Agent 越来越能干，Skill 安全谁来把关？
今年年初，OpenClaw 带火了「养龙虾」。热度已经过去了，Agent 却没退场。研发在用 Claude Code、Codex 读代码、改代码、跑命令；办公的同事开始让 WorkBuddy、豆包 Work、千问办公整理文档、分析数据、做汇报，甚至跨应用把一整套活儿干完。
业务岗位用 Agent，先把交付和复核说清楚
业务岗位开始尝试 Agent，最容易讨论的是“它能做多少步”。真正进入日常工作，问题却会落到一张表、一条记录上：这个判断从哪里来，谁能改，发现错了如何退回？如果这些问题没有答案，流程跑完也难以交付。
Agent 应该在什么情况下请求人工确认？
开场：一道专测"会不会无脑弹窗"的题 一个能调用工具、执行实际操作的 Agent，应该什么时候请求人工确认？ 每次调用工具都确认一下，用户同意以后再执行。 用户已经让它读取资料并整理报告，为什么每读一个文件还要问一次？这些确认增加了什么有效信息？
国内Agent现状：449亿市场，只有18%进了生产
同一个中国市场，2026 年的智能体规模，公开能查到 135.3 亿、449 亿、850 亿、1558 亿四个版本，差了十倍多。不是谁写错，是尺子不一样。
企业Agent母体和企业知识库有什么区别？
企业花了几个月整理知识库，上传产品资料、品牌介绍、销售话术和内部制度，接入大模型后，员工终于可以直接向AI提问。可是，当企业准备进一步部署营销Agent、销售Agent和客服Agent时，却发现一个问题：AI明明能查到资料，为什么到了具体业务场景，还是不能按照企业的要求完成工作？
豆包工作产品分析：组织级 Agent 的产品拆解
核心结论:豆包工作不是「豆包的办公皮肤」，而是字节把 TRAE 的执行栈、扣子的编排生态、飞书的企业上下文收拢后，推出的组织级 Agent 发行版，于 2026 年 8 月 25 日独立发布。
Agent 越用越多，企业为何仍不够 AI Native ？
作者 ｜ 籍云 AI 生码率飙升，端到端交付却没有变快；通用 Agent 提效办公生产力，整体业务效能却未同步提升。当企业把 AI 工具推向业务流程，“局部更快、整体不快”的现象值得审视。
别把手机 Agent 搬上车：从零到一做车载个人 Agent
车规级要过 AEC-Q100 应力测试:座舱芯片常见 Grade 2、Grade 3，要求更高的才上 Grade 1甚至 Grade 0。
什么是 Agent？与大模型有什么本质不同？
开场：面试官最深的一条追问 说说什么是 Agent？它和大模型有什么本质不同？ Agent 就是具备自主能力的大模型应用，能通过 Function Calling 调用工具，比普通调 API 的对话聊天更强。 所以"Agent = 加工具的大模型"？
火山引擎知识引擎 VeKnow｜Agent 能找到规则，为什么还是会判错？
当理解和使用业务知识的主体变成 Agent，企业本体应该如何支撑业务理解与行动？让我们先从企业每天都在面对的问题看起。