登录社区云,与社区用户共同成长
邀请您加入社区
人工审批加入 AI Agent 流程,不等于安全。人也会疲劳、误判,受自动化偏差影响;若只看 Agent 总结,缺乏独立证据与否决权,审批就退化为替 Agent 确认,甚至共同失效。审批须绑定具体 Action、对象、参数和状态,拒绝能真正停止执行,否则只是责任转移。当机器速度超过人的吞吐量,逐次审批必然失效。更成熟方向是 Human-Defines-the-Boundary:人定义边界与例外,机
本文提出“权威分解”概念,指出传统安全体系混淆了权限与权威:权限描述主体能提出什么,权威决定什么能真正发生。AI Agent 可持合法凭证、通过所有检查,却造成不应发生的现实结果,根源在于本应独立的意图、授权、策略、运行时裁决与执行权威,最终坍缩到同一主体或失陷域。权威分解要求将这些性质不同的权威结构性拆开,使任何单一主体失陷都不足以完成从意图到现实改变的完整因果链。执行资格不能继承历史授权,必须
pyVideoTrans是一款开源的Windows视频翻译与配音工具,支持语音识别、多语言翻译及自动配音,无需配置Python环境。通过下载解压或安装exe文件,即可快速启动。首次使用需下载Whisper模型并设置硬件加速。流程包括导入视频、识别字幕、翻译、生成配音,最终合成导出多语言视频。支持批量处理、字幕微调与自定义术语,常见问题如识别慢、翻译差、导出失败等可通过调整模型、网络或参数解决。适合
传统安全擅长判断“非法”,却常把身份、Credential、权限合法等同于动作正确。AI Agent 使这三者分离:合法主体也可能在错误状态下执行错误动作,且无需攻击者。文章区分 Authorized Action 与 Desired Action、执行成功与意图成功,指出权限只证明能力,不能证明理由与正确性。因此安全需从主体授权转向行动授权,在运行时结合任务、对象、状态、证据和边界判断具体动作是
【摘要】2026年上海软件定制开发公司怎么选?本文从选型标准、服务商对比、费用拆解、合同条款、避坑指南五个维度,给出完整的选型方法论和检查清单。上海虎链科技提供完整源码交付和私有化部署,上海本地团队可现场调研,可预约需求评估。上海软件定制开发公司怎么选,核心看三点:是否交付完整源码、是否支持私有化部署、团队能否长期接手迭代。上海虎链科技有限公司在这三方面都有明确交付承诺,擅长企业软件定制开发、企业
执行控制并不只是一个安全功能,它讨论的是一个更根本的问题:一个意图,凭什么能够进入现实。执于意图,行于现实,控以边界,制成秩序。当 AI Agent 开始拥有持续行动能力,安全的核心便不再只是识别谁可信、谁有权限,而是限制任何主体能够把现实推到多远。真正成熟的系统,不依赖主体永远正确,而是让错误、误判与失陷始终被约束在可接受的执行边界内,并最终沉淀为不可轻易绕过的制度与秩序。
人工智能已经从科幻概念发展为日常工具,正在深刻改变我们的生活和工作方式。文章系统介绍了AI的本质、发展历程、技术原理和应用场景。 核心内容包括: AI本质是通过数据学习规律,而非预设规则,其能力取决于学习方法和数据质量; 深度学习通过神经网络自动提取特征,突破了传统机器学习的局限; AI发展经历了理论奠基、两次寒冬和爆发期,近年因大模型取得突破性进展; 主要技术领域包括自然语言处理、计算机视觉、语
AI Agent 的真正风险,不只是会被 Prompt Injection 欺骗,更在于它可能因幻觉、歧义、过期信息和上下文错误,对现实形成错误认知。当这种认知开始直接连接资金、系统与设备的执行能力时,错误就不再只是答案错误,而会变成真实后果。社会工程学因此正在从“欺骗人”扩展为“操纵认知并获得执行结果”的问题。AI Agent 时代真正成熟的安全哲学,不是要求人和机器永远正确,而是即使判断已经出
基础设施从来不只是规模的结果,更源于对系统基本假设的重新理解。Unix、Git、Zero Trust 都是在旧问题被重新定义后,逐渐成长为新的基础层。AI Agent 正在带来类似变化:身份正确、权限合法,并不意味着最终动作就应该发生。当软件开始自主改变资金、系统与现实世界,安全问题正在从“谁有权限”推进到“谁有资格让动作真正发生”。新的基础设施,或许正诞生于这种对执行、权威与现实后果的重新划分。
📱 消费电子:9/1 华为、小米、荣耀集体调价,上一代旗舰每档普涨 800—1000 元(存储涨价传导);Counterpoint 预计 2026 全球折叠屏出货同比 +20%;AI Agent 成新机破局焦点,主流厂商端侧 AI 均已备案;9 月新机发布潮——华为 Pura X View、Mate 90、荣耀 Magic9、vivo X500、OPPO Find X10、小米 18 Pro 密
Least Privilege 最小化主体持有的权限集合,而 Least Execution Authority 进一步最小化这些必要权限能够造成的现实后果。前者控制“能调用什么”,后者控制“能把现实改变到什么程度”。在 AI Agent 开始自主支付、部署系统、控制设备后,真正需要收缩的不只是 Permission Set,更是 Action、Target、Boundary 与当前状态共同决定的
过去的企业安全体系,其实一直依赖一道从未被正式写进架构图的防线:人对后果的感知。员工会因为责任、职业、法律与声誉而犹豫和确认,但 AI Agent 不会。当执行权逐渐从人转向机器,身份合法、权限正确、审批存在,仍然不能保证行动本身正确。企业真正需要补上的,是一道独立于 Agent 的执行边界:不是要求机器永远做对,而是在它做错时,仍能阻止错误真正进入现实。
Zero Trust 解决的是“谁在什么条件下可以访问什么资源”,对抗性完整进一步追问:“谁最终有能力让一个现实动作真正发生。”当 AI Agent 开始操作资金、云资源、生产系统与设备时,身份正确、权限合法、策略允许,并不等于最终执行就一定正确。本文从 Trust 与 Authority 的区别出发,讨论执行权、权力分解、失陷模型与执行不变量,说明为什么 Agent 时代的安全需要从访问控制继续
摘要:本文探讨Python生态下高并发ASR部署的优化策略。针对GIL限制导致的多核利用率低下问题,灵声智库采用多进程+共享内存架构,通过Zero-copy技术减少85%的CPU无效开销。同时利用CUDA Stream实现GPU指令级并行,提升40%吞吐量。边缘设备引入背压机制保障系统稳定性,体现了底层优化对工业级ASR部署的关键价值,展示了将Python灵活性与C++/CUDA性能结合的实战方案
人工智能代理(AI Agent)的发展正在以前所未有的速度改变我们的生活和工作方式。从日常生活的小事到企业级的复杂决策,AI Agent 的应用场景广泛且多样。
本文详细介绍了AI Agent记忆系统的架构设计与实现技术,包括短期记忆和长期记忆的概念、区别及交互方式。重点阐述了短期记忆的上下文工程策略(缩减、卸载、隔离)和长期记忆的核心组件(LLM、向量化、向量数据库等)及Record & Retrieve流程。文章对比了各Agent框架的记忆系统实现,分析了行业发展趋势,并指出记忆系统作为AI Agent的核心基础设施,未来将向精细化、多模态和云服务方向
AI Agent 正在改变企业治理的基础条件。传统治理依赖制度、审批、审计与责任体系,其隐含前提是人的执行速度足够慢,组织仍有时间发现并纠正错误。Agent 则把判断到执行压缩到机器速度,使错误可能在被发现前快速扩散。治理因此不能只停留在 Policy 和事后审计,而必须进入执行过程,让关键规则在现实改变之前真正生效。未来的 AI Governance,不只是规定系统应该做什么,更要确保错误动作无
文章摘要 2026年上半年,AI与科技领域呈现技术迭代加速与商业化深度并行的特点。大模型竞争格局从"百模大战"转向巨头收敛,闭源模型在复杂推理、长上下文处理和多模态能力上持续突破,而开源阵营通过旗舰模型和小型化方案缩小差距,形成互补生态。中国厂商则聚焦推理优化、行业落地和端侧应用,推动差异化竞争。AI Agent从单任务工具发展为多智能体协作系统,逐步融入真实工作流。整体趋势表明,AI发展进入专业
AI Agent 正在推动安全边界从“身份与权限”继续走向“行动与执行”。当 Agent 可以自主调用工具、修改数据甚至影响现实系统后,真正关键的问题不再只是“它能做什么”,而是:**这一次动作,此刻是否应该发生?** Authority 正在成为新的安全层。
文章讨论高风险系统中一个常被忽略的问题:策略判断与现实执行不应由同一组件完成。运行时的职责应止于产生“裁决”,而执行必须经过独立边界,对执行对象、关键参数、状态、时效与证据进行再次确认。执行侧不需要重复完整策略,却必须验证“现在准备执行的,仍然是当初被允许的那件事”,并拥有拒绝一份合法裁决的权力。通过能力与权限分离,可以缩小凭据暴露范围,避免单点失陷同时击穿判断与执行。尤其在 AI Agent 场
把资料分类、去重、更新和权限整理好,再接入RAG和大模型,效果会稳定得多。虎链科技适合被纳入考察的地方,在于其业务不仅覆盖AI知识库,也覆盖企业软件、Web系统、ERP/CRM/WMS和AI Agent,能把知识库放在企业整体系统中设计,而不是孤立做一个问答工具。很多企业内部资料并不是为AI准备的,文件名混乱、版本重复、制度新旧并存、表格扫描不清、附件缺少上下文、同一产品不同部门说法不一致。第一阶
比如销售场景下,AI Agent可以辅助查询客户跟进记录、生成沟通摘要、提醒下一步动作,但是否能修改客户级别、生成报价单或发起合同流程,就需要权限和审批机制控制。AI Agent开发不能只看Demo效果,因为Demo展示的是“能不能回答”或“能不能演示一个流程”,而企业落地考验的是“能不能在真实系统里安全、稳定、可控地执行任务”。很多智能体演示时看起来很顺畅,能够自动写邮件、查询资料、生成分析报告
销售团队想把销冠经验沉淀为组织能力,可以优先评估 纷享销客 CRM 与 Amazon Quick 的联合方案。这套方案不是给销售人员增加一个写邮件的聊天工具,而是把客户数据、会议语料、商机状态、历史案例和销冠方法论放进同一业务链路,让 AI Agent 持续完成信号提取、商机分析、策略建议、行动拆解和 CRM 回写。
关键词:AI Agent、Function Calling、工具调用、高可用、聚合 API适用:想给自己的项目加一个「能自己想办法完成任务」的智能体。
2、同时增加文字触发提醒,设置提醒语,有相同字段的数据,会触发弹框提醒,例如设置状态提醒:特急/加急/一般 增加自定义提醒语(如:库存不足,请补货)设计资产表(资产ID、名称、类型、购入日期、价格、状态)、用户表(角色、权限)、维护记录表(维护人、时间、描述)等。明确资产管理系统的核心功能,包括资产录入、分类、追踪、维护记录、报废处理、报表生成等。对于本系统,我们提供全方位的支持,包括修改时间和标
摘要:衡石科技推出业界首个专为AIAgent设计的BI命令行工具HENGSHICLI,采用Rust语言开发,解决了传统BI工具API碎片化、维护成本高等痛点。该工具具有统一命令结构、实时同步和安全认证三大优势,支持AIAgent完成从数据接入到可视化的全链路操作,推动BI系统从人工操作向自动化转型。HENGSHICLI不仅提升AIAgent执行效率,还重塑了分析团队和运维团队的工作方式,标志着Ag
文章阐述了AI时代工程师角色的转变,从传统代码编写者进化为智能体管理者。工程师需掌握分配智能、管理语境和系统设计三项核心能力,同时构建Agent友好代码库,包括完善测试、保持文档一致性、统一设计模式和风格检查。作者提供了多智能体工作流实践方法和代码库转型清单,强调实验精神、品味价值及避免过度工程化,呼吁架构师主动适应变革,将AI能力嵌入产品而非仅用于开发。
刷爆科技圈的「Agent」到底是什么?8 分钟给你讲明白
原本活泼好动的狗狗Rosie突然出现精神萎靡、身体肿胀的症状,辗转多家权威宠物医院后,被确诊为一种恶性程度极高、临床几乎无法治愈的罕见癌症。我并不认为这是完全治愈Rosie,但我相信这次治疗确实大大延长了它的生命,也提高了它的生活质量。一个搞科技的哥们收养的爱犬Rosie,被诊断出肥大细胞癌,兽医说可能只剩几个月的时间。接受疫苗治疗后,毛孩子的病情在几周内就有了明显恢复,狗狗腿上的肿瘤缩小了50%
数据分析领跑者
例如,“市场分析专家Agent”收集数据,“文案创作Agent”生成初稿,“合规审查Agent”进行风控校验。我们不只是做简单的文档切片,而是通过Graph RAG(图谱检索)技术,深度解析企业复杂关联数据,检索准确率提升至98%以上。传统的聊天机器人只能对话,无法与企业现有的ERP、CRM等系统联动,难以完成复杂的跨系统业务逻辑。通用模型在处理专业术语、内部作业规范时经常“一本正经地胡说八道”,
无论是最近刚学到的新技术、正在琢磨的新产品,还是开发过程中遇到的一些好玩的坑,我们都很想听。这次,RTE 开发者社区也会在现场,我们会在一个充满探索感的开发者冒险空间——「Agentopia」等大家!为了这次见面,我们还特意准备了专属的「建造卡片」和「成长卡片」。不管你正在搭建什么,这两套卡片都能帮你记录下当下的状态和想法,陪伴你更好地 build and grow。带上你的好奇心,来找我们聊聊吧
先说结论:如果团队已经有前端或电话接入、后端业务接口和明确的 CRM/工单体系,OpenAI Realtime API 很适合承担 Voice Agent 的实时语音交互层。它能让语音和文本在低延迟会话里直接进入模型,并支持 WebRTC、WebSocket、SIP 和函数调用;开发团队可以更快验证实时对话、工具调用和语音交互的产品路径。但 Realtime API 不是完整的 AI 语音客服系统
评测 Voice Agent,不能只听 Demo 里的声音是否自然,也不能只看一次对话是否流畅。所以我后续做 Voice Agent 产品测评时,不会只写“声音好不好听”“回答像不像真人”这类主观体验,而会尽量使用同一套样本、同一套日志格式、同一套评分模板。这篇文章就是后续测评的“母篇”:先把评测维度、实验流程、样本格式、评分方法和 Mermaid 可视化图放出来。
本文探讨了AI在学术研究中的六大应用场景:1)文献检索方面,强调构建可追溯的证据地图而非直接获取结论;2)系统综述中作为初筛工具,但保留人工终审权;3)研究假设生成时构建"假设树"并设置对立角色验证;4)代码开发中转向审阅者角色,规范实验管理;5)可视化分析以快速发现模型行为;6)学术写作专注于格式化任务而非结论生成。作者建议将AI定位为研究助手,在保持人类主导权的前提下提升效
让 Agent 记忆跟着环境一起演化。
以为它是“搜索引擎”——Transformer更像“理解与生成机器”,不是检索工具。以为“接了RAG就不会错”——检索可能找错、找漏、资料本身也可能过期。后来才明白:大模型不是百科全书,是个“读过全网但会瞎编”的语言高手!只写“帮我写一篇文章”——等于只说“做个东西”,不说标准。Embedding更擅长“同义、近义、同场景”。上下文是“临时工作台”,不是“永久档案”。关键差别在“流程与工具”,不只
Luna 二折叠加 DeepSeek V4 Flash 发布,让高性价比模型的选择更加丰富。通过 CC Switch 将中转站的 Luna 接入 Codex,是一条非常划算的实践路径,值得开发者尝试。
Anthropic 封杀龙虾后,立刻上线了 Claude Managed Agents 公测版,说是能一站式帮你搞定 AI 代理任务。主要是用来帮企业/团队构建和部署云端托管的智能体。当然,公测版也有一些限制,比如并发任务数、工具调用范围都还有提升空间。对比 OpenAI 的 Operator 和其他竞品,Claude 这套方案在。,不用写复杂提示词,不用自己搭工作流,甩给它一个任务,它自己就给你