关键公用事业中的受治理自主智能:智能体 AI 架构
面向受监管公用事业运营的智能体 AI 架构让智能体负责推理和提出行动建议,但由确定性策略门和受治理工具网关控制执行,必要时需人工审批。该架构涵盖 AWS 参考实现、基于 runbook 的上下文基础、受治理预测、结果验证、审计证据和分阶段自主。
面向受监管公用事业运营的智能体 AI 架构让智能体负责推理和提出行动建议,但由确定性策略门和受治理工具网关控制执行,必要时需人工审批。该架构涵盖 AWS 参考实现、基于 runbook 的上下文基础、受治理预测、结果验证、审计证据和分阶段自主。
Henry Wilson 在演讲中分享了 BBC Sounds 重架构中可落地的影响力工具,帮助高级工程领导者推动技术战略。内容涵盖建立认同、应对主动阻挠者、使用 RFC 与 ADR,以及权衡取舍,说明有效的软件架构本质上是沟通、关系建设和组织影响力。
GitHub 公布名为 Project Rubicon 的新 Git 存储架构,将引用状态交由独立的 Ref-CAS 复制日志服务处理,Git 对象与打包文件存放在 Azure Blob Storage,内部测试已支持 5,000 个并发智能体、每秒 7,200 次 push。
推荐理由:GitHub 详解新 Git 存储架构如何在不停机前提下支撑单仓库数千次写入,为智能体时代的基础设施设计提供了可迁移思路。
Michael Stiefel 与 Luca Mezzalira 在播客中讨论软件架构作为一门社会技术学科,需在技术设计与组织的社会和管理语境之间取得平衡。他们探讨了架构选择应适配公司独特文化与团队结构,而非盲目依赖通用最佳实践。
文章提出可靠的 Agentic AI 架构依赖上下文引擎,在信息进入模型前完成选择、注入、压缩与过期处理。文章区分上下文、记忆与知识三者,建议采用分层记忆、精选知识与 Token 预算,并给出上下文塞满、过期数据循环等反模式的缓解措施。作者为 Adi Polak。
Uber 构建 MCP Gateway,用于标准化 AI 智能体在 800 多个 MCP 服务器和 5000 多个工具中发现并调用内部服务的方式。该网关将工具注册与运行时执行分离,并提供自动化 API 发现、访问控制、敏感数据脱敏、通过 Omni MCP 实现的增量工具发现以及响应过滤。
DoorDash 的 Siddharth Kodwani 与 Swaroop Chitlur 分享了内部 GenAI 平台的建设历程,覆盖核心架构选择、从厂商优先方案转向开放权重模型,以及 LLM 与智能体网关的实践。该平台需在准确率、延迟与成本之间取得平衡,服务超过 5000 名内部用户。
Ian Cooper 在演讲中讨论事件驱动架构下大规模异步 API 的管理,提出消息的 "ABCs"(Address、Binding、Contract)框架。他结合 Just Eat Takeaway 的工程实践,介绍如何用 AsyncAPI、CloudEvents、schema registry 和自动化 CI/CD 基础设施流水线解决异步 API 的发现、治理与供给问题。
Uber 重构了 Uber Eats 搜索链路的主要部分,端到端延迟降低 50%。改动包括 Above-the-Fold 测量、减少检索工作量、并行 hydration、广告数据重新设计、基础设施优化以及 AI 智能体编码工作流。Uber 还在探索 microbatching、基于商品的检索和 HTTP multipart streaming。
Pierre Pureur、Kurt Bittner 与 Todd Miller 提出五种用 AI 编程智能体改进软件架构的方法,重点在于借助智能体弥补遗留服务文档缺失造成的知识缺口。现代架构常依赖遗留服务完成特定任务,但这类服务往往缺乏准确文档,理解不足时使用存在风险。
55873 生态系统技术白皮书系列第 8 篇(收官之作)面向开发者社区,聚焦开源共建理念与架构设计,探讨如何在开放架构与保护核心证据数据之间取得平衡。文章围绕底层稳定、业务可迭代的目标,覆盖可信 AI 评测、数字资产存证、多语言文脉生态三大赛道的基础设施建设。