产品判断

AI 工具链选型与自建边界评估

在「自己搭一套」和「买现成的」之间划线：先判断哪一层工作是你必须拥有的，再比价格——顺序反过来就会买错。

当前热门学习成本中等
产品策略工作流AI 智能体

这项技能能帮你做什么

当模型这一层的价差被抹平（供应商按同样的 API 费率计费），采购决策就不再是比单价，而是划分系统边界。

可操作的做法是把一个具体任务拆成两栏：

  • 模型调用：提示词、上下文组装、模型选择、输出解析。
  • 外壳（harness）：任务上下文的接入（工单、diff、仓库）、可执行命令的白名单、组织策略与权限、日志与评测、用量与计费控制。

然后逐项问：这一项如果自己做，是不是我的竞争力？如果答案是否，它就是集成成本，而集成成本几乎总是被低估——它不随模型能力提升而变便宜。

三个常见的判断失误：

  1. 只比 token 单价。 价格是结论不是前提；外壳的年化人力成本通常远大于 token 支出。
  2. 低估控制面。 命令白名单、组织策略、审计这类要求往往是合规硬约束，自建方案要从零补齐。
  3. 忽略迁移成本。 自建外壳如果和某个供应商的接口耦合，换模型时的迁移成本要提前算进来。

这项能力和「模型选型与约束匹配」是一对：后者决定用哪个模型，前者决定模型之外的那一层归谁。

关系网络

在关系网络中的位置

这项技能相邻的技术信号与背景概念，点击节点可继续探索。

AI 工具链选型与自建边界评估
技术 · 17
知识 · 3

用已发布信号练习

这项技能有助于评估的技术信号

Simon Willison Blog · 2026-09-08

借助

纳维-斯托克斯之争：88 小时、3000 亿 token，和一个没回答的问题

9 月 9 日本站因无法核对而没有发布 OpenAI 宣称用 AI 解决纳维-斯托克斯千禧年问题的候选；现在 Simon Willison 逐字引用了 OpenAI 公告并链接了另一方的说明，材料可以核对了，但数学本身仍未经任何独立方核实。按 OpenAI 的数字，智能体约 88 小时得出结果、Lean 验证再用 17 小时，全部尝试合计 3,000 亿个输出 token。另一方 Buckmaster 与 Alpöge 用 Claude 和 Codex 做了近一年，他们问模型是否用其数据训练过，没有得到回答；OpenAI 公告写的是「不能排除」。

为什么重要数学结论本身仍未经独立核实，这一条发布的是围绕它、可以核对的两件事。一是一个传闻就足以触发数百万美元量级的算力投入去抢先到达，与安全领域「知道有漏洞就能派智能体去找」同构。二是「你的数据被用来改进模型」无法从外部核实：被问到是否用对方数据训练过时，唯一能回答的一方恰好是被问的一方，而它的回答是不能排除。
前沿模型产品策略
查看相关信号

Google DeepMind Blog · 2026-09-08

延伸

90 亿个变异预先算好：把模型变成一份资源

Google DeepMind 发布 AlphaGenome Atlas：人类基因组中全部 90 亿个单核苷酸变异的分子效应预测，免费向学术研究开放。模型不是新的，新的是它被整个跑完一遍并发布出来——实验室里逐个测试 90 亿种突变不可行，而把预测大规模预先算好，就把一个需要调用的模型变成了一份可以直接查询的资源。数据集 1 PB，是 AlphaFold 数据库的 30 多倍；每个变异带数千项预测，跨数百种细胞类型。同时发布的 AVI 分数把两个模型压成一个数字，但每个分数都链接回驱动它的生物学特征——合成分数可以被拆回去。

为什么重要可迁移的不是基因组学，是那个部署决定：当输入空间是有限且可枚举的，把模型整个跑完一遍、把结果发布成可查询的资源，比让每个人各自调用要便宜也可及得多。AlphaFold 数据库已经证明过一次，这是同一招在一个大 30 倍的数据集上的重演。第二点同样值得抄：AVI 把两个模型压成一个数字，却把驱动它的特征一起发出来——一个合成分数只有在能被拆回去时才是可用的。
前沿模型推理与部署+1
查看相关信号

Simon Willison Blog · 2026-08-19

关联

以前替你否掉那个功能的是一周工期，现在它只要一小时

Simon Willison 在一次播客里给「代码行数」做了辩护，又给它划了边界：过去一个工程师一天能产出几百行可上生产的代码，两百行已经是极好的一天；如果智能体让这个数字到一千行且质量不变，那是实打实的提升。但产能不是新的瓶颈——认知容量才是。他随后接上《人月神话》的「概念完整性」：加一个功能的成本从一周掉到一小时之后，那个替你否决它的刹车也一起没了。

为什么重要本站最近连着三条信号都落在同一个问题上——没有人负责喊停。这一条给出了机制层面的解释：过去的纪律不是靠人自觉，而是由时间成本代为执行的。工期从一周变成一小时，被删掉的不是那个功能，是那个判断。
工作流产品策略
查看相关信号

Hugging Face Blog · 2026-08-17

印证

同一个集群多出 33 个点的利用率：变的只是分配顺序

Dharma-AI 做了一个带约束的 GPU 分配器，在七个基准场景里对上 FIFO 调度：硬件不变、负载不变，利用率最多多出 33 个百分点，按优先级加权的产出在每一个场景里都上升，最多翻倍还多。变的只有一件事——分配决定是按什么顺序做出来的。它同时把一个常被当作口号的目标翻译成了可执行的形式：不是「让 GPU 忙起来」，而是哪块卡在哪个时间片跑哪个任务、按什么优先级。

为什么重要把利用率当目标是个陷阱：忙起来不等于产出更有价值。这篇给出的判据是「顺序本身就是一个容量决定」——在有争抢的集群里，哪些任务放得下取决于你按什么次序放，而不只是取决于总量。这让一笔已经在折旧的固定资产有了不换硬件就能取回的部分。
推理与部署可观测性+1
查看相关信号

InfoQ 中文 · 2026-08-16

印证

MCP 无状态之后：被少报的那一半，是网关终于读得懂智能体流量

本站 08-01 把这次规范改动发成 critical，写的是无状态带来的部署形态变化。这条补上被少报的另一半：两个新的必需标头让网关不打开请求正文就能路由、限流和计量智能体流量——智能体治理此前一直是协议之上的独立控制层，现在元数据进了传输层。附带一组方向相反的数字：SDK 月下载 4 亿次，而一次审计里某台服务器三个月只有 61 次工具调用。

为什么重要08-01 那条信号写的是无状态化怎么改变部署形态；这一条补上它没写的另一半，而那一半决定谁能治理智能体流量。把方法名与工具名放进 HTTP 标头，意味着限流、计量、鉴权和路由可以由基础设施团队已有的系统承担，而不是再建一层。代价同样具体：人工审批从一条保持的连接变成两个请求，等待不再位于单次调用内部。
AI 智能体工作流+1
查看相关信号

InfoQ 中文 · 2026-08-15

必备

Cloudflare Computer：不给智能体一个容器，给它一台机器

本周第三个关于「智能体运行时归谁」的答案，而这一个换了单位：它认为容器根本不该是那个单位。框架跑在 isolate 里，容器按需连上来当作一次工具调用，两边共享同一套基于 SQLite 的文件系统。目标写得很直白——让不到一成的工作才需要容器。仍是早期预览版。

为什么重要同一周里第三种关于智能体运行时的答案，而它把问题往下推了一层：不是「运行时该由谁提供」，而是「运行智能体的单位该是什么」。如果按需连上的容器只服务不到一成的工作，那么成本模型、冷启动、状态持久化和可观测性都要重画一次。它同时是今天头条那条结论最干净的对照组——star 数差 14 倍，活跃度指标全部反向。
AI 智能体工作流+1
查看相关信号

Hugging Face Blog · 2026-08-14

延伸

开放模型生态半年报：点赞与下载，只有一个仓库同时上榜

Hugging Face 用自家 Hub 前七个月的数据做了一次生态盘点。最该记住的不是排名，而是一个测量口径：按下载量排前 25 与按点赞数排前 25 的仓库，只有一个同时出现在两张榜上——点赞量的是注意力，下载量的是依赖。同一份报告里第一次量到智能体流量，而它自己的许可结论被评论区当场纠正。

为什么重要它给了本站每一条模型信号一把校准过的尺子。「两张榜只重合一个仓库」直接说明：热度高的发布和被真正接进流水线的东西几乎不是同一批。同一周 DeepSeek Harness 两天半拿到 11.4 万 star 而三天没有新提交，正是这条结论的现成注脚。而智能体流量第一次被量出来，且四个月里份额能从 67.8% 掉到 6.4% 再回到 44.4%，说明这一层的选型判断有效期很短。
前沿模型产品策略+2
查看相关信号

InfoQ 中文 · 2026-08-14

印证

DeepSeek Harness 开源：连 Agent Loop 都能换掉

DeepSeek 以 MIT 协议开放了自己的 Harness 开发者预览版，把插件边界从工具层一路下沉到运行时：模型、工具、技能、会话、沙箱、存储、Agent Loop、调度和 UI 全是插件，换掉任何一层都不用改 Harness 源码。仓库两天半拿到 11.4 万 star，但同一份元数据里还有三个数字说明这是注意力而不是采用。

为什么重要把 Harness 的插件边界推到 Agent Loop 与调度这一层，等于把「智能体按什么规则工作」也交了出去。这与三天前微软那条正相反：微软把运行时做成受支持的产品并预置一整套默认值，DeepSeek 把同一层拆成可替换零件并用 MIT 放开。两条路线服务的是同一个已被确认的判断——决定表现的越来越是 Harness 而不是模型——但它们对「谁拥有循环」给出了相反的答案。
AI 智能体工作流+1
查看相关信号

Google DeepMind Blog · 2026-08-13

延伸

Gemini 3.7 Flash：主力档三周一迭代，价格砍半

Gemini 3.7 Flash 在 3.6 Flash 发布仅三周后到来，编码、网页开发与文档密集型知识工作全面提升，而每百万 token 的首发价格是上一代的一半。所有对比都是同族前一版，是这类公告里少见的可比口径。

为什么重要主力档模型三周一迭代且价格砍半，说明这一档的竞争已经从「能不能做」转到「做对的比例和单位成本」——而这两个恰好是跑智能体循环时唯一重要的数。
前沿模型AI 智能体+1
查看相关信号

InfoQ 中文 · 2026-08-13

延伸

生产要持久、评估要轻量——把编排从运行时里拆出来

Brex 的 AI 工作流平台提出一个模式：把编排逻辑从运行时里拆出来。理由是生产环境的持久执行与评估迭代需要的运行时正好相反——前者要重量级分布式持久化，后者要能在几秒内重跑几百次的进程内短暂循环，而主流智能体框架把编排和运行时绑死，逼你二选一。

为什么重要它把一个很多团队隐约感觉到、但没说清楚的矛盾讲明白了：生产持久性和评估迭代要的是相反的运行时，而框架把编排绑进运行时之后，你连选的机会都没有。
工作流AI 智能体+1
查看相关信号

InfoQ 中文 · 2026-08-12

延伸

Vercel Zero：一门把编译器输出的第一读者当成智能体的语言

Vercel Labs 发布实验性系统语言 Zero，前提是编译器输出的主要阅读者不再是人：每个子命令都统一支持 JSON 输出、错误带稳定代码与带类型的修复元数据，副作用必须走编译器强制的能力参数，而 v0.3.0 起图存储才是编译器输入、源码文件降为给人看的投影。

为什么重要它把「为机器设计产物」从主张变成了可运行的东西：错误有稳定代码、修复是可协商的计划、副作用写在签名上、源码本体是图而文本只是投影。同一周的 ARA 对论文做了同一件事。
AI 智能体工作流+1
查看相关信号

InfoQ 中文 · 2026-08-10

印证

微软 Agent Framework Harness 正式发布：智能体的运行时成了产品

微软把 Agent Framework 从 SDK 推进到受支持的生产运行时：Harness 是单个二进制文件，函数调用、历史持久化、上下文压缩、待办清单、文件记忆、工具审批与 OpenTelemetry 全部默认开启，Foundry Hosted Agents 按用量计费。真正值得记住的是随发布一起出现的两个数字——Claude Code 有 98.4% 的代码属于 Harness 基础设施，AI 决策逻辑只占 1.6%；以及一次固定模型参数的对比中，一个运行时在 40 次往返后自停，另一个跑到 300 次不停。

为什么重要智能体的运行时正在从「每个团队自己拼的一层胶水」变成有厂商支持、按用量计费的产品。这件事的分量不在功能表，而在随它一起出现的一个数字：Claude Code 有 98.4% 的代码是 Harness 基础设施，AI 决策逻辑只占 1.6%。如果这个比例大致成立，那么「用哪个 Harness」比「用哪个模型」影响面更大——而多数团队目前只认真评估后者。
AI 智能体工作流+1
查看相关信号

量子位 · 2026-08-09

印证

一次 180 万美元的智能体账单：超预算 860%，五个月后才被发现

亚马逊用 Claude Sonnet 给自家网站填充作者信息，花掉 180 万美元、超预算 860%、五个月后才被发现，而且最终没有部署成功。同期 Meta 员工 30 天消耗 73.7 万亿 token，Uber 四个月烧完全年编码预算。一项调查显示只有 26% 的企业对自身 AI 成本具备全面可见性。这不是一条价格新闻——它是「智能体安静地做错事」这个失败模式的又一种形态：不报错，只出账单。

为什么重要本站此前讨论智能体失败，讲的都是「答错了却说自己做完了」。这批案例给出了更早、也更难察觉的一种：什么都没错，只是没人知道它还在跑。亚马逊那笔 180 万美元的账单五个月无人察觉、最终还没部署成功，而全行业只有 26% 的企业能看清自己的 AI 成本。对任何准备把智能体交给它自己跑的团队，这条把「循环内部要有硬上限」从工程洁癖变成了有价签的要求。
AI 智能体可观测性+1
查看相关信号

Simon Willison's Weblog · 2026-08-04

印证

LLM 0.32：一个命令行工具长成了智能体框架

Simon Willison 发布 LLM 0.32，称其为该项目自诞生以来最重要的一版：推理轨迹打到 stderr 因而不污染可管道的标准输出、接入供应商的服务端工具（含由供应商代跑远程 MCP 调用的 AnthropicMCP）、仿 Git 的内容寻址消息存储解决长对话的重复日志、以及分型的流式事件。工具链还能为人工审批暂停并从存储的消息历史恢复——作者由此写道「我猜 LLM 现在是个智能体框架了」。

为什么重要推理轨迹打到 stderr、答案留在 stdout，是一个很小却值得抄的设计：可观测性和可组合性通常互相打架，而这一版让两者同时成立，没有引入任何新概念。更大的一层是方向——AnthropicMCP 把 MCP 调用收进与供应商的一次往返，说明工具循环正在往服务端挪；而这个项目本身却走反方向，坚持一个能在本机跑、可审计、能拼接任意 OpenAI 兼容端点的命令行。两者的取舍就是「你必须自己拥有哪一层」。
AI 智能体工作流+1
查看相关信号

GitHub Blog AI · 2026-07-22

印证

Copilot 与裸 API：为编码智能体的「外壳」付费，到底买到了什么

GitHub 在 Copilot 改为按列表 API 费率计费之后，正面回答了「既然能直接调 API，为什么还要付 Copilot」——答案是你要自己拥有哪一层：模型调用本身，还是围绕它的编辑器、仓库、终端、组织策略与计费控制这一整套外壳。

为什么重要当模型这一层的价差被抹平，「自建还是采购」的决策依据就必须换成「哪一层工作是你要自己拥有的」。这篇给出的分法可以直接搬到任何智能体平台的采购评估里。
AI 智能体工作流+1
查看相关信号

GitHub Blog · 2026-07-10

印证

Copilot 代码审查复盘：更好的工具让智能体更差，指令才是关键

GitHub 把 Copilot 代码审查的专用代码探索工具换成维护更好的共享 CLI 工具（grep/glob/view），预期是干净的升级——结果基准显示审查成本更高、抓到的问题更少。问题不在工具，在指令：按「审查者实际读 PR 的方式」重写工作流指令后，退化翻转为审查成本降低约 20%、质量不变。

为什么重要生产级智能体的负面结果复盘比成功案例稀缺得多。「更好的工具让效果更差」直指一个普遍盲区：工具与指令是耦合的整体，替换其一必须重写另一——而且没有回归基准，这类退化会被安静地上线。
AI 智能体工作流
查看相关信号

Google AI Blog · 2026-07-07

印证

Gemini API Managed Agents 扩展：后台任务与远程 MCP 接入

Google 扩展 Gemini API 的 Managed Agents：单端点调用即可让 Gemini 在隔离云沙箱内完成推理、代码执行、包安装与文件管理；新增长时程后台执行（background:true 异步运行，凭 ID 轮询/流式/断线重连）、远程 MCP 服务器直连（与内置沙箱工具混用）、自定义函数调用与跨交互凭证刷新。

为什么重要托管式长时程智能体正在成为大厂平台的标配：执行沙箱、后台任务、工具接入都向平台侧收敛，MCP 又拿下一个主流平台的官方支持。团队需要重新评估「自建智能体 runtime」还是「用平台托管」——这条边界正在快速移动。
AI 智能体工作流
查看相关信号

背景概念

与这项技能搭配的知识

软件架构 · 基础

延伸

API 契约与接口边界

当 AI 系统调用工具、串联服务或交换结构化上下文时，稳定的契约至关重要。

附注直连 API 就意味着契约与版本边界的责任回到自己身上。
工作流
查看概念

软件架构 · 进阶

必备

系统设计的权衡

当产品由 AI 驱动时，延迟、可靠性、成本和可控性这些权衡依然适用。

附注整个判断就是一次系统边界划分练习。
工作流产品策略
查看概念

机器学习 · 进阶

必备

模型选型与约束匹配

选模型不是挑最强的那个，而是先找出哪个约束最先咬人——延迟、隐私、成本，还是任务本身根本不需要那么大的模型。

附注决定用哪个模型，和决定模型之外那一层归谁，是配套的两步。
端侧 AI产品策略
查看概念