铃阅时讯
❌

阅读视图

面向 Agent 沙箱的内核全景观测|滴滴开源 CCF 中国开源大会分享回顾

原创 滴滴开源 2026-08-31 19:58 北京

近期,CCF中国开源大会在重庆山城国际会议中心开幕。大会以“渝见开源,数智启新”为主题,围绕泛在操作系统、具身智能、开源供应链安全等前沿方向,为参会者带来了行业技术干货。

大会上,滴滴 HUATUO 华佗开源项目负责人张同浩带来了《面向 Agent 沙箱的内核全景观测》主题分享,介绍 HUATUO 在内核观测、异常捕获和性能分析方面的探索。下面将从 AI 时代的系统观测挑战出发,带大家了解 HUATUO 如何构建面向 Agent 沙箱的内核全景观测能力。

项目地址:https://github.com/ccfos/huatuo

项目官网:https://huatuo.tech/

背景和挑战

云原生时代

  • 容器虚拟化,共享内核,资源混部以及服务网格等技术的引入增加了基础架构的复杂度,间接增加了系统故障定位的复杂度。

  • 在生产实践中,当出现问题时,往往需要进行服务的止损,降级,以及容器的迁移和重建等操作,这些操作导致了故障现场的丢失。然而,线下复现故障往往需要投入大量的人力物力,最后也未必能够复现,即使复现也无法完全保证根因一致。

  • 其次,我们面临的问题更加复杂,之前解决的问题都是周期性,可复现的问题。然而现在面临的问题更加复杂化,从周期性问题已经演进为了间接性,不可复现问题。这些问题存在窗口非常短,触发条件非常苛刻。

  • 面对这些业务痛点,更棘手的问题是当时行业内并没有有效的、观测内核微观异常的工具。

AI 时代

然而到了AI 时代,又新增了很多挑战首先 Agent 沙箱工作负载呈现高并发,资源突发的特点,并且这些工作负载资源画像,很难预测。在 AI 训练场景中,硬件已成为关键资源,任何单点硬件异常都可能拖慢整体训练速度、甚至训练任务失败。

解决方案

面对这些挑战我们的解决方案是什么?

要实现系统故障分析,首先要完成系统可观测,现场可追溯,故障可分析的目标。

  • 如何解决内核版本兼容和稳定性问题?eBPF技术的出现,使得内核可编程,并能够安全的运行用户定制代码。采用 eBPF 可以替换传统的内核模块实现问题分析。eBPF+内核动态追踪技术,可以实现零侵入的、低损耗的、安全的执行观测埋点。

  • 如何解决系统与业务数据串联问题?系统层面和应用层面的数据天然存在隔离,但在故障定位中,必须实现系统层面观测数据与应用业务层面数据的串联,这样才能够真正的定位到故障根因。通过在内核侧感知cgroup创建事件,将容器ID和内核cgroup地址进行关联,所有的内核事件都带上cgroup地址,最后在用户态完成解析关联。

  • 如何实现系统层面的可观测?HUATUO 华佗开源项目综合使用 kprobe、tracepoint、ftrace、perf event 和 eBPF 等动态追踪能力,在不修改业务代码的前提下,从宿主机内核侧获取指标、事件和调用栈,并把能力分成五层:

    • 内核全景指标,通过eBPF实现更加精细化内核指标采集,把“系统慢”定界到具体子系统,如调度,协议栈或者BlockIO等。

    • 异常事件感知,在关键系统的异常路径,慢速路径,常态挂钩。保留内存,调度,网络异常现场,避免故障恢复后证据丢失。

    • 全自动换追踪 AutoTracing, 通过滑动窗口,阈值触发,自动采集火焰图、内核栈、进程和文件快照。这种方式兼顾低损耗与观测深度。

    • 持续性能剖析。在传统火焰图基础之上,增加时间维度,实现对历史时间内热点回溯,解决性能抖动问题。

    • 异构硬件感知。此外该项目也支持 AI 计算场景下的硬件(包括ECC、AER、PCIe、GPU/NPU、RoCE等)故障感知,提升 AI 训练的有效时常。

全栈观测底座

有了上面的顶层设计之后,需要实现具体观测能力。因此,我们实现了全栈观测底座。

全栈观测,全景覆盖

  • 全网络协议栈观测。实现从物理链路、驱动、协议栈到用户态的全链路观测,覆盖收发延迟、硬件与软件层面的丢包检测、报文重传以及 TCP 收发队列状态。

  • I/O 全栈观测。以 inode 为核心,对进程级 I/O 生命周期进行端到端追踪,涵盖 VFS、文件系统、Page Cache、Block Queue、驱动直至物理设备。通过关联丰富的上下文信息,定位 I/O 响应缓慢的根本原因。

  • CPU 争抢检测。在高密度沙箱节点环境中,单纯依赖 CPU 使用率无法有效反映资源争抢状况。HUATUO 关注容器内部争抢和外部争抢(这对 Agent 沙箱尤其关键,因为一个任务的延迟既可能来自自身并发,也可能来自“噪声邻居”):

    • 内部争抢:同一容器内线程数超过可用 CPU;

    • 外部争抢:容器与节点上的其他工作负载竞争 runqueue;

    • 调度延迟:任务已 runnable,却迟迟没有获得 CPU;

  • 通用系统观测。HungTask、Softlockup、IRQ/SoftIRQ 延迟和内存回收共同覆盖了系统级停顿。它们能发现平均利用率无法描述的短时异常,例如某个 CPU 长时间关中断、D 状态任务堆积,或容器直接内存回收阻塞。

异常即捕获,而非事后猜测

指标适合观察趋势,事件更适合保留边界明确的异常现场。HUATUO 将 eBPF 程序挂到内核的异常路径或慢速路径:事件触发时,在内核态收集进程、调用栈、网络或硬件上下文,通过 Perf Event Buffer 交给用户态处理,再执行过滤、容器关联和持久化。

AutoTracing 自动捕获毛刺

很多性能问题既不是清晰的内核异常,也无法靠平均指标复现。例如容器 CPU 突然冲高 10 秒、磁盘 await 连续抖动、匿名内存快速增长,等工程师介入时已经恢复。

AutoTracing 的做法是:实时监测系统异常,通过滑动窗口、EMA、增量阈值或连续超阈判断异常。阈值并不是不可改变的常量:项目提供了生产经验默认值,但在不同 CPU 配额、磁盘介质和任务密度下,仍应根据基线进行校准。

火焰图把“CPU 高”进一步转换成函数和调用路径。左侧 Top Table 适合快速寻找热点符号,右侧火焰图适合分析调用关系。对沙箱节点而言,还可以把目标限制到对应的 VMM PID、线程组或 cgroup,避免全机聚合掩盖单个 Sandbox 的热点。

持续性能剖析,让现场可回溯

AutoTracing 解决“异常时自动抓一次”,持续性能剖析解决“问题在一段时间内如何演进”。传统临时采样把所有数据聚合成一张图,缺少时间线;持续剖析按窗口保留结果,使偶发慢变成可以搜索、对比和回溯的历史现场。HUATUO 的统一 profiler 目前覆盖:

其中 Off-CPU 剖析尤其适合分析“CPU 不高但请求很慢”的问题。它把线程离开 CPU 的时间归因到切出时的调用路径,并区分阻塞等待和 runqueue 调度等待:前者更可能指向 I/O、锁或条件变量,后者更可能指向 CPU 争抢。

原生内存剖析则区分三个经常被混在一起的概念:

  • virtual_alloc:申请了多少虚拟地址空间;

  • physical_alloc:采集窗口内实际分配了多少物理页;

  • physical_usage:采集时仍有多少物理页驻留。

图:物理内存驻留按进程与调用路径聚合,可以从“节点内存高”下钻到具体分配路径。

在单机现场,可以直接使用 CLI:

在平台侧(huatuo-apiserver),Profiling API 可以完成能力查询、创建任务、查看状态和结果、获取原始数据、停止及删除任务。由此,临时命令进一步演进成服务化、任务化的持续剖析平台能力。

从 RAS 到 GPU/NPU

AI 基础设施中,硬件问题并不总以“设备掉线”的方式出现。ECC 可纠正错误持续升高、PCIe 链路降宽、AER 错误、GPU 降频或 RoCE 重试,都可能先表现为吞吐下降或长尾延迟。

HUATUO 通过 Linux RAS 体系中的 MCE、EDAC、ACPI GHES 和 PCIe AER 捕获结构化硬件事件,进入告警与审计链路:

图 3:硬件错误从 CPU、内存、平台和 PCIe 设备进入内核 RAS 子系统。

这套能力主要服务于四类目标:
  • 提前预警:同一 DIMM 的 ECC CE 频率持续升高时,支持提前换件;

  • 故障隔离:GPU、HCA、PCIe 或网卡链路异常时,支持隔离节点和迁移任务;

  • 性能退化定位:把 NVMe/HBA AER 与 I/O 延迟关联,区分软件、设备和链路问题;

  • 审计复盘:保留时间、设备 BDF、严重级别和原始字段,形成可追溯证据。

关键不是增加一批孤立的硬件指标,而是把硬件事件与同一时间窗口内的调度、网络、I/O 和剖析数据关联起来。只有这样,平台才能判断一次 Agent 卡顿到底来自软件调用路径,还是来自底层设备退化。

Agent 沙箱层级关联

探针采集到内核栈之后,仍然要回答“这是谁的现场”。容器环境可以利用 cgroup CSS、网络命名空间和容器运行时元数据完成关联;微虚拟机沙箱还需要补充 Sandbox 与 VMM 的映射。

社区进展

HUATUO 华佗项目于2025年由滴滴公司正式开源,并捐赠给中国计算机学会(CCF),经过持续建设,项目已逐步从滴滴内部的技术实践走向更广泛的开源社区。

截至 2026 年 8 月,HUATUO 已发布 v2.3.0,拥有约 1.1k GitHub Stars、51 位贡献者和 1,310 次提交,镜像拉取量超过 15k,并已在 20 多家企业部署。与此同时,沐曦、华为昇腾社区等也持续向 HUATUO 社区贡献 GPU/NPU 相关能力,推动项目进一步拓展 AI 基础设施场景。

在开源社区建设与技术创新方面,HUATUO 也获得了来自产业与社区的认可。项目入选《CCF-光华青年开源专项基金种子计划重点级项目》,同时进入 CNCF Landscape,并被 eBPF 基金会列为新兴项目。

面向 Agent 和 AI 基础设施,HUATUO 社区也将围绕以下方向持续建设,欢迎更多开发者参与共建:

  • MCP 故障分析:以标准工具接口向 Copilot 和 Agent 暴露诊断能力;

  • 分布式链路分析:把单节点内核现场扩展到跨节点网络和任务链路;

  • AI 场景性能分析:继续深化 GPU/NPU 训练与推理的软硬协同分析。

往期推荐

跳转微信打开

  •  

Dify 全新 Agent 体验正式上线

原创 Dify 2026-08-31 15:31 江苏

让成熟的 Agent 能力从一次构建走向更多业务场景。

今天,我们正式推出全新 Dify Agent。

随着模型能力不断提升,企业对 AI 的期待也从完成单一任务,走向让 Agent 自主理解目标-规划步骤-调用工具,并在真实业务中交付结果。

麦肯锡 2025 年全球调研显示,62% 的受访企业已经开始探索 AI Agent。当 Agent 从概念验证走向生产,团队需要解决的不只是“能否完成任务”,还有如何持续优化、跨场景复用,以及在出现偏差时快速定位和改进。

因此,我们重新思考了 Agent 在 Dify 中的角色。

在全新的设计中,Agent 不再只是依附于某个应用的执行节点,而是成为拥有独立配置、完整生命周期的 Dify Agent:它可以被独立构建、调试、发布和管理,也可以通过 Web App、API 或 Workflow 灵活接入各类业务场景。

从 Agent 节点到独立 Agent

过去|Workflow 中的执行单元

  • 2025 年初,Dify 在 Workflow 和 Chatflow 中引入 Agent 节点与代理策略(Agent Strategy),让模型得以在编排中自主决策。但彼时,它本质上仍是一个执行单元。

详见:

Dify Agent 节点 - 当工作流学会「自主思考」

随着 Agent 进入生产环境,企业对 AI 能力的长期可维护性与跨场景复用提出了更高要求。

现在|可独立维护与复用的 Agent

  • 在全新的 Agent 体验中,Agent 不再只是一个节点,而拥有了独立身份、配置和生命周期。

每个 Dify Agent 均拥有独立的模型、指令、技能、工具配置。团队只需集中构建与维护一次,即可在全局场景调用,让业务经验得以持续复用与演进。

1

Build 构建

基于真实业务任务打磨与沉淀能力

Manage 管理

精准管控维护,实现跨场景复用

2

3

Track 追踪

覆盖单次排查与长期运行监测,实现白盒治理。

Build

  从真实任务出发

  持续打磨 Agent 能力

许多业务问题,往往始于一线团队那些高频、具体且结果可明确评估的任务。

Agent 运行后,编排初期未曾考虑的缺口、规则冲突和流程断点会更快暴露,也正是在这个过程中,团队才能精准迭代,把验证有效的工作方法沉淀为 Agent 的长期能力。

为此,全新的 Agent 提供了两种互补的构建路径:

在 Build Mode 中,对话产生的配置变更会先保存为草稿(Build Draft)。你可以查看改动并选择应用(Apply)或放弃变更(Discard),也可以切换至预览模式(Preview),在正式发布前验证 Agent 的回答效果与交互体验。

Agent 不只是一段 Prompt

随着任务复杂度提升,把业务规则、专业方法、参考资料和工具说明全部写进 Prompt,会让配置越来越冗长,也更难维护。

Agent 不应依赖单一 Prompt,而应由多个可独立维护的模块组成。

因此,Dify 将 Agent 的能力拆分为不同部分:

Prompt 定义 Agent 的角色与行为边界,Skills、Tools 和 Sandbox 则分别赋予其业务能力、工具调用能力与安全的执行环境。

模块化后,团队可以分别维护不同能力。你可以随时替换某个工具或优化某项技能,无需反复调整 Prompt,极大降低了长期维护与多人协作的复杂度。

三种方式扩展 Agent 的执行边界

要让 Agent 真正进入业务,仅仅能够调用模型还不够。它还需要连接外部系统、复用团队已有的工作方法,并根据任务灵活调用临时能力。

为此,Dify 提供了Tool、Skill和Sandbox CLI 三种扩展方式:

Tool:接入需要长期运行的正式能力

为你的 Agent 接入生产级集成能力。

团队可通过以下方式扩展功能:Dify Marketplace 下载拓展工具、连接自定义 API 或 MCP 服务器,或将现有工作流封装为工具。

工具在工作区层级进行管理,并可在多个 Agent 之间共享。

例如,生成图表工具仅需安装配置一次,之后不同的 Agent 便可使用它来分析数据、生成周报,或是为内部仪表板构建图表。

对于需要额外配置的功能,高级设置(Advanced Settings)可将环境变量集中保存在一处,并在沙箱中供代理使用。当默认值或 runtime 设置发生变更时,无需逐一查找其所有出现位置即可完成更新。

Skill:沉淀团队方法与实践

许多业务任务都有固定的判断逻辑和工作方法。

Skill 可以将操作指南、参考资料与执行脚本封装在一起,让 Agent 按统一方法完成任务。

例如,一个增长分析 Skill 可以包含指标定义、计算规则和执行脚本,让 Agent 按照统一的方法计算 CTR、CPA 与 ROAS。

脚本不会显示在 Tools 列表中,而是随 Skill 保存和维护,无需额外开发为独立插件。

随着团队沉淀出更多可复用的方法,Skill 也不应只存在于单个 Agent 中。

我们也同时推出 Skill Management 功能,让 Skill 成为工作空间中的共享资源。团队可以集中创建和维护 Skill、管理发布版本并查看引用关系,让同一套业务方法服务于多个 Agent。

当客服分级、销售跟进或员工入职流程发生变化时,只需更新对应的 Skill,即可实现跨场景的能力同步。

Skill Management 已在 Dify 1.17.0 自托管版本上线,更新试试:

https://github.com/langgenius/dify/releases/tag/1.17.0

Sandbox CLI:处理当前任务中的临时需求

部分任务仅需使用一次,无需将其添加至 Agent 的长期配置中,Agent 可直接在当前 Sandbox 中安装并运行 CLI 工具。

例如,当你临时需要根据当前项目获取一份方案演示文稿时,Agent 可以在 Sandbox 中安装所需工具并生成文件;日志解析、文件转换和数据处理等一次性需求,也可以用同样的方式快速完成。

如果相同的 CLI 配置反复出现,可以将安装和调用方法沉淀为 Skill。当该能力需要在多个 Agent 间稳定运行时,可通过 API、MCP 服务器、插件或工作流,将其打造为 Dify 的共享能力。

在这样的扩展架构下,团队可以先快速验证,再将成熟做法逐步沉淀为安全、稳定且易于维护的生产能力。

让修正成为下一次运行的起点

Agent 的构建不会在首次发布时结束。

真实任务会持续暴露新的问题,团队需要判断应该调整提示词、工具还是 Skill,并把修正放到正确的位置。

在一次商品比较测试中,Agent 曾混淆两款商品的营养字段。我们没有继续追加临时 Prompt,而是将商品知识拆分为独立记录,并把“逐项检索、交叉核验、缺失信息不作推断”保存为 Skill 规则。

再次验证后,Agent 已能稳定区分两款商品的数据,并在处理过敏原、库存、退款及隐私相关问题时均把握好了恰当的边界。

Agent 的价值,不止于完成一次任务,更在于能够随着业务反馈持续演进。团队可以把运行中发现的问题转化为对知识、规则或 Skill 的调整,让一次修正成为下一次运行可复用的能力。

Manage

  一处构建,随处复用

过去,同种业务类型的 Agent 被复制到多个应用和 Workflow 中,复制次数越多,更新维护越混乱。

新的 Agent 体验改变了这种依附关系,Agent 从具体应用和节点中独立出来,团队可以在 Agents 页面集中查看和维护工作空间中的 Agent,并按状态、创建者和更新时间快速筛选。

每个 Agent 都拥有清晰的名称、描述和配置来源,让团队知道它负责什么、目前处于什么状态,以及应该在哪里继续维护。

Agent Console

一份配置,多个使用入口

Agent 构建完成后,不会被固定在一种产品形态中。

在访问点(Access Point)中,团队可以查看 Agent 的所有使用入口。工作流访问(Workflow access)还会列出正在调用该 Agent 的流程、版本和更新时间,帮助维护者在修改配置前了解可能影响的业务范围。

进入 Workflow,只管理当前业务

同一个 Agent 进入不同 Workflow 时,可以承担不同工作。

流程设计者无需重新配置它的 Prompt、Skills、Tools,而是通过 Agent 任务(Agent Task)为当前节点补充任务说明:这一次要完成什么、可以使用哪些上游变量与预期结果。配合新增的声明式输出,Agent 的结果可以按照预设结构交付给后续节点。

我们来看一个示例:假设你已经搭建了一个增长分析 Agent,它能够解答增长相关问题、计算指标并生成图表。

你既可以单独使用它,也可以将同一个智能体接入到活动分析工作流中,为其分配更具针对性的任务(Task)。在此基础上,工作流可负责处理质量检查、分支逻辑以及人工审核环节。

对于仅限单个工作流使用的临时功能,可从空白 Agent 节点开始从零搭建。如果后续发现该功能在其他场景下也适用,可将其保存到 Agent 库中进行集中管理。

Agent 决定“会什么”,Workflow 决定“做什么”。

既保证了共享能力的一致性,又明确了不同流程的业务边界。

Track

让工作过程清晰可见

当 Agent 被多个入口和 Workflow 复用时,仅依靠最终回答已经不足以定位问题。

因此,Dify 提供了从单次运行到长期表现的三层观测能力:

单次追溯

完整还原用户输入、规划过程、工具调用与回复。每条日志均标明请求来源,帮助团队判断是局部流程问题还是 Agent 配置问题。

节点流转检查

当 Agent 在 Workflow 中运行时,最终结果还会流经各类节点处理。

单节点运行信息与变量检查可帮助团队检查执行步骤及节点间传递的数据,看是否发生在 Agent 内部?还是后续的质量检查?条件分支或人工审核环节,从而更轻松地定位代理或其关联工作流中的问题。

长期指标监测

团队可以按时间和调用来源汇总使用量、交互情况、响应速度、用户满意度、Token 消耗与预估成本,并持续比较不同版本和业务场景下的质量、性能与成本表现。

此外,Dify 新增了 Workflow 日志归档功能,支持按月整理和下载历史运行记录,便于长期问题追溯、运营分析与内部审计。

该功能暂不在社区版中提供,关于日志留存与归档,请参阅:
http://docs.dify.ai/zh/cloud/use-dify/monitor/logs#日志保留

为什么选择 Dify 构建企业 Agent

全新的 Agent 体验建立在 Dify 一贯强调的四项能力之上:

  • 模型中立:灵活对接主流与私有模型,摆脱单一厂商锁定,平衡性能、成本与合规要求。

  • 可视化构建:从真实任务开始,通过 Build Mode 逐步完善 Agent,既保留 Build Mode 的自然语言探索,又提供透明可视的结构化配置,打通业务与技术团队的协同障碍。

  • 灵活组合: Agent 可以独立使用、通过 API 接入现有业务系统,也可以进入 Workflow,与数据处理、规则判断、人工审批及其他节点协同工作。同一份能力只需集中维护,便能服务不同团队和业务场景。

  • 透明可控:覆盖 Logs、Tracing、Monitoring、版本控制、凭证隔离与 Human Input(人工介入),确保 AI 在安全可控的边界内运行。

对于企业而言,真正的挑战往往不是能否构建一个 Agent,而是能否让它在组织中被安全地复用、持续地维护,并以可观测、可治理的方式进入生产环境。

Dify 将模型、Agent、Workflow、API 与运行观测放在同一平台中,让团队可以围绕一份能力建立清晰的开发和改进流程。

即刻开始构建

Agent 负责动态判断,Workflow 负责流程结构与控制边界,在二者的结合下,让企业无需在上线前预设所有情况,而是能在真实业务场景中灵活迭代。

从一项真实业务开始构建 Agent,在运行中不断打磨,再将成熟的能力复用到更多业务场景。

马上开始使用 → 

https://cloud.dify.ai/agents

了解如何配置 Agent,请参阅 → 

https://docs.dify.ai/zh/self-host/use-dify/build/new-agent/build

跳转微信打开

  •  

我们为什么重新设计了 Agent?

原创 Dify 2026-08-31 15:31 江苏

了解 Dify 如何重新设计 Agent,让 Agent 与 Workflow 从独立能力走向协同工作。

自诞生起,Dify 一直在做一件有些拧巴的事。

我们试图在快速发展的模型浪潮中,提供一套成熟的企业脚手架。但这意味着,我们必须时常在释放 SOTA(state-of-the-art,最先进水平) 模型实力以及企业要求的:私有化部署、模型中立、权限管理、可解释和可审计之间做出取舍。

因此,年初龙虾热的时候,我们没有立即跟进,做一款 DifyClaw 那样的时尚热门单品类产品。但很让我们兴奋的是,这几波热潮推动了社会共识的形成:CLI Agents 的范式借此契机正在走出 Coding 场景,进入越来越多的企业,解锁越来越多业务场景。

基于这个变化,我们重新设计了 Dify 中的 Agent 系统,让 Dify 应用和工作流可以将一部分复杂任务交给 CLI Agents 来完成。

哪些任务适合交给新的 Agent?

如果你的团队已经沉淀了一套成熟的业务 Skills,希望快速转化为 Agent 的能力,让 Agent 接手业务中重复、耗时的工作;如果你遇到了 Dify 插件生态尚未覆盖到的集成问题;又或者,业务人员希望通过对话指导和打磨一个 Agent,并绕过晦涩难懂的技术学习。

那么,新的 Agent 值得一试。

熟悉的 Agent 内核,

Dify 把通用的轮子造好。

从原理上看,新的 Agent 系统和 Codex、Claude Code 等 Coding Agents 采用了相近的核心结构:由模型驱动的 ReAct Loop,通过 Bash 等工具在独立沙箱环境中完成任务。

但 Agent 能真正进入生产环境,仅靠能够循环调用工具是不够的。

幕后,我们把大量精力投入到了模型切换、上下文管理、运行环境管理、失败策略等基础能力中。

用当下时兴的说法,Dify 提供了一套相对完备的 Loop Engineering。这样,你不必再为每个 Agent 重复解决这些常见问题,而可以把精力投入到如何将这些 Agents 编排到你的业务流程中来。

在安全与合规方面,Dify 企业版为每个会话启动一个独立的 Sandbox 容器,实现 PID、FS和网络隔离,并支持配置自定义的网络策略和 Security Context。Sandbox 基于安全加固的基础镜像构建,并以非 Root 用户运行。

Agent 已经足够强了,

为什么还需要工作流?

近半年,我们经常被问到一个问题:

当 Agent 经历了三年的探索,如今终于形成被广泛承认的范式之后,Dify 是否还会继续做工作流?

我们的答案是:

当然会,因为 Agent 与工作流解决的是不同维度的问题。

Agent 解决的是个体能力问题,而工作流解决的是能力如何能被组织和调度的问题。

即使个体能力强如人类,我们依然发展出了如线上会议软件、企业 IM、OA 工具、OKR 等一系列的“协作基础设施”。其中,有一些服务于临时协作,另一些负责承载稳定、反复发生的流程。

我们认为工作流解决的问题,是企业如何把现有的固化流程,以一种合理的方式,转化为 Agent 与人的协作产物,并让该产物能便捷地发布并在一套企业级基建上以及长期运行。在 Agent 能力得到跃升的今天,这个需求不但没有消失,反而显得愈发紧迫。

从即兴发挥

到可长期运行的软件补丁

传统的软件,本质上由数据库、数据之上的函数、以及人与这些函数交互界面组成。今时今日,Agent 已经可以在大量的一次性场景中临时客串这套系统:即兴生成的脚本,开始替代一部分过去必须由严谨代码实现的功能。

但即兴发挥本身不是生产系统。

当我们把 Agent 放进前文所述的编排里,再用确定性的输出输入、调度机制、失败策略、权限和可观测性为它划定边界,就能把这些即兴能力固化下来。我们由此获得的未必是一套完整软件,更现实的形态是,为现有软件快速补上缺失的能力 —— 一块属于自己的软件补丁。

PM 实例:Calendly 会议强提醒补丁

和许多需要承担对外沟通工作的人一样,我惯用 Calendly 约会议。但预约跨度较长时,参会者经常忘记会议。

我只需要一个非常小众的需求:在会议当天再次自动发邮件提醒对方(这通常需要昂贵的付费订阅)。

理论上,这个需求从技术上看并不复杂。开发者可以让 Coding Agent 接入 Calendly MCP 和邮件客户端,编写一套自动提醒程序,再发布为一个 Github Action 实现云端定时执行。而对于非开发者来说,这依然是一个不大不小的工程。

在 Dify 里,这件事变得异常简单:安装 Gmail 插件,通过 Build Chat 教 Agent 配置 Calendly MCP。在完成测试后,将这个 Agent 作为 Agent 节点放入一个定时工作流中。这样,任何人都能在 10 分钟内,完成一个生产级的 SaaS 软件补丁。

接下来:Agent 与 SOP

新 Agent 解决了"有没有"的问题。接下来,我们会把重点转向两个方向:

  • 横跨多种 Agent 技术栈的集成,包括不同的 CLI Agent 和各类 Agent SDK;

  • Agent 与人的企业级协同,尤其是 Agent + Human 的 SOP 编排。

我们的目标不再是增加一个单独的 Agent,而是让不同的 Agent、与现有软件系统和真实的人,可以在同一套流程中协作

这只是一个开始,我们期待听到你对 Dify Agent 的反馈。

跳转微信打开

  •  

把开源项目带进真实场景,2026 上海开源软件应用创新大赛启动

原创 Dify 2026-08-31 15:31 江苏

从代码到场景,Dify 邀你参加 2026 上海开源软件应用创新大赛

一个开源项目的价值,不只在于代码被公开,更在于它能否进入真实场景,被部署、验证,并持续解决问题。

2026 上海开源软件应用创新大赛现已启动。Dify 将作为企业合作伙伴参与本届赛事,与开源社区、企业、高校及科研机构一道,寻找能够从技术构想走向实际应用的开源项目。

从开源出发,回应真实需求

本届大赛以「开源向实」为主题,设置三大赛道:

  • AI+ 工业软件:关注制造、能源、CAD/CAE、工业互联网等场景,探索 AI 与工程流程及产业系统的结合。

  • 智算云:覆盖算力调度、分布式训练、模型部署、边云协同与成本管理。

  • 开源 AI 工具:面向数据处理、模型训练与评测、RAG、Agent、MLOps 等开发与运行环节。

参赛者可以选择企业发布的真实命题,也可以围绕三大赛道自主选题。

本次大赛希望看到的不只是概念和 Demo,而是能够运行、测试并继续演进的开源作品。

这也对应着 Dify 一直关注的问题:AI 项目的挑战,往往不止是完成一次原型验证,而是如何将模型、知识、工具与业务流程组织成可以持续运行和改进的系统。

参赛信息

报名及作品提交

即日起至 2026 年 10 月 11 日

入围名单公布

2026 年 10 月 16 日

线下总决赛

2026 年 10 月 24 日,中国·上海

大赛面向企业、高校、科研机构、开源社区及学生团队开放,个人和团队均可报名,团队建议由 3–5 人组成。

参赛作品需要提供完整可运行的代码仓库、项目介绍文档和演示视频。三个赛道将独立评选奖项,总奖池累计 100 万元,奖励形式包括现金、算力与 Token、大模型 API 等开发者资源。获奖项目还将获得后续产业对接、技术验证和投融资咨询等支持。

从一个真实问题开始

好的开源项目,往往不是从宏大的技术概念开始,而是从一个值得解决的具体问题开始。

让 Dify 与你一起走进真实场景,组织你的团队,把代码、产品和判断带到真实环境中,在实践中构建、维护,并不断优化。

扫描海报二维码,或点击「阅读原文」进入大赛官网报名。

期待在上海,看到你们把开源能力带进真实世界。

阅读原文

跳转微信打开

  •  

旅程过半|十年之约 #41

原创 也谈钱 2026-08-31 13:30 德国

从 2021 年 5 月开始,到今天,十年旅程已经过半。

经常有读者把「财务自由实证」和「十年之约」搞混,这里解释一下。两个系列虽然都聊投资、聊财务,但视角其实不一样。

财务自由实证记录的是整个生活。它从 2019 年开始,记录投资,也记录收入、开支、储蓄、预算以及生活里的各种选择。最初想验证普通人通过工资理财能不能攒下一笔钱、实现财务自由(不是大富大贵那种,被动收入能超过生活开支即可)。攒钱目标实现后,继续观察投资收益能不能持续覆盖生活开支,以及自由以后,钱、生活和注意力会发生什么变化。

真实但更驳杂。

相比之下,十年之约这个账户更纯粹。从 2021 年开始,每月固定投入 1000 元,中间尽量少关注行情、不预测、不折腾、少花注意力,把精力留给工作和生活。看看普通人从零开始攒一笔钱、用于投资,中间又会经历什么,十年后能获得什么结果。

如果说财务自由实证记录的是钱与生活的全景,十年之约就是把镜头拉近,只看投资这一部分。

这次复盘的是后者,十年之约。

……

从 2021 年 5 月开始,到今天,十年旅程已经过半。

实证账户,目前的资金加权年化收益率是 6.48%。

如果是不择时、不预测、不追着行情跑,平时也不怎么消耗注意力取得这个收益,大伙感觉怎么样?

虽然数字没达到最初预期的 10%,但和 5 年前出发时相比,我们所处的环境也大不相同。

当初的 10%:那时大家对物价和房价充满焦虑。物价在涨,房价更快。可能投资实现了 10%,但如果没跑赢房价,还是会觉得白玩儿。

后来的 6.5%:物价变化小了,房价、房租还降了,长期定存利率变成 1 开头……

投资是为了更好地生活。我们原想通过 10% 解决的问题、放下的焦虑,放在现在可能 7% 也够。所以目前年化 6.5% 的收益我觉得也还好。

只看收益数字,看到的往往是「10% 太菜了,你看谁谁谁今年都翻倍了」。

但关注生活里具体的问题,怎么攒下一笔钱、怎么获得被动收入、怎么规划养老金教育金、怎么资产保值增值,更多人想知道的是「上哪找 7% 的理财」?

这是十年之约旅程过半,我对过去 5 年的复盘想法。

往前看

但往前看,我的预期变化不大——依然预期 10%,也做好实现不了的准备。

预期不变,因为预期不是线性外推。否则现在的房价应该比 5 年前再贵一倍。

十年时间,我们可能会遇到下行周期,也会遇到上行的繁荣。所以看更长时间尺度,兼顾两种可能性。这几年并没有改变股市的长期统计收益 👇 根据有知有行最新版《中国大类资产投资 2025 年报》,长期收益区间依然落在 10% 左右

也做好实现不了目标的准备,因为人要知道自己能控制什么,不能控制什么。

作为个体,我们无法左右经济周期,也很难直接控制收益这个结果。应该把更多注意力放在自己能控制的事儿上。

比如十年之约最初的计划是,每月投入 1000 元,选择不消耗太多注意力的投资方式,预期期间能获得 10% 的年化收益。

那么相比最终年化有没有 10%,更重要的其实是,有没有按计划每月固定投入,有没有选择符合目标的资产,有没有对意外的预案,如何管理好预期。这些才是我们能控制的。

我一直相信两个理念:

  1. 关注自己能控制的,接受自己不能控制的。

  2. 做好最坏的准备,坐等好事儿发生。

买什么,没有想象中那么重要

经常有读者问我,十年之约现在在买什么、还持有什么。

简单回答一下:新钱在定投长钱账户和海外长钱(海外长钱目前暂停申购,先现金备着),原来的主动基金继续持有。当时的思考分享在这里。

但,如果十年之约过去 5 年年化 6.5%、资金加权累计 37% 的收益率,大伙觉得可以接受,那么比起选到更好的几只基金或股票,更重要的可能是先成为一个合格的基金投资者。对十年之约而言,投资买什么没有想象中那么重要,更重要的是投资者自己的行为。

过去 5 年,我所选投资的整体表现其实和市场平均水平差不多。看时间加权收益率,还落后偏股基金指数一点点 👇

我并没有选到收益更高的基金和投顾。

更重要的收益来源是,每月定期投入、下跌时没有停止、买入以后长期持有。

从市场上相对分散地选 5~10 只不同风格的基金,整体表现大概率也会向全市场平均水平靠拢。再像十年之约过去 5 年一样定期买入、长期持有,最终结果可能差不多。

平均水平的投资 + 合格的持有人,可能胜过优秀的投资 + 反复折腾。

选到谁是未来的冠军很难控制。但能不能坚持计划、长期持有,是我们可以努力做到的。

……

不过这五年我也发现,这条路「简单,但不容易」。如果大部分投资者亏钱,想要成为赚钱的投资者,总要克服一些困难。

规则很简单,每月投入,不择时,不追热点,不因为新闻预测未来。

但一起经历过这段时间的伙伴可能更有体会,这些原则,实践起来并不容易。新伙伴也可以回顾下 2024 年最低谷时十年之约下的留言,比如这篇。那时候留下的都是“盲目乐观”,底部割肉才是“人间清醒”。

制定一个计划、选一只基金、想要持有十年,每一步都不复杂。但难的,是过程中一次次环境、情绪剧变中如何回答「现在怎么办?」

一个长期计划能否兑现,看的不是当初决心有多大,而是看我们如何应对一次次意外和挑战。

目前这个结果不算多惊艳,但确实可以让钱慢慢变多,解决很多财务上的现实问题。同时也没拿走太多关注生活的注意力。

旅程过半,继续往前走~

实证账户 2026-08-30

投资记账工具:有知有行
投资记账工具:有知有行

十年之约并非投资建议,更多是想以此给大家一个思考的起点——如何从零积累起一笔本金,不折腾、不挑时间、不高抛低吸、不看新闻预测未来、不盯盘,长期能取得什么样的结果,这一路我们会经历什么。

结合今天的内容,再看看这张图可能会有更多感受 👇 对投资而言,我相信更重要的是投资者自己的行为,其次是资产配置,选基金、看行情相对来说没那么重要:

  • 一位合格的基金持有人,理性思考、长期持有,哪怕选到了平庸的基金、也会有满意的回报;

  • 但不合格的基金持有人,禁不住诱惑,哪怕有幸选到了非常厉害的基金,也很可能赚不到钱。

感兴趣的小伙伴也可以一起读读之前几篇内容:

跳转微信打开

  •  

吴恩达来信:AI 工程技能图谱详解——软件工程基础

原创 DeeplearningAI 2026-08-31 12:45 北京

为什么软件基础对 AI 开发者仍然至关重要

Hi~新朋友,记得关注我们哟

亲爱的朋友们:

随着智能体式编码的出现,软件工程基础发生了怎样的变化?即使你使用编码智能体来编写全部代码,理解软件基础仍然很重要,因为这能帮助你引导智能体做出你希望的权衡——甚至让你知道有哪些权衡需要做。除此之外,在构建 AI 应用时,AI 核心通常会通过更广泛的软件应用来体现,而这一整体会由优秀的工程师来塑造。

一个在不理解软件基础的情况下进行 vibe coding 的新手,虽然也能创建简单应用,但这往往会导致编码智能体在延迟、可用性、一致性、可靠性、可维护性、简洁性和/或成本方面做出糟糕的权衡。大多数情况下,开发者甚至不知道这些权衡的存在,因此也就没有引导智能体针对其应用场景做出正确决策。

今天这封信阐述了我们对 AI 工程技能的研究所发现的软件工程中最重要的知识点。它要求具备以下能力:

✴ 构建全栈应用

✴ 管理数据

✴ 设计系统架构

✴ 构建安全可靠的系统

✴ 在生产环境中扩展并运维

构建全栈应用。智能体式编码使许多过去从事更专门角色(如前端开发或移动端开发)的开发者,能够承担更广泛的全栈角色。编码智能体可以帮助处理开发过程中你可能不太熟悉的部分。不过,理解整个全栈究竟是如何运作的仍然很重要。优秀的开发者理解前端和后端系统的关键组件与概念,包括 UI 组件、缓存、页面渲染、API 的选择与设计、身份认证、状态和会话管理、异步处理、数据持久化、测试、安全性以及可访问性。

管理数据。数据值得特别关注,因为它是软件所构建其上的基础,而且相对难以变更(即使智能体可以协助迁移也是如此)。当你知道如何管理数据时,你就能思考访问模式,并据此决定要存储什么以及存多久。你可以识别合适的数据模型,并选择适当的存储类型(如关系型表、文档、键值或图数据库)及基础设施,而这些又会影响速度、可扩展性、可用性、可靠性和成本。你理解事务、并发,以及如何确保数据干净、一致且最新。在需要时,你还能确保适当的隐私、治理和合规性。你知道如何管理数据生命周期。

随着应用演进,你也知道如何相应演进数据架构。决定如何管理数据需要大量由人提供的上下文。你的 AI 系统会从数据源中获得它自己的输入上下文,因此如果数据架构选择不当,AI 就不知道自己不知道什么。这也是为什么需要具备相关上下文并精通 AI 工程的人——也就是你!——对其进行专业干预,把它设置正确。如何为智能体而非仅为传统软件或人类构建数据基础设施,也是一个快速演进的领域,你应当随着领域发展持续调整最佳实践。

设计系统架构。当你理解了软件和数据全栈的主要组件之后,你就更有能力决定如何把这些部分组合起来。良好的系统设计要求理解软件的预期用途(有多少用户?延迟有多重要?成本有多重要?等等),以便你可以在应用平台、前后端边界、系统拆分、应用状态放置以及架构粒度(单体 vs. 微服务)方面做出选择。你还需要选择技术栈(编程语言、运行时、组件/前端/后端框架、数据技术)——有时还会先通过实验评估各种方案,再最终确定其中之一。

此外,合适的架构是一个不断变化的目标,取决于项目所处阶段。你为快速原型选择的简单架构,未必适合构建第一个生产系统,而随着应用规模扩大,这一架构也可能再次变化。做出这些决策需要对软件组件和应用上下文都具备深厚的技术知识,这样你才能对架构进行设计并持续演进,以做出更优的权衡。

构建安全可靠的系统。要构建可靠系统,你应当知道如何制定测试策略来验证系统的正确性:单元测试与集成测试如何搭配,使用哪些框架,以及需要达到怎样的覆盖率。你还知道如何围绕可能的故障进行设计——如何处理故障(例如 API 命中速率限制)、构建优雅降级,以及尽量缩小故障影响范围。此外,与其先写软件再后来考虑如何保护它,“左移”运动正把安全工作提前到生命周期更早阶段(在传统项目时间线中向左移动)。正如所有开发者都在向全栈开发者转变一样,如今许多开发者也正在部分承担安全工程师的职责。现在你可以使用 AI 工具扫描代码中的漏洞、检查依赖项是否存在供应链注入风险,并审查云配置中的攻击面。但要把这些工作做好,仍然需要一定的安全知识。

在生产环境中扩展并运维。为了服务真实用户,你必须知道如何将软件部署到生产环境。了解如何执行软件开发生命周期(SDLC)会对你有所帮助;该生命周期除了构建和测试之外,还包括配置部署环境、决定发布策略、实施部署自动化(CI/CD),以及理解基础设施即服务(IaaS)。

在生产环境中运维需要部署可观测性工具、设置告警并管理事件。最后,要扩展你的应用,你应当理解真实负载,并知道如何扩展服务器、进行负载均衡,以及通过调整数据基础设施(如分片、索引、复制)或进行架构变更,使系统能够适应规模增长。最后,理解版本控制、代码评审、依赖项维护以及如何管理技术债务等编码最佳实践,有助于你让系统持续演进。

编码智能体已经改变了我们构建软件的方式,包括那些不包含任何 AI 组件的软件。有些编码知识——比如记忆代码语法——正在变得过时。但深刻理解软件如何工作的开发者,远远优于那些在不理解的情况下仅凭感觉编程的人。

理解软件基础(以及 AI)也有助于你弄清楚软件能做什么、不能做什么。这使它们成为你使用编码智能体并塑造构建过程时的重要上下文。我会在接下来的两封信中讨论这些内容。

请不断构建!

吴恩达

点击下方阅读原文查看更多有趣内容哦~

阅读原文

跳转微信打开

  •  

基于 MiniMax H3 Max 的 24 小时 AI 直播网站上线了

原创 MiniMax 2026-08-31 08:36 上海

Fal 工程师 Alex Koumpas 在 Twitch 直播频道里,把聊天室变成了一个编剧室。

有人敲下 Prompt,想让镜头切到街头;下一位观众想看一条上世纪 60 年代风格的木偶广告;还有人要求画面突然变成一张被无数电线缠住的机器人脸。聊天框里不断涌进英语、西班牙语、日语、俄语,中文等,来自全球各地用户的点子。

Koumpas 给直播频道起了一个简单易懂的标题,“Chat Directs the Show with MiniMax H3 Max”。

Twitch - koumpas 频道(视频有加速处理)

这场直播,正是 H3 开源后开发者生态迅速生长的一个缩影。

H3 开源后,我们与生态伙伴围绕不同的使用场景,继续训练和优化模型,并在社区中开放,包括:

  • 与 Running Hub 打造 MiniMax H3 480P,满足多场景需求

  • 与 fal 选择面向实时生成做后训练和推理优化,推出了 H3 Max 768P、H3 Max 480P

  • 以及 FastVideo 通过稀疏化和硬件适配推出的 FastH3 等

今天,我们将 H3 Max 768P、H3 Max 480P 接入开放平台和 MiniMax Design 中。

H3 Max 生成一段长度 5 秒、768p 的音视频的时间不到 3 秒,已经跨过了实时直播所需的速度门槛,当上一段视频还在播放时,系统已经有时间把下一段视频准备好。

由此,海外开发者已经围绕 H3 Max 搭出了 Twitch 直播、24 小时“AI 电视台”,还有邀请观众实时改写剧情的创作实验。视频模型被接进一条持续运转的内容流,开始参与实时互动,观众的每一条指令都有可能改变接下来出现的画面。

3 秒生成,

观众参与实时共创

这一轮 AI 直播热潮里,fal 工程师 Rehan Sheikh 的 Twitch 直播最早引爆全网。Rehan 把 H3 Max 接进直播流,做成了一个没有固定节目单的“跨维度电视”。模型在几秒间不间断生成新的画面和声音,并接进实时直播,这份创意在 X 上的观看量已经近 350 万次。

随后,知名开发者 Pieter Levels 上线了一个 24 小时 AI 直播网站。网站首页只有一条很简单的规则:The chat decides what airs next。观众在聊天室里输入内容,AI 尝试把新的要求和上一段画面接起来,再生成下一段视频。在这座只有几秒库存的微型电视台里,直播可能突然从动画切到真人访谈,再跳进某个荒诞广告。观众的下一句话,就会把故事带到另一个方向。

相比提前录好一段演示视频后播出,完成实时直播需要同时处理陌生提示词、视频生成、队列衔接和持续推流等工作。模型的速度、指令理解和音视频能力都被放进了同一条公开链路里,每个人的指令都可以被直接观察:观众发出指令,模型生成片段,片段进入直播,新的指令再跟上来。也正因如此,生成速度决定了直播能不能持续进行。

生成快过播放,

解锁即时直播场景

H3 Max 能支撑这种直播玩法,首先是因为它跑得足够快。H3 Max 支持文生视频和图生视频,可生成 480p 或 768p、5 至 15 秒、24fps 的完整音视频。5 秒、768p 视频的生成时间不到 3 秒,15 秒视频也可以在约 15 秒内完成。

通过后训练和推理引擎的协同优化,H3 Max 的吞吐量约为 MiniMax H3 的 35 倍,在 Artificial Analysis、Design Arena 图生视频榜单中位居第一。

fal 在 MiniMax H3 开源版本的基础上加入了新数据和可验证强化学习,持续优化提示词遵循和画面表现,同时针对自有推理基础设施适配,为实时生成场景定向优化。

5 秒的视频内容在不到 3 秒内生成,理论上还能为排队、内容审核、编码和推流留出一点余量。尽管实时直播仍会受到并发和网络状况影响,偶尔出现卡顿的情况,但 H3 Max 已经满足了这类实时实验最基本的速度要求。

古希腊瓶画风格保持演示 - fal 官方网站

开发团队 FastVideo 沿着另一条路线改造了 H3。FastVideo、Nuva Lab 和 NVIDIA FastGen 联合发布的 FastH3,把原生 H3 的 49 次 Transformer Forward 压缩到 4 次,再结合 90%稀疏度的 VSA 加速。

FastH3 使用 8 张 B200,可以在 13 秒内生成一段 15 秒、768p 的视频;在单张 Blackwell GPU 上,相较同硬件运行的基础 H3,最高可获得 14 倍加速。目前,FastH3 已公开模型权重、LoRA 和推理方案,现有版本支持文生音视频。

FastH3 视频生成 - 创作者@kiyoshi_shin

开源开放,

让创造力涌现

我们欣喜地看到,基于 H3 模型开源,新的视频生成、交互形式不断在社区里出现。而对 MiniMax 来说,开源社区不只是 H3 的使用者,也是模型继续向前演进、落地场景不断焕新的重要参与者。

今天的 24 小时 AI 直播仍处于早期阶段,并发和长时间运行还需要继续验证。人物声音的稳定,画面能不能长时间保持一致,推理接口是否适合持续调用,这些在直播场景中真实使用的反馈,将会回到下一轮模型和系统优化中。

重要的是,在这场 AI 直播里,视频生成不仅仅是一次性的内容工具,而开始成为可以实时响应、不断生长的内容系统。MiniMax 与开源社区正在一起,把视频模型的速度、交互和应用边界继续向前推。

随着模型的持续迭代,相信会有新的互动内容、新的创作者工具,以及人们尚未设想过、还没有被定义过的产品从社区中出现。期待开发者和创作者们把 H3 带进更多具体场景,探索过去难以成立,甚至还没有被想象过的可能。

H3 开源三个多星期以来,下载量已经超过 2400 万次,产生超过 300 个公开衍生模型,成为 2026 年全球下载量最高的模型。我们会继续与开源社区和生态伙伴携手探索,降低开发者和企业的使用门槛,让 H3 进入更多真实商用业务中,并解决过去难以完成的问题。

API 接入 H3 Max:platform.minimaxi.com/docs/api-reference/video-generation-v2-create

MiniMax Design 下载:design.minimaxi.com

Intelligence with Everyone.

跳转微信打开

  •  

WorkBuddy、豆包工作、千问办公开战—企业AI的机会反而更清楚了

原创 这个男人来自千祥 2026-08-31 08:00 四川

AI 办公正在成为巨头的新战场。但让一个员工更快完成文档,不等于让一家企业更高效地运转。个人工作入口之外,企业知识、流程、权限与协同,正在形成更大也更难的市场。

“

导读:AI 办公正在成为巨头的新战场。但让一个员工更快完成文档,不等于让一家企业更高效地运转。个人工作入口之外,企业知识、流程、权限与协同,正在形成更大也更难的市场。

大厂的AI办公之战已经开启

2026下半年的AI 办公市场,突然变得拥挤起来。

腾讯持续升级WorkBuddy,并推出企业版AI工作台;阿里将多条产品线整合为千问办公,随后深度接入钉钉;字节跳动正式发布豆包工作,与飞书打通;钉钉自身也在把越来越多的组织能力变成可被 AI 调用的工具。

这些动作不是普通的产品更新。大厂正在收拢内部赛马的团队与产品,把大模型、办公软件、企业协作平台和云服务推到同一张牌桌上。AI 办公的竞争,已经从“给软件加一个对话框”,进入“由Agent 接收目标、拆解任务、调用工具并交付结果”的阶段。

这当然是一件好事。

过去两年,企业讨论AI时经常陷入两个极端:一边把大模型当成万能答案,另一边因为几个效果不稳定的 Demo,认定AI离生产环境还很远。WorkBuddy、豆包工作、千问办公等产品的大规模进入,会迅速降低使用门槛,让更多员工在真实工作中接触Agent。AI 不再只属于技术部门,也不再只是聊天、写稿和搜索,而会逐渐进入文档、表格、会议、调研、数据分析和跨软件操作,特别是沙箱的使用,你的要求马上会被Agent以现写代码的方式实现出来,这是大跨度的人机协作范式的提升。

当小区电梯广告一分钟可以播放三次Workbuddy,我就觉得市场教育由大厂们来完成,其实对整个AI大赛道都是好事情。

但另一个问题也随之出现:当巨头把 AI 办公推向白热化,其他产品和团队是不是就没有机会了?

恰恰相反。巨头越快把个人工作入口做成熟,企业AI中尚未被解决的问题就会暴露得越清楚。

一、这场战争首先争夺的是“个人工作入口”

观察几家产品的核心表达,会发现一条相当一致的路径:用户提出一个目标,Agent 自动规划步骤、调用工具,最后交付报告、PPT、表格、网页或其他可编辑文件。这比过去的 AI 助手前进了一大步。它不再只回答“怎么做”,而是开始替用户把工作做完。

WorkBuddy强调多专家协作、任务执行和文件交付;豆包工作主打自主拆解任务、持续推进复杂流程,并通过飞书获得更多企业上下文;千问办公则把数据分析、PPT、视频、网页和本地文件处理放进统一入口,同时接入钉钉的IM、日程、文档、审批和知识库。它们都在努力成为电脑上的新一层工作界面。

企业版、安全合规、权限管理和组织连接也已经进入这些产品的能力范围。因此,简单地说“大厂只做个人市场”,并不准确。更准确的判断是:它们当前最容易规模化的切入点,仍然是员工的个人任务。

原因并不复杂。个人工作场景高度相似,标准化程度高,产品可以快速复制。一名员工写方案、查资料、做表格、整理会议纪要,不同行业之间虽然内容不同,操作模式却很接近。把这些能力做成标准产品,通过订阅、积分或用量销售,可以服务巨大的用户群。

而企业真正复杂的部分,通常不在个人桌面上。

它藏在部门边界、审批链路、同一份制度的不同版本里,藏在“谁可以看、谁可以改、谁来负责”的责任关系里,也藏在那些跨部门、长周期、出了问题很难找到唯一责任人的事务中。

个人提效解决的是一个人能否更快完成任务,企业提效解决的是一群人能否持续把事情做对。两者相关,却不是一回事。

一家企业当然由一个个的人组成,但企业不是个人账号的集合。企业存在的价值,正是通过组织、分工、流程、知识和协作,把许多人的能力变成稳定、可复制的业务能力。

如果十名员工都用 AI 把周报写得更快,企业获得了时间收益;但如果产品口径依然冲突、售后经验依然沉睡、审批依然反复、知识依然散落在不同系统里,企业的核心业务效率并没有因此发生根本变化。

这就是 AI办公热潮中最容易被混淆的一点:员工提效 ≠ 企业提效。

二、企业提效的难点,是让 AI 进入组织系统

当AI从个人工具进入企业生产环境,问题会迅速改变。

一名员工可以接受AI偶尔写得不够好,修改后继续使用;一个面向客户的服务系统却不能随意引用过期制度。个人可以把文件拖进对话框临时分析;企业则必须知道文件来自哪里、当前是否有效、谁有权访问、引用过哪些内容。个人任务往往在几个小时内结束;企业的项目、客户服务、设备维护和合规管理可能持续数月甚至数年。

因此,企业 AI 真正需要解决的至少包括四类问题。

  • 第一类是组织问题。AI必须理解使用者属于哪个部门、承担什么职责、能看到哪些信息,又能执行到什么程度。同一个问题,由普通员工、部门负责人和审计人员提出,答案范围和可执行动作不应相同。

  • 第二类是流程问题。企业中的很多工作并不是生成一份文件,而是由多人、多系统和多个决策节点共同完成。合同审核、售后处理、采购评估、合规检查都存在明确的前置条件、例外规则、审批要求和失败处理机制。Agent可以加速某个节点,但只有进入完整流程,才能改变整体效率。

  • 第三类是知识问题。制度、产品、工艺、案例、项目经验和专家判断构成了企业自己的上下文。这些知识并不天然存在于大模型里,也不会因为上传了几份文件就自动变得可靠。它们需要解析、清洗、分类、切片、抽取、审核、版本管理和持续更新。

  • 第四类是协同问题。企业里最难推动的事务,往往横跨多个责任方。资料不完整时由谁补充,知识冲突时由谁裁定,制度临期时由谁更新,Agent 发现问题后如何形成治理任务,这些都不是一次对话能够解决的。

可以把这类涉及组织、流程、企业知识和多人协作的工作,暂时统称为“企业协同场景”。

它与传统 OA 意义上的协同也不完全相同。过去的协同系统主要负责让信息流转起来;AI 时代的企业协同,还要让机器理解信息背后的规则、权限、责任和业务语义,并在合适的环节参与判断和执行。

这是一块更重的市场。需求更难标准化,交付周期更长,需要进入客户现场,也需要同时理解产品、技术和业务。但它带来的价值不再只是节省几小时,而可能是缩短一条业务链路、减少一次风险事件、提高一类服务的稳定性,或者把少数专家的经验变成整个组织可以复用的能力。

真正的企业级AI,不只是给每个员工配一个更聪明的助手,而是帮助企业形成更强的组织能力。

三、大厂的最优解,不一定是每家企业的最优解

大厂进入AI办公,拥有其他团队很难复制的优势。

它们既有云和算力,又有基础模型、中间件、办公软件和企业入口。模型调用带动云资源消耗,办公应用扩大用户触达,企业协作平台提供组织关系和业务连接,最终可以形成从基础设施到应用的完整闭环。

从商业上看,这套路径非常合理。

标准化订阅和持续用量收入更容易规模化,也更符合大厂的成本结构。无论产品最终采用 Token、积分、套餐还是席位计费,背后的核心都是让智能能力像水电一样持续供应。客户使用得越深,调用量越大,云、模型和应用之间的集团作战价值就越明显。

“卖水卖电”并不是贬义。AI要大规模普及,本来就需要可靠、便宜且随取随用的基础服务。没有大厂建设基础设施,很多中小团队甚至没有机会进入市场。

但这种商业模式也有边界。

一些客户出于数据安全、成本控制、信创适配或内部架构要求,不希望使用公有云,也不希望核心业务长期调用在线模型。他们可能要求软件完整部署在本地,自主选择模型和硬件,完成既有系统集成,项目上线后按年度购买维护、升级和运营服务。

大厂并非不能承接这类项目。面对战略级客户或明确的合规要求,它们同样会提供专有云、私有化和定制方案。问题在于,当项目越来越偏向现场实施、知识整理、流程改造和长期服务,而云与模型用量有限时,它对大厂的规模收益就没有那么理想。

对客户来说,这可能恰好是自身的最优解;对大厂来说,却未必是优先级最高的生意。

市场空白由此产生。

中小服务商没有必要复制大厂的完整产品矩阵,也没有必要在通用模型和个人助手上正面竞争。更现实的方向,是围绕具体行业和企业问题,提供大厂标准产品难以覆盖的深度服务。

比如,帮助制造企业把工艺文件、设备手册和历史工单变成可治理的知识体系;帮助银行统一不同部门的小知识库,在细粒度权限下为多个 Agent 提供可信检索;帮助集团企业处理制度版本、跨部门知识和多应用复用;帮助专业服务机构管理法规时效、项目经验和证据链。

这类业务的收入不只来自软件授权,还来自实施、知识工程、系统集成、运营维护和持续优化。它不会按Token消耗量收费,而是围绕客户最终获得的业务价值设计产品与服务。

与其把它称为项目制,不如称为“客户价值商业模式”:客户购买的不是更多 Token,而是一个问题被真正解决,并且这套能力能够在组织中持续运行。

四、机会不在另做一个助手,而在建设企业上下文

AI办公大战不会停止,个人工作入口也会越来越集中。对于中小产品团队来说,机会并不在于再做一个功能相似的桌面助手,而在于补上通用 Agent进入企业之后缺失的那一层。

这层能力就是企业上下文基础设施。

Agent要完成企业任务,不能只知道公开世界里的通用知识。它还需要知道企业当前执行哪一版制度,某个客户处于什么状态,历史上类似问题如何处理,当前任务已经走到哪一步,以及操作者拥有怎样的权限。

模型决定 Agent能否理解和推理,工具决定它能否行动,企业上下文决定它能否做对这家企业的事。

企业上下文也不是把文档集中上传到一个知识库。它需要形成持续运行的知识供应链:资料从文件系统、业务系统和数据库进入平台,经过解析、清洗、抽取、校验和准入成为可信知识;知识按照组织责任进行维护,又能围绕项目和业务主题灵活组合;问答和Agent 在权限范围内调用知识;使用中发现的问题,再回到内容、版本、术语和审核环节持续修复。

TorchV AIS 的产品方向正是一个例子。

它首先是一套企业级AI知识引擎,重点不在“接入了哪个模型”,而在知识接入、知识工程、知识治理、知识应用和反馈优化形成的闭环。文件不是上传后就结束,而是要经过标准化加工和质量准入;答案不仅要生成,还要能够回到来源、原文和知识版本;知识不仅要能搜索,还要有责任人、权限、生命周期和健康状态。

在应用层,TorchV AIS既可以直接提供基于企业知识的问答应用、Agent 应用和 Agent 工作区,也可以通过 API、Skill、MCP 等方式连接其他 Agent,作为上层应用的企业上下文基础设施。企业已经选定 WorkBuddy、豆包工作、千问办公或其他 Agent时,专业知识引擎并不一定与它们竞争,反而可以为这些入口提供经过治理的知识和可追溯的上下文。

这也是TorchV AIS这类专业领域产品存在的现实意义:以一个标准化AIS 平台作为统一知识与 Agent 底座,配套实施服务、知识工程和维护运营三类服务,再进入金融、制造、集团、专业服务等不同场景。平台保证能力能够复用,服务解决企业差异,行业实践则缩短价值落地的距离。

这种模式不会像通用办公助手那样快速覆盖海量用户,却更接近企业 AI 的真实难题。

未来几年,AI办公很可能同时沿着两条路径发展。一条由巨头推动,让每个人都拥有随时可用的智能工作助手;另一条深入企业内部,把组织、流程、知识和业务系统改造成Agent 能够理解和参与的生产环境。

前一条路径提高 AI 的渗透率,后一条路径决定 AI 能否变成企业的长期生产力。

所以,大厂入场并不意味着市场结束。它只是把竞争的边界重新画了一遍。

个人桌面上的入口会越来越强,也会越来越集中;企业深处那些需要责任、规则、知识和长期服务的问题,却仍然分散在不同组织和行业里。这里没有一个模型可以包打天下,也很难只靠标准订阅完成交付。

巨头擅长铺设 AI 时代的水电网络。专业产品和服务团队要做的,是把水电接进生产线,并让它真正驱动业务。

这可能才是 AI 办公进入白热化之后,企业 AI 市场最值得重视的机会。


参考资料

  1. 腾讯云首发效率智能体工具集,发布 WorkBuddy 企业版 AI 工作台:https://www.tencent.com/zh-cn/tencent-cloud-debuts-productivity-agent-suite-creating-a-new-gateway-to-ai-for-users-and-enterprises/

  2. WorkBuddy 官方网站:AI Agent 办公新范式:https://www.workbuddy.cn/work/

  3. 豆包工作正式发布:让 AI 从生成内容到完成工作:https://www.news.cn/tech/20260825/1c13b806a0a946a9981e95f0c238e98c/c.html

  4. 阿里巴巴推出一站式办公 AI 智能体平台“千问办公”:https://ali-home.alibaba.com/document-2021039099929952256

  5. 阿里云:千问办公产品简介:https://www.alibabacloud.com/help/zh/qwenwork/qwenwork-intro

  6. 阿里巴巴集团 2026 年 6 月份季度业绩与 AI 业务战略调整:https://ali-home.alibaba.com/document-2026456290057781248

  7. 内部赛马暂停,腾讯、阿里、字节 AI 办公产品“合兵”对阵:https://www.eeo.com.cn/2026/0807/989093.shtml

  8. TorchV AIS 企业级 AI 知识引擎产品白皮书 v2.5:https://www.torchv.com/docs/manual/ais-wb/

  9. 企业 Agent 好不好用,关键不是模型,而是上下文:https://www.torchv.com/blog/encontext/

以往精彩:

你们的企业AI项目真的跑出真正的价值了吗?了解一下知识工程这个隐性共识

企业AI落地需要的不是一个知识库,而是一台“知识引擎”

企业AGENT好不好用,关键不是模型,而是上下文

做完一次总体设计后,我重新理解了企业级知识库

阅读原文

跳转微信打开

  •  
❌