单一真相源与Prompt漂移

作者：Agent Dev 实践笔记 | 发布日期：2026-09-21 | 标签：Agent, 架构设计, Prompt Engineering, 软件工程

Agent 项目的单一真相源：当 CLI 和 Web UI 的 Prompt 开始漂移时

作者：Agent Dev 实践笔记 | 发布日期：2026-09-21 | 标签：Agent, 架构设计, Prompt Engineering, 软件工程

继续阅读“单一真相源与Prompt漂移”

通用 Agent 时代，价值迁移到了哪里

通用 Agent 让”做”这件事快速贬值，于是价值整体迁移到了”做之前”和”做之后”——决定让它干什么，以及判断它干得对不对。中间那段”动手”，才是正在被商品化的部分。

一、先纠正一个错位：它通用的到底是”手”，还是”脑”

现在流行的一种说法是：通用 Agent = Coding Agent + 文件系统。

这个范式解决的是动作空间的通用：它能调 API、能爬网页、能改表格、能跑脚本，看起来什么都能干。但它没解决的是另外三件事：

  • 该干什么——业务里真正值钱的问题是什么；
  • 什么叫干得好——验收标准、行业惯例、合规红线在哪儿；
  • 干砸了谁负责——赔偿、合规、客户信任由谁承担。

这三件事，一件都没有被自动化。 继续阅读“通用 Agent 时代，价值迁移到了哪里”

工业流程企业，如何准确判断智能体应用的必要性？

流程工业判断 Agent 必要性，逻辑与互联网场景根本不同：Agent 不是主战场，而是确定性自动化层覆盖不到的残差区。本文给出时间尺度切分、五层否决漏斗与三个可立即执行的诊断动作。

互联网场景问的是”这个业务值不值得用 AI 重做一遍”；流程工业必须先问另一个问题：

“这个场景是不是已经被确定性层覆盖了？”

因为流程工业是极少数已经拥有成熟确定性自动化栈的行业：SIS 管安全联锁、DCS/PLC 管回路、APC/MPC 管多变量优化、MES/ERP 管执行与计划。这套栈是几十年工程积累、可认证、可追责的。Agent 引入的却是概率性——而来自过程系统工程研究的结论很冷酷：目前不存在将 LLM 认证为 SIL 1 及以上安全功能组成部分的路径。

所以，Agent 在流程工业的战场不是主战场，而是确定性层覆盖不到的残差区。必要性判断的全部功夫，就在于准确圈出这个残差。 继续阅读“工业流程企业，如何准确判断智能体应用的必要性？”

Aicoding

这个仅用500行核心代码构建的AI代码Agent框架，展示了如何让自然语言指令直接转化为可执行的Python代码。它不只是简单的“输入-生成-输出”，而是具备安全沙盒执行和自动纠错能力——当LLM生成的代码出现bug时，系统会自动将错误信息反馈给模型进行修复，最多尝试3次，全程无需人工干预。通过四个抽象接口（LLM、执行器、工具、历史管理）和一个核心编排引擎，实现了“生成→执行→改进”的智能循环。…

从零构建一个 AI 代码 Agent：自然语言生成 Python 代码、安全执行与自动纠错

从零开始实现和了解一个极简但功能完整的 AI 代码 Agent 框架——code-agent-demo。不到 500 行核心代码，却涵盖了 LLM 调用、安全沙盒、自动改进循环、历史管理、CLI 交互等所有关键环节。

继续阅读“Aicoding”

粤ICP备18029612号
粤ICP备18029612号