HiRoute:Jev 模型智能路由实践
用 Agent 做一项稍长的任务,经常会遇到这样的情况:资料整理得挺快,一到方案推导就开始绕圈;代码已经写出来了,但关键边界没有处理好。这时,我们往往得自己判断:是再提醒它一句,还是换一个更强的模型?如果全程使用强模型,成本又会花在大量读文件、整理材料和格式调整上。一次任务里的工作难度一直在变,执行效果也只有做过之后才看得出来。模型选择如果能跟着这些变化走,会是什么样?HiRoute 尝试把这件事接到现有 Agent 的工作流里:用 Jev 判断当前任务需要多强的能力,同时评价上一阶段完成得怎么样,再为接下来的工作选择模型。
云栖实录丨面向 AgenticOps 的开源建设:采集标准化、统一语义建模与能力评测
AgenticOps 进生产需跨越采集、理解、验证三道墙。阿里云开源 LoongSuite/OBI 实现全栈标准化采集,UModel 构建可信赖调查上下文,BRiSE 打造可复现评测基准。三者构成社区共建的工程底座,让 Agent 在真实环境中事实可采、故障可读、能力可验,推动智能运维从 Demo 走向稳定生产。
Agent 一直在行动,任务为何没有进展?PoS 识别并打破 Belief Trapping
Agent在执行长程、多轮交互任务时可能持续调用工具,却始终无法推进任务目标,陷入“信念受困”。阿里云云原生团队联合南开大学和清华大学提出PoS,通过显式维护对当前任务世界状态的信念,识别停滞、循环和偏离,并引导智能体走出困境。
深势科技基于 AgentLoop 构建科研 Agent 运行观测体系的实践
通过引入阿里云 AgentLoop,我们进一步完善了运行观测与排查能力,也为不同领域科研 Agent 复用基础设施、交付专业成果提供了更稳固的工程支撑。
AgentLoop 审计:如何让企业级 Dify 应用的风险看得见、查得清
本文介绍阿里云智能体审计平台(AgentLoop)如何帮助企业发现人工智能应用平台(Dify)的风险:追踪模型与工具调用,识别信息泄露、恶意指令和越权操作,并通过自定义规则持续审计、定位原因、推动整改。
云栖实录丨云监控 2.0 让 Agent 看懂系统,也能看懂 Agent
云监控 2.0 升级 Agentic Observability,让 Agent 看懂系统、也看懂 Agent:一面把完整可信的事实,经智能接入、数据治理、统一语义与标准入口交给 Agent;另一面把 Agent 自身的轨迹、成本、质量与风险,做成可解释、可下钻的观测。
HiRoute 智能路由实战:GPT-6 Astra × Qwen-3.8 Flash,同等质量下成本降低 90%
混合模式相较全 Astra 的成本分别降低 92.01% 和 91.39%。
用自然语言驾驭日志:阿里云 SLS Agent Skills 实践指南
SLS围绕日志采集、资源管理、索引配置、查询与分析、告警与可视化等场景,构建了覆盖日志全生命周期的Agent Skills体系。SLS 正持续拓展可观测数据的应用边界,推动Agent深入问题发现、诊断、修复与验证全过程,释放 Agent 在研发、运维、运营、安全等场景的潜力。
STAROps 前端排障实战:从 React 报错到源码定位与修复验证
文章以 React 电商应用故障为例,展示如何借助 RUM 与 STAROps 完成前端问题闭环:通过 JS 堆栈、React 组件堆栈和 SourceMap,定位折扣空值导致的 toFixed 报错及受影响页面;修复后再用加购、支付事件验证业务恢复,并通过 Mission 持续监控后续版本的错误与性能。
15 个 Agent 组成研发小队:多智能体协作的端到端研发体系
这几年,AI 写代码的能力进步很快。把一个需求交给 Coding Agent,它已经可以读代码、改代码、跑测试,甚至准备好 PR。但在实际研发中,我们会遇到一个问题:代码写得更快了,一个需求从提出到上线,为什么还是要花那么长时间?围绕这个问题,我们尝试用 AgentCore 把 15 个不同分工的 Agent 组织成一支研发小队,让它们参与完整的交付流程;再通过 AgentLoop 分析运行过程,持续改进这支小队的表现。这篇文章就聊聊,这套方式怎么工作,以及我们在实践中遇到了哪些问题。
阿里云 STAROps 全新升级,让 AI 持续推进问题闭环解决
阿里云发布全域智能运维平台STAROps全新能力,构建Agentic Ops闭环,通过构建统一的运维上下文、跨域诊断与根因定位以及持续闭环处置让AI从“给出答案”进阶为“关闭问题”。推动运维从被动响应转向Agent自主守护、人做关键决策的新模式。
AI 进入生产后,研发组织怎么变
阿里云 CTO 产研线围绕业务北极星目标展开的实践已经取得了一些局部成果,也开始暴露出更难的问题:当 AI 原生实践走入深水区,单点提效和局部最优远远不够。
让 Agent 学会判断:从 JEV 接入到完整 Harness 决策流程
将JEV模型接入Agent流程,在工具选择、执行防护及回答审核等环节提供结构化判断与概率输出,辅助程序决策。
告别手动补索引:SLS 支持索引自动发现,让数据开箱即用、自由分析
SLS 推出自动发现字段索引,新字段写入即建索引,无需手动配置或重建。统一 text 类型兼容动态数据,SQL 自动数值转换。完美适配 AI Agent 运行时动态查询需求,实现日志分析开箱即用,告别索引维护瓶颈。
网关处理时延降低 97.1%:开源 Higress 与阿里云 AI 网关 Serverless 企业版性能对比
开源 Higress 对比 阿里云 AI 网关 Serverless 企业版,网关处理时延最高降低 97.1%;通过按量付费与平台托管,减少资源预留和日常维护投入,让性能与长期成本一起得到关注。
从 HTTP 200 到第一个有效输出:AI SSE 拨测如何量化流式体验
阿里云云拨测升级 AI 应用监测能力,支持 SSE 首事件延迟、事件间隔与流持续时间等指标,结合智能分析和日志联动,帮助定位流式响应卡顿与服务异常。
Kitta:Code Review Agent,提升代码审查质量
本文将介绍 Kitta,一套面向领域深度定制的 Code Review Agent。它将通用智能体领域化,通过沉淀项目级专家资产、定制审查流程与领域知识库,并构建在线离线协同进化闭环,精准解决领域特定的代码问题。
AI 语音一直“正在连接”?用 RUM 排查 WebSocket 建连问题
阿里云 CMS 2.0 RUM 通过 WebSocket 握手记录,精准定位建连失败原因。结合端云 Trace 关联,将笼统的“无响应”收敛为可排查的具体线索,快速区分客户端、网关或鉴权问题。
阿里云发布 AgenticOps 全栈能力,让 Agent 成为运维与研发的第一用户
阿里云发布贯穿全栈的 Agentic Ops 能力,以云监控 2.0 与 AgentLoop 扩张观测边界、STAROps 闭合智能运维、云效研发智能体延伸至研发交付,并通过OTel、UModel、BRiSE等开源共建夯实行业底座。帮助企业落地从观测、评估到决策、自进化的完整智能演进路线。
不用写代码,网页CAD里说句话就能画图?大模型接进MxCAD的接口优势
CAD AI模块是嵌入网页CAD的轻量插件,通过自然语言指令驱动:整理图纸状态→调用大模型生成标准JS代码→沙箱安全执行→图形预览与人工确认。模块不内置模型、不直操作图,专注可读、可验、可迭代的代码生成,赋能高效智能设计。(239字)
同城外卖怎么上云:高峰削峰、订单-运单解耦与阿里云拼装
同城外卖上云的关键,是把峰值交易、快照化计价、可回放的 GEO 调度改派、幂等支付退款放到正确的同步与异步边界上,并用 API 网关、ACK/FC、RocketMQ、Redis、RDS、OSS 与 SLS 按域拼装。
Excelize 开源基础库发布 2.11.1 版本更新
Excelize 是一款开源的 Office Excel 电子表格文档基础库,2026年11月2日,社区正式发布了 2.11.1 版本。该版本包含 30 余项更新,包括新增功能、错误修复、安全和兼容性提升优化。来自世界各地的 30 名开发者为此版本贡献了代码。
从“治已病”到“治未病”:浩瀚能源与阿里云共建充电补能异地双活高可用体系实践
本文将着重介绍浩瀚能源技术团队是如何将体系建设,架构演进到常态化演练,形成了一套可以复制的高可用治理方法论。本文以浩瀚能源公充业务的异地双活建设为主线,还原这段“治未病”的工程实践。
从个人生产力到企业生产力,阿里云发布企业级 Agent 平台 AgentCore
云栖大会期间,阿里云发布了企业级 Agent 平台 AgentCore,旨在通过更加原生的人机协作方式,以及更完整的 Agent 构建和治理的平台能力,提升企业的生产力。
阿里云发布 Alibaba Cloud AI Agent Handbook,阐述“智能面积”
云栖大会 Agentic 技术主论坛,阿里云发布 Alibaba Cloud AI Agent Handbook,旨在呈现 Agent 的前沿思考和落地实践,为企业选型、内部立项和创造价值提供参考。开源地址:https://github.com/aliyun/ai-agent-handbook
看清 Coding Agent:从执行记录到风险调查
读网页为何会触发危险命令,清理测试目录为何误删个人文件?本文结合公开案例,介绍 LoongSuite-Pilot 如何采集行为记录,以及 AgentLoop 如何结合上下文核对用户授权、还原操作过程,让风险判断有据可查。
2026 Agent 开发者调研报告丨Alibaba Cloud AI Agent Handbook
今年,我们在北京、深圳、广州、上海、杭州等城市举办了多场线下开发者沙龙,旨在了解 Agent 在各行业的发展现状。此次开发者调研回收了有效问卷 1906 份,受访者以企业的技术决策者、架构师、一线工程师和产品经理为主。本文将呈现我们的调研详情,希望对从业者们能提供一些参考。
千问办公 × AgentBridge:连接企业数据,让智能分析触手可及
在 2026 云栖大会 AI 实时数据智能论坛上,千问办公联合 AgentBridge 正式发布 “数据分析专家”套件——业务人员用自然语言,即可安全调用企业多源数据,得到一份经过分析与复核、可直接交付的报告。
Kafka 不止于消息:阿里云发布面向 AI 的流算湖一体化实时数据平台
9 月 22 日,阿里云在云栖大会 AI 实时数据智能论坛上正式发布 Kafka 流算湖一体化实时数据平台——从统一实时数据入口,到数据进来即算、处理后原生入湖,云消息队列 Kafka 版加速向实时数据平台演进。
RocketMQ for AI:基于 LiteTopic 的 Agent 异步通信架构与生产实践
随着 AI Agent 从简单的单轮问答走向复杂的编码与工具协作,任务执行周期被拉长至分钟甚至小时级。面对网络中断、资源争抢与状态丢失等生产级挑战,阿里云在 RocketMQ for AI 的持续演进中,于 9 月 22 日云栖大会 AI 实时数据智能论坛上正式发布 LiteTopic 的多项新特性,并展示了其在阿里云百炼与 Qoder Cloud Agents 中的落地实践。本文将深入解析如何利用 LiteTopic 构建高可靠的 Agent 异步通信架构。
阿里云 AgentBridge:为生产级 Agent 构建多源实时上下文
9 月 22 日,AgentBridge 在云栖大会 AI 实时数据智能论坛上正式发布。作为一站式 Agent 实时数据上下文服务,AgentBridge 连接企业分散的数据源,围绕业务任务组织实时事件、业务事实、历史信息和规则,为 Agent 提供可信、可追溯、持续更新的上下文,帮助企业将 Agent 应用于实际业务。
CAD的对象选择:从交互拾取到程序化查找
本文详解MxCAD对象选择机制:分为UI交互(点选、框选、栅栏选、累加选)和无UI编程选择(全选、ID/句柄查找、特征筛选)两大类;统一通过McObjectId标识对象,以MxCADResbuf实现跨场景筛选(类型、图层、颜色等),最终在MxCADSelectionSet中统一管理与遍历。
npm 私服怎么搭:从安装到配源、scope 和 publish
私有化部署后接 npm:建 HOSTED/PROXY/GROUP,配 .npmrc 与 scope,用最小包跑通 publish/install,并处理 E401、E404、E409。
智能聚类:从海量 Trace 中理解 Agent 的行为和表现
本文介绍从海量 Agent Trace 和 Session 中提取请求意图与用户任务并行进行聚类,结合耗时、Token 消耗与交互摩擦分析运行表现,帮助发现线上共性问题,为问题排查与能力优化提供依据。
从 Agent Framework 到 Agent Harness,开源 AgentScope 项目新定位
AgentScope 2.0 正式演进为通用Harness,通过任务、信息、行动三层机制及沙箱隔离架构,支撑企业构建Agent应用、可服务化的Managed Agents平台。
Nginx 413 排错:client_max_body_size 加在哪一层才生效
本文详解Nginx 413错误排错:`client_max_body_size`需正确配置在`http`/`server`/`location`任一作用域(优先级递增),推荐写在`server`块中与`listen`同级;强调配置后必须`nginx -t && nginx -s reload`,并提醒排查CDN、多server块、后端限制等常见陷阱
周五 21:47,checkout 又慢了:云监控 MCP 想接住的那二十分钟
阿里云云监控 MCP Cloud 正式发布,提供近 200 项工具,Agentic 能力再进一步:让 Agent 直接查询与管控用云可观测,守护应用稳定运行。
玩家说“充值没到账”,日志只回了一句 BAG_FULL
玩家说“充值没到账”,日志里却只有 deliver_status = failed 和 error_code = BAG_FULL。玩家的话和日志的话是两种语言,中间差着一层业务翻译。本文以游戏客服为例,讲怎么把业务口径教给 AI,让 SLS 语义层和 DataAgent 替客服查日志、写答复。
从钉群提问到任务交付:团队级 Agent 基础设施全链路实践
依托钉群无人值守、跨群会话记忆、组织知识检索及前端专业 Skill,云原生消息前端团队自研的内部研发协作平台 Domino 正经历关键演进——从单一的代码执行工具,升级为能够理解团队上下文、持续沉淀演进并闭环真实交付的研发 Agent 系统。
从容面对收银高峰,乐檬的零售连锁智能运维实践
乐檬以阿里云云监控 2.0 与全域智能运维平台 STAROps 为核心,通过 UModel 将日志、指标、链路数据统一建模为全链路数字孪生,落地统一告警治理、自然语言观测、智能巡检与专属运维数字员工四层能力,使告警收敛 70%,需求响应与平均恢复时间均缩短到分钟级。