当数据自己会思考，当代码拥有自主决策的能力——从Workflow到Agentic AI，一个完全自主的数据分析师，究竟是如何诞生的？ 两年深耕，无数次架构迭代与实战验证，我们终于摸清了Agent开发的核心脉络。本文将带你深入Agent的“大脑”与“四肢”，从规划、记忆、工具调度，到上下文工程的精妙设计，一步步拆解如何构建一个真正“会思考、能执行”的智能体。无论你是好奇者、学习者，还是同行探索者，都可以了解下架构认知与实践心得。 文章略长，但每一段都来自真实项目的沉淀。如果你也相信“自主智能”不是空中楼阁，那么，欢迎进入Agent的构建现场。
veDB-HTAP 论文入选 VLDB'25 | 字节跳动高度集成、高效执行&自适应的 HTAP（TP&AP 融合）系统
本文讲述 Dify 平台在 Agentic 应用开发中面临的可观测性挑战，从开发者与运维方双重视角出发，系统分析了当前 Dify 可观测能力的现状、局限与改进方向。
随着微信业务的持续发展，后台模块的运营成本逐步上升，其中机器计算资源占据了重要部分。为有效控制成本，我们自去年起开始探索微信后台服务的性能优化路径，并在早期分享了初步的实验性成果。经过团队半年多的持续努力，如今优化接口已正式对外开放，我们决定借此机会，系统性地介绍我们在性能优化方面的具体实践。本文旨在回顾过去一年中我们在性能优化方面的探索历程，以及在面对多种技术路线时的思考与选择，帮助感兴趣的同学深入理解相关技术细节。文档的整理不仅是对工作的总结，更是思路的梳理。我们也期待通过这样的分享，能够激发更多优化灵感，共同推动后台服务的持续进化。
在这个 AI 技术蓬勃发展的时代，每天都有新东西。每次浏览社交媒体，总能看到自媒体和 KOL 们极力的鼓吹着新产品、新技术，满口「革命」和「未来」，起初真的给我整 FOMO 了，但后来越来越感觉到厌烦，「Function Calling」、「Tool Use」、「MCP」、「Agent」、「Agentic AI」 …… 还有一大堆别的 AI 术语，你很难分清这些概念到底代表了技术的实质突破，还是同一件事被营销话术反复包装，跟前端火的那些年如出一辙，不禁让人感叹 AI 领域的概念也是通货膨胀了。在 10 月中旬，Anthropic 悄然推出了 Agent Skills（后简称 Skills），不出意外，技术社区又炸锅了。有人发出质疑，认为又在炒概念，也有人认为 Skills 虽然简单，但却是比 MCP 还要强大的玩意。最近我花了些时间深入研究 Skills，查阅官方文档，看了些 Youtube 视频，动手写了几个示例。结论是它没有某些 KOL 吹得那么神，但确实有其独到之处。而这背后，潜藏着 Anthropic 试图在 MCP 后进一步标准化 LLM 应用的野心。
