不是替代代码，而是重新定义代码介入的时机和地点**——工程师不再需要参与Agent的常规定义，但必须设计Agent"不能做什么"的约束系统 - - 测试层： [评估体系：从"凭感觉"到"凭数据"](https://mp.weixin.qq.com/s/mVfdI2F4NZCsaDUnII5E0w) - - **64%的企业在智能体准备不足时就将其部署上线**。建立正确性评估与标准评估的二元框架。"感觉不错"有三层危险：小样本错觉、评分者偏差、看不见的失败 - - **测试在部署之前，不代表要追求完美——在部署前完成足够的评估来感知已知失败模式，比什么都不建就上线要强得多** - - 多轮评估超越单轮的三维度：信息收集效率、中途决策合理性、失败时优雅降级——**单轮看不到组合偏差，多轮轨迹级评估才能发现流程违规** - - 测试层： [数据集与实验：评估驱动的开发闭环](https://mp.weixin.qq.com/s/_EYTVC3Qd-PioQIWcejeFg) - - 数据集从三个来源持续生长：预期用例→已知边缘案例→内部试用中的真实失败。指标分正确性、效率和安全/合规三个维度。**实验的价值不在于证明"更好"，而在于揭示在哪些维度上更好、哪些维度上更差** - - Zomato Nugget月均1500万次对话的评估体系、Goldman Sachs的金融智能体合规评估、Netflix的"双Agent"评估模式——**系统化评估投资的团队，最终胜出** - - 测试层： [评判者工程：LLM-as-a-Judge到Agent-as-a-Verifier](https://mp.weixin.qq.com/s/CuCHkhaJ07HJW9g53JtaAg) - - 从LLM-as-a-Judge到Agent-as-a-Judge（主动环境交互验证）再到LLM-as-a-Verifier（细粒度评分消除平局），评判者能力被不断拓展。**LLM-as-a-Verifier在Terminal-Bench上达到77.4%验证准确率 vs 传统Judg的57.0%** - - **任何评判系统最终需面对同一个问题：我们怎么知道评判者的判断本身是可以信任的？** 可靠性工程——校准、压力测试、混合评估架构——不是可选步骤，而是缺失即不可信的环节 - - 测试层： [模拟与对抗测试：推动鲁棒性边界](https://mp.weixin.qq.com/s/lgJ4JTnvHA8gK90iW5huOA) - - 讨论多轮端到端模拟测试、沙箱安全执行、对抗测试与压力测试。模拟测试超越单轮评估进入多轮验证，沙箱环境限制错误影响范围，对抗测试通过边界案例推动鲁棒性边界 - - 部署层： [生产级运行时：从无状态到持久化执行](https://mp.weixin.qq.com/s/Bh_E7H_4eKkqSmIHqEdA5A) - - 2026年标志性转折：**从无状态的请求-响应模型全面转向有状态的持久化执行模型**。Diagrid的工程师精准诊断："检查点不是持久化执行"——真正的持久化需要外部调度层在故障后自动拉起并恢复 - - 人在回路的四种模式：审批、升级、澄清、干预——**不加区分的人机回路会退化为橡皮图章行为，自主分区策略才是规模化部署的工程必须** - - Temporal与OpenAI Agents SDK集成正式GA，Google Agent Runtime支持七天状态窗口，AWS AgentCore推出托管会话存储——持久化执行正在成为基础设施层的标配能力 - - 部署层： [沙箱与执行环境：给智能体一个安全的工作场所](https://mp.weixin.qq.com/s/Sym2m3poLVGpE3S1pPIcuw) - - 对比LangSmith Sandboxes（Firecracker微VM）、Daytona（持久化容器）、E2B（专为不可信代码设计）、Blaxel（25ms待机恢复）四条技术路线。**2026年4月的前沿模型沙箱逃逸事件验证了一个根本事实：标准容器共享内核的隔离模型对智能体而言不够** - - 纵深防御四层体系：微VM隔离 > 默认拒绝网络出口 > 外置化凭证注入 > 持续运行时监控 - - 部署层： [上下文中心：提示词与配置的工程化管理](https://mp.weixin.qq.com/s/GCtZ5hH_exOscUCimliNkQ) - - **提示词与上下文是智能体的"非代码核心资产"**——变更频率远高于应用代码，变更发起者不限于工程师。Andrew Ng团队开源的Context Hub引入`annotate`机制，让智能体跨会话积累经验 - - 解耦部署的三层价值：行为变更速度（分钟级vs代码部署周期）、风险隔离（灰度暴露+即时回滚）、组织协作效率（领域专家自助迭代） - - 部署层： [平台选择：架构收敛，生态分化](https://mp.weixin.qq.com/s/OZCJ15UPS1tto7fhB0xpRQ) - - OpenAI Frontier"企业下行"vs Anthropic Managed Agents"开发者上行"——两条路线在底层架构上趋同于**编排层+语义层+控制塔**的三层模型 - - Agent 365将智能体治理嵌入Entra ID企业身份体系，Copilot Studio低代码构建，Northflank提供云中立托管——**选择平台的最终标准不是"功能更多"，而是"哪个平台最能让团队在不丧失治理能力的前提下快速、安全、持续地将智能体从实验推向生产"** - - 监控层： [追踪：让智能体的每一步都可见](https://mp.weixin.qq.com/s/NMwtOTK41SSGy7yHRLSI7Q) - - **追踪不是日志的高分辨率版本——它将智能体行为建模为结构化的执行树，而非线性的字符串流**。智能体的失败往往是"静默"的：状态码200，格式正确，语气得体，但实质上完全错误 - - ARMO安全事件的核心教训：**执行层可观测性记录的是智能体报告自己在做什么，安全可观测性需要在传输层独立拦截工具调用** - - 监控层： [信号采集：从追踪中提取质量判断](https://mp.weixin.qq.com/s/x7O4EBAADiOp8lGv_P4SFQ) - - 组合式信号架构：规则层（正则+阈值，实时）→ LLM评判者层（采样10-20%，语义判断）→ 产品分析层（跨数千次交互的趋势洞察）。**推理层监控与上下文层监控是两个独立层次——仪表盘必须将两者并置** - - 监控层： [仪表盘、告警与持续改进闭环](https://mp.weixin.qq.com/s/CK9CJNSgAUjJH3evKgcSPA) - - 持续改进=以生产追踪为数据源→以信号为质量度量→以评估集为回归门禁→以实验为验证手段。**50%的AI智能体部署失败将对企业造成财务或声誉损失，根因是缺乏从生产系统持续学习和改进的基础设施** - - **告警疲劳的治疗方式，不是增加接收人的知识储备，而是减少告警数量同时提高每条告警的信息密度和可行动性** - - 治理层： [三大支柱：成本、工具访问与可发现性](https://mp.weixin.qq.com/s/pwlaf-JCREszNvWoMUFpYg) - - Gartner预测到2028年财富500强企业平均管理超150,000个智能体，而2025年尚不足15个——**三年10000倍的规模跃迁**。治理不是部署后追加的管控层，而是智能体"做任何事"之前就存在的约束系统 - - AAGMM五级成熟度模型：Level 4-5组织的蔓延指数比Level 1低94.3%，风险事件少96.4%，任务完成率高32.6%——**治理不是拖慢工作的限制层，而是让规模化创造价值的倍增器** - - ServiceNow AI控制塔与WSO2开源Agent Manager代表了治理控制塔的两条路径——治理必须从手工作坊式转向平台化基础设施 - - 治理层： [人在回路与审计追踪：决策的工程设计](https://mp.weixin.qq.com/s/-Uxfg2_ro8oVV5Qe8BLX1g) - - 深入人在回路的工程设计：审批、升级与干预的正确层级设计，工具调用的全链路可追溯，以及将智能体作为一等身份纳入企业IAM体系的完整路径 - - 治理层： [安全与风险：MCP/A2A协议的威胁面与对抗性防护](https://mp.weixin.qq.com/s/ucEwlzswx4AHtBRBAxObVA) - - 覆盖MCP与A2A协议的安全威胁建模、最小权限与动态授权模型、沙箱隔离的多层纵深防御，以及提示注入、数据投毒与供应链攻击的对抗性防护体系 - - 实践层： [客户服务：从自动化到全生命周期](https://mp.weixin.qq.com/s/sRfqWtQOK4mbh97rFrrfew) - - 聚焦Zomato Nugget（月均1500万次对话，解决率85%）、Tata Steel（全球供应链Agent网络）、ASAPP（五Agent覆盖客服全生命周期）等生产级客户服务案例 - - 实践层： [软件工程：AI编码智能体的生产实践](https://mp.weixin.qq.com/s/JNwyA9l7m_G3HfPhaC2owA) - - Stripe Minions每周1300+ PR的五层流水线、OpenAI Codex百万行生产代码的实践经验、Anthropic三智能体脚手架的对比实验——**单智能体$200产出缺失核心功能，三智能体$200产出功能完善产品** - - 实践层： [企业运营与垂直行业](https://mp.weixin.qq.com/s/E9tOGD1Nm6cVlMIw3Gg3xw) - - 金融风控Agent与合规检查、医疗临床决策支持与安全护栏、制造业供应链与预测性维护、零售业多Agent协作——**跨行业案例共同揭示：系统化者胜出** - - 前瞻层： [规模化与多智能体生态](https://mp.weixin.qq.com/s/NUghWCo0qo4EgBdq3Y6y1g) - - 至2027年预计70%多智能体系统拥有高度专门化角色，多Agent在困难任务上比单Agent好90.2%。编排模式选择、协议标准化（A2A、ANP）、状态一致性是核心挑战 - - 前瞻层： [未来五年：技术演进与组织变革双螺旋](https://mp.weixin.qq.com/s/dBbAC1u2O8xsJftBAaiU5w) - - Gartner预测至2027年超40%的Agentic AI项目将因成本上升、业务价值模糊与风险控制不足而暂停。**"智能体不能可靠自我评估"属于任务结构的固有约束，不会因模型升级而消失** - - 企业需同步建立技术能力、组织能力与治理能力三位一体的系统——**智能体工程化的终局不是"模型更会做事"，而是"组织能把模型做事这件事稳定地接进交付链路里"** - - 附录： [核心概念速查、工具矩阵、评估模板与最佳实践](https://mp.weixin.qq.com/s/xZrGbhIrayJPbLgl1mBVag) - - 全书附录：核心概念速查表、工具与平台矩阵速查表、智能体评估模板、治理成熟度自评清单、沙箱安全审计清单、Skill开发模板与最佳实践、参考文献与索引 +- [智能体工程化：从实验到生产的全生命周期实践](https://mp.weixin.qq.com/s/OkgrBwB4Zhfe6ECApNTKmg) +- [致读者：这本书适合谁](https://mp.weixin.qq.com/s/flRWlgmYYq0VeXvx8xsDGA) +- [企业主流：40%应用的Agent化拐点](https://mp.weixin.qq.com/s/tv87QK7PC2ULjpbLqcbFOQ) +- [生命周期思维：可重复交付的工程哲学](https://mp.weixin.qq.com/s/eP97Jr86Wz-Zss-DxDKgag) +- [架构基础：框架、运行时、脚手架三层分工](https://mp.weixin.qq.com/s/e803Q5PrqilHWvzKms72GA) +- [工具全景：九款框架的系统对比与选型](https://mp.weixin.qq.com/s/iZqi7eAoKm04ASEI2MhFeA) +- [技能系统：从提示词工程到技能工程](https://mp.weixin.qq.com/s/ADcIHbh5jOjZXH6sGc9jQA) +- [低代码构建：让最懂业务的人定义智能体](https://mp.weixin.qq.com/s/zZ2vta4rzOKo2jrbKtG_Sw) +- [评估体系：从"凭感觉"到"凭数据"](https://mp.weixin.qq.com/s/mVfdI2F4NZCsaDUnII5E0w) +- [数据集与实验：评估驱动的开发闭环](https://mp.weixin.qq.com/s/_EYTVC3Qd-PioQIWcejeFg) +- [评判者工程：LLM-as-a-Judge到Agent-as-a-Verifier](https://mp.weixin.qq.com/s/CuCHkhaJ07HJW9g53JtaAg) +- [模拟与对抗测试：推动鲁棒性边界](https://mp.weixin.qq.com/s/lgJ4JTnvHA8gK90iW5huOA) +- [生产级运行时：从无状态到持久化执行](https://mp.weixin.qq.com/s/Bh_E7H_4eKkqSmIHqEdA5A) +- [沙箱与执行环境：给智能体一个安全的工作场所](https://mp.weixin.qq.com/s/Sym2m3poLVGpE3S1pPIcuw) +- [上下文中心：提示词与配置的工程化管理](https://mp.weixin.qq.com/s/GCtZ5hH_exOscUCimliNkQ) +- [平台选择：架构收敛，生态分化](https://mp.weixin.qq.com/s/OZCJ15UPS1tto7fhB0xpRQ) +- [追踪：让智能体的每一步都可见](https://mp.weixin.qq.com/s/NMwtOTK41SSGy7yHRLSI7Q) +- [信号采集：从追踪中提取质量判断](https://mp.weixin.qq.com/s/x7O4EBAADiOp8lGv_P4SFQ) +- [仪表盘、告警与持续改进闭环](https://mp.weixin.qq.com/s/CK9CJNSgAUjJH3evKgcSPA) +- [三大支柱：成本、工具访问与可发现性](https://mp.weixin.qq.com/s/pwlaf-JCREszNvWoMUFpYg) +- [人在回路与审计追踪：决策的工程设计](https://mp.weixin.qq.com/s/-Uxfg2_ro8oVV5Qe8BLX1g) +- [安全与风险：MCP/A2A协议的威胁面与对抗性防护](https://mp.weixin.qq.com/s/ucEwlzswx4AHtBRBAxObVA) +- [客户服务：从自动化到全生命周期](https://mp.weixin.qq.com/s/sRfqWtQOK4mbh97rFrrfew) +- [软件工程：AI编码智能体的生产实践](https://mp.weixin.qq.com/s/JNwyA9l7m_G3HfPhaC2owA) +- [企业运营与垂直行业](https://mp.weixin.qq.com/s/E9tOGD1Nm6cVlMIw3Gg3xw) +- [规模化与多智能体生态](https://mp.weixin.qq.com/s/NUghWCo0qo4EgBdq3Y6y1g) +- [未来五年：技术演进与组织变革双螺旋](https://mp.weixin.qq.com/s/dBbAC1u2O8xsJftBAaiU5w) +- [核心概念速查、工具矩阵、评估模板与最佳实践](https://mp.weixin.qq.com/s/xZrGbhIrayJPbLgl1mBVag) ## 2026-06-05