標籤: Enterprise AI

GitHub 把 MCP server allowlist、denylist 與第三方 agent activity 放進企業管理面；本文拆解政策語義、遙測邊界與可落地的 rollout 方法。

用 TREC RAG 2026、ClimbMix-400b 與 RAGDoll 先理解 Agent-first 評測的方向，再延伸到企業 RAG 的實作 harness。

以 TREC RAG 2026 與 RAGDoll 為參考，逐步設計企業 RAG evaluation harness 的資料模型、執行管線、citation support、Agent trace、judge 校準與 production gates。

深度剖析 Cloudflare 提出的 Agentic Internet 基礎架構。從 Web Bot Auth 身份驗證、Markdown for Agents、WebMCP 前端工具暴露到 x402 微支付協定，全方位解析網頁如何從人類 UI 轉型為 AI Agent 友善的開放網路。

探討 Anthropic 為 Claude 代理導入的底層記憶機制 (Memory) 與夜間批次 Dreaming 功能，解決多代理系統中的上下文管理與學習難題。

完整拆解 Moonshot Kimi-K3 2.8T MoE 模型私有化部署所需的 GPU 顯存拓撲、伺服器預算、機房三相電力與液冷需求，並提供企業導入 5 階段估算框架。

完整拆解 AI 開發者以 80 張 RTX 5090 消費級顯卡成功部署 Moonshot Kimi-K3 2.8T MoE 模型的硬體拓撲、為什麼不能只用 44 張顯卡、千萬級建置成本與三相電費試算。

深入解析 OpenAI 官方發布的 GPT-5.6 論文與規格，完整拆解 Sol/Terra/Luna 三階定價、Coding Agent 基準測試、Triton 自研 Kernel 與 Agentic Harness 動態路由最佳化。

解讀 OpenAI 於 2026 年 7 月發布的託管式企業 AI Agent 平台 OpenAI Presence。剖析其 Job-scoped 單一職責設計、護欄與人類審批機制、基於 Codex 的線上對話持續優化環路，以及 OpenAI 自身 AI Phone Support 的 dogfooding 實踐。

整理 Gemini Enterprise Agent Platform 的開發、執行、治理與評估能力，並從企業部署角度檢視其架構承諾、整合邊界與採用條件。

從 Agent 與工作流的差異開始，系統整理單一與多 Agent 架構、工具與 MCP、狀態記憶、評測、安全治理，以及從 PoC 推進正式環境的決策方法。

系統整理企業 RAG 的資料管線、Hybrid Search、重排、GraphRAG、Agentic RAG、評估、權限治理與失敗診斷，建立從知識來源到正式營運的決策框架。

整理 AWS × HoyaBit 議程：企業 Agentic AI 四大痛點、Amazon Bedrock AgentCore（Runtime／Memory／Gateway／治理）技術棧，以及台灣金管會合規交易所如何把語音交易 Agent 與企業大腦平台推上正式環境。

整理 eCloudvalley 企業解決方案架構師 Elmer 的演講：AI 應用成本指數成長下，如何以 FinOps（OmiFin）與 AI Agent 治理（MAIAH Platform）兼顧創新與可控營運；涵蓋治理/合規概念、PPT（People/Process/Cloud & Platform）雲端治理模型、FOCUS 帳單標準與 BYOA/Guardrails/Token 控管。

整理 AWS 與 Super 8（雲發互動科技）ORRA 的議程：單一 Agent 決策循環、多代理人 Graph／Swarm／Workflow 三大協調模式、A2A 溝通、Amazon Bedrock AgentCore 核心組件，以及 ORRA 如何讓業務人員以 Job Description 方式在兩分鐘內建立並部署 AI 員工。

整理 AWS ProServ 資深顧問演講《Decompose with Care》：東南亞領先銀行如何以零中斷前提，將 2000 萬活躍用戶的全通路單體平台遷移至 AWS 雲端原生微服務——四大挑戰、Strangler Fig、三層 Facade、Contract-First / Mock-First 與 AI 時代的工程護欄。

整理 AWS 解決方案架構師 HC 與幣託運維經理 Michael 的沙龍分享：OWASP LLM Top 10 安全紅線、runC / gVisor / Kata 沙箱對比、Kubernetes 多租戶隔離層級，以及 BitoClaw 如何以 EKS、KEDA Scale-to-Zero、Pod Identity 與 Network Policy 打造合規低成本 AI Agent 平台。

整理 Amazon 與 TapPay 副總經理 Joseph 的演講：Alexa for Shopping（原 Rufus）如何以單 Agent 架構拿下 120 億美元營收、Agentic Commerce 與傳統導購差異、以及單次虛擬卡、意圖核對與限額管理等 AI 自動購物安全防線。

深度剖析外送龍頭 DoorDash 如何結合大型語言模型、專屬 AI Agent、Model Context Protocol (MCP) 以及三層記憶體系統，打造出日均執行 2,000 次自動化評估的企業級 AI 購物助理系統。

以 Prompt Injection、工具授權、資料外洩、記憶與身分、供應鏈及可觀測性為邊界，建立可驗證的企業 AI Agent 縱深防禦架構。

深入探討 LangChain 最新開源工具 OpenWiki。從底層的 Git Diffs 追蹤機制到全新的「OpenWiki Brains」主動記憶體，全面解析如何為 AI Coding Agent 打造降低 Token 消耗的專屬 codebase 文件系統。

探討 QCon AI 中 Cassie Shum 的演講精華。從底層解析 GraphRAG 如何透過全局脈絡 (Global Context)、多步推論 (Multi-hop Reasoning) 與 Cypher 查詢解決企業級 RAG 痛點，並附上具體的架構實踐。

GitLab Orbit 是一個軟體生命週期的上下文圖譜，專為 AI Agent 與人類開發者提供統一、可查詢的開發數據。本文將帶您了解 Orbit 的底層圖譜 Schema、ClickHouse/DuckDB 部署選項，以及如何結合 MCP 提供強大的 AI 開發體驗。

AI Summit 分享整理：企業 AI Control Plane、15+ Agents 責任分解、理專現場的四段 Runtime 流程、三層安全邊界、LLM-as-a-Judge 品質治理，以及 E·P·J·T 可複用能力底座。

Cloud Summit 分享整理：金融 AI 上線的三條生死線、PoC 為何卡住、Cloud Native AI Runtime 三層架構、MCP 工具治理、Hybrid Search 與 Agentic RAG，以及為何準確度是工作流屬性而非模型功能。

深讀 Thoughtworks 評析文：guides／sensors、computational／inferential、三類 regulation 與行為 harness 缺口，並對照 OpenAI 實戰與常見 Agent 失敗模式，整理可落地的 Harness 盤點表。

深讀 LangChain 長文：Harness 的正式定義、由期望行為反推的元件鏈（檔案、Bash、沙箱、記憶、Context Rot、Ralph Loop），以及模型–Harness 共訓與 Terminal Bench 的啟示。

深讀 Hashimoto 親筆歷程：三階段工具採用、重做 commit 練功、離峰與 slam dunk 委派、AGENTS.md 與可驗證工具，以及「總有一個 Agent 在跑」的現狀與限制。

深讀 2026 年 1 月長文：durability、OS 類比、系統評測缺口、Bitter Lesson 下的輕量 Harness，以及 hill climbing 與訓練—推理收斂。

深讀 Parallel 長文：從意圖擷取、工具執行、context 編譯到驗證與持久化，釐清 Harness 與 orchestrator、framework 的差異，並對照 Anthropic／LangChain 實例。

深讀 2026 年 2 月橫向整理：工程師工作分裂為「建環境」與「管 Agent」、架構當護欄、工具即回饋、AGENTS.md 當系統紀錄，以及規劃與執行分離。

深讀 HumanLayer 長文：失敗常是配置而非模型；釐清 AGENTS.md、MCP、Skills、Sub-agents、Hooks 與 back-pressure，並回應 ETH 研究與 post-training 過擬合爭論。

整理我在《RAG 2026：當向量搜尋遇上代理推理》報告中的核心觀點：為什麼純向量 RAG 會卡在上下文盲視、為什麼 2026 的方向是向量粗篩加代理精讀，以及企業該如何落地可驗證、可治理的混合架構。

根據 Anthropic《Building Effective AI Agents》整理：從單一 Agent 到多 Agent 協作、常見架構模式、工作流設計，以及如何依控制需求、問題複雜度與資源選擇合適架構。