中间件

Credits 统一度量上线，消费者用量可度量、可约束。

本文旨在正式宣告 AgentScope Java 1.1.0 里程碑版本的发布，重点阐述该版本如何从工程实践层面完整落地“Harness Framework”理念。

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。

让企业智能体有序协作、越用越好。

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。

AI Agent 可观测是面向企业生产级 Agent 的全域观测平台，提供从接入、建模、分析到 Agentic Ops 的全域观测和分析能力，帮助企业彻底打开 Agent 的黑箱，实现 Agent 执行过程的可追踪、可诊断、可优化。

本文结合一个典型的高并发智能语音交互场景，介绍如何基于阿里云 RocketMQ LiteTopic 构建一套更稳定、更可靠、更高效的实时语音消息链路架构。

当可观测数据被建模为可理解、可行动的上下文图谱，AIOps 才真正拥有了落地的土壤。

某 App 新版上线后收到大量用户投诉 App 闪退和崩溃。仅凭一条崩溃日志和会话追踪，团队如何在2小时内锁定「快速刷新导致数据竞态」这一根因？本文带你复现真实生产环境下的完整排查路径：从告警触发、堆栈分析、符号化解析，到用户行为还原——见证 RUM 如何让“无法复现的线上崩溃”无所遁形。

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。

阿里云 AI 网关 FinOps 能力，从“消费者配额”切入，让企业在大模型调用的每一个环节都做到心中有数。

Harness Engineering 是让企业拥有一支可编排、可治理、可持续进化的数字化智能团队，CLI-Anything、HiClaw 这类开源项目正是其在群体智能下的探索和实践。

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。

本文介绍 AgentLoop 如何基于真实运行轨迹自动挖掘和召回经验，在不重新训练模型的情况下，帮助企业提升 Agent 的准确率与稳定性，并降低 Token、工具调用和人工调优成本。

AgentLoop 帮助企业把 Agent 从能用提升到好用。

从本机同步到统一治理可信 Skill 管理实践指南。

Coding Agent 下半场聚焦组织级研发体系，本文围绕 AgentScope Harness 展开了沙箱隔离、会话恢复等通用架构，为企业提供工程化解决方案参考。

云上私有化 Skill 注册中心，企业特性，开箱即用。

在云端，一次 API 调用背后可能隐藏着一场数据泄露；一个异常进程背后，或许是 AK 泄露引发的链式攻击。传统日志“看得见却看不懂”，而云监控 2.0 日志审计通过 UModel 实体建模，将分散在 ACS、K8s、主机各层的日志自动串联。

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。

Harness = 定义约束 + 校验输出 + 建立反馈回路。

面向游戏客服的AI自动化排查系统，基于SLS日志与SOP知识库，实现秒级日志查询、精准根因定位及标准话术生成，覆盖充值、道具、匹配等五大高频场景，显著提升响应效率与服务一致性。 并支持钉钉、飞书、企业微信对接。

AgentScope 全面支持 A2A 协议和 Nacos 智能体注册中心，实现跨语言跨框架智能体互通。

开一家 AI 奶茶店，让 AgentScope Java 替你打理一切。

近日，AgentScope Java V1.0 版本正式发布，全面对齐 Python 版核心能力，为 Java 开发者带来了构建企业级 Agentic 应用强大的开源方案。在最近与 DataWhale 合作的 AgentScope Java 解读线上直播间中，我们收到了大家的热情提问。为了方便大家集中查阅，我们整理了其中最高频的 Q&A，由 AgentScope Java 的核心开发者为大家一次性说清讲透！

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。

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。

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。

本文面向 AI 网关使用者，帮助您建立一套完善的消费者 AI FinOps 治理体系。

AgentTeams 和 AgentLoop 均处于邀测期，欢迎感兴趣的朋友申请测试。

类龙虾应用正在经历类似于“购买服务器自建 vs Serverless 托管服务”的分化。

Nacos 官方为 Dify 平台打造了双向 A2A 协议集成方案，通过两个互补插件填补 Dify 在 A2A 协议支持上的空白。

超越 NL2SQL，DataAgent 具备自主规划与深度分析能力，赋能企业统计分析、根因定位等复杂场景挑战。

Ralph Loop 通过外部循环机制，解决 Agent“半途而废”的痛点，实现可靠自主编程范式。

你是否曾面对一个庞大的可观测系统，却不知从何下手？成百上千个实体定义散落在 APM、K8s、云产品等不同域中，关系错综复杂，文档滞后，新人上手难，模型演进无迹可循……阿里云 UModel 查询为此而生。它不是查询日志或指标，而是查询“模型本身”——让你一键看清：系统里定义了哪些实体？它们之间如何关联？哪些模型字段过多、描述缺失？跨域依赖是如何构建的？

每个研发都踩过这个坑：遇到线上故障时，定位根因要跨五个平台，学数套查询语法，故障排查半小时起步。当STAROps长在Qoder里，在对话框里用自然语言提问：跨域诊断、多轮追问、生成修复代码、自动提 MR，全程不出 Qoder。三步上手，3 分钟看见效果。

阿里云消息队列 Kafka 版正式上线原生消息入湖能力。

本文介绍如何通过 LoongSuite-Pilot 采集异构 AI Coding Agent 事件流，结合 SLS 大盘的 SQL 分析能力，构建从个人使用行为到组织级度量的完整看板，帮助研发团队量化 AI 工具的实际落地效果。

阿里云近期发布的全域智能运维平台 STAROps，将大模型技术、UModel、RCA、RCA benchmark 进行有机结合，是国内在 AIOps 方向上把 Ontology 落地得较为完整的实践。

构建个人 Skill 技能中心，实现多 Agent 复用与协作。

近日，由中国信通院主办的 2025（第五届）数字化转型发展大会在京举行。会上，“阿里云应用服务器软件 AliEE”、“消息队列软件 RocketMQ”、“云数据库 Tair”三款产品成功通过中国信通院“安全可信中间件”系列评估，成为首批获此认证的中间件产品。此次评估覆盖安全可信要求、功能完备性、安全防护能力、性能表现、可靠性与可维护性等核心指标，标志着阿里云中间件产品在多架构适配与安全能力上达到行业领先水平。

SOFA 商业化团队为满足客户 AI 业务的发展需求，基于开源 Higress 内核构建，推出了 SOFA AI 网关，专为 SOFA 场景深度优化、能力增强，是面向 AI 需求的智能网关解决方案。

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。

助力企业构建内部私有化安全可控的SkillHub。

以LiteLLM投毒事件为鉴，解析阿里云AI网关的架构级安全防护。

本文探讨AI Agent自动化操作引发的移动端数据污染问题及检测方案，重点解析无障碍服务全控能力、注入事件特征及ADB连接状态的判定逻辑，为应对AI操作带来的数据失真提供技术监测框架。