AI 与 Agent
围绕AI 与 Agent的文章，关注可执行业务本体、受治理的数据、应用搭建和 Agent 工作流的实践。
-
AI 模型
进了 企业 还缺什么？ 一个 世界、 一双手、 一道 围栏 缺的不是智力。模型进到一家公司，缺一个可以推理的世界、一双能动手的手、一道围住动作的围栏。一份可执行的业务本体同时供给这三样；文中一张带出处的表，把每一样对到运行时里供给它的机制。
AI 与 Agent IT 负责人 AI Agent可执行业务本体MCPAgent 权限 -
Agent 可操作的
应用： 当每个 对象 和动作 都是 用户 权限 之下的 MCP 工具 Agent 可操作，意味着应用本身已经是 MCP 服务器，Agent 以用户身份接入。一次运行、两个用户、一个动作：同样的十二个工具，权限决定在每一次调用上做出，而不是在列表上。
AI 与 Agent 开发者 AI AgentMCPAgent 可操作 -
什么
样的 业务 应用是 AI 可编写的？ 四道门禁： 类型、 验证、 审查、 治理 AI 可编写是目标格式的属性，不是模型的属性。四道门禁、一次真实运行：三个故意犯的错、49 条规则、三条定位到位的报错，然后一次干净通过。
AI 与 Agent 开发者 AI 智能体AI 可编写 -
本体
即软件： 当企业 软件的 第一个 用户 变成 Agent 企业软件换了三次界面，用户却始终是人。Agent 是四十年来第一个新用户，它需要的不是又一套 API，而是一份运行时运行、AI 编写、Agent 操作、归你所有的本体。
AI 与 Agent 综合 本体AI Agent可执行业务本体 -
FDE(前沿
部署 工程师) 用什么 工具？ 一套 本体 优先的 开源技术栈 FDE 在一次 60–180 天的部署里真正写下什么:接入适配器、实体解析、权限映射、最初的几条工作流。加上定义这份工作的五个痛点,以及 2026 年的模仿潮为什么只抄走了岗位、没抄走底下的基质。
AI 与 Agent 开发者 本体MCP前沿部署工程师Palantir -
一个
业务 应用 到底有 多少 token？ 完整 CRM 全应用 不到 150k 完整 CRM 的数据模型、流程、权限与界面合计不到 150k token：业务逻辑不到 100k，UI 约 50k；随包参考 CRM 仍约 16k。能整体装进智能体上下文的软件，维护方式完全不同。
AI 与 Agent 开发者 CRM 客户管理 AI 智能体 -
AI 智能
体删除 生产 数据： 为什么 运行时 护栏比提示 词可靠 公开记录中的 Replit 事故提醒我们：智能体的影响半径不能只靠提示词收窄。生产数据、破坏性操作和恢复证据，都需要由运行时权限、审批和审计来约束。
AI 与 Agent IT 负责人 AI 智能体Replit -
Agent 规则
文件 怎么写： 让 AI 生成 可治理 应用 编码 agent 的 AGENTS.md、.cursor/rules 或 CLAUDE.md 不该只管代码风格。把权限、审批、审计和目标元数据格式写进去，AI 生成的应用才更容易被审查和签字。
AI 与 Agent 开发者 MCPAI 智能体 -
MCP 安全：
为什么 协议 还需要 受治理的 工具层 MCP 和 A2A 让 agent 连接工具与其他 agent 变得更容易，但连接不等于授权。企业缺的不是再包一层接口，而是每次调用都带身份、强制权限、留下审计的工具层。
AI 与 Agent IT 负责人 MCP受治理的工具AI 智能体A2A -
为什么 AI Agent 试点进不了
生产： 缺的是 四层 运行 基础 一个 agent 演示可以很精彩，生产评审却只问一件事：你怎么证明它不会越权、会等审批、能交出审计证据？试点失败通常不是模型不够强，而是缺语义、权限、审批和审计四层。
AI 与 Agent 业务决策者 AI 智能体 -
Agentforce、Copilot Studio 之外：
何时 选择 开放 自托管 运行时 Agentforce、Copilot Studio、ServiceNow AI Agents 在各自生态内都很强。问题是你的数据、流程和权限是否也在同一个生态内；若不是，开放自托管运行时或混合架构可能更稳。
AI 与 Agent IT 负责人 AgentforceCopilot StudioServiceNow