8 步复现清结算复杂图谱 POC，再用 10 项清单把它改造到能上生产（下篇）
所有命令、路径、代码片段都已在本机验证通过。8 步复现 DeerFlow-By-CC × Cruxible 清结算复杂图谱 POC，再用多租户、权限、持久化、监控、幂等、PII 等 10 项清单完成生产化改造。
AI
Agent 工程化的第二曲线：为什么必须用本体论把「对话」变成「可审计的事实底座」——清结算领域本体设计全解（上篇）
绝大多数企业的 Agent 卡在 Demo 惊艳、上线即崩的位置。本文讲透为什么 Agent 必须搭配本体论/知识图谱才能进入金融级生产，并给出清结算领域 17 类实体 × 25 类关系、4 条因果主链与 4 种集成模式的完整设计过程。
企业级 Agent 选型：Star 数之外，真正决定生死的是什么
不少团队做 Agent，路径基本是先 Fork 一个成熟仓库再围绕业务裁剪。挑项目的标准中，Star 数其实没那么重要。维护活跃度、架构可替换性、评测链路完整性才是关键。对政务和大型企业客户，这套标准还要再往下挖一层。
从 Dubbo 到 AI：企业级微服务如何无缝集成智能 Agent
一、背景与目标 大多数企业的核心业务系统基于 Dubbo 微服务架构构建，服务之间通过 Dubbo RPC 协议通信。而新一代 AI Agent 平台（如 DeerFlow）则以 HTTP API 对外暴露能力。 这就产生了一个架构鸿沟： ...
当「脚手架」开始进化：从 Harness Engineering 看 AI 自我改进的另一条路径
大多数人谈论 AI 进步想到的是「模型又变强了」，但同一个底层模型换一套 harness 表现可以天壤之别。Lilian Weng 给出了一个框架：递归自我改进未必要等到模型直接改写权重，决定模型如何观察、行动、记忆、自查、迭代的「部署系统」同样可以被优化甚至自动化优化。
Loop 的四种形态：Claude Code 团队的 Agent 循环设计指南
Claude Code 团队把 Loop 定义为「Agent 为了达成某个停止条件而重复执行的工作周期」。2026 年 6 月，他们在官方博客发布了一篇《Getting started with loops》，系统性地梳理了 Agentic Loop 的四种形态。