MCP 解决了工具连接的标准化，但在企业多用户场景下，会话隔离和权限管理这一层它没有覆盖。这篇说清楚这个问题在本方案里是怎么解决的，以及为什么选择 MQTT 作为通信骨干。 问题从哪里来 一个企业部署的 AI 工作台，同时在线的用户可能有几十个。张三在让数字员工查采购记录，李四在生成出库单，王五在分析设备维护历史。这三个会话在时间上是重叠的，在数据上是完全不同的，在权限上也可能不一样，比如张三能看采购数据，王五...
本文讨论的是一个成型的 Agent 方案，企业级 AI 工作台。方案采用的一种四层实现方式，从上到下是：交互层、Agent 执行层、本体层、业务系统层。它不是行业里唯一的标准分法，而是为了把职责边界、安全控制和系统集成关系讲清楚。理解这个分层，是后续讨论部署、安全、运维的前提。 第一层：交互层 交互层是用户和 Agent 之间的界面，分两个部分。 一部分是业务人员使用的 CUI（Conversational User Interface 或更简单的 Chat...
上一篇在讨论生产质检的案例时，结论是混合架构——Workflow 负责实时判定，Agent 负责异常归因。这个结论是对的，但停在这里还不够，因为"混合"本身也需要设计，不是把两套技术摆在一起就叫混合架构。 这篇把这个案例拆细，说清楚两条链路怎么划分职责、怎么衔接，以及一个经常被放错位置的组件：知识库。 为什么同一个场景会需要两套技术 生产质检异常处理这个场景，表面上是一个完整的业务流程，但它在内部包含两种性质完全不...
这个问题比它看起来要难。在传统软件里，"完成"是一个明确的程序状态，函数返回、进程退出、状态机到达终止节点，结束条件是代码写死的。Agent Loop 里不是没有完成状态，而是这个状态通常不是由固定程序路径直接给出的，而是由 Agent 在运行时维护和判断的。 推理可以出错，而且出错的方式有时候很隐蔽。 两种错误的完成判断 Agent 对任务完成的判断出错，大致有两种方向。 第一种是过早结束。Agent 认为任务完成了，但实际上漏...
这是一个在项目启动会上经常被问到的问题：我们要做 AI，是用 Workflow 还是 Agent？ 不过这里先要澄清一个概念：Workflow 是执行模式，工作台是产品形态。本文讨论的不是界面长什么样，而是数字员工背后的执行方式是否以 Agent 为中心。换句话说，真正需要比较的是预编排的 Workflow，和以 Agent 为核心的动态执行环境。 问题本身没有问题，但回答这个问题需要先放弃一个隐含的假设，两者之间存在优劣之分，选对了就比选错了好...
当我们还是小白，学习编程第一课时候，总是会遇到一个叫Hello World的程序，无论使用何种语言实现，它容易编写，容易编译和且执行必定成功,让我们生心愉快，对未来工作充满信心。如下Java代码，方法main调用方法b的时候，我们毫不怀疑，肯定能调用到方法b，且只会调用一次。方法b也肯定会返回一个调用结果. public static void main(String[] paras){ b(1) } protected static boolean b(int data){ System.out.println...
本文以一款轻量化鸿蒙应用「随心记」的开发流程为例，一步步串联 HarmonyOS 南向技术底层、中部开发套件、北向上架运营的全部能力，具象化展现鸿蒙全链路开发套件的 WorkFlow ，帮助大家轻松玩转鸿蒙应用开发。 深谙 App 开发的小伙伴们，有一类应用绝对是大家的练手之作——记事本 App 。高校学子将其视为结业课题、独立开发者 DIY 属于自己的记事本，更有很多初创团队在“记事”基础上融入 AI 功能。 可见，即便是一个简单的记...
AI 视频的进化速度突飞猛进。是否想过有一天能真正走进这些由 AI 生成的世界里，亲自感受一下？ 点击查看视频 像这样，在月球上自由漫步，是什么感觉？它们是真的理解了世界，还是仅仅在模仿视频？目前的模型距离这个目标还有多远？ 为了彻底搞清这个问题，美团 LongCat 团队提出了 WBench，它是首个面向交互式视频世界模型的系统性多轮评测基准。它就像一台"CT扫描仪"，能精准定位当前世界模型在从"被动观看"到"主动交互"的过程...
星辰征途是一家聚焦 AI 搜索与电商场景多模态 AIGC 应用的初创公司，成立两年多，业务主要面向海外市场。公司目前的主要产品包括：Gensmo（gensmo.com） 聚焦时尚穿搭，提供虚拟试穿、造型推荐和商品搜索；ZooClaw（zooclaw.ai） 面向更广泛的生活与工作场景，提供 AI Agent 服务。 本文将介绍星辰征途业务背后的存储实践，分享我们在统一存储选型、架构设计和性能调优中的思考与经验。目前，JuiceFS 已在生产环境使用一年多，管...
作者：来自 Elastic Felix Barnsteiner 重新校准你对时间序列查询的心智模型：了解为什么 FROM 可能会对 metrics 产生不准确结果，TS 如何修复这一点，以及何时使用每个命令。 如果你在 logs 和 traces 中使用 ES|QL ，那么FROM可能已经成为你的第二天性，但在 metrics 上它可能会返回数值错误的结果。一条类似 FROM metrics-* | STATS SUM(request_count) 的查询会把所有主机上每个采样点的累积计数值加总。结果会无限增长，并...
