- 博客(7477)
- 收藏
- 关注
RSS订阅原创 AI Agent Harness故障演练方案
概念定义AI Agent具备感知、决策、执行能力的大模型驱动的智能体，能自主完成用户指定的复杂任务Agent的执行管控底座，负责Agent生命周期管理、工具调用编排、状态维护、权限管控、容错降级、可观测数据采集等核心能力，是保障Agent高可用的核心组件（注意：本文提到的Harness和CI/CD厂商Harness无任何关系）故障演练（混沌工程在AI Agent场景的延伸）主动向系统注入故障，验证系统在故障场景下的容错能力，提前发现系统短板的实践方法爆炸半径。
2026-06-23 22:17:27
97
原创 构建抗脆弱的 Agent 系统：错误恢复与容错机制设计
对于当前爆发式发展的大模型 Agent 系统而言，抗脆弱性已经从可选特性变成了落地的核心刚需。
2026-06-23 21:23:37
182
原创 用 TLA+ 形式化验证 Harness 的并发安全性
本文将从Harness CI的核心并发调度场景出发，从零开始带你完成形式化验证的全流程：首先拆解Harness调度逻辑的核心模型，然后编写TLA+规范，定义安全与活性属性，运行TLC模型检查器挖掘隐藏缺陷，最后修复缺陷并完成正确性证明。TLA+是由图灵奖得主Leslie Lamport发明的形式化规范语言，核心是基于时态逻辑+集合论来描述系统的行为，并且可以通过TLC模型检查器穷尽所有可能的状态转移，验证系统是否满足预设的安全属性，本质上是用数学方法证明系统的正确性。
2026-06-23 20:23:07
153
原创 AI Agent在金融投资中的应用：量化交易、资产配置与风险管理_副本
本文第一部分将讲解金融AI Agent的核心概念、架构、数学模型；第二到第四部分分别拆解AI Agent在量化交易、资产配置、风险管理三个场景的落地方法、代码示例、对比分析；第五部分给出完整的AI Agent投研平台落地案例；第六部分分享行业最佳实践和踩坑指南；第七部分分析行业发展趋势。AI Agent正在重构金融投资的整个流程，在量化交易、资产配置、风险管理三个核心场景都有成熟的落地方案，相比传统方案在效率、收益、风险控制上有数量级的提升，未来10年将成为金融投资领域的基础设施。
2026-06-23 19:29:17
103
原创 从 Copilot 到 Autopilot：逐步提升自动化等级
本文我们会参考自动驾驶的自动化等级划分，把AI研发自动化从L0到L4分成5个阶段，从大家最熟悉的Copilot（L1辅助编码）开始，一步步带你升级到任务级自动化（L2）、流程级自动化（L3），最终落地完全自主的Autopilot体系（L4）。每个阶段我们都会讲清楚核心能力、落地方法、代码示例、踩坑指南，给你一套可直接复制的升级路径。概念定义核心特征人工参与度Copilot（副驾驶）AI作为人类开发者的辅助工具，仅在编码环节提供局部能力支持人主导整个流程，AI仅做局部补全、建议80%以上。
2026-06-23 02:35:24
174
原创 Harness 中的意图护栏：拒绝超出范围的请求
Harness的意图护栏是部署在AI助手入口处的第一层治理机制，通过大模型微调、向量匹配、上下文感知等技术，精准识别用户自然语言请求的真实意图，判断其是否属于平台允许的服务范围、是否符合安全合规要求，从而在源头阻断违规请求，平衡AI带来的效率提升和安全风险。准确率高达98%以上，误拦截率低于2%，几乎不影响正常研发效率；覆盖Harness全场景能力（CI/CD、Feature Flag、云成本管理、安全治理等），支持自定义业务专属意图；
2026-06-23 01:46:54
180
原创 如何构建企业知识库，让 Agent 真的理解公司业务
本文将从企业知识库的核心需求出发，手把手带你完成从需求对齐、数据采集治理、文档预处理、向量嵌入存储、检索系统优化到Agent交互设计的全流程落地，不仅会提供可直接运行的代码示例，还会拆解大厂知识库落地的最佳实践和踩坑经验。第一步先对齐业务需求，明确场景、指标、更新频率，避免盲目搭建第二步做数据采集治理，处理多源数据，清洗脱敏，保证数据质量第三步做文档分块和元数据标注，按语义拆分，补充标签方便检索过滤第四步选择合适的embedding模型和向量数据库，把分块转为向量存储。
2026-06-23 00:53:04
165
原创 SLA 怎么写才可执行 成功率 风险率 P95 延迟 人工介入率
你有没有遇过这样的场景：和服务商签的SLA写着「服务可用性99.9%」，结果业务因为服务故障停了4小时，服务商说「这个故障是你方配置问题导致的，不算我们的责任」，双方拿着协议扯了半个月，最后损失只能自己扛？90%的SLA之所以是废纸，核心原因是没有做到「可执行」：指标定义模糊、计算口径不统一、校验机制缺失、奖惩规则形同虚设。本文将从核心概念解析、指标量化方法、系统实现、落地案例四个维度，手把手教你把成功率、风险率、P95延迟、人工介入率四大核心指标写进可落地的SLA，彻底解决SLA扯皮问题。
2026-06-22 23:52:32
78
原创 AI Agent与业务流程管理（BPM）系统的融合创新
非结构化数据处理能力为零：票据、合同、聊天记录、语音等非结构化数据占企业数据总量的80%，传统BPM完全无法自动处理，必须人工录入转化为结构化字段；零弹性无法应对例外场景：业务的变化永远比预设的规则快，据Gartner统计，企业流程中平均有35%的场景属于例外场景，需要人工干预跳转流程，反而增加了管理成本；迭代效率极低：流程的变更、优化需要IT团队重新配置、测试、发布，迭代周期动辄周级甚至月级，完全跟不上业务的快速变化。
2026-06-22 22:58:43
73
原创 回归测试：确保 Harness 更新不破坏现有功能
术语简明定义Harness业界领先的 DevOps 平台，提供 CI/CD、Feature Flag、云成本管理、服务可靠性管理等全链路研发效能工具，支持 SaaS 托管和私有化部署两种模式回归测试软件版本更新后，重新运行已有测试用例，验证原有功能正常、没有引入新缺陷的测试活动Harness 回归测试特指 Harness 平台本身版本更新后，验证用户自定义的流水线、插件、集成、配置等资产正常运行的测试活动分级测试策略。
2026-06-22 22:10:13
79
原创 Agent 的状态机：复杂任务的工程化表达
非确定性管控问题：大模型输出具有概率性，需要通过状态机对推理结果做边界约束，避免超出业务允许的范围长程任务连贯性问题：长周期任务中上下文衰减是大模型的固有缺陷，状态机通过快照机制持久化核心状态，保证任务连贯性多主体协同一致性问题：多Agent协同场景下，状态机作为全局状态的单一可信源，避免多个Agent出现状态冲突可观测可回溯问题：企业级应用需要可审计、可回溯的执行链路，状态机的所有状态变更都有日志记录，满足监管要求状态拆分原则。
2026-06-22 21:21:43
184
原创 AI Agent核心技术拆解：从目标拆解到行动执行的全链路
AI Agent是指能够自主感知环境输入、动态规划执行路径、调用外部工具落地动作、根据反馈迭代优化，最终完成给定目标的人工智能系统，其核心特征是「自主性」和「连续性」：不需要人类在每一步给出指令，就能自主完成多步骤的复杂任务。我们要搭建的差旅规划Agent可以接收用户的差旅需求，自动完成：机票查询预订、酒店查询预订、行程单生成、报销单对接OA系统四大核心功能，全程不需要人类干预。
2026-06-22 20:21:13
164
原创 从ReAct到Plan-and-Execute：Agent推理框架演进全解析
大语言模型（LLM）的爆发式发展带来了人工智能落地的新范式：以LLM为认知核心的智能体（Agent）能够自主完成开放域复杂任务，打破了传统AI只能解决单一封闭域问题的边界。但早期LLM推理范式存在两个核心缺陷：一是以思维链（CoT）为代表的纯推理范式无法与外部环境交互，无法获取实时信息、无法调用工具执行操作，存在天然的知识截止与能力边界；二是以Toolformer为代表的纯工具调用范式缺乏逻辑推理能力，工具调用决策没有认知支撑，容易出现调用错误、参数错误等问题。在这种背景下，如何将推理能力与行动能力深度融
2026-06-22 19:27:24
158
原创 AI Agent Harness Engineering 在教育领域的应用：千人千面的 AI 导师是如何炼成的？
在展开AI Agent Harness Engineering之前，我们必须先把几个被炒得火热、但定义经常混乱的术语理清楚——这也是很多开发者甚至技术总监在选型时踩坑的根源。
2026-06-22 02:26:53
122
原创 开源模型微调指南：打造垂直领域的专用 Agent 大脑
术语简明定义开源大模型代码、权重公开可免费使用的大语言模型，典型代表如Llama系列、Qwen系列、Phi系列、Mistral系列微调（Finetune）在预训练好的通用大模型基础上，用垂直领域数据调整部分/全部参数，让模型适配特定任务的过程LoRA（低秩适配）高效微调技术，冻结基座模型全部参数，仅训练注意力层的低秩矩阵，参数量仅为全参数的0.1%左右QLoRA（量化低秩适配）LoRA的升级版本，把基座模型量化为4位存储，进一步降低显存需求，单张3090就能微调70B模型。
2026-06-22 01:38:21
177
原创 团队协作开发：多人如何高效共建Agent项目？
用户咨询Agent：负责接待用户，回答常见问题工单处理Agent：负责创建、跟进、关闭工单知识库查询Agent：负责检索商品、售后、物流等知识库内容质检Agent：负责监控所有Agent的输出，拦截违规内容团队组成：1个产品经理、2个Prompt工程师、3个工具开发工程师、2个RAG工程师、2个评测工程师、1个运维工程师、1个团队负责人。
2026-06-22 00:44:31
195
原创 AI Agent Harness Engineering 从0到1创业：技术选型与产品定位的核心策略
AI Agent Harness是位于业务Agent与底层基础设施（大模型、工具、算力）之间的管控层，相当于Agent的操作系统，核心作用是为所有Agent提供非业务逻辑的共性能力支撑，让Agent研发团队只需要关注prompt、工具业务逻辑、业务流程本身，不需要重复开发调度、容错、观测、安全、成本优化这些通用能力。大模型=CPU工具=外设（键盘、鼠标、打印机）业务Agent=应用程序（微信、Office）
2026-06-21 23:56:01
50
原创 AI Agent Harness Engineering 技术商业化挑战：标准化与定制化的矛盾解决方法
的业务级服务。举个生活中的例子🔵：单个AI Agent可能是你手机上的“Siri”或者“文心一言插件”，它们能完成特定的单一任务（比如查天气、订机票、生成文案）。而AI Agent Harness则是一个。
2026-06-21 23:07:29
78
原创 AI Agent Harness Engineering 与人类协作：互补优势下的高效工作模式
AI Agent Harness Engineering（AI代理管控编排工程）。不是让AI替代人类，而是让AI处理所有重复、规则明确、低风险的事务，人类只做关键决策、创意输出、边界问题处理；不是让人类适应AI的输出，而是让Harness层动态调度AI能力、校验输出质量、对齐业务规则，AI的输出永远符合人类的预期；所有操作全程留痕、权责清晰，出了问题可追溯，同时人类的每一次反馈都会自动优化AI的能力，形成正向循环。概念定义核心目标AI Agent。
2026-06-21 22:07:00
77
原创 LangGraph多智能体协作模式：竞争机制与激励相容设计
本文将从多智能体协作的底层逻辑出发，先对比协作型和竞争型两种多智能体模式的适用场景，再深入讲解竞争型多智能体的核心设计思路，重点围绕激励相容这一机制设计核心理论，手把手教你如何用LangGraph实现一套可落地、防作弊、输出质量稳定的竞争型多智能体系统，包含完整的代码实现、规则设计、防作弊机制和业务场景落地案例。在一个系统中，每个个体在追求自身利益最大化的同时，其行为恰好也能实现系统整体的目标。我们可以用数学公式来精准描述激励相容的条件：假设系统中有nnn个Agent，每个Agentiii。
2026-06-21 21:18:30
173
原创 企业知识库的下一代入口：基于Agent的智能问答与决策支持系统
基于Agent的智能问答与决策支持系统交互方式从“人找知识”变成“知识找人”：不用记关键词，用自然语言提问就能得到精准答案；能力边界从“检索文档”变成“决策支持”：不仅能给你原始资料，还能自动分析多源数据、生成结构化结论、给出可执行的决策建议，甚至帮你自动完成任务；数据打通从“信息孤岛”变成“全域互联”：可以对接企业所有内部系统（OA、ERP、CRM、项目管理工具、代码仓库等），不用跨系统翻找数据；知识沉淀从“人工上传”变成“自动积累”：所有交互过程中产生的新知识会自动沉淀到知识库，越用越聪明。
2026-06-21 20:14:13
121
原创 前沿解读：超级个体的崛起与Agent技术的关系
我们首先要明确：AI时代的超级个体和过去大家常说的「斜杠青年」「全能人才」有本质区别。超级个体是指依托通用人工智能技术，具备「单点核心能力+AI工具放大效应」，单人可完成传统需要5-50人团队才能完成的复杂任务，产出效率和商业价值是传统个体的10-100倍的新型劳动者。超级个体的核心特征不是「什么都会」，而是「什么都能通过AI协调完成」：他们不需要精通所有领域的技能，只需要具备核心判断力和AI资源编排能力，就能把自己的专业能力放大数十倍。Agent不需要人类持续下达指令，就能自主完成给定的复杂目标。
2026-06-21 19:20:53
179
原创 AI Agent Harness Engineering 创业必备：技术选型、团队搭建与融资策略全解析
本文的目的是帮助正在或计划进入AI Agent Harness Engineering领域的创业者什么是真正的AI Agent Harness Engineering？（不是简单拼几个通用工具，而是一套覆盖全生命周期的“标准化+定制化”技术体系）如何从零开始搭建AI Agent Harness Engineering的技术栈、产品矩阵和核心团队？（提供“技术选型决策树”“团队能力雷达图”等可视化工具）如何在当前“AI泡沫回归理性”的融资环境下，拿到第一笔种子/天使轮融资？
2026-06-21 02:17:55
175
原创 AI Agent Harness Engineering 的伦理挑战：当智能体造成经济损失，责任归属如何界定？
术语简明定义生活化类比AI Agent具备感知、决策、行动能力的人工智能系统，可在无人工干预的情况下自主完成特定目标会自己开车的司机为AI Agent构建的安全管控体系，包含权限控制、行为审计、风险熔断、责任溯源等模块汽车的安全带、ESP、行车记录仪、刹车系统的组合责任归属明确事故的责任主体、责任比例、赔偿方式的过程交警定责、划分事故各方的赔偿比例因果贡献度某主体的行为对事故发生的影响占比事故中司机超速占70%责任，行人闯红灯占30%责任过错因子。
2026-06-21 01:26:46
245
原创 AI Agent在供应链优化中的应用：多目标决策与实时调度案例
上周突然连续3天38度高温，珍珠奶茶销量暴涨35%，一半的门店珍珠断货，每天损失十几万营收；你让总部多备了30%的珍珠，结果下周连续下雨，销量暴跌，1000斤珍珠过期扔了，又亏了几万；城西的仓库有500斤珍珠放了2天就要过期，城东的门店缺珍珠，你安排骑手配送，结果骑手都去送外卖了，等了2小时才有人接单，送到的时候珍珠已经坏了；你算下来上个月供应链的成本占了营收的40%，比同行高了15%，但客户投诉还是很多，30%的投诉都是缺货或者配送慢。
2026-06-21 00:25:24
196
原创 混合检索：关键词与向量结合的 Harness 策略
随着大模型的普及，RAG已经成为企业落地大模型应用的首选方案，而检索模块的准确率直接决定了RAG系统的回答上限——行业数据显示，80%的RAG回答错误都来源于检索阶段漏召回了正确的相关文档。传统的关键词检索（基于倒排索引、BM25算法）擅长精确匹配字面信息，对专有名词、数字型号、专业术语的召回准确率极高，但完全无法理解语义，同义词、缩写、语序变化都会导致召回失败；
2026-06-20 22:37:59
80
原创 构建自组织 Agent 网络
你有没有见过蚂蚁搬家？上万只蚂蚁没有统一的“指挥官”，每只蚂蚁只会做三件事：感知周围同伴的信息、留下信息素标记路线、搬运眼前的食物，最终整个蚁群却能在几小时内把比自己重1000倍的食物完整运回巢穴，甚至能在洪水来临前自发搭建“蚂蚁筏”逃生。这种单个个体遵循简单规则、群体自发形成有序结构、产生远超单个个体能力的现象，就是“自组织”的核心魅力。本文的目的就是把蚂蚁群的协作逻辑搬到数字世界，教你构建一套不需要中心调度节点、能根据环境动态调整、故障自愈、能力随节点数量增加线性提升的自组织Agent网络。
2026-06-20 21:46:52
58
原创 为什么多智能体更适合复杂业务：分工、并行与责任边界的价值
多智能体系统是指由多个具有自主决策能力的智能体组成的系统，每个智能体具有独立的感知、推理、决策、行动能力，智能体之间通过标准化的通信协议交互，协同完成复杂的任务。和单智能体相比，多智能体的核心差异是分工协作、权责明确、并行处理。对比维度多智能体微服务单大模型智能体自主性高：可自主决策、学习进化、动态调整行为低：只能按照预设代码逻辑执行中：可自主推理，但能力边界模糊适应性高：可应对动态变化的场景，不需要修改代码即可适配新任务低：必须人工修改代码才能适配新场景。
2026-06-20 20:50:34
151
原创 AI Agent开源框架对比：LangGraph、AutoGPT、MetaGPT优劣势分析
术语定义AI Agent具备感知、决策、执行能力的智能实体，核心能力包括记忆、工具调用、规划、反思控制流Agent执行任务的步骤流转逻辑，是Agent可控性的核心决定因素状态机一种行为模型，根据当前状态和输入决定下一个状态，是复杂流程控制的核心范式多Agent协作多个Agent扮演不同角色，按照一定规则交互共同完成任务的模式SOP（标准作业流程）预定义的固定执行流程，是标准化多角色协作的核心规则。
2026-06-20 19:59:28
121
原创 LangChain 已老，LangGraph 当立？新一代编排框架的崛起
本文将从LangChain的核心痛点出发，系统讲解新一代编排框架LangGraph的设计思路、核心概念、核心能力，从环境搭建到实战落地，手把手带你实现3个不同复杂度的Agent应用，同时深度对比LangChain和LangGraph的适用场景，帮你搞懂什么时候该用什么框架。首先我们定义全局的State结构，我们用Python的TypedDict来定义，用Annotated和operator# 用户的问题# 思考历史，每次新的思考追加到列表，所以用operator.add# 计算器的执行结果。
2026-06-20 02:56:45
186
原创 Multi-Agent系统通信协议：智能体间高效交互的底层逻辑
多智能体通信协议是一组规范，定义了Agent之间交换信息的格式、规则、时序和错误处理机制，相当于Agent之间的「共同语言」。消息格式规范：定义消息的字段结构、编码方式、扩展规则交互时序规则：定义请求-响应、通知、广播等不同交互场景的时序要求路由寻址规则：定义如何找到目标Agent、如何转发消息错误处理机制：定义消息丢失、超时、错误等异常场景的处理规则安全机制：定义身份认证、消息签名、加密等安全规则我们用Pydantic定义基础消息结构，所有消息都继承自"""消息类型枚举"""
2026-06-20 02:05:37
200
原创 AI Agent作为个人数字分身：技术实现与隐私安全双重挑战
个人数字分身AI Agent是指运行在用户完全可控的环境中，以服务用户个人需求为唯一目标，具备全维度用户偏好认知、自主任务规划、工具调用、自我进化能力的人工智能实体，是用户在数字世界的主权延伸。对比维度通用Agent个人数字分身Agent第一优先级目标完成平台/企业给定任务最大化用户个人利益，符合用户偏好数据归属权平台/企业所有用户100%所有部署环境公共云端/企业服务器用户本地设备/私有云/加密专属服务器能力边界平台预设的业务范围可自定义扩展全场景个人事务进化方向。
2026-06-20 01:14:12
213
原创 AI Agent Harness Engineering 中的隐私保护技术
在正式讨论隐私保护技术之前，我们必须先锚定本文的核心研究场景——。HAE并非单一的框架组件，而是一套面向场景的。
2026-06-20 00:17:55
208
原创 用Harness实现Agent的渐进式披露控制
内部运维Agent不小心把服务器 root 密码泄露给了刚入职的实习生电商客服Agent把只给VIP用户的500元无门槛优惠券政策告诉了普通用户，导致公司一天亏损200万新上线的医疗问诊Agent的诊断功能存在bug，全量上线后导致300多名患者拿到了错误的诊疗建议Agent的输出没有做动态的、细粒度的披露控制，要么硬编码在Prompt里，要么写死在代码的权限判断逻辑中，每次调整规则都要重新发版，既不灵活也不安全。
2026-06-19 23:21:45
45
原创 基于 Paxos 的 Harness 配置一致性协议
概念定义配置一致性对于任意配置项，所有分布式节点在任意时间看到的最新值，都是最后一次成功提交的变更值，满足线性一致性要求基本Paxos莱斯利·兰伯特1990年提出的分布式一致性协议，通过过半投票机制在不可靠网络下保证决议的一致性，包含Proposer（提案者）、Acceptor（接受者）、Learner（学习者）三个角色，分为Prepare、Accept两个阶段对基本Paxos的优化，通过选举稳定的Leader来省略Prepare阶段，将两阶段提交降为一阶段，大幅提升吞吐量和降低延迟。
2026-06-19 22:20:35
63
原创 从 AutoGPT 到 AgentOps：核心技术生态盘点
我是一名资深全栈工程师，专注于大模型应用和AI Agent的落地实践，曾主导过多个企业级Agent项目的架构设计和落地，欢迎关注我的账号获取更多AI技术干货。（全文共计11237字）
2026-06-19 21:29:09
152
原创 Harness 中的工具调用预测与预取
本文将从原理、架构、实现、实战、优化五个维度，完整拆解Harness的工具调用预测与预取技术：我们会先讲解核心概念和底层逻辑，再带你一步步搭建一个简化版的预测预取系统，最后分享Harness在百万级流水线场景下沉淀的最佳实践和踩坑经验。我们要实现的是一个简化版的Harness工具调用预测预取系统，命名为接收Harness流水线事件和AI查询事件自动提取特征，预测要调用的工具自动发起预取请求，缓存结果校验LLM返回的工具，返回对应结果支持动态配置预取阈值和白名单。
2026-06-19 20:38:00
184
原创 并行协作的竞态治理：去重、锁、幂等与最终一致的工程方案
在当今高并发、微服务化、分布式架构主导的技术环境中，多线程、多进程、多节点间的并行协作已经成为系统设计的标配。但随之而来的竞态条件（Race Condition）——多个执行单元在无正确协调的情况下访问或修改共享资源，导致结果不可预测的问题，正逐渐成为系统崩溃、数据不一致、业务逻辑失效的主要元凶。本文将从最基础的“什么是真正的竞态条件”入手，像讲故事一样带你走进并行协作的冲突世界；然后层层深入，拆解去重、锁、幂等、最终一致这四大核心竞态治理方案的原理、适用场景、边界陷阱、工程实现细节；
2026-06-19 19:42:01
143
原创 深度剖析：RAG与Agent的混合架构设计
大模型的爆发推动了AI应用的普及，但幻觉、知识更新成本高、复杂任务处理能力弱三大痛点，始终制约着大模型在企业级场景的落地。纯RAG（检索增强生成）架构虽然解决了知识准确性和更新问题，但缺乏自主决策和多步推理能力，只能应对简单的问答场景；纯Agent（智能代理）架构虽然具备自主规划和工具调用能力，但缺乏稳定的外部知识兜底，极易出现幻觉和决策错误。
2026-06-19 02:38:55
178
原创 AI Agent的产品市场契合度验证：寻找高ROI场景的五个核心问题
本文会给你一套可直接落地的AI Agent产品市场契合度（Product-Market Fit, PMF）验证框架，从需求、成本、价值、替代、壁垒五个核心维度出发，每个维度都有可量化的判断标准、验证方法、避坑指南，还有真实的正反案例对照。你不需要懂复杂的大模型技术，只要按照这五个问题逐一校验，就能快速筛掉90%的伪场景，精准锁定ROI≥5的高价值落地方向。需求是不是刚性？是不是用户必须要解决的痛点，愿意真金白银付费？成本是不是远低于现有方案？ROI是不是≥2？价值是不是可量化、可感知、可归因？
2026-06-19 01:42:48
198
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人