楼兰望月-优快云博客

原创企业提效不止于请一个Agent：从招一支团队到四大过关能力——读腾讯云CTO王慧星2026全球数字生态大会演讲

2026腾讯全球数字生态大会 · 架构主旨演讲 | 演讲人：王慧星（腾讯集团副总裁、腾讯云CTO） | 主题：开放 WorkBuddy 平台能力助力企业打造可运营、可持续进化的生产力系统：个人提效好比“请一位员工”，公式是；而企业级提效则等同于“招进一支全新团队”，其真实落地方程式是。企业落地 Agent 必须跨越“连得通、跑得稳、可托付、算得清”四大关卡。

2026-10-30 09:07:03 266

原创 AI已经能写出90%的代码，剩下10%叫软件工程——读字节跳动技术副总裁洪定坤2026原动力大会演讲

如果大模型是一匹日行千里的骏马，那么Harness（马具、缰绳与马鞍）就是让人类骑上去并精准控制方向的工程化基建。Harness 绝不等于单纯设计单/多 Agent 框架Harness 基建核心维度需要解决的工程痛点字节跳动的落地实践与评测跃迁上下文工程（Context）模型缺乏全局视野，靠猜测编造接口精准喂入与当前任务强相关的跨服务调用拓扑与数据字典架构约束与规范AI 随意引入外部依赖、破坏分层架构将代码规范、目录职责、安全红线以声明式规则硬性注入执行环境团队知识与踩坑沉淀。

2026-10-13 14:14:22 728

原创变快的是价值还是垃圾？小红书企业级Agent质效与成本治理实践——读小红书总架构师孟洪进2026云栖大会演讲

2026 云栖大会 · 企业级 Agent 实践峰会 | 演讲人：孟洪进 / 飞鸿（小红书质效 & AI 应用总架构师） | 主题：企业级 Agent 质效度量与精细化成本治理：“大家确实变快了，但变快的是价值，还是生产垃圾的速度？”在 2026 云栖大会上，小红书质效 & AI 应用总架构师飞鸿（孟洪进）的灵魂发问直击全场痛点。当大模型让代码和内容的生成成本骤降，企业面临的真正危险是前端省下的时间全部演变为后端的灾难性返工。。这是互联网大厂在 Agent 落地深水区沉淀出的真实账本。

2026-10-12 16:53:13 738

原创智能成为“商品”之后：读吴泳铭 2026 云栖演讲的六个取舍

吴泳铭在2026云栖演讲中提出智能将如电力般商品化，强调模型、芯片、云全栈协同降本增效。本文拆解其六大观点：智能应视为可量化生产资料，但质量与责任难标准化；“思考占比”等数字具启发性，不可当真；应用仍处“电灯阶段”，需期待颠覆性产品；递归改进依赖可靠评估器；全栈投入是方向，但多为远期规划；结果计费模式理想，实则需明确验收标准。核心启示：战略方向可信，数字需谨慎对待，落地关键在成本、可靠与交付。

2026-10-07 12:36:27 449

原创靠写代码就能玩转强化学习？读《Learning Beyond Gradients》的五个取舍

翁家翌提出“启发式学习”（HL），主张通过编码智能体读日志、改代码、补测试、看回放，迭代优化系统而非训练神经网络。文章强调：真正学习的是可生长的系统，而非单一函数；样本效率高但总成本需综合评估；核心价值在于可回归性与工程纪律；HL与神经网络应分工协作，前者管规则与恢复，后者负责感知；该范式尚待验证，但其“可维护性提升”的假设值得探索。落地建议包括：用HL维护规则系统、自动化反馈、结合感知模型，并全面报告成本。关键启示是：将智能体产出视为需长期维护的系统，配以测试、回放与压缩机制。

2026-10-03 17:11:11 369

原创 IDEA 插件中心打不开？先别急着设代理

IDEA插件中心打不开？别急着设代理！先用浏览器访问plugins.jetbrains.com判断是否网络问题。若能打开，问题多在代理设置，应核对HTTP Proxy配置，避免误填代理地址或无效端口；改后务必重启IDE。若浏览器也打不开，可能是运营商、DNS或防火墙限制，尝试切换网络（如手机热点）。公司网络下可检查自签名证书信任。实在无法连接，可离线下载插件包（.zip/.jar），通过“Install Plugin from Disk”手动安装。关键：先排查，再操作，离线安装是终极兜底方案。

2020-05-09 11:27:41 65318 29

原创 CPU 飙到 100%，先别急着翻代码

CPU飙高别急着翻代码，应遵循“定位→推理→看代码”四步法：先用top找进程，再用top -Hp定位最忙线程，将线程ID转十六进制，最后用jstack查栈。警惕三大坑：误判GC为业务问题、单次快照不准确、线上随意执行jmap引发停顿。建议结合jstat分析GC，多次采样验证，优先使用Arthas等工具并提前部署。排查后完善SOP与监控告警，提升线上稳定性。

2020-03-01 18:08:08 2237 3

原创按规约自建线程池，一样可能 OOM

线程池的隐患不在Executors，而在“无界”——无论是无界队列还是无限线程数，均可能导致内存溢出。自定义ThreadPoolExecutor时，关键在于设置有界队列（如ArrayBlockingQueue）、合理限定最大线程数，并明确拒绝策略（如CallerRunsPolicy）。否则，即便避开Executors，仍可能因队列无界导致资源耗尽。建议：队列有界、线程有上限、拒绝策略显式定义，配合命名、压测、监控与优雅关闭，方能真正规避风险。

2019-08-30 21:54:43 25824 2

原创银行怎么验收AI Agent？NatWest解密1900万客户落地实录：双盲评测、裁判校准与影子熔断——读Jonathan Osborne演讲

AI Engineer World’s Fair / New York 峰会 · 金融工程实录 | 主讲嘉宾：Jonathan Osborne（NatWest 核心 AI 架构师） | 核心主题：From Agent Prototype to Production in Regulated Banking：在科技圈和创业公司里，搭建一个看起来无所不能的 AI Agent Demo 或许只需要几天；但要让它在管理着千亿美元资产、拥有严苛风控合规审查的顶级银行生产环境中正式上线，却是一场需要攻坚数月的硬仗。

2026-11-07 08:58:16 161

原创别把Agent绑死在环境上！Factory解密企业级交付架构：驱动解耦与一次构建到处运行——读Nikhil Harithas演讲

AI Engineer World’s Fair / New York 峰会 · 架构实录 | 主讲嘉宾：Nikhil Harithas（Factory 创始团队核心架构师） | 核心主题：Decoupling Agents from Infrastructure: Building Once, Running Anywhere：在原型 Demo 阶段，开发者通常习惯把 AI Agent 跑在自己的 MacBook、共享 SaaS 或单一的云端虚拟机里。

2026-11-07 08:54:29 123

原创 AI写代码比团队评审快：98% PR激增与22%回滚危机！Sourcegraph拆解交付瓶颈与代码图治理——读Andrew Norrish演讲

提 PR 的工程师必须对每一行代码负责。如果开发者无法向同事清晰解释 AI 生成的架构决策与潜在副作用，该 PR 坚决禁止合入。

2026-11-07 08:50:39 159

原创 10万基站变身AI工厂！NVIDIA解密AI-RAN与6G智能体架构：频谱效率升1.5倍——读Ronnie Vasishta演讲

过去三十年间，无线接入网（RAN）一直被极少数传统设备商的专有黑盒硬件所锁死。基带物理层（L1）完全绑定在定制的专用 ASIC 芯片上，升级周期漫长且无法共享给任何其他通用计算任务。然而，这一物理定律在 2026 年被彻底终结。演进时间与平台基站支持峰值小区数 (Peak Cells)底层算力架构重大里程碑与技术转折点2022 年 (A100 + BlueField)12 个峰值小区首代端到端 5G OTA 实验室呼叫验证 GPU 运行 5G 物理层可行性。

2026-11-07 08:47:06 161

原创别让AI Agent每次都像新人探索项目！Sonar解密工程级上下文导航与实时校验闭环——读Killian Carlsen-Phelan演讲

AI Engineer World’s Fair / New York 峰会 · 架构实录 | 主讲嘉宾：Killian Carlsen-Phelan（Sonar 核心架构师） | 核心主题：Better AI Code. Before the PR. Context Before the Agent Writes, Verification as It Writes.

2026-11-07 08:43:50 162

原创检索工程把Agent准确率从36%拉到98%：对冲基金RAG实战复盘与科学评测门禁——读Aamir Shakir演讲

AI Engineer World’s Fair / New York 峰会 · 实录精选 | 主讲人：Aamir Shakir（Mixedbread 联合创始人兼 CEO） | 核心主题：How Retrieval Engineering Took an Agent Benchmark from 36% to 98%

2026-11-06 12:58:17 160

原创灵巧手与具身设计破局：斯坦福、东大、IIT与NVIDIA拆解人形机器人四大前沿——ICRA 2026主旨全景实录

“在过去的两年里，我们在仿真物理引擎、人类视频动作先验、生成式世界模型与低成本硬件平台上看到了前所未有的加速协同。所有技术梯度的收敛正在告诉我们：构建自主、多功能且具备通用操作能力的人形机器人不再是科幻小说的独白，它正在成为一个可以通过扎实工程逐步攻克的确定性科学工程现实。本文全景解析自 IEEE ICRA 2026（奥地利维也纳）Keynote 4《Manipulation, Humanoids, Embodied Design》。

2026-11-06 12:55:30 56

原创 2026前沿部署工程师（FDE）全景指南：从零入行、技能树拆解与面试通关实战

AI 工业落地与职业前沿 · 权威实录 | 主讲人：Marina Wyss（AI & 机器学习技术专家） | 核心主题：Forward Deployed Engineer (FDE) 2026 入行全景路线图与实战拆解：随着基础大模型能力的溢出，硅谷最抢手的工程师角色正在经历巨变。曾经由大数据巨头 Palantir 独创的，在 2025 至 2026 年间迅速蔓延至 OpenAI、Anthropic、AWS、NVIDIA、Snowflake 和 Databricks 等头部 AI 厂商。

2026-11-06 12:49:58 186

原创提示词调参已到死胡同？Neo4j拆解Agent图工程架构：状态图、条件分支与断点排障——读Zachary Blumenfeld演讲

AI Engineer World’s Fair / New York 峰会 · 架构实录 | 主讲嘉宾：Zachary Blumenfeld（Neo4j 资深 AI 架构师） | 主题：Make Your AI Agents Predictable With Graph Engineering：在提示词里多写两句“千万不要出错”、“请严格遵照逻辑”，永远治不好 AI Agent 的不可预测性。自然语言写就的散文式 Prompt，本质上是将复杂的业务控制流塞进了黑盒概率迷宫。

2026-11-06 12:45:51 204

原创每天合3万次改动怎么不塌？Anthropic联合Sonar拆解AI代码评审体系：暗灯工厂与三层门禁——读Addy Osmani演讲

AI Engineer World’s Fair / New York 峰会 · 领袖专场 | 对谈嘉宾：Addy Osmani（Anthropic 核心工程主管 / 前 Google Chrome 工程总监）、Manish Kapur（Sonar 副总裁） | 主题：Who Verifies the Software Factory?：当团队拥抱 Claude Code 与 Coding Agent 让代码生成速度暴涨数十倍时，整个软件工程的终极瓶颈彻底转移——

2026-11-06 12:42:27 148

原创为什么要拥有自己的智能体？LangChain解密Agent自主权架构：模型、上下文与Harness三支柱——读Harrison Chase主旨演讲

INTERRUPT 2026 London 开发者峰会 | 主旨演讲：Harrison Chase（LangChain 联合创始人兼 CEO） | 主题：Owning Your Intelligence (拥有你的智能)：在大模型全面跨入智能体（Agent）深水区的当下，企业最大的战略盲区在于错把“调用商用大模型 API”当成了“拥有人工智能资产”。当 Uber 在 4 个月内烧光全年 AI 预算的警钟敲响，闭源黑盒方案的“Token 经济学陷阱”彻底暴露。

2026-11-05 10:22:30 222

原创跑分越好上线越崩？FAR.AI拆解Agent能力与可靠性鸿沟：乘法坍缩与高可靠工程——读Adam Gleave圆桌实录

FAR.AI Alignment Workshop 2026 前沿闭门会 | 研讨嘉宾：Adam Gleave（FAR.AI CEO）、Dylan Hadfield-Menell（MIT CSAIL 教授） | 主题：The Capability-Reliability Gap: Why AI Agents Still Fail in the Real World：在基座大模型跑分与推理算力狂飙突进的今天，AI 行业正遭遇一道致命的静默危机——。

2026-11-05 10:12:10 115

原创 88%企业用AI为何动不了利润表？Apollo拆解从Demo走向P&L落地路径：5比1变革法则——读Adam Nahari演讲

AI Engineer World’s Fair / New York 峰会 | 主讲嘉宾：Adam Nahari（Apollo 前向部署工程主管 FDE） | 主题：Why Enterprise AI Pilots Don’t Move the P&L：企业做了几十个 AI 试点（PoC），CEO 与 CFO 却在利润表（P&L）上看不见任何水花？

2026-11-05 10:07:38 81

原创评测全绿上线却崩了？AI Engineer峰会拆解Agent真实评测：五大防翻车准则与动态换血——读Ramakrishnan Lokanathan演讲

在写下任何评测代码前，必须明确界定 Job to be Done 的三大核心维度：•。

2026-11-05 10:04:15 143

原创模型都一样Agent凭何拉开10倍差距？Oracle拆解智能平面与记忆工程：从塞爆上下文到按需分层——读Richmond Alake演讲

AI Engineer World’s Fair / New York 峰会 | 主讲嘉宾：Richmond Alake（Oracle AI 开发者体验总监） | 主题：All Models Are the Same: How Agents Really Differentiate：在 GPT-4o、Claude 3.5 与开源大模型全面普惠的今天，底座模型已沦为标准化“计算商品”。同一个基座模型，在不同团队手中构建出的生产级智能体，其任务成功率与可靠性却有着超过 10 倍的断崖式差距。

2026-11-05 10:01:26 168

原创 Uber四个月烧光全年AI预算？LangChain拆解Agent自主权架构：模型、上下文与Harness三支柱——读Harrison Chase大会演讲

INTERRUPT 2026 London 开发者峰会 | 主旨演讲：Harrison Chase（LangChain 联合创始人兼 CEO） | 主题：Owning Your Intelligence (拥有你的智能)：在大模型全面跨入智能体（Agent）深水区的当下，企业最大的战略盲区在于错把“调用商用大模型 API”当成了“拥有人工智能资产”。当 Uber 在 4 个月内烧光全年 AI 预算的警钟敲响，闭源黑盒方案的“Token 经济学陷阱”彻底暴露。

2026-11-04 15:23:30 114

原创 AI Agent为什么一到生产就翻车？CAR-bench拆解可靠性架构：前置校验、挂起桥与Darwin技能库——读Ayush Singh技术精编

CAR-bench 智能体可靠性深度研讨 | 主讲人：Ayush Singh（AI 系统工程实战专家） | 主题：Agent Reliability Architecture: From Demo to Production：构建一个能写出“看似合理答案（Plausible Answer）”的智能体仅完成了 10% 的工作，真正决定智能体生死的是其声明动作与“物理世界真实状态（World State）”的绝对对齐。

2026-11-04 15:22:28 151

原创 RL训练总发散？Together AI联合Hugging Face拆解Score Centering：分数中心化稳住离线强化学习——读前沿论文精编

Hugging Face Journal Club & Together AI 联合前沿研讨 | 主讲嘉宾：Kashif Rasul、Quentin Gallouedec（Hugging Face TRL 团队） | 主题：Score Centering Stabilizes Off-policy Reinforcement Learning。

2026-11-04 15:13:16 205

原创看起来答对就算做对？Snowflake拆解智能体GPA评估框架：终结Demo幻象走向生产信任——读Data Superhero技术分享

一个在演示中逗乐老板的 Agent，和一个能在生产环境中帮企业稳健调度上亿资金的数据智能体之间，相隔的不是参数量，而是一套严谨、可量化、守住底线的评估工程。许多团队在面对 Agent 效果不佳时，最常见的做法是“玄学调优”：换个更新的大模型、随手在 System Prompt 里加几句感叹号强调“务必严格遵守”、然后祈祷效果变好。但在严苛的企业级生产环境中，这种评估方式正在埋下巨大隐患。只看最终结果，你根本不知道系统在这个过程中浪费了多少 Token、放大了多少延迟，更不知道下一次它会在哪里暴雷。

2026-11-04 15:08:34 226

原创 AI为什么会不确定？Google DeepMind前沿负责人Zoubin拆解概率数学：大模型过度自信的解药——读官方播客实录

Google DeepMind 团队对概率与不确定性的重构呼吁，正在引领下一阶段 AI 架构的深度修正：通向 AGI 的道路绝不仅是建造更大的算力巨兽，更是为机器注入理性的自知之明。系统输出的不能仅仅是一个扁平的点估计（Point Estimate），而必须能够以概率分布的形式，完整表达对外部状态的信赖程度。随着传感器或环境反馈传来新的观测证据，系统能够遵循概率论准则，平滑修正自身的先验信念，动态收敛为合理的后验概率。为了追求更高的准确率，千亿、万亿参数的模型被投喂了整个互联网的文本和海量算力。

2026-11-04 15:05:05 230

原创算力缺口延至2030年、两堵墙卡死GPU？中国工程院王恩东院士拆解智算中心服务器终局——读第十届亚洲人工智能技术大会报告

大模型军备竞赛的上半场拼的是谁能买到更多算力卡，而下半场拼的是谁能让这些卡在真实数据中心里不被‘内存墙’与‘I/O 墙’憋死。王恩东院士的报告为产业界敲响了警钟：唯有拥抱开放计算、深耕全栈系统工程，中国乃至全球的智算中心才能穿越供需周期的缺口迷雾，真正让计算力成为驱动未来繁荣的新质生产力。随着“计算力成为新质生产力，智算中心成为新的生产力基础设施”，整个人类社会正经历从农业时代（水利驱动）、工业时代（电力与机械驱动）到。除了访存与互联的物理墙，第三个无法回避的硬性天花板是。

2026-11-03 09:17:05 169

原创 AI Agent记忆从不是向量库：Oracle拆解读写分离与记忆晋升门，终结无脑存聊天的伪智能——读Wojtek Pluta演讲

在过去一年里，绝大多数团队在为自己的 AI Agent 增加“记忆能力”时，做法几乎如出一辙：开一个向量数据库（Pinecone / Milvus / Chroma），在每轮对话结束时，把用户的提问和 Agent 的回复转成 Embedding 向量直接往里塞；<summary> 审查 Kyle 的贷款完整性，审批未通过，等待补件。这种记忆能力完全脱离了脆弱的会话上下文窗口，靠的是数据库底座驱动的显式记忆装配。在写路径中，决定一条信息能否从“临时上下文”跃升为“长期持久化记忆”的核心关卡，正是。

2026-11-03 09:12:24 123

原创 AI Agent出错从不报警？GuhaTek实战混沌工程注入故障：拆穿智能体「安静编答案」的遮羞布——读LitmusChaos访谈

在 Agent 调用的 LLM Gateway（如 LiteLLM / Kong / 自研网关）层，人为模拟上游主力商业模型（如 Claude 3.5 Sonnet 或 GPT-4o）突发限流（429 Too Many Requests）或服务中断（503）。：观察 Agent 是如实反馈“在当前知识库中未找到相关条款”，还是因为前置 Prompt 的过载压力，开始利用通用大模型的预训练知识放飞自我、胡乱编造。在生产与准生产环境中，究竟应该往哪里“下毒”，才能最精准地检验一个 Agent 的鲁棒性？

2026-11-03 09:08:56 165

空空如也

空空如也