智能体时代工作图谱索引
围绕 AI / Agent 如何重写工作系统的主题知识库，通过 LLM Wiki 模式持续编译知识自行进化。
📊 知识库概览
| 指标 | 数值 |
|---|---|
| Entity 页面 | 383 个 |
| Topic 页面 | 33 个 |
| Comparison 页面 | 19 个 |
| Raw 文章 | 255 个 |
| Source Summary | 255 个 |
| Output 作品 | 10 个 |
| Research 日志 | 43 个 |
连接拓扑（2026-06-25 实测，口径见 schema/fragmentation-metrics.md）
| 指标 | 口径 | 实测 | 健康判定 |
|---|---|---|---|
| 全图零入链 entity | 全图入链 | 1.1% (3/280) | 健康 |
| 知识层零互引 entity | 知识层互引 | 6.8% (19/280) | 健康 |
| 整合层未承载 entity | 整合层承载 | 35.0% (98/280) | 碎片化（目标 ≤20%） |
| 单点挂靠 entity | 知识层互引 | 16.8% (47/280) | 偏高（目标 <10%） |
| Top 3 hub | 知识层互引 | Agentic-Engineering 119 / Agent-Harness 78 / Context-Engineering 50 | 幂律温和，不干预 |
| Output 转化率 | 产出层 | 5 / 67+ 思考 ≈ 7% | 断层（目标 ≥20%） |
🏗️ 核心实体 (wiki/entities/)
概念实体按照首字母排序（此处列出部分核心节点）。
基础架构与工程
| Entity | 定义 | 来源 |
|---|---|---|
| Agentic Engineering（代理式工程） | 默认使用 Agent 辅助并持续改进的软件工程范式 | Agentic Engineering Patterns |
| Agent Harness（智能体脚手架） | 包装模型并提供工具、上下文、护栏的运行时环境 | The Anatomy of an Agent Harness |
| Constraint Infrastructure（约束基建） | 系统化保证 Agent 运行时行为边界的基础设施层 | 阿里云 Agent Infra 约束基建 |
| Constraint-Driven Engineering（约束驱动工程） | 通过分阶段硬约束与分层验收实现 Agent 交付收敛的范式 | Qwen3.7-Max Experiment |
| Automated Criteria（自动化判据） | 从编排层到真机层客观判定 Agent 执行结果是否成功的体系 | Qwen3.7-Max Experiment |
| Pixel Facts（像素事实） | 将 UI 树 dump 坐标作为不可违反的几何约束注入 Agent 的技术 | Qwen3.7-Max Experiment |
| HaaS (Harness-as-a-Service) | 从提供底层模型 API 转向提供预配置 Agent 运行时的服务范式 | Agent Harness Engineering |
| Context Rot（上下文腐烂） | 随着窗口填充，模型推理和任务完成能力非线性下降的现象 | Agent Harness Engineering |
| Ralph Loops | 拦截退出信号并重注入提示，实现 Agent 长程任务的循环技术 | Agent Harness Engineering |
| AGENTS.md | 作为 Agent "棘轮"规则手册的根目录规范文件 | Agent Harness Engineering |
| Agent Verification（Agent 自主验证） | Agent 能自主运行验证循环的能力——不是 lint/type check，而是 agent 能自己启动测试环境 | Claude Code 一周年 |
| Loss Function Development（损失函数开发） | 用大规模盲评 eval 集作为损失函数驱动 Agent 长周期优化的工程范式 | Elvis Sun LFD |
| Mechanical Sympathy for LLMs（LLM 机械同理心） | 工程师应获取对 LLM 实际工作原理的经验性理解——而非推测未来能力 | Martin Fowler 2026 |
| LLM-as-a-Judge（LLM 裁判） | 使用 LLM 按预定义 rubric 评估另一个系统输出质量的方法论，核心是按风险分层匹配评判策略 | Li et al. 2026 |
| Evaluator Miscalibration（评估器校准错误） | rubric 标准冲突或锚点奖励错位使聚合分数背离真实质量——校准错误的评估比没有评估更糟 | SimilarWeb/LangSmith 2026 |
| Over Inference（过度推断） | LLM 生成个性化 claims 超出证据支持的属性——12 模型全中招（均值 41.6%），自评 OI 与实测负相关（Self-Monitoring Inversion） | MirageBench 2026 |
| Auto Mode（自动模式） | Claude Code 的自动执行模式——agent 自主决定运行工具，无需逐条等待用户确认 | Claude Code 一周年 |
| Context Minimalism（上下文极简主义） | 给 agent 最小可能的 system prompt 和工具集，让模型自己决定如何拉取上下文 | Claude Code 一周年 |
| Skill Chains（技能链） | 多技能顺序执行的 macro skill 模式，通过 QA skill 约束幻觉 | Become AI Native Org |
| Company Brain（公司大脑） | 组织可读的 context 层，Capture → Curate → Store → Execute → Experience 循环 | Become AI Native Org |
| Code Execution | Agent 直接在沙箱运行代码并获取反馈的能力 | Simon Willison |
| Vibe Coding（氛围编程） | 依靠直觉和多轮提示快速产出原型但缺乏严谨验证的开发模式 | Andrej Karpathy |
| MCP（Model Context Protocol） | 统一的模型与工具连接协议标准 | Pinterest Engineering |
| N-Hour | 补丁发布后数小时内即被 AI 构建利用代码的新网络安全现实 | Anthropic Exploit Study |
| Agent Ergonomics（Agent 人体工学） | 以 Agent 为第一公民的工具设计哲学，AXI 十原则 | L8 Principal Agentic Workflow |
| Validation Pipeline（验证管线） | 自动化端到端验证管线：对抗审查 + e2e + 证据生成 | L8 Principal Agentic Workflow |
| Captain Mindset（船长思维） | 人从 sailor 到 captain 的角色转型，规划+质量把关 | L8 Principal Agentic Workflow |
| AI in Mathematics（AI 数学） | AI在数学领域的应用与进展，包括自动定理证明、问题求解、概念发现等 | Grant Sanderson 播客 |
| Conceptual Breakthroughs（概念突破） | 产生新的概念、理论或框架来统一或重新组织现有知识的能力 | Grant Sanderson 播客 |
| Grindability vs Verifiability（可磨性与可验证性） | AI成功的关键因素区分：可磨性比可验证性更重要 | Grant Sanderson 播客 |
| Autoregressive Generation（自回归生成） | 通过预测下一个token来生成文本的方式，是当前LLM的核心机制 | Grant Sanderson 播客 |
| Code Cleanliness Agent Footprint（代码整洁度的 Agent 足迹效应） | 代码整洁度不影响通过率但显著降低 agent 操作成本（token −7-8%、revisitation −34%） | SonarSource Minimal-Pair Study |
| Minimal Pair Evaluation（最小对比对评估） | 构造仅目标变量不同的仓库对以隔离其对 coding agent 的因果影响 | SonarSource Minimal-Pair Study |
| Agentic Speculation（Agent 投机探索） | Agent 与数据系统交互的高吞吐异构查询流模式，80-90% 子计划重复但冗余提升成功率 | BAIR Intelligence is Free |
| Structured Agent Memory（结构化 Agent 记忆） | 按多属性维度组织的纠正性记忆，通过属性匹配精确召回，区别于 MD+embedding 范式 | BAIR Intelligence is Free |
| Goodhart's Law（古德哈特定律） | 当代理指标成为优化目标时就不再是好度量——指标 gaming 导致真实目标被替代 | 万维钢·现代思维工具100讲 |
| Knowledge Debt（知识债务） | 开发者委托 agent 编码后沉默积累的理解缺口，与 Technical Debt 同构 | Accenture Labs SHIELD 论文 |
| Incidental Learning（附带学习） | 通过费力解决问题非预期获得的知识——被 AI agent 短路的学习路径 | Accenture Labs SHIELD 论文 |
| SHIELD | 多 agent 系统，通过 out-of-band 渠道在不打断开发流程的前提下偿还 Knowledge Debt | Accenture Labs SHIELD 论文 |
| AI-Assisted Port（AI 辅助代码重写） | 利用 AI Agent 批量执行语言间代码重写并辅以对抗审查的工程范式 | Bun in Rust |
| Distinct Principal Identity（独立主体身份） | AI Agent 使用独立身份——从 service account 到企业组织集成（目录条目、角色、邮箱） | Vercel Agent + Microsoft Foundry |
| Plan is the Permission（计划即权限） | Agent 保持只读状态，仅在明确授权时获得临时受限执行权限，执行后恢复受限 | Vercel Agent |
| Retrieval-as-a-Subagent（检索子代理） | 将检索包装在 agentic 循环中：规划查询 → 尝试多源 → 评估 → 重试 → 结构化失败信号 | Microsoft Foundry |
| Rubric-Based Evaluation（基于评价标准的评估） | 用具体行为检查项取代泛化指标评估生产 Agent，配合 Agent Optimizer 实现自我改进循环 | Microsoft Foundry |
| Self-Hosted Models（自托管模型） | 组织自行托管开放权重模型的实践，驱动力包括成本、主权和信息安全 | Martin Fowler 2026-07 |
| Software Development Autonomy Levels（软件开发自治分级） | 类比 SAE 的三级自治框架（Code/Pipeline/Demand Autonomy）——按 SDLC 责任转移分级，使能力主张与问责可读 | Berkeley RDI |
| Orchestrator's Tax（编排者税） | subagent 的真正价值是保护 orchestrator 工作记忆而非并行省时——token 花一次，context 污染每轮收租 | martinfowler.com |
| Transparent Tool Handoff（透明工具交接） | 把可形式化步骤从不可解释 LLM 交接给可解释工具执行——以系统级可解释性替代模型级可解释性；CoT ≠ 真推理 | Palantir Responsible AI 2024 |
| Evals as PRD（评测即需求文档） | 以可运行评测集取代传统 PRD 承担需求定义功能：用户反馈→失败轨迹归因→eval set→可度量改进 | Lenny's Podcast / Anthropic 2026 |
| ADLC（Agent 开发生命周期） | AI 时代取代 SDLC 的生命周期范式——agent 覆盖全生命周期，Workflow 取代 CI/CD 作为编排原语 | Cloudflare 2026 |
| Inference Engineering（推理工程） | 把训练好的权重变成快、可靠、可负担、能规模化服务产品的工程学科——KV cache/speculative decoding/量化/结构化输出 | Latent Space / Baseten 2026 |
| Skills as Products（技能即产品） | 把 agent skill 当长期维护的产品治理——标准目录 + CI 管线 + 持续评估 + 责任到人 | Google Agent Skills 2026 |
| Software Factory（软件工厂） | Agent 驱动的自动化软件生产系统——接受 bug/feature 输入，agent 链完成 build→deploy→manage，人只留灵感品味判断 | Cloudflare 2026 |
| Stacked PRs（堆叠 PR） | 把巨型 PR 按逻辑分层拆成依赖链栈，每个 PR 单一关注点，恢复 AI 大 diff 的可审查性 | GitHub 2026 |
组织与变革
| Entity | 定义 | 来源 |
|---|---|---|
| AI-Ready Organization（AI 就绪组织） | 具有清晰流程语义、数据基座和容错机制的组织形态 | Stanford Enterprise AI Playbook |
| AI Factory（AI 工厂） | 将 AI 能力规模化、标准化交付的组织化生产线 | P&G Case Study |
| Forward Deployed Engineer（前线开发工程师） | 深入客户现场识别约束并交付定制化 AI 解决方案的角色 | Palantir / OpenAI |
| Knowledge Work（知识工作） | 正在被 AI 重新定义效率边界和价值内核的工作类型 | Jevons Paradox for Knowledge Work |
| Role Merging（角色融合） | AI 让 PM/设计师/财务等非工程角色也能写代码，同时让工程师端到端交付产品 | Claude Code 一周年 |
| Alpha Transfer（Alpha 转移） | 企业使用托管模型时机构独特知识经条款通道转移给提供商并被转售——ZDR 四条定义与八类稀释路径 | Palantir Playbook 2026 |
| AI Capability-Management Alignment（AI 能力-管理对齐） | 不同能力层级的 AI 需要不同管理方式，与管理人的能力-委派匹配模型同构 | 数字生命卡兹克 |
| Agent Adoption Curve（智能体采纳曲线） | 智能体工具采纳的典型模式：开发者先采用，随后非开发者增速反超 | OpenAI Economic Research |
| Context Advantage（上下文优势） | Andrew Ng 提出：人类在 AI 时代的不可替代性源于信息不对称而非品味 | Loop Engineering |
| Kun Chen | 前 L8 Principal Engineer，AXI / No Mistakes / First Mate 工具链作者 | L8 Principal Agentic Workflow |
| Pro-Worker AI（亲劳动者 AI） | 使人类专业知识更有价值而非更不必要的 AI 方向，核心机制是新任务创建 | Hamilton Project |
| Task Framework（任务框架） | Acemoglu/Autor 的技术变革五分类——以任务为分析单元区分自动化与新任务创建 | Hamilton Project |
| Task Crossover（任务跨界） | 历史上属于某职业的任务大量出现在其他职业从业者的 AI 使用中——分工重组先于职位描述变化 | OpenAI Work at the Frontier |
| Agent Unit of Work（Agent 工作单元） | 组织愿意交给 Agent 的任务单元——大小、覆盖、交接、检查、边界构成 delegation 核心控制参数 | Martin Fowler 2026-07 |
| Alert Closed Loop（告警闭环） | AI 风险信号经通知、责任人接收、评估、干预到复盘的完整责任链——闭环之外模型输出不产生结局价值 | NEJM AI 2026 RWJBarnabas |
| Operational Responsibility（运营责任制） | 写代码的团队拥有其生产行为：最先被 paging 的人就是最适合修复的人——DevOps "you build it you run it" 的联邦制版本 | Palantir 2024 |
| Systems Thinker Demand（系统思维者需求） | 招聘从 local expertise 向系统思维者的结构性转移——agent 跨系统操作需要 source of truth 与 paved path | Lenny's Podcast / Netflix 2026 |
| Excellence as Operating System（卓越即操作系统） | Netflix 文化机制元解释：talent density + autonomy + keeper test 是到达卓越的操作系统，克制用流程修复问题的本能 | Lenny's Podcast / Netflix 2026 |
| AI Identity Bifurcation（AI 身份极化） | 2026 H1 tech workforce 因 AI 一分为二（50% amplified vs 46% 三种负面立场），效应量为 manager 效应 3 倍——诊断型时间基线 | Lenny's Podcast Survey 2026 |
| Human Owns Output（人类拥有输出） | agent 输出责任归属人类使用者并随岗位继承——AI 是工具/工具制造者而非团队成员 | Cloudflare 2026-08 |
| AI Adoption Barbell（AI 采纳杠铃） | 组织内 AI 使用恒呈分层常态（5-10% power users / 70% 几乎不用），adoption 指标折叠技能谱导致"高采纳无影响" | Varick Agents 2026 |
| Cognitive Commons（认知公地） | 职业层面共享的深层专业知识池，靠入门就业"附带再生"，AI 采纳可使其再生机制被理性组织行为耗尽 | Lovett 2026 |
| Distributed Mastery（分布式精通） | 编排 human-AI 系统产出专业质量的熟练度，可产出结果但不提供实质验证所需的独立领域判断 | Lovett 2026 |
| Internalized Mastery（内部化精通） | 通过持续认知挣扎内化的深层领域知识，构成实质验证 AI 输出的独立基础，不能靠观察或 AI 辅助获得 | Lovett 2026 |
| Validation Tether（验证系绳） | 有效 AI 编排对内化精通的根本依赖——实质验证需独立领域知识识别表层一致输出中的实质错误 | Lovett 2026 |
| Superlinear Returns（超线性回报） | 表现与回报的超线性关系，归约为指数增长 + 阈值两成因，学习是同时具备两者的最重要案例 | Paul Graham 2023 |
知识与语义
| Entity | 定义 | 来源 |
|---|---|---|
| LLM Wiki | 为 AI 消费设计的、具有强语义关联和证据溯源的知识库 | CC+Obsidian Wiki |
| Ontology（本体） | 对现实业务世界的数字化建模，承载语义结构与规则 | Ontology 系列 |
| UModel（统一可观测模型） | 阿里云基于本体论的 IT 世界统一建模框架，以实体为中心、以图为核心 | Ontology 泛谈系列 |
| NLAH（自然语言智能体驾驭层） | 将 Agent 驾驭策略从代码中外置为可执行的自然语言文档 | NLAH 论文解读 |
| Sleep-Token（睡后 Token） | 让 Token 在人离线时持续产出候选结果的工作模式 | Qoder 工程实践 |
| Knowledge Compilation（知识编译） | 将非结构化来源提炼为结构化、可查询知识节点的动作 | Agentic Work Atlas Schema |
| Human Curation（人类策展） | 人类在信息过载时代的核心价值——选择、组织、解释信息 | Grant Sanderson 播客 |
| Theory of Mind（心智理论） | 理解他人心理状态的能力，是有效沟通、教学和策展的基础 | Grant Sanderson 播客 |
| Reverse Information Paradox（反向信息悖论） | AI 时代买方为使用智能必须向卖方泄露专有知识，与 Arrow 经典信息悖论对称反转 | Nadella 2026-07 |
| Decision-Centric Architecture（决策中心架构） | 把"决策"而非仅数据作为建模对象的架构：data/logic/action/security 四要素统一，decision lineage 自动捕获 | Palantir 2026 |
| Knowledge Profiling（知识画像） | 以事实为单位的 LLM 事实性诊断框架——分离"没学到"与"学到了取不出"，召回是前沿模型事实性的瓶颈 | Google Research 2026 |
| Reversal Curse（反转诅咒） | LLM 记住"A 是 B"却答不出"什么是 B"——知识画像研究再框架为 recall 不对称而非知识缺失 | Google Research 2026 |
Agent 安全与攻防
| Entity | 定义 | 来源 |
|---|---|---|
| Agent Traps（Agent 陷阱） | 按 Agent 运行周期六环节分类的恶意环境内容系统框架——感知→推理→记忆→行动→多Agent→人类 | Google DeepMind AI Agent Traps |
| Persona Hyperstition（人格超实） | 关于模型"人格"的公共叙事通过检索/训练回流使模型产生符合叙事行为的自我实现反馈循环 | Google DeepMind AI Agent Traps |
| Agent Perception Gap（Agent 感知差） | 人类和 Agent 消费同一网页时解析路径的根本差异——HTML源码树 vs 视觉渲染——是所有内容注入陷阱的共同入口 | Google DeepMind AI Agent Traps |
| Prompt Injection Risk（提示注入风险） | 在内容中嵌入"给 AI 看的隐藏指令"试图影响 AI 综述/推荐的风险 | Ethan Mollick Co-Existence |
| Agent Containment（Agent 隔离与遏制） | 通过环境层隔离限制 Agent 可操作范围的安全架构 | Anthropic Security Practices |
| Multi-Agent System Pathology（多 Agent 系统病理） | 多 Agent 系统在形成组织结构后出现的协作、认知、责任和内态失真问题 | Hao 好聊趋势 + Anthropic 2026 |
| Context Collapse（上下文坍缩） | 不同信任域内容被压扁进同一模型上下文，低信任数据被解释为高信任指令的失败模式 | Context Collapse 系列 2026 |
| AI Worm（AI 蠕虫） | 借 AI 助手自身生成能力经正常工作流自传播的攻击指令——每个受感染工件成为携带内部信任的新载体 | Context Collapse Part 3 2026 |
| Secure Paved Path（安全铺装路径） | 把安全控制嵌入默认开发路径：威胁模型先行分配资源，hermetic builds + 端到端 provenance，绕过比遵守更难 | Palantir SSCS 2024 |
AI 政策与监管
| Entity | 定义 | 来源 |
|---|---|---|
| Frontier Developer Obligations（前沿开发者义务） | Anthropic 提出的前沿 AI 开发者必须承担的监管义务体系 | Anthropic AI Framework |
| Societal Resilience（社会韧性） | 社会层面抵御和恢复 AI 可能加速或启用的威胁的能力 | Anthropic AI Framework |
| Collingridge Dilemma（科林格里奇困境） | 技术影响在早期难以预见，等到清晰时已难以管理 | Dario Amodei |
多 Agent 系统与涌现
| Entity | 定义 | 来源 |
|---|---|---|
| Emergence（涌现） | 复杂系统中从简单规则和交互中自发产生的宏观行为 | Thousand Token Wood v3 |
| Agent Heterogeneity（Agent 异质性） | 多 agent 系统中使用不同架构/厂商的模型驱动不同 agent | Thousand Token Wood v3 |
| Settlement Mechanism（结算机制） | 多 agent 经济系统中，在 agent 自由交易之后、结果固化之前的一个确定性覆盖点 | Thousand Token Wood v3 |
📄 Raw (raw/)
原始剪藏文章（254 个）
所有文章存放在 raw/ 目录，使用短链接格式引用（如 [[文章名]]）。
最新编译：2026-08-13——批量编译 16 篇 raw 材料（recall 论文+Google 博客、认知公地论文、Databricks Genie、GitHub AI-first 贡献者、Google Agent Skills、ADLC、Astro triage、Stacked PRs、Latent Space inference engineering、OpenAI 工作采纳、talent playbook、Vas 采纳神话、Dan Luu token 效率、Paul Graham 超线性回报等）。新增 13 个 Entity（Knowledge-Profiling、Reversal-Curse、Cognitive-Commons、Internalized-Mastery、Distributed-Mastery、Validation-Tether、Inference-Engineering、Superlinear-Returns、Agent-Development-Lifecycle、Software-Factory、Skills-as-Products、Stacked-PRs、AI-Adoption-Barbell）；增厚 Agent-Generated-PRs、AGENTS-md、Agent-PR-Review、Git-Fluent-Agents、Skill-Chains、Agent-Adoption-Curve、Systems-Thinker-Demand、Excellence-as-Operating-System、Campfire-Hiring、Taste、Judgment、Tacit-Knowledge-Lock-In、Token-Supply-Chain、Mechanical-Sympathy-for-LLMs 等 20+ 个既有 Entity。
🚀 快速操作
编译文章
compile # 编译 raw 中所有未处理的文件
compile <文件名> # 编译指定文章
rebuild # 重新编译全部 Raw 文件（批量回溯）
查询知识
什么是 <概念>?
关于 <主题> 有什么讨论?
审计检查
lint # 执行完整 lint 检查（含摘要覆盖检查）
status # 查看知识库状态
知识编译（三步法）
- 浓缩 - 提取核心结论（≤3条）+ 关键证据
- 质疑 - 审视前提假设、数据可靠性、边界条件
- 对标 - 跨领域找类似现象，建立知识迁移
索引版本: v2.12 最后更新: 2026-07-14