KeyFrame內部研究專用

From No-Code to Pro-Code: Learn How You Can Build Agentic Applications

Oracle·7月14日週二·56 min英文

三句話摘要

介紹 Fusion Agentic Applications 的完整架構、開發方式與部署方案,展示如何透過多代理協作系統降低業務流程的認知負載。 Agentic Applications 透過多代理協作、完整的四層運行時堆疊、企業級治理與雙軌開發工具,將業務流程的認知負載從人轉移到系統,既支援 citizen developer 用自然語言快速構建,也滿足專業工程師的完整程式碼控制需求,最終以 Fusion 原生工件部署,實現真正的企業級自主流程管理。 所有權與認知負載的轉變:傳統代理將流程管理的認知負載完全留給使用者,而 Agentic Applications 由多個專精代理組成的團隊擁有整個流程,系統能自主監控、分析、推薦並執行優先級行動,使用者只需審批關鍵決策。採購指揮中心與護理長管理系統都證明了這種轉變能大幅提升工作效率。

重點整理

重點
  • 1

    所有權與認知負載的轉變:傳統代理將流程管理的認知負載完全留給使用者,而 Agentic Applications 由多個專精代理組成的團隊擁有整個流程,系統能自主監控、分析、推薦並執行優先級行動,使用者只需審批關鍵決策。採購指揮中心與護理長管理系統都證明了這種轉變能大幅提升工作效率。

  • 2

    四層堆疊的完整系統:使用者體驗層展示實時業務狀態與優先級行動;決策層由專精代理組成,各自監控、分析、協調;工具層提供工作流、驗證、人工核批、確定性政策節點;運行時層整合 Fusion 平臺的安全、身份、權限、知識庫與審計能力,形成真正的企業級系統。

  • 3

    政策節點的革新價值:系統可自動將巨型政策文檔(200 頁福利手冊、複雜合約)轉為確定性程式碼,一次測試後即可百分百準確地無限重複執行,無須消耗 token,同時保持完全可追蹤。例如福利資格審核,透過人員物件與政策節點可即時精確輸出資格判定與下一步行動。

  • 4

    民主化開發:無程式碼與程式碼雙軌並進:無程式碼開發者可在 AI Agent Studio 中用自然語言描述結果,系統自動規劃、組裝代理與模板;專業工程師可用 VS Code + CLI + Skill 完全控制開發,兩條路線最終都部署為 Fusion 工件,體現「誰都能建」的願景。

實用技巧與重點

乾貨
  • 四層架構核心組件
  • 使用者體驗層:即時業務狀態、優先級行動清單、上下文感知通訊模板(郵件、PowerPoint)
  • 代理決策層:監控、分析、推薦、協調、優先排序,24/7 自主運作
  • 工具執行層:工作流節點、驗證邏輯、業務行動、人工核批、確定性政策節點
  • 運行時服務層:Fusion 業務物件、安全權限模型、知識庫、完整可追溯審計日誌
  • 開發工具集
  • 無程式碼:AI Agent Studio(自然語言描述 → 自動組裝代理與通訊模板)
  • 程式碼:VS Code 擴充套件、CLI(100+ 細粒度命令)、AI Agent Studio Skill(最佳實踐庫)
  • 自定義編輯器、視覺化流程、即時互動、自動測試生成
  • 測試與優化能力
  • 自動生成單元測試與驗收測試
  • LLM as a Judge 評估推理品質
  • 模型掃描(Model Sweep):自動比較成本-效能-精度,識別可降級到更便宜模型(如 GPT-OSS)的地點
  • 完整除錯工具:節點重放、變數檢查、工作流重執行、Prompt 遊樂場對比
  • 知識管理
  • 企業知識存儲 + 向量存儲 + 內容智能(新能力)
  • 100+ 預建連接器(可透過無程式碼或程式碼自建)
  • 資料來源:Fusion 業務物件、外部 REST API、SharePoint、Slack、Teams、Jira、Firecrawl 網頁爬蟲
  • 政策節點實施
  • 自動將巨型文檔轉為確定性程式碼
  • 案例:福利資格審核(輸入:人員物件 → 輸出:合資格/不合資格/需更多資訊 + 下一步行動)
  • 執行結果 100% 準確、可複用、零成本重複執行
  • 企業級治理與安全
  • 完整可追溯性:每個代理行動記錄執行者、行動內容、時間、資料異動、工具調用、模型使用
  • 加密傳輸中的 PII、零資料保留保證、OCI 服務防禦 jailbreak 與 prompt injection
  • 繼承 Fusion 應用的安全姿態:資料級、函數級、權限級控制,企業合規基線
  • 人工核批機制:暫停流程、維持上下文、待核批後繼續,逐步提升自主程度
  • 部署與存取
  • 部署為 Fusion 原生運行時工件(非外部 Kubernetes),由 Fusion 平臺統一支援、升級、更新
  • GitHub 公開倉庫提供:VS Code 擴充套件、CLI、AI Agent Studio Skill、多個範例應用程式

結論

結論

Agentic Applications 透過多代理協作、完整的四層運行時堆疊、企業級治理與雙軌開發工具,將業務流程的認知負載從人轉移到系統,既支援 citizen developer 用自然語言快速構建,也滿足專業工程師的完整程式碼控制需求,最終以 Fusion 原生工件部署,實現真正的企業級自主流程管理。

完整解析

詳細

Fusion Agentic Applications 源自第一性原理思考:現實中如何解決複雜業務問題?答案是組織起明確目標、聚集領域專家、透過協作與溝通達成目標。Agentic Applications 正是這個模式的數位化,但由代理組成的專家團隊 24/7 運作,越來越能自主執行工作。

相比傳統單一代理(使用者提問、代理回答),Agentic Applications 徹底改變認知負載的歸屬。採購指揮中心案例說明了這一點:系統內有庫存監控代理、供應商活動代理、拍賣代理,三者協作自動運轉。庫存監控代理偵測到缺貨訊號,觸發供應商代理產生採購單,拍賣代理與供應商溝通並評估中標者。使用者無需逐步指示,只需核准系統推薦的優先級行動——「七個無危害班次調度可直接核批」。這就是流程所有權從人轉移到系統的實踐。

系統架構由四層堆疊組成。頂層使用者體驗與協調層實時展示業務狀態、列出優先級行動並解釋原因,提供上下文感知的通訊模板(自動為特定人員生成表揚郵件、基於當前業務狀況的認可 PowerPoint)。核心是代理決策層:多個專精代理各司其職,監控流程、分析現況、提出特定可執行的建議、協調優先順序、共享記憶。第三層工具執行層提供工作流節點實現自動化、驗證邏輯確保合規、業務行動執行具體指令、人工核批暫停等待核準。特別的是確定性政策節點——系統可將巨型政策文檔自動轉為程式碼,例如 200 頁福利手冊,轉換後運行人員物件即刻輸出「合資格/不合資格/需更多資訊」,一次驗證後百分百準確、無限重複執行、零 token 成本。底層運行時服務與 Fusion 應用緊密集成,統一的安全權限模型(資料級、函數級、權限級存取控制)、企業知識庫與向量存儲、完整的可追溯審計日誌。

開發旅程始於定義業務結果(例如「降低供應商成本、縮短交期」),進入組裝階段添加代理、使用者體驗、政策規則,再添加上下文——Fusion 內的結構化資料、外部系統的文檔與資料(透過 100+ 預建連接器或自建連接器),最後進行測試與治理。系統自動生成單元與驗收測試、支援 LLM as a Judge 評估、最關鍵的是模型掃描功能——系統自動測試不同 LLM 的成本-精度權衡,識別可降級為更便宜模型(如開源 GPT-OSS)的地方。

Fusion 支援無程式碼與程式碼雙軌開發。無程式碼路線在 AI Agent Studio 中,citizen developer 用自然語言描述結果(「構建經理教練工作間,分析團隊目標、風險、簽到狀況」),系統自動規劃、生成代理與模板、支援即時互動與動態調整。程式碼路線透過 VS Code 擴充套件、完整 CLI 與 AI Agent Studio Skill,專業工程師可完全控制開發流程、使用 Codex 或 Claude Code、自定義編輯器視覺化設計、與活資料互動、自動生成測試。兩條路線最終都部署為 Fusion 的原生運行時工件,數分鐘內上線,由 Fusion 平臺統一支援升級。

企業級治理是核心競爭力。每個代理行動都被完整記錄——執行者、行動內容、時間、涉及資料、使用模型、工具調用,形成無法改竄的審計日誌。系統透過 OCI 安全服務防禦 jailbreak 與 prompt injection、加密傳輸中的 PII、保證零資料保留。同時繼承 Fusion 應用的完整安全姿態(資料級、函數級、權限級控制),這正是企業 AI 的基石。人工核批機制確保風險交易可暫停待核批,系統逐步提升自主度——低風險且護欄完善的交易最終可完全自主執行。

開發者現已可訪問 GitHub 公開倉庫,包含 VS Code 擴充套件、CLI、AI Agent Studio Skill、多個開箱即用的範例應用程式。Release 26c 版本的 bin 目錄提供所有必要工件。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。