中间件

本文整理自阿里云智能集团云原生应用平台负责人周琦和 AgentCore 产品经理李国强在云栖大会的分享。

在 2026 云栖大会上，阿里云日志服务 SLS 宣布全新升级。

本文将着重介绍浩瀚能源技术团队是如何将体系建设，架构演进到常态化演练，形成了一套可以复制的高可用治理方法论。本文以浩瀚能源公充业务的异地双活建设为主线，还原这段“治未病”的工程实践。

云栖大会期间，阿里云发布了企业级 Agent 平台 AgentCore，旨在通过更加原生的人机协作方式，以及更完整的 Agent 构建和治理的平台能力，提升企业的生产力。

云栖大会 Agentic 技术主论坛，阿里云发布 Alibaba Cloud AI Agent Handbook，旨在呈现 Agent 的前沿思考和落地实践，为企业选型、内部立项和创造价值提供参考。开源地址：https://github.com/aliyun/ai-agent-handbook

读网页为何会触发危险命令，清理测试目录为何误删个人文件？本文结合公开案例，介绍 LoongSuite-Pilot 如何采集行为记录，以及 AgentLoop 如何结合上下文核对用户授权、还原操作过程，让风险判断有据可查。

在 2026 云栖大会 AI 实时数据智能论坛上，千问办公联合 AgentBridge 正式发布 “数据分析专家”套件——业务人员用自然语言，即可安全调用企业多源数据，得到一份经过分析与复核、可直接交付的报告。

9 月 22 日，阿里云在云栖大会 AI 实时数据智能论坛上正式发布 Kafka 流算湖一体化实时数据平台——从统一实时数据入口，到数据进来即算、处理后原生入湖，云消息队列 Kafka 版加速向实时数据平台演进。

9 月 22 日，AgentBridge 在云栖大会 AI 实时数据智能论坛上正式发布。作为一站式 Agent 实时数据上下文服务，AgentBridge 连接企业分散的数据源，围绕业务任务组织实时事件、业务事实、历史信息和规则，为 Agent 提供可信、可追溯、持续更新的上下文，帮助企业将 Agent 应用于实际业务。

本文详解MxCAD对象选择机制：分为UI交互（点选、框选、栅栏选、累加选）和无UI编程选择（全选、ID/句柄查找、特征筛选）两大类；统一通过McObjectId标识对象，以MxCADResbuf实现跨场景筛选（类型、图层、颜色等），最终在MxCADSelectionSet中统一管理与遍历。

私有化部署后接 npm：建 HOSTED/PROXY/GROUP，配 .npmrc 与 scope，用最小包跑通 publish/install，并处理 E401、E404、E409。

本文介绍从海量 Agent Trace 和 Session 中提取请求意图与用户任务并行进行聚类，结合耗时、Token 消耗与交互摩擦分析运行表现，帮助发现线上共性问题，为问题排查与能力优化提供依据。

AgentScope 2.0 正式演进为通用Harness，通过任务、信息、行动三层机制及沙箱隔离架构，支撑企业构建Agent应用、可服务化的Managed Agents平台。

本文详解Nginx 413错误排错：`client_max_body_size`需正确配置在`http`/`server`/`location`任一作用域（优先级递增），推荐写在`server`块中与`listen`同级；强调配置后必须`nginx -t && nginx -s reload`，并提醒排查CDN、多server块、后端限制等常见陷阱

阿里云云监控 MCP Cloud 正式发布，提供近 200 项工具，Agentic 能力再进一步：让 Agent 直接查询与管控用云可观测，守护应用稳定运行。

Alibaba Cloud AI Agent Handbook 即将开源。

9月23日下午，欢迎来到杭州国际博览中心一期一楼 103B 厅，与我们一起讨论 Agent 进入生产链路之后，研发组织将如何真正发生变化。

玩家说“充值没到账”，日志里却只有 deliver_status = failed 和 error_code = BAG_FULL。玩家的话和日志的话是两种语言，中间差着一层业务翻译。本文以游戏客服为例，讲怎么把业务口径教给 AI，让 SLS 语义层和 DataAgent 替客服查日志、写答复。

依托钉群无人值守、跨群会话记忆、组织知识检索及前端专业 Skill，云原生消息前端团队自研的内部研发协作平台 Domino 正经历关键演进——从单一的代码执行工具，升级为能够理解团队上下文、持续沉淀演进并闭环真实交付的研发 Agent 系统。

本文对 700+ 的调研数据，进行汇总和分析，希望对提升企业 Agent 建设质量，有所帮助。

本文介绍阿里云Agent观测平台AgentLoop的审计实践，聚焦Coding Agent安全风险识别。强调构建完整行为事实底座，通过“低保真信号→上下文语义判定→高保真事件”三级链路，精准定位凭证泄漏等真风险，支持按应用、凭证、边界多维下钻与一键证据溯源，提升安全处置效率。

当业务的并发单元是“用户”时，消息系统的治理单元也应该是“用户”。RocketMQ LiteTopic 把“百万用户 × 各自一条消息流”的业务模型直接变成消息系统的原生原语，整个过程中业务侧没有自建任何路由层与限流层。

AI Agent 缺的不是数据而是系统地图。UnifiedModel 开源语义层将资产、数据与关系组织为可查询对象图，实验显示旗舰模型准确率提升 10-20%。它助 Agent 按对象读数、沿关系定位根因，真正看懂复杂系统。

2026 年 9 月 5 日至 9 日，AGNTCon + MCPCon、PyTorch Conf China、KubeCon + CloudNativeCon China 等开源 AI 顶会即将在上海举办。 阿里云技术专家们将在大会上，为广大开发者带来 Agent 运行时、模型训练和推理、云原生基础设施等领域的开源项目最新进展分享。

本文整理自第 10 届 AI + 研发数字峰会（AiDD）北京站 TOP10 最佳演讲议题之一《Agent 开发范式演进：简化多源实时上下文构建》。

本文介绍AgentLoop经验自进化实践：从运行轨迹自动挖掘成功与失败模式，经Skill召回并注入上下文。文章详解接入验证流程，并通过消融实验优化召回策略，降低耗时、成本、Token消耗和工具调用，让Agent持续迭代。

不经验证的优化是空头支票。Agent的任何优化都需要经过评估效果，验证真正有改善并且没有回退。本文介绍AgentLoop如何用实验验证智能体优化效果：建立回测计划，结合本地实验平台，并以定时调度、实验大盘和题目级Rubric跟踪趋势，形成调优闭环。

Agent 跑得怎么样？人工抽检又贵又慢，还沉淀不成标准。这篇带你从零搭起可量化、可解释的评估体系：让 AI 把黄金指标拆成 Rubric，装进评估器、跑到评估任务——把"好不好"变成分数，把"为什么不好"变成证据。

本文聚焦AI Coding成本瓶颈，指出Token浪费源于上下文膨胀、工具输出、重复探索与无效重试。文章介绍AgentLoop从采集、观测、评估、归因到调优和实验的数据飞轮，通过统一轨迹、经验注入与同样本验证，在质量不降前提下降低任务成本。

STAROps 面向企业云成本治理，通过自然语言完成账单分析、费用归因、异常下钻、资源水位判断与优化建议，并以周期巡检和长期任务持续跟踪治理进展，帮助企业实现从成本可见、原因可解释到优化可执行的 FinOps 闭环。

本文介绍AgentLoop基于OTel协议与探针的数据接入体系，涵盖通用Agent一键接入、框架SDK集成、高代码注解埋点和eBPF无侵入四种方案，并以客服Agent为例，演示旁路采集、配置生效及观测页验证的完整链路。

阿里云可观测 2026 年 8 月产品动态

阿里云微服务引擎 MSE 及 API 网关 2026 年 8 月产品动态

8 月 28 日，由极客传媒 InfoQ、阿里云和 IBM 联合举办的「AI 实时数据沙龙 · 上海站」上，三位来自阿里云和 IBM 的一线工程师围绕这条链路做了分享：一场讲数据流平台面向 AI 的整体演进，另两场分别落到阿里云消息队列 Confluent 版（ApsaraMQ for Confluent）和云消息队列 Kafka 版（ApsaraMQ for Kafka）两款产品的演进与实践。三场分享层层承接，给出的判断是一致的：当模型能力趋于充裕，AI 生产化的瓶颈正移向实时数据链路。

STAROps 擅长全栈关联分析，瑶池 Agent Skill 深谙数据库内核。两者结合，数字员工既能跨层定界又能深入诊断——从 frontend 响应慢告警追到缺失的索引与独占单线程的慢命令。本文以一个 RDS、两个 Redis 案例，演示 L3 到 L4 的完整证据链。

云原生 API 网关 Ingress 迁移能力全面升级，迁移、切流与回退更简单。

Agent 上线的那一刻，真正的考试才开始：上线只是起点，持续调优才是关键。本文用一小时实操带你看 AgentLoop 如何把接入、评估、实验、经验库串成数据飞轮，以专家驱动与全自动经验挖掘，让 Agent 越转越聪明。

本文整理自 Apache 2026 技术分享《面向 AI 的 Apache RocketMQ：多 Agent 系统的可靠协作机制》。

OBI 基于 eBPF 在内核与库函数层零代码拦截通信，自动生成调用链与指标，内置 OpenAI、Anthropic、Gemini、Qwen 及自定义 LLM 网关的 GenAI 语义追踪，覆盖 LLM、工具、MCP 与 RAG 全链路，从性能、成本、安全三个维度透视沙箱执行。

本文整理自 Apache 2026 技术分享《实时湖仓管道：分离式 Kafka 中的原生入湖与内嵌计算》。

这场沙龙，我们不做大而全的分享，就聊一件事：怎么让实时数据以低延迟、高可靠、可弹性的方式，持续供给模型与 Agent。

本文详解MxCAD中对象捕捉核心机制——OSMODE系统变量。它采用位码运算（2的幂次方编码），通过按位或/与实现多模式组合与解析，支持端点、中点、切点等14种捕捉类型，确保与AutoCAD逻辑一致，赋能精准绘图与智能交互。

Community Over Code 是 Apache 软件基金会（ASF）官方全球系列大会，今年，Community Over Code Asia 2026 将于 8 月 7-9 日在北京市海淀区中关村国家自主创新示范区会议中心举行，覆盖 AI、云原生、大数据、开源社区治理等热点领域。阿里云云原生应用平台团队将携手开源社区贡献者和用户们，在消息、微服务、Web 应用与框架三大领域带来 11 个议题，欢迎大家报名参加。关注阿里云云原生公众号，在本文章评论区留言回复 ASFC+你想听的议题，前 10 名参与互动的用户将获得大会三天通票一张（价值 999 元）。

STAROps 主机智能巡检从事后救火转向事前防护。

畅捷通基于阿里云云监控 2.0 与 STAROps 推进智能运维改造，通过五层一体化可观测体系与 UModel 运维数字孪生构建数据底座，叠加智能巡检、故障自愈与容量预测三大 AI 场景闭环，使运维模式实现由"以人为主"向"AI 为主、人工审核"的范式转换。

面向云上有状态服务高可用，提出无需额外业务数据复制的秒级故障接管机制，在不牺牲成本和稳态性能的前提下，实现云上有状态消息服务的快速恢复。