在模型接入之上，平台系统性补齐了智能体构建所需的基础能力，包括提示词管理、上下文与会话管理、知识库接入、多模态内容解析、函数调用与代码执行等能力，使智能体能够处理更复杂的输入形式，并具备调用企业内部系统与外部服务的能力。在 AI 基础设施层，AIWorks 结合大模型一体机与模型微调服务，支持企业在私有化环境中部署和运行大模型，满足高安全等级场景的使用要求。
在运行与管理层面，AIWorks 支持智能体的统一发布、运行监控与版本维护。已构建的智能体可以被重复调用，并以 API 或组件形式嵌入不同业务系统中使用，支持多环境部署、多版本管理以及调用链路与日志的统一监控。通过对运行状态、调用情况和异常问题的持续观测，智能体逐步具备了在企业环境中长期运行和持续演进的条件。
回到最初的问题，我们在 2025 年反复思考的，是“数据智能如何真正落到企业的日常运行中”。通过 1 + N + X 的推进路径，我们逐步厘清了从平台能力建设，到场景智能体落地，再到行业经验沉淀的完整链路。数据智能不再是一组零散能力的叠加，而是能够被持续构建、稳定使用并在行业中不断复用的体系化能力。这也为后续在更复杂业务场景中的深化应用，奠定了清晰而可持续的基础。
今天被一张《IT 开发工作可能要完全重组》的图片刷屏，图片中的观点是：传统的「产品-设计-前端/后端」模式在 AI 时代将被变革。
很多人会觉得“前端没有实际的必要了”是管理者自嗨，但就我个人的见闻而言，这可能真的是未来趋势。
基于 AI 的一专多能“超级个体”模式已经在很多公司铺展开，未来不久程序员大概率会不分前后、只剩全栈。
之所以敢这么笃定，是因为今年我亲身经历了这个变化。
简单聊聊我的工作变化
今年我的工作 80% 都是 AI 相关，工作内容上有三个比较大的转变：
技能层面：从“纯前端技术”转向“产品设计+AI内容生产+代码实现”的复合能力（例如：结合自身的冥想经历，提出并开发上线冥想呼吸练习功能）。
协作层面：从“与产品/后端对接”转向“与AI协同+跨部门整合”（例如：直接参与产品需求设计，用 AI 快速做 demo、上线验证方案可行性）。
成果层面：从“交付代码”转向“交付「产品+技术」解决方案”（例如：用 AI 生成热点资讯）。
工作时间分配上，也从之前的「大部分时间手写代码」变成了：
20% 的时间：手写代码（一般是改 bug）
30% 的时间：指挥 AI 写代码、review、accept/undo、cmmit & push
30% 的时间：优化提示词的效果
20% 的时间：和 AI 碰撞点子和改进方案
在我做的这些项目里，正如文章开头的图片所说，完全没有前后端岗位的概念，基本上都是和业务方沟通完需求、确定好方案，就开发、上线，甚至有的需求我自己定方案（在 AI 的加持下）。
为什么要强调这些？因为真实的食物是一个「整体」，而不是营养素的简单堆砌。拿一个橙子和一杯橙汁来说，从营养成分表看，两者的维生素 C 含量可能差不多。但橙子有完整的膳食纤维，消化吸收慢，血糖反应平稳，饱腹感强；榨成汁后，纤维没了，糖分浓缩了，一杯下去血糖飙升，而且很快又饿了。同样的来源，最终对身体的影响却截然不同，而这种差异是营养成分表体现不出来的。
指南中还有相当篇幅讨论分层人群的饮食建议：如婴幼儿喂养（母乳、维生素 D、辅食引入、过敏原等）、青少年营养（钙、铁、维生素 D，以及避免能量饮料等）、孕妇哺乳期和老年人的优先营养素，还有素食和纯素饮食的注意事项（少吃加工替代品、重点营养素的监测和补充策略等）。由于篇幅所限就不展开了，有兴趣的读者可以自行查阅原文，现在有 AI 辅助，英文文档读起来也很方便。
更有意思的是，这个“残余隐患”的发现路径，几乎与玄武实验室依赖复杂 Agent 体系（Atuin）进行自动化挖掘的路径相反：星图研究员在看到玄武实验室相关信息后第一时间尝试复现。作为安全研究团队，我们希望对 AI/大模型在漏洞分析中的有效性做更“朴素但可对照”的评估——因此我们没有调用外部网络，也没有搭建多工具链 Agent，而是把公开上下文（即ecdsa.go，prompt为：“请你帮我查找其中的安全隐患”。）直接投喂给 Gemini 2.5 Pro 与 GPT-5。出乎意料的是，在“无外部检索、无复杂编排”的条件下，大模型依然给出了准确的漏洞挖掘、机理拆解与推导链路，并能自然地把关注点落到“约束是否完备/边界是否严格”这种最容易在修复阶段被忽略的细节上。
我们关注到当时的网络安全圈的一些评论，例如微博上对这个的讨论是： “用 AI 发现代码中的漏洞已经没什么稀奇了。但是在密码学库，尤其是经过多轮人工审计的 Web3 社区的密码学库里还能发现漏洞，这就让我们对 AI 能力边界的认知又扩大了一圈。” 这个案例给了我们一些新的如何利用AI能力开展安全研究的启发，AI的能力在目前的安全研究人员认知中可能被低估了，需要大家进一步评估AI挖掘漏洞的潜力。
既上次的监控小脚本之后做了一些视觉优化和新的功能！（本来想更新在那个帖子里半天没找到编辑……） 这次增加了一个新的小脚本 —— 批量起号脚本（存疑），支持的功能有：根据你上传的图片和文案随机组合，定时发送。给定帖子 url，批量关注帖子下的用户 并且由于 x 的 api 直接一个大变导致现在实在用不了了，所以现在的脚本以及之前的监控脚本加了新的操作方式：模拟浏览器登录（第一次会需要常规登录，后续就一直按照这个浏览器来模仿登录了） 主要在 windows 上做的调试，mac 包暂时没测试过）
