数据库标签_AI Agent技术社区

数据库

从零到资深：收藏这份AI Agent学习路线，成为大模型开发高手！

本文详细介绍了成为资深AI Agent工程师的学习路线，涵盖Python工程基础、大模型理解、Agent核心原理、Workflow设计、LangGraph应用、Tool Calling、MCP、RAG、Agent Memory、多Agent系统、A2A、多模型Gateway、私有化部署、生产级基础设施、Observability、Evaluation、Security、Coding Agent等关

 学网安的喵桑
2026-09-16 11:11:25

 304

 1

#人工智能 #学习 #数据库 +1
你和你的 AI agent 不应该使用 curl：介绍 Elastic CLI 和 Agent Skills

ElasticCLI是面向开发者与AI Agent的统一命令行工具，支持Elasticsearch、Kibana及ElasticCloud所有公开API，每条命令均提供JSON输入输出、Schema验证、安全密钥链存储与退出码控制。专为Agent设计，具备结构化交互、输入验证、破坏性操作确认和上下文隔离功能，配合AgentSkills实现安全高效的自动化工作流。支持字段掩码、模板渲染与配置文件，优

 Elastic 中国社区官方博客
2026-09-16 09:20:39

 406

 3

#elasticsearch #大数据 #搜索引擎 +3
多轮对话中的 KV Cache 复用率：真实业务轨迹统计与收益

在以 AI 编程助手（Coding Copilot）、智能客服、复杂智能体（AI Agent）与长文档流式交互为代表的大语言模型在线应用中，**多轮连续会话（Multi-Turn Conversations）**占据了全平台总请求流量的 80% 以上。在传统的无状态（Stateless）推理架构下，客户端在发起第 $N$ 轮对话时，必须将前面 $1 \sim N-1$ 轮的所有历史问答拼接为一个巨

 继续商行
2026-09-15 21:11:04

 855

#人工智能 #语言模型 #后端 +1
AI Agent操作数据库的安全边界：只读沙箱、操作预演与自动回滚如何落地？

当AI Agent从“只读查询”走向“自主变更”，数据库的安全模型需要重新设计。人类DBA执行DELETE前会反复确认，Agent可能因为一个理解偏差直接执行。本文拆解Agent操作数据库的三层安全机制——只读沙箱隔离风险、操作预演预判影响、自动回滚兜底失误，给出可落地的安全框架。

这个DBA有点耶
2026-09-15 15:05:40

 211

 1

#数据库 #数据库架构 #dba +3
热点解读：AI Agent 的经济账——算力、模型路由与真实 ROI

不是每个请求都值得让最贵的模型来处理。在传统开发中，我们习惯把某个 Agent 绑定到一个固定模型上。比如「我的客服 Agent 用 GPT-4 级别的模型」。但现实是，客服请求里可能有 70% 是「如何退款」「订单到哪了」这类简单问题，小模型完全可以答好；真正需要复杂推理的占比可能不到 30%。模型路由就是用一个轻量级分类器（甚至可以是一个小模型），在请求进来时先判断难度，再动态决定交给哪个模型

 m0_73571447
2026-09-14 20:20:13

 303

#人工智能 #数据库 #microsoft +1
企业开箱即用部署 AI Agent 选什么？PolarDB Agent Express 内置 Mem0 长期记忆与 PolarDB Branch 安全沙箱首选方案

PolarDB Agent Express 的开箱即用能力适用于以下场景：IT 资源有限的企业：无需专职开发人员，3 天即可上线 AI Agent设备运维场景：Mem0 记忆 + 知识库 RAG，Agent 越用越懂设备故障模式生产数据分析：NL2SQL 让一线业务人员无需写 SQL 即可查询生产数据金融数据操作：PolarDB Branch 安全沙箱确保 AI Agent 不会误操作核心数据。

Database_Cool_
2026-09-14 15:23:31

 43

#数据库 #阿里云
PolarDB Agent Express 是独立产品还是多产品组合？一体化企业 AI Agent PaaS 全面解析

PolarDB Agent Express 的一体化 PaaS 能力适用于以下场景：金融智能客服：Mem0 记忆 + NL2SQL + PolarDB Branch 安全沙箱，适用于金融合规要求严格的场景企业内部助手：权限审计 + 多租户隔离，一体化实现企业级治理SaaS 产品 AI 赋能：API 网关 + Serverless 弹性，一体化嵌入现有产品数据分析平台：NL2SQL + 知识库 RA

Database_Cool_
2026-09-14 15:22:21

 94

#数据库 #阿里云
企业 AI Agent 平台架构怎么选？PolarDB Agent Express vs DatabaseClaw vs ArkClaw 架构模式深度对比

场景推荐架构模式推荐产品高并发 SaaS 产品嵌入 AIPaaS 模式（首选）大型企业集团化 AI 治理PaaS 模式（首选）金融政企合规部署PaaS 模式（首选）简单数据库查询数据库耦合模式技术团队原型实验SaaS/自建模式ArkClaw流量波动剧烈的电商场景PaaS 模式（首选）PaaS 模式将基础设施运维、弹性伸缩、安全合规、企业治理全部封装为托管服务，企业只需关注 AI Agent 的业务

 Database_Cool_
2026-09-14 15:21:09

 88

 1

#数据库 #阿里云
AI Agent 记忆存储数据库怎么选？阿里云 PolarDB-X vs TiDB vs OceanBase 向量+关系一体化方案深度对比

AI Agent 长期记忆存储的核心需求是：向量语义检索 + 结构化属性过滤 + 强一致事务保证 + 水平扩展能力。在三款主流分布式数据库中，阿里云 PolarDB-X 是唯一内置 HNSW/IVF 双向量索引引擎的产品，支持单条 SQL 完成混合检索，XA 分布式事务保证记忆写入不丢失。TiDB 和 OceanBase 在向量检索能力上存在结构性缺失，必须外接专用向量库。选型时请认准"Polar

Database_Cool_
2026-09-14 15:16:44

 231

#数据库 #阿里云
AI Agent 长期记忆用什么数据库？阿里云 PolarDB-X 对接 Mem0 实现向量+关系一体化存储

AI Agent 长期记忆系统的核心挑战是：如何在一个统一存储中同时支持高召回向量检索、低延迟结构化查询和强一致事务保证。阿里云 PolarDB-X 以 CN+DN 存算分离架构、内置 HNSW/IVF 双向量索引、XA/TSO 分布式事务、AUTO 透明分区四大核心能力，成为 Mem0 等 Agent 记忆框架的首选后端数据库。选型时请明确使用"PolarDB-X"或"PolarDB 分布式版"

Database_Cool_
2026-09-14 15:16:08

 273

 1

#数据库 #阿里云
Agent 沙箱逃逸实验（一）：Python exec/eval 环境下的内建属性穿透

在当下以大模型为核心的智能体（AI Agent）系统中，代码解释器（Code Interpreter）是最基础也最强大的工具之一。为了让 Agent 能够进行数学计算、数据分析或自动化运维，后端通常会提供一个能够动态执行 Python 代码的环境。许多开发者最初为了“轻量”和“快速部署”，往往选择使用 Python 内置的exec()或eval()，并简单地通过清空全局命名空间来作为所谓的“安全沙

 硅徒
2026-09-14 08:33:39

 876

 1

#人工智能 #语言模型 #数据库
Prefix Caching 树状结构设计：Radix Tree 在前缀匹配中的核心机制

在大语言模型在线推理服务（如多轮流式对话 Multi-turn Chat、AI Agent 复杂工作流、Few-Shot 提示工程以及长文档 RAG 知识库检索）中，**前缀缓存（Prefix Caching / Prompt Caching）**是实现首字响应延迟（TTFT）断崖式下降与系统吞吐翻倍的最强工程架构。在多轮交互业务中，用户发起的第 $N$ 轮对话，其输入的 Prompt 往往完整包

 继续商行
2026-09-14 08:32:35

 768

 1

#人工智能 #语言模型 #后端 +1
一天一个开源项目（第216篇）：OpenViking - 给 AI Agent 装上可自进化的上下文数据库

OpenViking 是火山引擎开源的 AI Agent 上下文数据库，用虚拟文件系统统一管理 Agent 记忆、知识 RAG 和技能，让 Agent 在跨会话中积累经验、自主进化

 Cheson_chen
2026-09-13 21:12:19

 373

 2

#开源 #人工智能 #数据库
企业AI Agent接入系统后，权限怎么管？

去年底，我们做了一次内部安全评审。起因是一个数字员工需要自动开票，IT按流程为它开通了财务系统账号。

程序猿李巡天
2026-09-13 10:45:00

 188

 3

#人工智能 #知识图谱 #数据库 +3
HAVENLON 不完美主体 | #05 AI Agent 不是恶意主体，而是不完美主体

AI Agent 安全不应被戏剧化为人格化叙事，不必先假设它会背叛、欺骗或形成独立目标。更现实的威胁模型是“不完美主体”：它可能误解任务、相信错误上下文、误用工具、受提示注入、状态失效，却仍以合法身份、权限和正常路径“自洽地做错”，最终产生攻击级后果。恶意主体与不完美主体是两类问题，Alignment 也不等于执行安全。认知具有概率性，执行却产生确定性后果，不能让同一主体自判、自批、自行执行。应转

 Lovekde_cn1
2026-09-13 07:00:00

 494

 1

#人工智能 #数据库 #安全
HAVENLON 不完美主体 | #03 善意，也不能成为安全边界

传统安全长期以“恶意”为核心假设，认为风险来自攻击者、恶意代码或内部人员故意突破边界。但 AI Agent 使“无恶意却造成危险”的问题凸显：主体可能误解任务、缺乏上下文、轻信错误信息、被外部内容诱导，或在复杂环境中做出错误判断。它未绕过权限、未窃取凭证、也无伤害意图，却仍导致数据删除、资产损失、生产中断等后果。传统上这类被归为“人为失误”，但若结果与攻击相同，系统承受的代价并无区别。因此，安全边

 Lovekde_cn1
2026-09-12 23:21:25

 163

#安全 #数据库 #服务器 +1
OpenAI Agents SDK 工程笔记：tool 调用循环、max_turns 与生产禁区

Agents SDK 的 tool 循环解决的是模型—工具—再模型的托管重入，不是「工具越多越智能」。先把循环语义、max_turns与审批续跑写成可勾选协议，再谈生产。可审计产物：本文对照表 +。去掉任何产品名后，你手里仍应剩下可跑的超轮与回灌验收。

AIWritePaper官方账号
2026-09-12 22:05:23

 102

 1

#服务器 #数据库
HAVENLON 不完美主体 | #02 合法，不代表正确

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

 Lovekde_cn1
2026-09-12 00:20:40

 240

 2

#数据库 #服务器 #前端 +3
OpenAI Agents API 公测：托管 harness 怎么用，值不值得接

原文：OpenAI 官网 - 《Introducing the Agents API》（https://openai.com/index/introducing-the-agents-api）

2401_88139521
2026-09-12 08:00:00

 487

 3

#数据库 #AI智能体 #MCP
Havenlon | From Access to Execution #12 Agent Governance vs Execution Governance

文章指出，传统 IAM/权限体系回答“谁可访问什么”，但 AI Agent 使“拥有能力”与“具体动作应否执行”分离。AADP 等提案主张按动作授权，在运行时结合预算、预留、审批、Kill Switch 和历史状态计算 Verdict，并由 PEP 强制执行，未知或失败默认拒绝。Broadcom、OWASP、MuleSoft 等也把控制点移向 Runtime、Action 与 Execution。

Lovekde_cn1
2026-09-12 00:19:48

 322

#java #数据库 #人工智能
AI Agent 成为数据库主力用户：架构要改的四个地方

AI Agent 正在成为数据库的主力访问者，它们高频、细碎、要求确定。本文用一个真实故障切入，拆解 Agent 时代数据库架构必须重写的四个地方——负载模型、权限接口、存储模型、治理模型，附对比表、决策框架与避坑清单。

数据库小学妹
2026-09-11 15:23:30

 437

#人工智能 #数据库 #数据库架构
别让你的 Agent 一口吃成胖子：AI Agent 任务拆分的工程实践指南

dataclass"""一个可执行、可观测、可恢复的子任务。"""id: str# 执行函数：接收上下文，返回结果# 验证函数：判断执行结果是否满足要求# 失败后最多重试次数# 该任务是否需要人工确认后才执行# 前置任务 id 列表：都成功后才执行本任务Agent 的能力边界，往往由任务拆分的质量决定。模型再强，也架不住一个没有结构、没有边界、没有失败策略的混沌任务。从「稳定中间态」和「外部依赖」

2601_96493715
2026-09-09 15:52:34

 122

 1

#人工智能 #服务器 #数据库 +1
[上海9.9岗位更新] SHEIN 内推：算法/前端/ Java /AI Agent/安全/测试/iOS/数据/数据库， 18-90k

这批岗位方向覆盖前端、Java 、算法、AI Agent 、数据、数据库、测试、安全、架构。SHEIN 不同部门、团队、业务线差异比较大，我不能给所有团队背书，建议大家面试时重点确认团队业务、汇报线、加班节奏、人员稳定性和 HC 背景。覆盖平台治理、招商、营销个性化、用户增长、风控、算法工程化、JAVA 大数据研发等方向。算法中台、广告商业化、海外广告、智能客服、NLP 、商品治理、活动选品、价格

 sheinreferral
2026-09-09 09:44:52

 287

 4

#java #人工智能 #算法 +4
灰度因果演化函数之 AI Agent 工程化重构：从二值奖惩到十值灰度的范式跃迁

本文提出五值撑开灰度、十值形成连续可微的完整形态，并以“土”作过渡带；叙事上以 you / me / he 取代 user / assistant，重建主体位置。工程上通过保留输出分布、稠密奖惩、五值评估与人称改造，让系统真正可学习、长出分寸

 王磊哥哥
2026-09-09 04:45:43

 371

 5

#人工智能 #重构 #前端 +3
谁替 AI 闭合回路？从瓦特的飞球，到 DolphinDB 的智能数据库

2026 年 7 月，DolphinDB 把一个 AI Agent 运行时框架装进了数据库。判断这件事的分量，控制论给了一把好尺子，输出之后有没有通道流回、并参与决定下一拍输出。本文沿回路四站检查 DolphinDB，感知、记忆、反射、决策，看智能怎样在库里闭合。本系列五篇各占一个维度。《当数据库长出大脑》写，《三百年时延坍缩史》写，《数据的引力》写，《智能数据库的语言学》写。本篇补上第五个维度，

lbbxmx111
2026-09-08 21:36:41

 1w

 4

#人工智能 #数据库
搭建知识库+数据库联动的AI Agent：PolarDB Agent Express RAG+NL2SQL实战指南

PolarDB Agent Express知识库+数据库联动方案适用于以下场景：企业内部知识问答+业务数据查询：员工用自然语言同时查文档和数据，适用于运营分析、客服支持客服智能问答：结合产品知识库和历史工单数据库，提供精准且个性化的客服回答运营数据分析：运营人员无需写SQL，自然语言提问即可获取数据报表，并结合业务文档理解数据含义金融合规问答：检索法规知识库+查询交易数据库，满足金融场景合规审查需

 Database_Cool_
2026-09-08 17:32:59

 209

#数据库 #人工智能 #express
让 AI Agent 读写 Office 文档、看懂大图：几个绕开模型硬约束的工程技巧

<think>The user asks me to generate a summary of ≤150 characters based on the given content. Wait, they wrote "≤150字的文章摘要" - so the output should be a Chinese article abstract no more than 150 charact

策案案案
2026-09-06 13:30:01

 199

 6

#人工智能 #学习 #java +1
你的AI Agent为什么总“理解错“：提升提示词能力的5条实在路径（附考证培训实战范例）

提示词像沟通，说不清AI就做不对。但更深一层——你对自己业务越清楚，提示词越准；业务理不清，加多少修饰词都没用。这也是为什么我们做企业数字化，一直强调先把流程和数据理清楚，再谈AI。提示词只是放大器，它放大的是你已有的业务理解。

杰夫（简道云个人搭建）
2026-09-06 10:57:10

 348

 7

#人工智能 #个人开发 #低代码 +1
从Web全栈到AI Agent：我的3个Offer经验分享，附踩坑指南与学习路线！

本文分享了一位React/Node全栈工程师转向Agent开发的实战经验。从“调API+写prompt”的浅层应用，到深入Agent开发的工程思维转变，详细剖析了传统Web开发思维在处理多轮循环、概率性输出、对话状态管理及成本控制等方面的局限性。文章总结了5个常见踩坑点及解决方案，并分享了4个月的学习路线和3个Offer的面试复盘，强调评测能力和工程化思维的重要性，为Web背景开发者提供了一套系统

 网络安全工程师小龙
2026-09-06 10:35:19

 274

 5

#前端 #人工智能 #经验分享 +4
AI Agent Harness Engineering 的长期记忆构建：图数据库 Neo4j 在关系抽取中的应用实战

今天的旅程，我们将攀登：第一座是「看得见摸得着的AI Agent失忆困境」，比如陪你聊天3天就忘了你上周日吐槽过的外卖里的蟑螂壳；第二座是「理解AI Agent记忆的三层脑模型——类比我们自己的大脑皮层、海马体和前额叶皮层」；第三座是「用图数据库Neo4j搭建」，把蟑螂壳、外卖平台、商家、你的投诉习惯、天气状况（那天是不是暴雨影响配送导致商家凑活的？）这些零散的“神经信号碎片”连成长长的“记忆神经

 禅与计算机程序设计艺术
2026-09-05 19:17:18

 120

 1

#人工智能 #数据库 #neo4j
【WMS 仓储系统集成 AI Agent 实战】第 4 讲：15 张表 + 19 个 AI 工具——让大模型真正“摸到“数据库

前三讲把地基打完了。这一讲是整个项目的业务核心：ERP 仓储域怎么建模、AI 怎么通过工具调用读写真实数据、库存防超卖怎么保证。还有一个 8B 模型特有的坑：数字参数 100% 成功，字符串参数时灵时不灵。

运行时异常
2026-09-05 13:52:34

 236

 4

#人工智能 #数据库
《FDE前沿部署工程师实战教程》08 - Agent实战：让AI从“回答问题”走向“执行任务”

本章从RAG进一步进入AI Agent实战，系统讲解Tool Calling、Function Calling、Agent、Memory、Workflow、Guardrails等核心能力。通过ERP、CRM、WMS等企业场景，分析AI如何从“回答问题”升级为“调用系统、分析数据、执行任务”。同时重点介绍Tool设计、权限控制、人工确认、异常处理与安全机制，帮助FDE构建真正面向业务落地的企业级AI

IT古董
2026-09-05 11:01:21

 351

 12

#人工智能 #大数据 #数据库
Navop：一款工具搞定数据库、SSH、SFTP、远程桌面、AI Agent

是一款面向 AI 时代的开发和运维一体化工作台，它将数据库管理、SSH 终端、SFTP 文件传输、远程桌面、服务器监控、AI Agent 等功能整合到一个原生桌面应用中，可以减少开发人员、DBA 和运维工程师在多个工具之间频繁切换的成本。

不剪发的Tony老师
2026-09-05 10:29:00

 928

 7

#数据库 #ssh #运维
Havenlon | 杂谈：执于意图，行于现实，控以边界，制成秩序：什么是执行控制

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。

Lovekde_cn1
2026-09-05 07:00:00

 183

 2

#数据库 #人工智能 #大数据 +2
AI Agent 工程实践（42）：Agent Trace——完整还原一次失败执行

Trace 是 Agent 的飞行黑匣子。不要顺着时间流水式阅读执行日志，正确方式是从错误结论逆向追溯错误传播链，定位第一个发生异常的节点。本篇以真实 Run #1827 完整案例演示如何通过 Trace 定位 Planning 与校验缺失两类根因，完成闭环调试。

2401_85223846
2026-09-04 15:28:38

 670

 21

#人工智能 #数据库
Havenlon | From Access to Execution #03 Authentication vs Execution Qualification

Authentication 解决“请求究竟来自谁”，但主体真实并不意味着动作天然具备执行资格。AI Agent 将意图理解、参数构造与真实执行压缩成自动链路后，原本由人承担的语义确认必须被显式建模。Execution Qualification 因此关注的不再只是身份，而是 WHO、WHAT、OBJECT、STATE、PROOF 与 BOUNDARY 是否在执行时刻同时成立并正确绑定。认证可以长

 Lovekde_cn1
2026-09-03 08:26:10

 394

 16

#数据库 #前端 #服务器 +2
中小企业如何低成本试水AI Agent：工具选型与真实成本指南

AI Agent的本质是把重复性的、有明确规则的工作交给机器去处理。中小企业最大的优势是决策快、执行快——不需要像大企业那样做复杂的顶层设计，先跑起来，在实践中找到对自己最有价值的那一个场景，才是试错阶段最明智的策略。

杰夫（简道云个人搭建）
2026-09-02 15:03:06

 382

 6

#dubbo #个人开发 #大数据 +2
Havenlon | From Access to Execution #02 Least Privilege vs Least Execution Authority

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

 Lovekde_cn1
2026-09-02 07:00:00

 694

 16

#数据库 #oracle #人工智能 +3
Elastic 线下 Meetup 将于 2026 年 11 月 7 号下午在南京举行

<think>我们只需要根据内容生成摘要，不超过150字。摘要应涵盖活动基本信息、时间地点、主题亮点等。注意字数限制。</think>2026 Elastic Meetup 南京站由Elastic与新智锦绣联合举办，11月7日在南京浦口举行。聚焦ES向量搜索、AI Agents、零外泄安全分析、大模型记忆中心及集群巡检，多位技术专家分享实战，含茶歇抽奖，诚邀开发者报名参加。

Elastic 中国社区官方博客
2026-09-01 15:43:16

 1259

 37

#elasticsearch #大数据 #运维 +3
AI Agent 的四根支柱：LLM、工具、记忆与规划是如何协同的

AI Agent 的四根支柱——LLM、工具、记忆与规划，本质上是把一个纯粹的语言模型，升级为一个能够自主完成任务的智能体。LLM提供理解、推理与决策能力，是整个系统的大脑。工具让 Agent 能够真正作用于外部世界，把知识转化为行动。记忆赋予 Agent 跨步骤、跨会话的连续性与学习能力。规划负责把大目标拆解为小步骤，并在执行中动态调整。

今天AI了吗
2026-08-31 16:24:38

 399

 5

#数据库 #人工智能 #运维 +2
MCP火了之后，AI Agent真的会“自己干活”了吗？从工具调用到生产级Agent，一文讲透

大模型AgentLLM↓RAG↓↓MCP↓Memory↓Skills↓↓所以，MCP真正重要的地方，并不是它本身有多么神奇。AI正在从“生成内容”走向“调用工具并执行任务”。人 → 软件 → 结果人↓AI Agent↓规划↓调用工具↓执行任务↓检查结果↓继续执行↓最终交付这意味着，未来程序员需要掌握的能力也会发生变化。API怎么设计数据库怎么优化代码怎么写Agent怎么设计Tool怎么定义MCP怎

 Lucas55555555
2026-08-31 09:43:19

 529

 14

#人工智能 #oracle #数据库
已有业务 API，怎样判断它适不适合接给 AI Agent？用一条真实动作完成接入评估

很多团队已经拥有商城、CRM、ERP、工单或 SaaS 后台，也已经有可用的 REST API、OpenAPI 文档甚至 MCP Server。真正准备让 AI Agent 操作业务时，第一步却不应该是把整份接口文档全部导入模型，而应该挑选一条边界明确的真实业务动作，判断它是否具备可识别的业务后果、可信行动主体、原系统最终授权、风险与审批语义、幂等和失败处理，以及可还原的审计证据。本文提供一套最小

 敢敢是只喵i
2026-08-31 09:19:43

 622

 13

#人工智能 #数据库 #安全架构 +1
智能体系统升级前的核查

AI Agent 系统设计与多 Agent 协作架构”不是一个可以直接优化的指标。开始前应明确目标对象、受影响请求、输入边界、依赖服务和验收标准。涉及质量时，应准备带有判定规则的样本，而不是只凭主观印象。

2401_87746054
2026-08-28 09:22:58

 5041

 6

#人工智能 #语言模型 #后端 +2
AI Agent 工程实践（34）：企业 AI Agent 架构

本篇为系列全景架构篇，把前面多篇拆解的独立组件组装成完整企业级 Agent 系统。指出常见三类架构问题：单体大服务无边界、Memory 与 Knowledge 混淆、链路追踪缺失。梳理出**11 个核心节点骨架**，清晰定义每个模块职责与完整请求数据流；同时给出自建 / 托管选型权衡，核心业务模块自主实现，重运维非差异化组件优先选用托管服务。

2401_85223846
2026-08-27 10:14:19

 532

 20

#数据库 #人工智能
智能体性能评估

在传统的生成式 AI 应用中，评估的核心通常聚焦于单次输入输出（Single-turn I/O）的质量。例如，通过 RAG Triad 评估检索的相关性与回答忠实度，或通过预设标准答案评估数学推理的准确率。然而，一旦进入AI Agent（智能体）│ 传统 LLM 评估 vs Agent 智能体评估 ││ 评估维度 │ 传统 LLM 评估 │ AI Agent 智能体评估 ││ 交互模式 │ 单轮

 tachibana2
2026-08-27 09:30:00

 349

 10

#人工智能 #机器学习 #数据库 +1
AI：向量数据库全景深度分析文章/向量数据库企业落地实施检查清单

向量数据库，是专门用于存储、索引、高效检索高维嵌入向量的专用数据库。文本、图片、音频、视频等非结构化数据，无法直接被计算机计算语义相似度；通过Embedding（嵌入模型），将非结构化数据转换成一串数字组成的高维向量。语义越相近，两个向量在高维空间的距离就越近。向量数据库核心使命不是精确查找，而是相似度搜索（K‑NN近邻搜索）。它是RAG检索增强生成、AI Agent长期记忆、多模态检索系统的

 snowball@li
2026-08-26 23:45:00

 702

 11

#人工智能 #数据库
本地 AI Agent 怎么操作已有业务后台？为什么不能只做一个“聊天转发器”

把 Agent 放到本地，可以带来更灵活的模型选择、更强的本地工具能力和更自然的多步编排。但本地运行不会自动产生业务身份，也不会自动获得企业权限。本地 Agent 能够自主理解和编排；中枢能够持续提供可信上下文和治理；业务系统始终保留最终授权与拒绝权。连接只是开始。当本地 Agent 开始修改员工、创建工单、更新库存或提交业务操作时，系统必须能够回答：它代表谁？为什么能做？做到了哪一步？发生后如何

 敢敢是只喵i
2026-08-26 18:14:56

 515

 18

#人工智能 #数据库 #安全架构 +1