AI 与智能体
围绕AI 与智能体的文章，关注 AI-native 企业软件、受控数据、应用搭建和 Agent 工作流的实践。
-
已发布FDE(前沿部署工程师)用什么工具？一套本体优先的开源技术栈
FDE 在一次 60–180 天的部署里真正写下什么:接入适配器、实体解析、权限映射、最初的几条工作流。加上定义这份工作的五个痛点,以及 2026 年的模仿潮为什么只抄走了岗位、没抄走底下的基质。
AI 与智能体 开发者 本体MCP前沿部署工程师Palantir -
已发布一个业务应用到底有多少 token？完整 CRM 全应用不到 150k
完整 CRM 的数据模型、流程、权限与界面合计不到 150k token：业务逻辑不到 100k，UI 约 50k；随包参考 CRM 仍约 16k。能整体装进智能体上下文的软件，维护方式完全不同。
AI 与智能体 开发者 CRM 客户管理 AI 智能体 -
已发布AI 智能体删除生产数据：为什么运行时护栏比提示词可靠
公开记录中的 Replit 事故提醒我们：智能体的影响半径不能只靠提示词收窄。生产数据、破坏性操作和恢复证据，都需要由运行时权限、审批和审计来约束。
AI 与智能体 IT / CIO AI 智能体Replit -
已发布Agent 规则文件怎么写：让 AI 生成可治理应用
编码 agent 的 AGENTS.md、.cursor/rules 或 CLAUDE.md 不该只管代码风格。把权限、审批、审计和目标元数据格式写进去，AI 生成的应用才更容易被审查和签字。
AI 与智能体 开发者 MCPAI 智能体 -
已发布MCP 安全：为什么协议还需要受治理的工具层
MCP 和 A2A 让 agent 连接工具与其他 agent 变得更容易，但连接不等于授权。企业缺的不是再包一层接口，而是每次调用都带身份、强制权限、留下审计的工具层。
AI 与智能体 IT / CIO MCP受治理的工具AI 智能体A2A -
已发布为什么 AI Agent 试点进不了生产：缺的是四层运行基础
一个 agent 演示可以很精彩，生产评审却只问一件事：你怎么证明它不会越权、会等审批、能交出审计证据？试点失败通常不是模型不够强，而是缺语义、权限、审批和审计四层。
AI 与智能体 业务决策者 AI 智能体 -
已发布Agentforce、Copilot Studio 之外：何时选择开放自托管运行时
Agentforce、Copilot Studio、ServiceNow AI Agents 在各自生态内都很强。问题是你的数据、流程和权限是否也在同一个生态内；若不是，开放自托管运行时或混合架构可能更稳。
AI 与智能体 IT / CIO AgentforceCopilot StudioServiceNow