AI 與 Agent
圍繞AI 與 Agent的文章，關注可執行業務本體、受治理的資料、應用搭建和 Agent 工作流的實踐。
-
AI 模型
進了 企業 還缺什麼？ 一個 世界、 一雙手、 一道 圍欄 缺的不是智力。模型進到一家公司，缺一個可以推理的世界、一雙能動手的手、一道圍住動作的圍欄。一份可執行的業務本體同時供給這三樣；文中一張帶出處的表，把每一樣對到執行環境裡供給它的機制。
AI 與 Agent IT 負責人 AI Agent可執行業務本體MCPAgent 權限 -
Agent 可操作的
應用： 當每個 物件 和動作 都是 使用者 權限 之下的 MCP 工具 Agent 可操作，意味著應用本身已經是 MCP 伺服器，Agent 以使用者身份接入。一次執行、兩個使用者、一個動作：同樣的十二個工具，權限決定在每一次呼叫上做出，而不是在列表上。
AI 與 Agent 開發者 AI AgentMCPAgent 可操作 -
什麼
樣的 業務 應用是 AI 可編寫的？ 四道門禁： 型別、 驗證、 審查、 治理 AI 可編寫是目標格式的屬性，不是模型的屬性。四道門禁、一次真實執行：三個故意犯的錯、49 條規則、三條定位到位的報錯，然後一次乾淨通過。
AI 與 Agent 開發者 AI 智慧體AI 可編寫 -
本體
即軟體： 當企業 軟體的 第一個 使用者 變成 Agent 企業軟體換了三次介面，使用者卻始終是人。Agent 是四十年來第一個新使用者，它需要的不是又一套 API，而是一份執行環境執行、AI 編寫、Agent 操作、歸你所有的本體。
AI 與 Agent 綜合 本體AI Agent可執行業務本體 -
FDE(前沿
部署 工程師) 用什麼 工具？ 一套 本體 優先的 開源 技術棧 FDE 在一次 60–180 天的部署裡真正寫下什麼:接入配接器、實體解析、權限對映、最初的幾條工作流。加上定義這份工作的五個痛點,以及 2026 年的模仿潮為什麼只抄走了崗位、沒抄走底下的基質。
AI 與 Agent 開發者 本體MCP前沿部署工程師Palantir -
一個
業務 應用 到底有 多少 token？ 完整 CRM 全應用 不到 150k 完整 CRM 的資料模型、流程、權限與介面合計不到 150k token：業務邏輯不到 100k，UI 約 50k；隨包參考 CRM 仍約 16k。能整體裝進智慧體上下文的軟體，維護方式完全不同。
AI 與 Agent 開發者 CRM 客戶管理 AI 智慧體 -
AI 智慧
體刪除 生產 資料： 為什麼 執行環境 護欄比提示 詞可靠 公開記錄中的 Replit 事故提醒我們：智慧體的影響半徑不能只靠提示詞收窄。生產資料、破壞性操作和恢復證據，都需要由執行環境權限、審批和審計來約束。
AI 與 Agent IT 負責人 AI 智慧體Replit -
Agent 規則
檔案 怎麼寫： 讓 AI 生成 可治理 應用 編碼 agent 的 AGENTS.md、.cursor/rules 或 CLAUDE.md 不該只管程式碼風格。把權限、審批、審計和目標中繼資料格式寫進去，AI 生成的應用才更容易被審查和簽字。
AI 與 Agent 開發者 MCPAI 智慧體 -
MCP 安全：
為什麼 協議 還需要 受治理的 工具層 MCP 和 A2A 讓 agent 連線工具與其他 agent 變得更容易，但連線不等於授權。企業缺的不是再包一層介面，而是每次呼叫都帶身份、強制權限、留下審計的工具層。
AI 與 Agent IT 負責人 MCP受治理的工具AI 智慧體A2A -
為什麼 AI Agent 試點
進不了 生產： 缺的是 四層 執行 基礎 一個 agent 演示可以很精彩，生產評審卻只問一件事：你怎麼證明它不會越權、會等審批、能交出審計證據？試點失敗通常不是模型不夠強，而是缺語義、權限、審批和審計四層。
AI 與 Agent 業務決策者 AI 智慧體 -
Agentforce、Copilot Studio 之外：
何時 選擇 開放 自託管 執行環境 Agentforce、Copilot Studio、ServiceNow AI Agents 在各自生態內都很強。問題是你的資料、流程和權限是否也在同一個生態內；若不是，開放自託管執行環境或混合架構可能更穩。
AI 與 Agent IT 負責人 AgentforceCopilot StudioServiceNow