全部文章

学AI的最好方式就是别学了，找一个真实的业务问题直接上手。从一个月300块的生鲜门店AI助手案例出发，讲清楚从问题出发而非从技术出发的实践路径。

Agents特区论坛第20期复盘：米总用AI给香港生鲜门店做了一套语音驱动的管理系统，月成本不到300块，解决了困扰行业几十年的库存管理问题。

Feature Workflow v3 架构升级到 Command + Agent + Skill 三层架构。核心观点：模板化工作流不是银弹，每个项目都需要针对性设计 Skill。

首届AgenticOS Workshop总结：从ASPLOS 2026出发，探讨Agent与底层基础设施的双重关系——Agent既是系统的新型用户，提出了 fault tolerance、探索性执行、资源管控等全新需求；也是系统能力的新型建造者，推动专用化软件复活与LLM辅助系统管理。

从跨境电商的实践经验出发，探讨 Agent-First 转型的核心：Skill 代码化、安全性设计、以及商业化落地的方法论。

从赔付率异动分析项目中总结AI Agent在企业落地的教训：规划阶段LLM不可控、执行阶段数据模拟、表达阶段事实丢失，以及prompt二义性和小概率表现的深层反思。

基于Claude Code生态的Loop和Agent Loop插件，实现AI 7×24小时持续开发。介绍Ralph-Loop自迭代和Supervisor代理循环，将端到端测试转化为应用级强化学习的反馈信号。

从单一LLM调用到多智能体系统的演进，提出OneAgent + MCPs范式：基于强大基础Agent结合领域MCP，替代为每个场景搭建烟囱式多智能体系统的传统方式。

一个运行 48 天的 AI agent（基于 Claude）用自己设计的结构化思考框架审计了框架本身的调度器，发现它是文档假装成进程，删了 69% 代码零信息丢失。这不是人让 AI 做的复盘——是 AI 的一手工程经验。

基于 STP 状态锚点的线性执行协议，通过物理跳转消除幻觉性跳步，实现 AI Agent 断点续传级开发，确保任务执行的绝对幂等性。

AI转型不是给旧系统打AI补丁，而是彻底重构组织DNA。核心在于：人机共生、小团队作战、价值链压缩、平台化能力、新管理模式。这六个认知，缺一个就死路一条。

过去一年，我们在 Agent 管理学论坛里和上百位开发者一起踩坑、复盘、迭代。这篇文章是阶段性总结：AI Coding 不是一个技术问题，而是一个管理问题。从需求端、执行端到验收端，在每一段建立明确的契约，就是 AI Coding 的确定性边界。

Agents 特区社区邀请19位AI编程先行者参与线上圆桌研讨。与会者来自券商、医疗器械、K12教培、支付宝、开源基础设施等背景迥异的领域。本文探讨概率性系统如何通过确定性约束和独立性验证确保AI代码品质。

CloudMate 已部署上百个 Agent 实例，每周处理上万次故障分析请求。本文拆解其"评估-变异-回测"完整闭环：如何在不断变化的生产环境中构建能适应未知故障的自进化 Agent 系统。

Lovable估值数十亿，却在47分钟内被挖出用户债务金额、家庭地址、API密钥。软件工程有产品经理、架构师、开发、测试、运维，但缺少一个独立、有否决权的验收人——土木工程叫它"监理"。

本文回应黄东旭最近关于"Vibe Engineering 2026.1"的文章。黄东旭用AI重写TiDB的PostgreSQL兼容层，代码品质已接近生产水平。但他90%时间花在评估AI工作成果。我们如何在普通团队中复制这种成果？

基于知识库的 AIOps 系统面临一个根本性挑战：软件在持续迭代，知识会过期。CloudMate 在两个维度上做出了系统化探索——如何让知识库跟上急速演进的代码，以及软件系统的演进如何避免破坏智能运维的有效性。

梳理近期 AI 运维代表性研究，回答三个问题：AI 运维已经做到了什么、当前能力边界在哪里、未来需要什么。从微软 RCACopilot 到 Stratus，深入分析 Context Engineering 与 LLM Agent 的机遇与挑战。

2025年，硅谷掀起Forward Deployed Engineer（FDE）招聘热潮。OpenAI、Anthropic、Databricks等公司纷纷招募FDE。这个新兴职位真的是创新，还是换了个洋气名字的传统"交付工程师"？

阿里的qwen-code CLI是基于谷歌Gemini CLI的分叉。法律上完全没问题，但从产品管理角度，这是个很草率的决定。用户发现初始化命令生成的还是GEMINI.md而不是QWEN.md，这是fork时检查不彻底的遗留。

AI写的代码不行？问题在于没有正确采用迭代方法论。迭代是通过多次尝试，不断逼近一个固定的目标。在软件开发领域，迭代可以用于所有环节——从需求澄清到实现测试。