智能体

HarmonyOS API 26 HMAF Skill 多 Skill 冲突仲裁与可恢复执行适用版本：HarmonyOS API 26。本文讨论应用侧 HMAF Skill 冲突仲裁：当多个 Skill 同时匹配一个意图时，如何按优先级、权限、资源占用和用户确认选择唯一执行路径，并为拒绝、超时和部分成功提供回退。示例是 ArkTS 风格的纯逻辑模型，不声称已完成 HarmonyOS 编译、系统解析、ArkUI 联调或真机测试。

智能体项目复盘 · 智能客服篇：对话栈、Flow 与策略集成器——LLM 是怎么嵌进传统多轮对话架构的💡 这一篇对应课程的 07-项目_智能客服系统。它是整个系列里架构最重的一个项目：4 天、29 节视频、一个独立命名的 Agent 框架（atguigu_ai）加一个示例业务工程（ecs_demo），还有一个 640 行的 GraphRAG 实现。

正在走向自律

AI Agent 落地这一年：从“能跑起来”到“敢放出去”今年最常被问到的问题已经从"Agent 是什么"变成了"我做的 Agent 为什么不敢上线"。这个问题值得认真答。因为 Demo 和生产环境之间隔着的，不是模型能力，而是一整套工程问题。这篇不列框架清单，也不聊概念之争，只讲我在实际项目里反复遇到的那些事。

Agent演化史（九）：多智能体的暗面，当一次 prompt 注入可以横向移动本篇是《智能体演化史》系列第 9 篇系列主线不是"某年出现了某技术"，而是"因为上一步崩了，所以下一步才出现"。全系列共用一个从 34 行长到 216 行的 tiny-agent，本篇是它的 v0.9。

像风一样自由2020

4.DockerCompose是什么为什么算法服务需要多个容器码海寻道 · AI 算法工程化与系统落地实战第 4 篇一个算法服务很少只需要一个进程。实际项目通常还需要 PostgreSQL 保存任务和结果，Redis 做缓存和限流，MinIO 保存文件，RabbitMQ 处理异步推理，Nginx 接收外部流量。

券商舆情智能体如何设计？事件聚类去重、主体消歧与风险事件抽取技术解析在金融机构的风险管理与声誉保护工作中，基于传统关键词匹配的舆情监测模式正面临严峻挑战。自媒体账号的批量搬运容易引发告警风暴，而同名企业、模糊简称造成的误报，也常使风控与公关团队陷于无效核查。

程序员果子

Ontology目录前言一、定位二、为什么企业需要一个“操作层”⚙️三、四合一：Ontology 怎么建模“决策”🧱

金融AI Agent安全如何评估？数据出站、身份映射、参数绑定与审计追踪机制在不少金融机构的测试环境里，AI Agent（智能体）展现出了让人惊艳的生产力，读取研报、生成风险尽调草稿、调用 API 查询系统状态均能高效完成。可一旦到了评估“能不能放行上生产环境”的环节，科技与风控团队的考量就随之增加了。

北邮刘老师

智能体手机的成败关键——智能体互联生态事实上，这股智能体手机的浪潮在今年7月的上海世界人工智能大会（WAIC）上就已初露端倪。彼时，多家厂商密集亮剑：

重生之我在番茄自学网安拯救世界

AI 开发者日报第1期（本周精选）| 插件市场投毒、智能体搞出“官僚饥荒村”，十年前的 CNN 打赢大模型作者：一个在小公司写 AI 应用的普通开发者。每周挑几条我认为真正影响咱们写代码、选模型、做部署的消息，讲清楚发生了什么，再说说我的看法。所有条目都附原文链接，欢迎对照原文看。

智能体项目复盘 · deepagents 篇：1 主 3 子架构、HITL、RAGFlow 接入，以及 16 个真实踩坑💡 前面几篇把大模型的基础盘、RAG 调参、低代码平台和私有化部署都过了一遍，但那些内容有个共同上限：一个 Agent 干所有事。

信息安全失业大专人员

每日了解一个智能体-ClaudeCode先看我们这行最熟悉的一件事：怎么保证"变更前必须备份配置"这条规矩被执行。三者的区别不在"有没有说"，在"说不说的了算"。

LLM _ Agent _ Skill _ 专家的关系与选型笔记整理自 2026-09-20 至 09-21 的讨论。主题：这些概念之间是什么关系、能力与边界在哪、什么时候该搭什么、以及开发 Agent 的三条技术路径。

信息安全失业大专人员

每日了解一个智能体-WorkBuddy先看我们这行最典型的一件重复劳动：季度安全运营报告。我做过一份某银行邮件网关的 Q2 报告：9 章、3 张表、20 张截图。它的真实工作流长这样：

虎鲸不是鱼

【虎鲸养殖手册 B007】命令执行的安全细节：白名单不是防弹衣位置：V0.1.0 · C02/C03｜因子：授权（把"能执行"收窄成可枚举的动作）｜台阶：可控执行 · 弧线：被壳调用之前

郝学胜-神的一滴

AI 编程智能体 20：技术栈选型与架构落地全攻略当下AI智能体早已不是高高在上的概念，而是落地各类业务的刚需能力。但很多开发者入门时总会陷入纠结：到底选什么框架？单智能体和多智能体怎么区分？低代码和源码开发该怎么取舍？

AI时代RPA技术解析：如何构建兼顾流程执行与智能决策的自动化平台？摘要： RPA曾是企业自动化市场的热门赛道，如今又迎来大模型与AI智能体带来的新机会。当AI开始尝试接管复杂任务，企业选择RPA平台，不能只看传统流程执行能力，还需要重新审视系统兼容、流程治理、异常处理与AI融合能力。技术路线在变，但决定自动化能否长期创造价值的，始终是平台对真实业务的支撑能力。

小易老师AI实战

用中间件把任务规划嵌进智能体循环多步任务的计划不能只写在提示词里。提示词下一轮就会变成普通历史，并行工具调用还会把同一份列表写乱，简单问答又会被规划流程拖慢。更稳妥的做法是：把待办放进图状态，用一个只做整表覆盖的工具去改它，在每次请求模型前注入规划约束，在模型返回后拦截违规的并行写入。读写文件这类领域工具只做领域的事，不碰进度。

Codex CLI 介绍和使用基于：Codex CLI 0.165.0（2026-10-27 发布），macOS arm64 ｜日期：2026-10-29

大模型面试高频题：Transformer、MoE、RLHF、DPO 核心原理拆解如果你正在准备大模型算法工程师、LLM 应用开发工程师或 AI 相关岗位的面试，那么 Transformer、MoE、RLHF 和 DPO 这四个知识点基本绕不开。