宣言不是指南针：AIDD 四大支柱与执行循环
宣言是一种你亲手签署的文件；而指导原则则是一种你付诸实践的准则。本文所要阐述的整段论点，正是建立在这两者之间的清晰区分之上。 引言 当我第一次看到人工智能驱动的发展宣言 （AIDD）时， 我曾觉得这是一个绝妙的构想：由开发者们基于“X优于Y”的敏捷宣言传统，以四条价值观和十二项承诺为依托， 书写而成。初读这些价值观时，我很容易就认同它们，并且愿意为之签字。 然而，随着我逐渐将这份宣言视为指导... 
Olivier Wulveryck Blog
Olivier Wulveryck 的技术博客，关于 Go、AI 与软件架构。
评论
点赞
收藏同样的任务，两种结局：有无规划网关的支付集成对比
通过同一支付集成任务的两次运行对比，展示将治理规则从“文本指令”变为“可执行数据”的效果。无网关时，AI 违规在几天后的代码审查中被发现，导致人工返工；引入规划网关后，规则在规划、锁定和执行阶段被实时拦截和验证，修正仅需一次迭代。文章提供了完整的代码片段、Rego 策略示例及 curl 复现教程，适合关注 AI Agent 工程落地与治理机制的技术人员。 
受控的技能注册表：企业级Agent能力的策略即代码
提出企业级Agent技能治理方案，将技能分为不同安全等级，并通过策略代码（Rego）在发布、安装和运行时三个环节进行验证。解决了传统包管理器无法语义理解技能风险的问题，确保技能符合架构决策。适合关注Agent规模化落地和安全治理的技术人员。 
放大的智能体循环：护栏作为加速器
引言 本文结束了自三篇博文以来所展开的系列探讨。 在《看见、行动、修正》一文中，我介绍了将代码代理从“小工具”转变为生产级工具的三大关键杠杆， 并提出了一套网格化框架，用以区分那些能够长期稳定运行的平台投资，以及那些仅能暂时应付的“拐杖式”投入。 在《谁来做什么？——面向代理型平台的团队架构》一文中，我将代理型组织映射到了这一平台架构之上。 而在《将规则固化下来》一文中，赋能团队则将自身的防护机... 
编码规则：构建智能体软件交付生命周期背后的平台
引言 本文是我们对团队拓扑.在组织规模上——跨多个产品和团队——构建可靠的软件， 需要我们根本性的运营方式转变。 在现代的人工智能驱动软件交付生命周期（SDLC）中，流程对齐的团队应完全专注于解决方案， 将实际实施委托给人工智能系统。这个智能循环是现代软件的引擎，直接由一个强大的内部平台驱动， 提供模型和推理引擎。 但我们怎么启动这台发动机而不让它脱轨呢？ 仅靠技术还不够;我们需要合适的人... 
当AI代理拒绝在未获付费时工作
暴露问题 为每个开发人员提供一个强大的本地人工智能代理感觉就像是终极生产力黑客。 但对于大规模运营的组织来说，这是一个 治理和成本陷阱 等待春天。 目前，软件开发生命周期 (SDLC) 中的人工智能革命几乎完全发生在开发人员的笔记本电脑上。 我们正在构建孤立的整体代理循环。 我一直主张转向代理平台，因为我相信这种本地优先的方法只是暂时的。 但在解释该模型为何失效之前，我们先来定义一下“大规模... 
谁做什么？代理平台的团队拓扑结构
代理型平台定义了需要提供哪些服务。团队拓扑结构则明确了由谁来提供这些服务，以及各团队如何相互协作以实现这一目标。 这是第二版，采用更贴近人类语言的表述。第一版大致是人工智能完成的翻译版本。本版由人工编辑而成，希望能让读者读起来更加顺畅、易于理解。 在系列文章的第一篇中，我们提出了一个核心问题：“究竟需要哪些系统性能力（如上下文、 监管机制、工具体系）才能在规模化场景下打造可靠的应用？ ”答案是...
规模化下的 Vibe Coding？工程体系的反击
生成式人工智能彻底改变了代码的生产方式。 短短几个月间，我们从仅能实现自动补全的工具，发展到能够编写、测试并部署整套应用程序的智能代理。 如今，市场中充斥着各种各样的方法，用于为这些智能代理构建框架，并使其产出高质量的代码。 然而，这种海量的工具选择也引发了一个鲜少被企业关注的问题：当您并非只打造一款应用，而是打造五十款应用时，会发生什么？ 答案在于一个每个人都容易忽视的差异：一款软件即使“设... 
关于工程级代码代理，我希望早点知道的几件事
文章提出编码代理的“SEE-ACT-CORRECT”三杠杆模型，强调上下文窗口是稀缺资源，需按需打包。 指出验证环节常被忽视，导致生产力悖论。建议优先投资能随模型进化增值的“放大器”工具，而非补偿性手段。 
用 Go 构建智能体系统自动生成 Google 幻灯片：我的实战心得
一位顾问分享了用 Go 语言构建多智能体系统自动化生成 Google Slides 的实践。系统通过分离大纲、选择、写作和审查角色，解决了模板填充的机械问题。 作者强调代码并非核心壁垒，精心设计的 300 页咨询演示模板库才是关键护城河。文章详细记录了从单体原型到模块化架构的工程决策及 ADR 文档。 
智能体网格：规模化认知自动化架构
作者提出“智能体网格”架构，主张将AI智能体视为独立软件产品进行工程化管理，而非简单的提示词组装。文章借鉴数据网格理念，强调智能体需归属业务领域，并通过标准化契约和自动化治理实现大规模协作。 该方案旨在解决当前企业级AI应用中智能体缺乏工程严谨性、所有权不清及难以规模化复用的问题，提倡建立数字平台基础，逐步从原型过渡到生产级的智能体生态系统。 
AI学习循环中的人类局限：为何RLHF可能阻碍智能突破
文章对比了 AlphaZero 的自我博弈学习与当前基于人类反馈强化学习（RLHF）的大语言模型。指出 RLHF 虽然让 AI 更听话，但也限制了其超越人类认知的能力，因为人类评估者往往缺乏领域专业知识。 作者主张重新引入基于现实结果的“接地”反馈，让 AI 像 AlphaZero 一样在模拟或物理环境中通过试错来发现人类未曾设想的新策略，而非仅仅优化取悦人类。
MCP的3个U：让工具对LLM有用、可用且被使用
作者以记忆图谱工具为例，指出LLM因缺乏约束会随意创造关系词，导致数据混乱。引入本体论和MCP Prompt可提供语义引导，确保工具被正确使用。 文章强调MCP工具设计需考虑AI用户的“可用性”，通过清晰的文本描述和Prompt，解决LLM交互中的语义歧义问题。
从零构建基于 Go、VertexAI 和 Gemini 的 MCP 智能体系统
本文是系列文章的第一部分，主要介绍 Model Context Protocol (MCP) 的基础概念。作者解释了智能体如何通过标准化协议与外部环境交互，以及 MCP 如何定义资源、工具和提示词的标准接口。 文章还探讨了 MCP 对商业范式的影响，认为其可能引发下一轮数字革命，使智能体成为连接用户与企业服务的关键枢纽。
MCP系列之二：基于VertexAI和Gemini的自定义Host实现
作者使用 Go 语言和 Vertex AI SDK，从零实现了一个兼容 OpenAI v1 API 的自定义聊天引擎。 文章详细记录了处理流式响应、函数调用（Tools）以及解决流式调用中状态同步问题的工程细节。
MCP 实战三部曲之三：为特定用例构建自定义 DuckDB 服务器
本文是 MCP 系列教程的第三部分，作者以实际场景为例，演示了如何从零开始构建一个基于 Go 语言的自定义 MCP Server。该工具封装了 DuckDB，允许 AI Agent 直接查询本地数据文件。 文章详细讲解了 JSON-RPC 协议的封装、工具注册以及通过 STDIO 进行通信的具体实现，并提供了完整的代码示例和运行结果，适合希望深入理解 MCP 协议落地的开发者。
如何利用数据激活价值飞轮效应
作者结合David Anderson的价值飞轮理论，提出激活数据驱动业务的四阶段模型。从明确目标、评估技术现状、快速迭代到长期治理，强调数据工厂在跨部门协作中的核心作用。 文章将业务战略与技术架构结合，为CDO和CTO提供了一套组织数据成熟度的参考框架。
适合博客篇幅的微数据网格实践
作者以个人博客为例，演示如何在小型生态系统中应用数据契约（Data Contracts）。通过将书籍内容切片并转化为结构化数据，再结合生成式AI进行语义检索， 展示了跨领域数据协作的可行性。 文章详细介绍了使用Bitol标准和CUE语言定义数据契约的过程，并通过代码示例验证了从数据生产端到消费端的全流程。这种实践为理解数据网格和数据治理提供了具体的工程视角。
构建数据产品时，我们的工程实践在哪里？
作者从零开始用Go语言构建了一个简单的RAG应用，以探索数据产品的工程实践。 文章记录了从数据清洗、Embedding生成到向量相似度计算的全过程，并总结了关于数据授权、分段策略及提示词工程的五点经验教训。
数据即产品与数据契约：数据成熟度的演化视角
作者基于 Simon Wardley 的演化模型，分析数据治理从概念验证到企业级应用的成熟度路径。 文章指出数据从单一应用走向跨域共享时，采用产品思维和数据契约是关键转折点。
化繁为简：从 WebSockets 到 HTTP 流的演进之路
作者开发 reMarkable 平板手势控制工具时，放弃 WebSockets 改用 HTTP 流传输事件。 原因是 WebSocket 调试困难且依赖第三方库，而 HTTP 流更简单、符合 Unix 哲学，便于直接操作字节流。