登录社区云,与社区用户共同成长
邀请您加入社区
环境隔离浏览器的API之争,本质不是"谁功能多",而是"谁把环境变成了可被工程系统管理的资源"。评判维度就那几个:声明式资源模型(profiles/environments分离)、低延迟且数据可控的本地API、稳定的限流与回收机制、能落地审计的角色权限与操作日志、以及是否跟上MCP这种新交互范式。
写到这里,Tool、MCP、Skills、Harness 已经绕不开了。它们经常出现在同一场讨论里,也最容易被说成一回事。我最近一直参与一个企业 Agent 平台的开发和架构梳理。这次我没有从概念文章里抄四段定义,而是顺着当前代码,把一次任务从用户输入、Skill 装载、MCP 连接、Tool 执行,一路追到权限确认和会话持久化。
9年Java架构师 + 4年豪华品牌售后顾问,用你最熟悉的场景讲透Agent体系
前几天帮学弟改简历,看到他写"基于LangChain搭建RAG问答系统,支持多轮对话"。我问:权限怎么做的?日志怎么记的?失败了怎么重试?他愣了三秒。这不是他一个人的问题。我带过十几个学生做项目,90%停留在Demo阶段——功能能跑,但经不起生产环境的拷问。大模型应用从Demo转向生产,门槛不在模型调用,而在权限、日志和可观测性。面试官筛人,筛的就是这个。大模型时代的就业,门槛在提高。Demo项目
企业内部Agent从低代码试点走向生产部署,不需要完全放弃原有的可视化编排平台,但不能继续只依赖画布、Prompt和知识库。低代码平台适合快速验证业务价值,例如搭建内部问答、客服流程、数据查询或简单任务助手;进入生产后,企业还需要补齐:可弹性扩展的Agent Runtime;Session状态与长期Memory;MCP和企业API的统一连接;身份、权限与数据隔离;人工接管和写操作追踪;Token、
用户级:用户对应的.claude内配置C:\Users\ww\.claude\settings.json。C:\Users\ww\.claude\projects\项目名d\memory\。会话级:在当前文件夹下的.claude下配置 settings.json。项目记忆会以md文件存在.cluade 项目名内的memory文件夹内。命令行参数->会话级的配置->用户级配置->系统级配置。ccsw
一家企业接入第一个大模型时,一个地址、一把 API Key,通常就能完成调用。此时,企业关注的主要问题是模型能不能用、接口能不能接通。但当 AI 从局部试验进入生产环境,企业需要管理的很快变成四类 AI 能力:不同团队使用的模型、负责规划和执行的 Agent、连接企业系统的 MCP 工具,以及安装在 Agent 上的 Skill。原来简单的“应用调用模型”,也随之扩展为两条同时运行的链路:业务应用
千问办公新接入企查查官方连接器,通过一键授权即可调用4亿+市场主体数据、1.6亿+裁判文书和全量法律法规。该功能实现了三大场景革新:销售3分钟生成企业结构化画像(工商/股权/风险全维度);法务可同步核验合同主体身份与法律条款有效性;采购/市场人员能设置自动标讯监控。所有数据实时更新且可溯源,告别传统多平台切换的手动拼接,在单一对话框内完成专业级信息整合。目前预置企业、法律双数据模块,支持自定义扩展
Claude Code 在开发者团队中证明了终端型 AI Agent 的价值:它能理解代码库、执行命令、完成多步编码任务。但很多企业的真实需求并不止于写代码——资料搜集、文档与表格处理、报告生成、自动化流程同样需要 Agent 介入。
AI Agent 开发平台的订阅价格不能只看月费,真正影响采购决策的是 Agent 数量、工作流运行额度、模型调用量、团队成员席位、知识库容量和企业管理能力。很多人对比AI应用开发平台收费标准的时候,第一眼先找页面上标出来的月费数字,用着用着才发现隐性的额度限制、协作门槛、功能锁藏带来的额外成本,反而比最初的订阅费高很多,甚至出现买了套餐之后核心业务流程跑不通的情况。
企业可根据自身业务形态灵活组合架构能力:以托管模型调用为主、业务规模较小的场景,依托LiteLLM + Amazon Bedrock即可完成统一接入、权限管控、成本审计、调用追溯等基础治理工作,快速满足业务落地需求;若企业深度运营自研、开源模型,搭建了大规模GPU推理集群、承载高并发业务,必须新增具备多维感知能力的智能推理网关,补齐精细化调度短板。