<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[AI 原生应用开发的博客]]></title><description><![CDATA[聚焦前沿 AI 技术与应用融合。深度剖析 AI 原生架构，分享开发实战经验与技巧。紧跟行业趋势，探索创新应用场景。]]></description><link>https://blog.youkuaiyun.com/2502_91678797</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; 2502_91678797]]></copyright><item><title><![CDATA[Multi-Agent 系统中的死锁问题与解决方案]]></title><link>https://blog.youkuaiyun.com/2502_91678797/article/details/162046367</link><guid>https://blog.youkuaiyun.com/2502_91678797/article/details/162046367</guid><author>2502_91678797</author><pubDate>Tue, 16 Jun 2026 21:52:47 +0800</pubDate><description><![CDATA[想象一下这个场景：某大型电商平台的实时推荐系统上线了一个全新的多智能体协同（Multi-Agent Collaborative Filtering，MACF）架构。]]></description><category></category></item><item><title><![CDATA[用 AI Agent Harness Engineering 自动化你的工作流]]></title><link>https://blog.youkuaiyun.com/2502_91678797/article/details/162043740</link><guid>https://blog.youkuaiyun.com/2502_91678797/article/details/162043740</guid><author>2502_91678797</author><pubDate>Tue, 16 Jun 2026 20:00:22 +0800</pubDate><description><![CDATA[假设我们有一个产品迭代工作流的需求——从「产品经理在 Notion 上提出一个新功能想法」开始，到「这个新功能在生产环境稳定运行、性能达标、用户反馈良好并生成一份迭代总结报告」结束，中间需要经过需求评审、设计评审、任务拆解、代码开发、代码审查、单元测试、集成测试、CI/CD 部署、预发布验证、生产监控、性能分析、用户反馈收集、迭代总结等十多个环节，涉及产品经理、UI/UX 设计师、前端开发、后端开发、测试工程师、运维工程师六个角色，以及十二个工具。]]></description><category></category></item><item><title><![CDATA[为什么说 2026 是“Agentic Workflow”爆发元年？生态工具链全景图]]></title><link>https://blog.youkuaiyun.com/2502_91678797/article/details/162043181</link><guid>https://blog.youkuaiyun.com/2502_91678797/article/details/162043181</guid><author>2502_91678797</author><pubDate>Tue, 16 Jun 2026 19:09:09 +0800</pubDate><description><![CDATA[你是否经历过以下“工具链调用困境”？用LangChain/CrewAI写个小Demo能自动写周报、订机票，但一放到企业真实环境，要么遇到合规红线不能碰敏感数据，要么Agent“决策短路”订错了折扣区间机票，要么API调用超时重试次数炸了SLA指标；GitHub上搜“AI Agent”有10万+仓库，但能落地生产级的不足1%；]]></description><category></category></item><item><title><![CDATA[智能体透明度报告：企业部署 AI Agent Harness Engineering 的合规性考量]]></title><link>https://blog.youkuaiyun.com/2502_91678797/article/details/162019498</link><guid>https://blog.youkuaiyun.com/2502_91678797/article/details/162019498</guid><author>2502_91678797</author><pubDate>Tue, 16 Jun 2026 02:11:20 +0800</pubDate><description><![CDATA[核心概念梳理：首先明确 AI Agent、Agent Harness Engineering、智能体透明度报告、高风险 AI 系统等核心概念的定义、边界、核心要素组成，以及它们之间的关系；问题背景与历史演变：梳理 AI Agent 从“实验阶段”到“规模化部署阶段”的发展历程，以及监管机构对 AI 系统透明度要求的演变历史；基于 Harness Engineering 的「三层透明度体系」：详细介绍如何从「底层技术透明度」（LLM 内部推理链的可解释性、工具调用的可追溯性、数据处理的可审计性）、「]]></description><category></category></item><item><title><![CDATA[AI Agent Harness Engineering 的可解释性：让决策过程透明化]]></title><link>https://blog.youkuaiyun.com/2502_91678797/article/details/162017586</link><guid>https://blog.youkuaiyun.com/2502_91678797/article/details/162017586</guid><author>2502_91678797</author><pubDate>Tue, 16 Jun 2026 01:09:55 +0800</pubDate><description><![CDATA[过去几年，学术界和工业界把可解释性的研究重点都放在了「单个Agent（比如大语言模型LLM、视觉Transformer ViT、强化学习RL策略网络）」上——比如LLM的链式思维推理（Chain-of-Thought, CoT）、注意力机制可视化、ViT的梯度加权类激活映射（Grad-CAM）、RL策略的决策轨迹归因（Decision Transformer的因果注意力）。你需要知道Harness为什么选这几个Agent而不是那几个？调度顺序、资源分配（GPU、内存、API调用配额）是怎么决定的？]]></description><category></category></item><item><title><![CDATA[RAG与Agent的结合：解决幻觉问题的终极方案]]></title><link>https://blog.youkuaiyun.com/2502_91678797/article/details/162016897</link><guid>https://blog.youkuaiyun.com/2502_91678797/article/details/162016897</guid><author>2502_91678797</author><pubDate>Tue, 16 Jun 2026 00:08:36 +0800</pubDate><description><![CDATA[幻觉（Hallucination）。据斯坦福大学2024年4月发布的《AI Index Report》显示，主流大语言模型（LLMs）的幻觉发生率在开放域问答（Open-Domain QA）、代码调试（针对未开源的小众库）、法律文书起草等专业领域平均高达38%以上，其中GPT-4V在专业医疗报告解读中甚至出现过“编造CT影像的癌变病灶位置”的致命级错误。]]></description><category></category></item><item><title><![CDATA[AI Agent Harness Engineering 创业场景选择：ToB中小企业 vs 大型企业，哪种更容易起量？]]></title><link>https://blog.youkuaiyun.com/2502_91678797/article/details/162016232</link><guid>https://blog.youkuaiyun.com/2502_91678797/article/details/162016232</guid><author>2502_91678797</author><pubDate>Mon, 15 Jun 2026 23:07:11 +0800</pubDate><description><![CDATA[AI Agent Harness Engineering（代理线束工程）是专门负责AI Agent全生命周期编排、集成、运维的工程体系，核心作用是解决Agent落地的「最后一公里」问题：把大模型的通用能力，转化为能适配具体业务场景、稳定运行、安全可控、可观测可运维的生产级应用。我们可以用汽车线束做类比：汽车里的发动机、中控、雷达、车窗等所有电子部件，都需要靠线束连接才能协同工作，没有线束就是一堆不能动的废铁；]]></description><category></category></item><item><title><![CDATA[长任务管理实战 心跳续租 超时接管 资源回收怎么做]]></title><link>https://blog.youkuaiyun.com/2502_91678797/article/details/162015597</link><guid>https://blog.youkuaiyun.com/2502_91678797/article/details/162015597</guid><author>2502_91678797</author><pubDate>Mon, 15 Jun 2026 22:10:54 +0800</pubDate><description><![CDATA[好的，以上就是本文的详细目录。接下来，我们将按照目录的顺序，一步步展开讲解。]]></description><category></category></item><item><title><![CDATA[Harness 中的结果排序器：合并多个 Agent 的排名]]></title><link>https://blog.youkuaiyun.com/2502_91678797/article/details/162014857</link><guid>https://blog.youkuaiyun.com/2502_91678797/article/details/162014857</guid><author>2502_91678797</author><pubDate>Mon, 15 Jun 2026 21:09:37 +0800</pubDate><description><![CDATA[本文将围绕Harness（业界主流的开源多Agent编排框架）内置的结果排序器模块展开，从排名聚合的核心概念讲起，深入拆解Harness排序器的架构设计、内置算法原理、配置方法，以及自定义扩展的实现逻辑。我们会从零开始搭建一个多Agent召回的RAG场景，用不同的排序策略做对比，一步步实现符合业务需求的多源排名合并。排名列表（Rank List）：单个Agent返回的有序结果集合，每个Item有唯一ID、排名位置（从1开始计数），可选带置信分数。排名聚合（Rank Aggregation）]]></description><category></category></item><item><title><![CDATA[PMF 验证新方法 用可复现任务包替代主观试用]]></title><link>https://blog.youkuaiyun.com/2502_91678797/article/details/162014253</link><guid>https://blog.youkuaiyun.com/2502_91678797/article/details/162014253</guid><author>2502_91678797</author><pubDate>Mon, 15 Jun 2026 20:18:29 +0800</pubDate><description><![CDATA[PMF（Product-Market Fit，产品市场匹配）的概念最早由风险投资家马克·安德森提出，定义是**“产品能够满足市场真实需求的状态”**。判断PMF的核心标准从来不是“用户说他想要”，而是“用户愿意为产品付钱、愿意主动推荐、离开产品会痛苦”。但绝大多数团队对PMF的验证都停留在“用户说想要”的层面，这就是为什么很多产品看似反馈很好，上线就死。可复现任务包是一套标准化、包含明确输入输出、固定操作流程、可量化评估指标的PMF验证单元。不要听用户怎么说，要看用户怎么做。]]></description><category></category></item><item><title><![CDATA[Harness Engineering：智能体工具调用成功率]]></title><link>https://blog.youkuaiyun.com/2502_91678797/article/details/162013694</link><guid>https://blog.youkuaiyun.com/2502_91678797/article/details/162013694</guid><author>2502_91678797</author><pubDate>Mon, 15 Jun 2026 19:27:16 +0800</pubDate><description><![CDATA[Harness Engineering是面向LLM Agent工具调用场景的全生命周期工程体系，涵盖工具注册、意图对齐、参数生成、调用编排、容错处理、结果解析、反馈优化、可观测性八大核心模块，核心目标是在可控成本下最大化工具调用的成功率、准确率和稳定性。我们把端到端工具调用成功率PP符合预期的请求数需要调用工具的总请求数×100P = \frac{\text{符合预期的请求数}}{\text{需要调用工具的总请求数}} \times 100\%P需要调用工具的总请求数符合预期的请求数​。]]></description><category></category></item><item><title><![CDATA[Multi-Agent系统安全性：提示注入、数据泄露与权限控制的防护策略]]></title><link>https://blog.youkuaiyun.com/2502_91678797/article/details/161989330</link><guid>https://blog.youkuaiyun.com/2502_91678797/article/details/161989330</guid><author>2502_91678797</author><pubDate>Mon, 15 Jun 2026 02:34:32 +0800</pubDate><description><![CDATA[本文讨论的LLM驱动多Agent系统指的是由多个具备自主推理、工具调用、记忆能力的LLM Agent个体，通过 predefined 或自主协商的协作规则共同完成复杂任务的分布式系统，区别于传统工业控制、分布式计算领域的非LLM驱动多Agent系统。本文深度拆解了LLM驱动多Agent系统特有的提示注入、数据泄露、权限失控三类核心安全风险，提供了全链路的防护方案，包括三层提示注入防护、全生命周期数据泄露防护、RBAC+ABAC混合权限模型，所有方案均经过生产环境验证，可以直接复用。]]></description><category></category></item><item><title><![CDATA[多智能体系统失效模式分析：预防单点故障与级联崩溃的架构设计]]></title><link>https://blog.youkuaiyun.com/2502_91678797/article/details/161987470</link><guid>https://blog.youkuaiyun.com/2502_91678797/article/details/161987470</guid><author>2502_91678797</author><pubDate>Mon, 15 Jun 2026 01:33:09 +0800</pubDate><description><![CDATA[概念正式定义通俗解释多智能体系统（MAS）由多个自主决策的智能体组成，通过通信、协调、协作完成共同目标的分布式系统相当于一群有自主能力的「员工」，分工协作完成复杂任务单点故障（SPOF）系统中某个组件一旦失效，就会导致整个系统瘫痪的故障点相当于公司唯一的财务岗离职，所有人都发不了工资级联崩溃（Cascading Failure）单个节点的失效通过网络连接传播，导致大量甚至全部节点相继失效的现象相当于多米诺骨牌，推倒第一块后面全部倒下失效模式。]]></description><category></category></item><item><title><![CDATA[脑启发计算架构下的 Agent Harness]]></title><link>https://blog.youkuaiyun.com/2502_91678797/article/details/161986151</link><guid>https://blog.youkuaiyun.com/2502_91678797/article/details/161986151</guid><author>2502_91678797</author><pubDate>Mon, 15 Jun 2026 00:31:53 +0800</pubDate><description><![CDATA[功耗瓶颈：边缘端设备（比如家用机器人、可穿戴设备）根本跑不动大模型Agent，必须上传云端，既带来延迟又有隐私风险；鲁棒性差：输入稍微加一点噪声、或者出现训练集里没有的OOD场景，Agent就直接失效甚至幻觉；调度僵化：传统Agent框架（比如LangChain、AutoGPT）的调度逻辑都是硬编码的，无法像人脑一样动态分配计算资源给当前最需要的任务模块；硬件适配难。]]></description><category></category></item><item><title><![CDATA[基于队列理论的 Harness 延迟建模与容量规划]]></title><link>https://blog.youkuaiyun.com/2502_91678797/article/details/161985076</link><guid>https://blog.youkuaiyun.com/2502_91678797/article/details/161985076</guid><author>2502_91678797</author><pubDate>Sun, 14 Jun 2026 22:39:23 +0800</pubDate><description><![CDATA[本文我们将引入排队论（队列理论）这一运筹学经典工具，对Harness的任务执行链路进行延迟建模，通过量化「到达率、服务率、Delegate数量、等待时间、利用率」之间的数学关系，实现精准的容量规划：既可以在给定SLA（比如95%的任务等待时间不超过30秒）的前提下，计算出最优的Delegate数量，将成本降低30%以上；也可以在给定资源预算的前提下，预判系统的最大承载能力和峰值延迟。术语符号定义单位平均到达率λ\lambdaλ单位时间内到达系统的任务数量任务/秒、任务/小时平均服务率μ。]]></description><category></category></item><item><title><![CDATA[为异步 Agent 设计回调与 Promise 集成 Harness]]></title><link>https://blog.youkuaiyun.com/2502_91678797/article/details/161984507</link><guid>https://blog.youkuaiyun.com/2502_91678797/article/details/161984507</guid><author>2502_91678797</author><pubDate>Sun, 14 Jun 2026 21:48:06 +0800</pubDate><description><![CDATA[概念定义异步Agent执行过程中需要发起非阻塞异步操作（工具调用、LLM请求、跨节点通信）的智能体，不需要等待异步操作返回即可处理其他任务回调范式异步操作的经典实现方式，发起异步调用时传入一个回调函数，异步操作完成后主动调用该回调函数传递结果/错误Promise/Future范式异步操作的优化实现方式，发起异步调用时返回一个Promise/Future对象，调用方可以通过await/then方式获取结果，支持链式调用异步集成Harness。]]></description><category></category></item><item><title><![CDATA[自治 Agent 的能效与成本优化]]></title><link>https://blog.youkuaiyun.com/2502_91678797/article/details/161983887</link><guid>https://blog.youkuaiyun.com/2502_91678797/article/details/161983887</guid><author>2502_91678797</author><pubDate>Sun, 14 Jun 2026 20:57:25 +0800</pubDate><description><![CDATA[从学术第一性原理（Russell & Norvig 2020版《人工智能：现代方法》图灵奖候选教材）出发，自治Agent是一个能感知环境（Perceive Environment）、推理决策（Reason & Decide）、执行动作（Actuate Environment）、并在没有人类直接干预的情况下长期追求预设目标函数最大化的实体。]]></description><category></category></item><item><title><![CDATA[心理健康支持：AI Agent Harness Engineering 能做什么？]]></title><link>https://blog.youkuaiyun.com/2502_91678797/article/details/161983395</link><guid>https://blog.youkuaiyun.com/2502_91678797/article/details/161983395</guid><author>2502_91678797</author><pubDate>Sun, 14 Jun 2026 20:05:48 +0800</pubDate><description><![CDATA[概念定义核心差异心理健康AI Agent具备自主感知、决策、行动能力，专门用于心理健康服务的AI实体，可完成情绪疏导、心理测评、CBT干预等任务是服务的直接提供者一套全链路的工程框架体系，用于约束、编排、监控、优化AI Agent的行为，确保其在敏感场景下的安全性、合规性、有效性是Agent的“管控基础设施”，和Prompt工程的核心差异是：Prompt仅优化输入，AHE管控从输入到输出到审计迭代的全链路心理健康循证实践。]]></description><category></category></item><item><title><![CDATA[LangGraph 社区生态：主流插件、扩展方案与最佳实践]]></title><link>https://blog.youkuaiyun.com/2502_91678797/article/details/161982920</link><guid>https://blog.youkuaiyun.com/2502_91678797/article/details/161982920</guid><author>2502_91678797</author><pubDate>Sun, 14 Jun 2026 19:14:40 +0800</pubDate><description><![CDATA[重复造轮子问题：通用能力（工具调用、记忆管理、可观测性）不需要每个开发者从零实现架构异构问题：不同技术栈的 LLM 应用可以通过插件实现统一的能力扩展生产落地痛点：从原型到生产的运维、监控、安全能力可以通过扩展方案快速补齐术语精确含义节点（Node）LangGraph 中的最小执行单元，对应一个 LLM 调用、工具调用或者自定义逻辑边（Edge）节点之间的转移规则，支持条件分支、循环跳转等逻辑状态（State）工作流执行过程中的全局共享数据，支持增量更新检查点（Checkpoint）]]></description><category></category></item><item><title><![CDATA[Multi-Agent 真是进步还是概念炒作：什么时候该用什么时候不该用]]></title><link>https://blog.youkuaiyun.com/2502_91678797/article/details/161965716</link><guid>https://blog.youkuaiyun.com/2502_91678797/article/details/161965716</guid><author>2502_91678797</author><pubDate>Sun, 14 Jun 2026 02:16:50 +0800</pubDate><description><![CDATA[智能体（Agent）：具备自主性、反应性、社会性、主动性四大核心属性的计算实体，能够感知环境、自主推理、采取动作、与其他实体交互。LLM时代的智能体核心是基于大语言模型的通用推理能力，替代了传统Agent的规则驱动逻辑。多智能体系统（MAS）：由多个独立智能体组成的分布式系统，智能体之间通过预设的协同机制完成共同目标，核心价值是突破单智能体的能力边界，实现复杂任务的高效完成。伪多智能体应用。]]></description><category></category></item></channel></rss>