对于Allox而言，我们并不希望简单拼接这些能力，而是希望提供一个对于Agent来说容易接入，对于开发人员来说沙箱内容容易配置的统一智能体沙箱，让Agent可以在一个独立、可控、可观测、可回滚的环境中完成代码生成、测试执行、网页访问、文件处理和工具调用等任务。因为Agent不只是执行一段代码，它会持续运行，它需要文件系统，需要 shell，需要浏览器，需要网络，需要长期任务上下文，也需要被审计、被

以通义千问大模型为基础，赋能软件开发，角色对话，办公效率，智能司法等行业合作伙伴。腾讯Tech Lead，腾讯研究院特约研究员，腾讯集团技术委员会委员，中国计算机学会（CCF）TF研发效能SIG主席，“软件研发效能度量规范”团体标准核心编写专家，中国商业联合会互联网应用技术委员会智库专家，中国通信标准化协会TC608云计算标准和开源推进委员会云上软件工程工作组副组长，国内外各大技术峰会的联席主席，

CodeWisdom从FDE看AI应用落地实践模式微访谈背景介绍Palantir的FDE（Foward Deployed Engineer，前线部署工程师）模式近期成为AI领域热议焦点，其核心是通过技术专家深度驻场客户，将复杂的数据整合与业务需求转化为可落地的AI解决方案。这一模式爆红的背后，正是AI应用面临的“非标诅咒”——从实验室到生产环境的“最后一公里”难题。FDE通过“产品化咨询”平衡个性

目标导向的需求工程是一种要求人类分析师在项目开始前，就必须把系统所有目标以及子目标全部定义清楚的方法论，其著名的实现有KAOS——它提供了一套高度形式化的语言，用来构建和分析这个目标模型，确保其在设计时就完备、无冲突。然而，传统MAPE-K 的核心是自适应而非自演化的，其K库是静态的，由人来维护。这还不是最致命的，当行业为不断出现的能力更强、参数量更大的新版本大模型欢呼时，Agentic AI的开

在宏观上，OCA借鉴了先前的多智能体系统（MAS）和分层任务网络（HTN）的思想，规约了智能体的认知组织。在EMA中，我们对经典的单MAPE-K循环进行了重构，将其从外部调优转向内部演化（即 K 本身的演化），进而将其解耦为一个双环路模型：一个服务在执行中快速适应的执行循环，另一个则服务积累知识以长期演化的演化循环。在OCA中，我们借鉴HTN的分层思想，将其静态的任务分解演变为一个动态的认知委派过

目标导向的需求工程是一种要求人类分析师在项目开始前，就必须把系统所有目标以及子目标全部定义清楚的方法论，其著名的实现有KAOS——它提供了一套高度形式化的语言，用来构建和分析这个目标模型，确保其在设计时就完备、无冲突。然而，传统MAPE-K 的核心是自适应而非自演化的，其K库是静态的，由人来维护。这还不是最致命的，当行业为不断出现的能力更强、参数量更大的新版本大模型欢呼时，Agentic AI的开

实验证明，这一巧妙的工程学方法，在零训练成本增加的情况下，能将机器人的长程任务成功率提升数倍，为构建更“皮实”、更可靠的智能机器人系统提供了一条新路径。在Libero虚拟环境中，我们为机器人设计了数十种不同难度的“考题”——从简单的“抓起瓶子”，到复杂的“把指定颜色的杯子放进微波炉并关上门”。我们的研究，正是尝试将软件工程这种“管理错误”的智慧，应用到前沿的机器人AI系统中。我们认为，与其无休止地

对于Allox而言，我们并不希望简单拼接这些能力，而是希望提供一个对于Agent来说容易接入，对于开发人员来说沙箱内容容易配置的统一智能体沙箱，让Agent可以在一个独立、可控、可观测、可回滚的环境中完成代码生成、测试执行、网页访问、文件处理和工具调用等任务。因为Agent不只是执行一段代码，它会持续运行，它需要文件系统，需要 shell，需要浏览器，需要网络，需要长期任务上下文，也需要被审计、被

由于这里既有行程规划、辅助下单等业务流程，也有Agent服务、工具调用和状态化后端，研究者和开发者可以据此讨论面向企业级智能系统的开发过程应如何更好地把需求理解、业务规则建模、能力配置和服务集成连接起来，并进一步探索其中哪些环节可以获得更高程度的自动化支持。接着，用户将订房请求告知了Agent，但只使用了“这个房型”的模糊代指。在传统业务服务之外，系统采用了统一的模型调用网关、独立的Agent服务

我们提出Connor的初衷，正是想在这条入口被攻陷之前，提供一种面向server行为本身的检测能力，该工具不依赖已知签名、不只看孤立组件，而是直接比对“声明的意图”和“实际的行为”。2023年11月，他们在插件还没下线的时候，就推出了Custom GPTs作为替代方案，该方案把“独立的工具插件”换成了“配置好的ChatGPT分身”：开发者给它起个名字、写一段指令、上传几份知识文档，再通过Actio