Marico's space

2026年10月13日，金融监管机构开始加强对自主AI Agent的审查。 一个让人不太舒服的教训其实很简单：一个拥有生产环境权限但没有可执行权限边界的Agent，不是"智能自动化"。 它只是一个拥有凭证的无边界身份。 为什么AI治理框架必须控制行为，而不仅仅是模型 传统的AI治理关心的是模型是否准确、公平、隐私合规。生产环境中的Agent则带来了更难的问题：这个系统此刻被允许做什么？

周一打开故障群，发现一个支付失败的工单上已经堆了三次重试。最初的提示词早就没了，取而代之的是午饭前同事随手敲的一行字。没人说得清第一次调用用了哪个工具 schema，也没人知道第二次调用有没有改过 system prompt。共享模型的调用记录里还挂着这笔费用，但 wiki 上根本找不到谁该为这串调用负责。 这个缺失的记录才是值得修的 bug，而且不用跟人争这周哪个模型更聪明。重试把失败的提示词

演示卖的是可能性，生产买的是可靠性。每加一个工具，故障点、延迟和权限范围就多一分。 老张站在白板前，身后大屏幕上的演示还在跑。PPT画得很好看：AI读邮件、查CRM、更新工单、起草回复、安排会议、订午餐。CISO往前一靠："第四步要是订错了苏黎世的会议室，谁来担责？"全场鸦雀无声。 说白了：演示卖可能性，生产买可靠性。每加一个工具就是给自己埋雷。实话实说不是什么"数字员工"——就是"这一个流程

一次网络超时的 apply、同事在CI运行期间从本地执行了 terraform apply、周五晚上一个手滑的 state rm：结果都是一样的。状态文件不再反映真实的 infrastructure，plan 提议删除生产数据库，整个团队都被卡住了。 这时候很容易冒出"重新来过"的冲动：清空 state、全量重新 import，甚至更糟的——让 Terraform 重新创建资源。在生产环境上，这

最近折腾了一个多引擎可视化项目，把 Seaborn、Bokeh、Plotly 三种主流 Python 图表库塞进了一个 Streamlit 仪表板，踩了不少坑，这篇把核心架构和 CI/CD 部署流程说清楚。 做数据可视化的时候，开发者经常面临一个灵魂拷问：到底该选哪个库？Seaborn 做统计分析顺手，但交互能力弱；Plotly 图表华丽，但大型数据集渲染慢；Bokeh 原生支持 WebGL，但

你肯定见过这种玩法：某个 Reel 说"评论 GUIDE 我就发给你"，你刚发完评论，几秒钟后私信就来了。这不是有人在盯着手机，而是基于 Meta 官方 Instagram API 构建的事件驱动系统。 这篇文章聊清楚几件事：评论怎么推送到你的服务器、私信怎么发出去、有哪些限制需要提前设计好，以及为什么"给我密码"的机器人是个坑。内容保持在架构层面，Meta 会改 API 版本、权限名和限制，具

最近折腾了几个 AI 项目，踩了不少坑，这篇把从 LLM API 到 Agent、Harness 再到生产系统的东西捋清楚。 把大模型接进应用里其实不难，发个请求、收个响应、显示出来就完事了。但要做成一个可靠的应用，那就是另一回事了。 真实的应用需要管理上下文、执行工具、保持状态、处理中断、请求审批、处理异常、恢复故障，还得把进度反馈给用户。有些应用还要处理图片、音频、视频、文档、结构化数据或

最近折腾了一圈大语言模型（LLM）在视频创作中的应用，踩的坑不少。最让我头疼的不是某个漂亮的单镜头，而是连贯性——你好不容易定下来一个角色、一个场景、一件道具，往后走三步，模型就把其中一个悄悄忘掉了。于是我没问"哪个LLM写的故事最好"，而是问了一个拍电影真正关心的问题： > 当导演不断改主意时，LLM能不能在从创意到分镜的全流程中保持对影片的控制？ 测试内容 每个模型拿到一句剧情概述加上

最近把市面上的 Agent 间通信协议翻了个底朝天，想找个客观的评估维度，结果发现所有对比文章都是软文式的叙事——协议 A 强调发现能力，协议 B 任务模型更丰富，都很有前景，还需要更多工作。确实有几篇综述做得不错，但看完还是不知道该信谁。 所以自己动手整了一个评估框架。十个维度，每个维度有序数级别，每个级别锚定的是规范文档里能找到的具体属性，而不是"质量好不好"这种主观判断。然后把这十三份规范

最近把市面上的 Agent 间通信协议撸了一遍，踩了不少坑，最后用一套十维评分表把八个主流协议全部过了一遍。这篇把核心发现说清楚——尤其是第三维度的那个空白格，真的让人意外。 为什么要做这套评分表 现有的协议对比全是叙事文风：协议A强调发现机制，协议B有更丰富的任务模型，都很有前途，还需更多工作。确实有几篇综述写得不错，但没有一篇让你能直接核验对比结果。 所以我干脆做了一套评分表。十个维度