今天围绕大模型，行业里涌现出一批又一批新技术、新概念：MOE、RAG、Agent、Skill、MCP、Harness、FDE、DataBuddy、Work Bu...

上一篇末尾留了一个前兆：完成率平稳，人工推翻率却在爬升。这一篇处理运行证据的另一个去向——把"系统变快了"换算成"业务受益了"。这一步比想象中难，也是 FDE ...

前面四篇构成了一个可靠性单元：评测定标准，排障找偏离，边界防未然，恢复兜未知。这一篇跨过分界线——从"测试里能用"走进"运行中持续可用"。这是两种完全不同的状态...

云原生铺开了，Serverless 也有了，AI 自动调优天天在喊。按说运维该更省心才对。可这几天我在腾讯云架构师同盟群里，看大家聊得最多的不是「AI 多牛」，...

当下 AI 工程圈，MOE、RAG、Agent、Skill、FDE、MCP、Harness Engineering 层出不穷，各类技术框架、工具协议、工程方法论...

当大模型产业持续迭代，从通用基础模型，下沉到行业模型、领域模型，产业的终极形态，正在指向公司模型。

1812 年，伦敦。一个 21 岁的装订学徒，听完皇家研究所的四场化学讲座，做了一件不太合身份的事：他把听课笔记重新整理、配图、装订成册，一共约三百页，寄给了主...

上一篇讲了怎样建立判断标准。标准一立起来，"不对"就会被源源不断地发现——这本来是好事，但紧接着会出现一个更考验功力的场景：发现了不对，怎么办？

魔术师的硬币凭空消失，台下掌声越响，越说明他把机关藏得好——硬币在袖子里，箱子有夹层，他永远不会告诉你。

上一篇结尾留了一个问题：十二个分类任务里十一个对了，那一单错了，这套东西到底算不算合格？这个问题在原型阶段还可以含糊过去——反正只是验证假设。可一旦要回答"能不...

2026年9月5日，China GT上海站GT3第一回合第七圈，三台赛车严重碰撞，91号法拉利冲出赛道后瞬间爆燃。第一个冲进火场的不是消防员，也不是赛道救援人员...

上一篇结尾留了一个问题：想法太多、证据太少的时候怎么办。FDE 的工作日常里，这种处境比比皆是。有人说"让 AI 自动核对采购申请，能省掉一半往返"，有人说"先...

上一篇《企微、Agent平台与业务系统各管什么：读懂系统图》说到，系统图能把一条业务请求的责任边界画清楚。这一篇收窄到一个具体故障：知识问答。这是企业里最常见的...

业务人员常会问：“我在企微里点了确认，为什么旧系统里的记录没有变？”技术同事则可能回答：“工作流节点已经成功了。”两句话都可能为真，但它们没有回答同一个问题。前...

“这份资料已经处理了。”在项目群里，这句话通常会让人放心；在一个由Agent参与的业务流程里，它几乎没有可执行含义。它可能表示资料被读过、候选信息被抽取、人工已...

行业普遍共识，过去十年企业数字化的主线是数据驱动：建设业务系统、搭建大数据平台、汇集分散数据，再通过报表、BI 做业务分析。这套体系解决了数据采集、存储、统计的...

仓库主管说，批次 B-417 还有 1000kg；计划员说现在只能排 900kg；质检说其中 80kg 仍在待检；销售又说有 20kg 留样，不能动。四个人都在...

你怪过行情，怪过团队，怪过自己运气不好。直到有一天你忽然看清，那个反复出现的"厄运"，其实一直是你亲手安排的——只不过，安排它的是那个你自己都不愿承认的部分。

“申请上写的是2箱，目录里的基础单位是‘只’，仓库说货够了，系统算出来不够。你们先把数据口径统一一下吧。”