AI 與智慧體
圍繞AI 與智慧體的文章，關注 AI-native 企業軟體、受控資料、應用搭建和 Agent 工作流的實踐。
-
已釋出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
五個痛點定義了前沿部署工作:管道吞掉第一週、演示死在安全評審、需求變得比程式碼快、模式無法跨客戶複利、交接毒化客戶關係。本文逐一給出本體優先開源棧的具體解法。
AI 與智慧體 開發者 前沿部署工程師本體PalantirMCPObjectStack -
已釋出一個業務應用到底有多少 token？一個完整 CRM 只有 16k
用 AI 真正工作的單位來度量，一個完整 CRM 只是約 16k token 的型別化後設資料——佔一個上下文視窗的 8%。能整體裝進智慧體上下文的軟體，維護方式完全不同。我們稱之為「上下文體量的軟體」。
AI 與智慧體 開發者 CRM 客戶管理 上下文視窗上下文體量的軟體AI 智慧體後設資料ObjectStack -
已釋出AI 智慧體刪除生產資料：為什麼執行時護欄比提示詞可靠
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，都需要由執行時許可權、審批和審計來約束。
AI 與智慧體 IT / CIO ReplitAI 智慧體執行時護欄治理審計 -
已釋出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。把許可權、審批、審計和目標後設資料格式寫進去，AI 生成的應用才更容易被審查和簽字。
AI 與智慧體 開發者 Agent 規則AI 寫程式碼MCP開放協議治理趨勢觀點 -
已釋出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、強制許可權、留下審計的工具層。
AI 與智慧體 IT / CIO MCPA2AAgent 互操作工具層AI 治理趨勢觀點 -
已釋出為什麼 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、許可權、審批和審計四層。
AI 與智慧體 業務決策者 AI Agent落地ROI治理執行時趨勢觀點 -
已釋出Agentforce、Copilot Studio 之外：何時選擇開放自託管執行時
Agentforce、Copilot Studio、ServiceNow AI Agents 在各自生態內都很強。問題是你的資料、流程和許可權是否也在同一個生態內；若不是，開放自託管執行時或混合架構可能更穩。
AI 與智慧體 IT / CIO AgentforceCopilot StudioServiceNow開放平臺自託管趨勢觀點