2025年9月，我们发布了《AI 原生应用架构白皮书》，围绕 AI 原生应用的 DevOps 全生命周期，从架构设计、技术选型、工程实践到运维优化，对概念和重难点进行体系化的拆解，并尝试提供一些解题思路。
发布后，我们收到了不少网友的积极反馈，认为这是非常体系化的科普读物，有利于组织内对齐概念，也是 AI 项目立项的重要参考资料。
甚至今年9月，依旧有读者在给我们提优化建议：
去年白皮书的下载地址：https://developer.aliyun.com/ebook/8479
这让我们确信，围绕 Agent 写白皮书这件事，值得长期做。
但随着模型和智能体技术的快速发展，我们发现去年的那版白皮书已经完全不适用于当下。
例如去年，我们花了较大篇幅，描述 AI 原生应用的关键要素。但今年，大家更关注的是以什么样的架构去设计 Harness，以及去提升 Harness 的质量。
去年，我们还在 demo 一个简单的智能体，但今年，企业都已经在生产环境引入智能体，并设计人机协作的机制。
去年，我们在 RAG 上描述了大量的篇幅，但今年，开发者们已经把注意力集中在如何把多来源信息编译成本轮 Context；把不断增长的历史信息进行压缩和卸载；如何把任务事实保存在模型窗口之外；如何把长期 Memory、企业 Knowledge 与可复用 Skill 在正确权限下按需提供给模型。
去年，我们单独为 AI 工具协议写了一个章节，但今年，企业更关心的是 Prompt、Skill、Knowledge 和 Memory 等 AI 资产的发现、优化与沉淀。
去年，我们借助 Higress AI 网关和阿里云 AI 网关上的实践，详细阐述了 AI 网关的定义和发展历程，但今年，业界已经进一步扩大了 AI 网关的应用场景，不再局限于模型、外部工具、Agent 上流量的统一治理，已经往智能路由的方向演进，进一步下沉为 Agent Infra。
去年，我们仅从工具和沙箱维度阐述了运行时的内容，但随着 Agent 被应用于企业真实环境，并被大规模访问，运行环境复杂度成倍提升，仅工具和沙箱已经无法满足 Agent 在稳定性、安全、性能、成本等方面的运行诉求。还应该包括状状态存储与语义资产、统一流量治理、异步任务与自动化流程、Multi-Agent 协作与编排、分布式通信与消息治理等等。
去年，我们对 AI 评估仍然停留在模型层面，以及 Agent 层面的数据采集。但今年，企业落地 Agent 最缺少的是调优智能体完整的方法论和实践，如何构建包括 Trajectory、声明式 Pipeline、黄金数据集、持续评估与实验、Badcase 修复在内的进化飞轮。
...
可见，市场的关注度已经从快速构建智能体，转向以下三大新挑战：
- 工程化挑战： 从概率智能到可靠生产力，Agent 能够承担关键任务。
- 规模化挑战： 稳定、安全、性能、成本，从单点试验到智能基础设施，Agent 能够被大规模部署。
- 组织化挑战： 从 Agent 孤岛到智能组织，Agent 能够进入核心业务流程。
因此，今年我们重新组织编写团队，更广泛的引入有着丰富实践经验的一线工程师，希望今年的白皮书：内容更与时俱进，实践篇幅占比更高，协作更社区化。
今年白皮书将采用开源项目作为载体，非电子书。原因是人和 Agent 的阅读体验更好，协作效率更高、更新成本更低。项目名拟定为 Alibaba Cloud AI Agent Handbook。
今年白皮书将围绕智能体应用的全生命周期展开，依次为：架构篇（第 1–2 章）、构建篇（第 3–6 章）、运行篇（第 7–12 章）、治理篇（第 13–16 章）、调优篇（第 17–24 章）、业内实践篇（第 25–29 章）、总结与展望篇（第 30 章），由50多位一线工程参与撰写，字数超30万。正式开源后，我们欢迎业内开发者们一道，贡献实践内容，以保持白皮书的生命力。
讲了这么多，也许有人会问：AI 如此强大的当下，分分钟能写10本质量不错的白皮书出来，你们还有必要再去写一本白皮书吗？
是的，这也是我们集结众多一线研发工程师前，扪心自问过的问题。文字生产成本虽然下降了，但并没有让写作失去价值，稀缺的东西不会消失，只会转移。
- 比如自洽的概念和语言： Harness、Runtime、Agent、Workflow 这些词，不同人、不同视角，讲的可能并不完全是一件事。AI 会放大这种混乱，我们希望通过白皮书建立一套自洽的概念和叙事框架，让不同团队之间能够在同一个上下文里讨论问题、做决策。这件事虽然没有什么技术含量，但需要有实践经验的团队统筹各个领域的一线工程师，有意识地去梳理，和做取舍。
- 比如判断： 模型很擅长把已经存在的信息重新组织成通顺的表达，但它提供的，往往是一个看起来很合理的平均值。例如以什么样的叙事结构来讲 Agent Handbook 才能引起读者的共鸣，这是需要作者自行判断的。
- 比如经验： 模型的语料，本质上是已公开文本的再混合。某个系统在真实生产环境里到底发生过什么，什么地方反复出问题，这些来自一线工程师的一手经验，已经内化成工程师们的技艺，AI 很难替代，尤其是涉及多方依赖的软件系统，运用到严肃场景、需要长期维护、规模化使用的场景。
- 比如教训： 内容越是丰富，什么不该做就比什么可以做更稀缺。真实的失败模式是从实际生产环境人为提炼出来，不是语言模型顺着上下文续写出来的。我们希望能把这些教训显式地写下来，哪怕它们看上去不那么光鲜，帮读者节省试错成本。
Agent 变化太快，这本书里的体系、判断、经验、教训，也许在不久的时间里就会被修正甚至推翻。我们期望白皮书不是一本写完就封存的文档，而是让她保持持久的生命力，这也是我们以开源方式撰写的初衷。
最后的最后，欢迎大家来云栖大会 AgentCore 分论坛，见证白皮书的发布。下方海报扫码加入现场群，不迷路。
