从只读知识层到可写治理层：本体在Agentic AI中的角色跃迁
一、一个正在发生的范式转移本体在企业级Agentic系统中的角色，正在从“只读的知识层”转向“可写的、可治理的、持续演化的记忆层”。过去，本体被视为企业知识的静态描述——建完之后放在图数据库里，供人或Agent查询。2026年的共识是：检索不够了。
突破效率桎梏，系统性构建 Agentic 组织
微软全球 AI 状态调查显示，88% 的企业已采纳 AI 技术，但仅 6% 实现了显著的企业级财务影响。从 L1 到 L5 的旅程，表面上是 Agent 自主性的逐步释放，深层是组织从“人驱动”到 “人机共生”再到“AI 原生”的范式转换。
别再迷信 Agent 的自主性了
作者 | QCon 全球软件开发大会 策划 | Kimmy 编辑 | 宇琪 如果 Agent 只是回答一个问题，答错了，用户可能再问一次；但如果 Agent 开始下单、参与调度、修改生产系统、调用真实业务能力，那么一次错误可能带来的就不只是体验问题，而是实际业务风险。
出海不再可选：Agentic时代中国软件商的新机遇
撰文 | 李信马 题图 | DoNews摄去年差不多这个时候，笔者曾经写过一篇报道，讲述过去十年，国产数据库在国内市场发展壮大，逐步替代掉Oracle等国外数据库的故事（详见《三次浪潮：从OceanBase看国产数据库的崛起》）。
细思极恐，Agent学会给自己办假身份了……
为了让一段恶意代码通过审核，一个AI Agent决定先给自己办个假身份。测试人员给OpenAI和Anthropic的前沿模型设置了虚构任务，让它们在限定环境中寻找漏洞、编写代码，并尝试完成攻击目标。
燃烧吧Token，Agentic Cloud时代云厂商的资本效率大考
2026年第二季度，阿里、腾讯、百度三家国内科技巨头单季资本开支合计达到1318.52亿元，较去年同期615.83亿元同比暴涨114%。
本体Ontology+Agentic+LLM：企业AI落地，白盒约束黑盒的融合之路
核心问题：工业AI的根本矛盾工业AI面临一个根本矛盾：LLM拥有强大的自然语言理解和生成能力，但它是黑盒——幻觉率2%–15%、推理不可追溯、多次输出可能不一致。工业场景要求99.99%以上的可靠性、完全可解释、严格一致性。这个矛盾不解决，LLM就无法进入工业核心系统。
全球最严机器翻译评测放榜：WPS两项成果跻身全球前列
近日，金山办公翻译算法团队的两项研发成果在国际机器翻译评测WMT26中取得领先成绩:多智能体翻译系统TRIVE在23个语言方向中14个跻身全球第一梯队;
这 6 本 GitHub 上的开源 AI 宝典，那是相当有真东西。
六本在 GitHub 上开源的中文 AI 教材，从讲透 Agent 等于 LLM 加上下文加工具的《深入理解 AI Agent》，到把大模型算力账算明白的 AI Infra、蒲公英书第二版与通识版，以及谷歌 Agent 设计模式的 21 个模式中文译本。
幽默，一个 GitHub 项目叫“马尾辫”，还能帮你省 token
本内容来源于@什么值得买APP，观点仅代表作者本人 ｜作者：cxuanAI点击上方蓝字关注我，加个标不迷路。大家好，我是 cxuan，一个和 AI Agent 互相折磨的 builder。这两天我注意到一个 Github，刚看到的时候，还是有些幽默的。