aiagent

梦想的颜色

【AI科普】什么是计算机视觉：硬核科普，它和大 AI 大模型到底是什么关系很多初学者容易混淆概念：AI 就是大语言模型？计算机视觉 = AI 画图？VLM 多模态大模型 = 计算机视觉？

长谷深风111

MCP Tool 变动、重名、失联：客户端如何稳住你刚把一个 MCP Server 接进 Agent，测试时一切正常。第二天，Server 新增了 Tool，模型却看不到；另一个 Server 也提供 search，结果调用错了对象；再过一会儿，远程 Server 卡住，整个对话跟着停住。

MatrixOne Git4Data 技术详解（十二）·大模型篇：RLHF 偏好数据——分歧、裁决与可复现上一篇我们做了一轮完整的 SFT 数据 curation：在分支上做六步过滤，每步先计数，DIFF 留下审计记录，先登记后快照发布。这一篇沿着大模型的训练链路往下走一步，进入偏好对齐——RLHF / DPO 依赖的那份偏好数据。

【案例说明】融合知识图谱、大语言模型和 AI Agent 完成能源领域知识工程工作今天以“海上风电场智能运维项目”为例，说明知识图谱、大语言模型和 AI Agent 如何共同完成知识工程工作。三者的分工可以概括为：

ZGI Workspace：统一组织 Agent 资源Agent 数量增加后，最先失控的往往是资源关系。同一份制度被复制进多个知识库，同一个工具出现几套参数，模型切换后只有部分流程完成更新。Workspace 用一个明确范围组织 Agent 依赖的模型、知识、数据库、Skills 和 Workflow，并把权限、发布与运行记录接到这套关系上。

ZGI 模型网关：统一接入与路由大模型企业接入多个大模型后，可以通过模型网关统一管理供应商、访问凭据、默认模型和路由策略。Agent 与 Workflow 调用一个稳定入口，具体使用哪个模型由配置决定。模型发生切换时，还要检查输出结构、工具调用、延迟和失败处理，避免业务流程跟着接口变化反复修改。

ZGI：工作流分支失控，先把规则拆出 Prompt工作流分支越来越多，通常说明不同类型的规则被塞进了同一段 Prompt。模型既要理解用户意图，又要记住业务条件、选择工具、判断权限和决定异常处理，任何一条规则变化都可能牵动整段提示词。更稳的做法，是先给规则分类，再放进知识、Skill、Workflow 或人工审批对应的位置。

如何用 ZGI 打造企业级 AI 智能体用 ZGI 打造企业级 AI 智能体，可以从一个边界清楚的业务任务开始，将企业知识、模型、技能（Skills）、工具和工作流（Workflow）放进同一工作区，再补齐权限、审批、运行日志与失败处理。ZGI 提供可自托管的智能体运行时（Agent Runtime），适合把会回答问题的原型整理成能够持续执行、检查和复用的业务应用。

IPHWT 零软网络

技术方案分享｜AI Agent 赋能 IVR 导航，解决传统语音呼叫系统交互瓶颈在呼叫中心、政务热线、应急调度通信架构中，IVR 语音导航是核心基础组件。传统 IVR 基于静态分支流程设计，依靠按键交互实现来电路由，在长期落地过程中暴露出交互僵化、扩展能力弱、运维成本高等一系列问题。随着大模型与 AI Agent 技术普及，融合自然语言交互的新一代智能 IVR 方案，成为政企通信系统迭代的重要方向。本文结合落地实践，解析 AI IVR 导航的技术优势与行业应用价值。

云卷云舒___________

【加急快讯】DeepSeek Harness 深夜开源！主打「一切皆插件」，由 Cordis 驱动⚡ 加急快讯：DeepSeek 开源 Agent 框架 DeepSeek Harness（dsh），「一切皆插件」，Cordis 驱动，MIT 协议。

为美好的生活献上中指

Spring AI Advisor 深度实战：构建严谨的 AI Agent 拦截链在构建生产级 AI Agent 系统时，我们经常会遇到这样的需求：如何在请求发送给大模型之前进行统一处理？如何在多个处理步骤之间协调配合？如何优雅地实现日志记录、安全检查和提示增强？

ZGI Runtime：Agent 上线后要看哪些指标？Agent 上线后至少要观察五类结果：业务是否完成、执行链是否健康、输出是否合格、风险控制是否生效、资源消耗是否可接受。调用次数和模型响应时间只能说明服务被使用，任务有没有真正办完，还要看工具回执、审批状态和业务系统结果。ZGI Runtime 可以把 Agent、Workflow 和模型路由放在同一工作区，部署时还可按需接入 OpenTelemetry trace。

ZGI Runtime：切换模型后 Agent 为什么失效？切换模型后 Agent 失效，常见原因落在任务契约：字段格式变了，工具参数没有通过校验，长资料被截断，错误返回也和原模型不同。迁移前需要固定输入、输出、工具协议与验收样本，再逐层检查差异。ZGI Runtime 把模型路由、Agent、Skill、Workflow 和知识放进同一工作区，模型配置可以单独调整，业务流程继续按原有任务契约验收。

ZGI Agent：企业怎样治理工具调用？企业治理会调用工具的智能体（AI Agent），要把每次调用放进可检查的执行链：先限定可见工具和数据范围，再按读取、生成草稿、写入、删除等动作分级；高影响操作进入人工参与机制（Human in the Loop，HITL），下游系统继续校验真实用户权限，运行时保存调用者、参数、结果与失败位置。提示词可以提醒边界，真正的控制仍要落在工具、账号和业务系统。

ZGI Agent：修改配置时，怎样稳住线上版本？Agent 上线后，团队仍会调整提示词、模型参数、知识绑定和工作流。想让这些编辑不直接干扰线上任务，需要把修改留在草稿区，验收通过后再生成新的发布快照。每次发布都应留下可复现的配置基线，线上问题才能回到具体版本排查。

梦想的颜色

2026 AI Agent 工程师完整技术图谱｜从面试题「什么是本体 Ontology」切入，附精选面试题库2026 年，AI Agent 已经脱离 Demo 阶段，企业招聘不再只考察 ReAct、Function Calling 基础概念。大量中高级面试会抛出更深层次问题：什么是本体（Ontology）？本体在企业级 Agent 中解决什么痛点？本体和 RAG、知识图谱有什么区别？

RAG 流水线设计：Eino 的 Loader → Transformer → Indexer → Retriever（第60篇-E46）系列「企业级 AI Agent 实现拆解」E46 篇，Part 10 生产工程篇第四章。上一篇讲了 Agent 的可观测性。这篇深入知识库检索：Eino 把 RAG 拆成四个组件接口，如何串成流水线，Document 如何在各阶段流转。

ReAct Agent 源码拆解：Eino 如何把 Graph 变成 Agent（第64篇-E50）系列「企业级 AI Agent 实现拆解」E50 篇，Part 10 生产工程篇第八章。上一篇讲了 Graph 编译期。这篇把 E47–E49 的所有积累用起来：Eino 的 flow/agent/react 是怎么用 Graph 搭出 ReAct 循环的，每个设计决定背后的原因是什么。

Github Copilot 是怎么识别到 MCP server 的GitHub Copilot 本身不会自动扫描或发现 MCP（Model Context Protocol）Server。它是通过 MCP Client（例如 VS Code 中的 GitHub Copilot Chat 扩展）读取配置文件，然后建立连接的。

IPHWT 零软网络

架构演进：基于零软IPHWT的中小企业轻量化通讯系统设计实践在企业信息化建设中，通讯系统往往是最容易被“过度设计”的环节。对于中小企业而言，传统的PBX（专用分组交换机）架构不仅硬件依赖度高，且扩展性差，难以适应敏捷开发与现代办公的需求。