752 页、7 篇、30 章。这份手册是阿里云把《AI 原生应用架构白皮书》拆开重写的一版,加进了 1906 份开发者问卷和企业自己复盘的案例。最值得先看的是那批问卷:46% 的企业在做 Agent,真正部署到生产环节的只有 18%。

它的编法不按技术栈分层,而按生命周期分段:架构定对象,构建定契约,运行定地基,治理定可见,调优定迭代,最后是实践篇和三个专题。这篇顺着线走,中间用一份企业的运维复盘做参照。
01 问卷里最扎眼的是 46% 和 18%
还没打算做的从 22% 降到 15%,在调研和计划中的从 47% 降到 25%,开发完成或开发中共 46%,去年是 36%。唯一没涨的是上线那一栏,18%。

剩下六条发现里,三条说的是同一件事:90% 的企业要上下文和记忆管理,63% 说最该补的是多模型路由与成本治理,55% 判断好不好用还靠人工抽查,能靠运行轨迹自动评估的不到 8%。
02 开发率的差距,小于上线率的差距
同一份问卷里,上海大型企业的上线率 45%,小微企业 16%;深圳是 38% 对 17%。开发率彼此接近,上线率差出两三倍。作者自己的解释是,差在能不能持续演进 Agent 的工程能力上。
架构分布也指向同一处。单 Agent 为主占 40%,多 Agent 为主 42%,把人在回路当主要架构的 15%。没有标准答案,选它看任务确定性高低和容错空间。多 Agent 报出的头号难点是状态与上下文在协作中衰减,60%。
03 七篇三十章,其实是一条流水线
把目录拉平,每篇都在回答前一篇留下的问题,这是全书最值得抄走的结构。
架构篇 (2 章) 定对象与责任划分
构建篇 (4 章) Harness 谁来实现,任务/信息/行动三类契约
运行篇 (6 章) 跑在哪,状态存哪,流量怎么进出 治理篇 (4 章) 看得见、拦得住、查得到
调优篇 (8 章) 数据、评测、badcase、受控自进化
实践篇 (5 章) 研发、设计、运维、销售的真实交付
专 题 (3 组) Jev 决策、Personal Agent、FDE 交付

构建篇那张表值得停一下。四章对应四个问题:Harness 由谁实现、任务怎么推进和终止、模型此刻该看见什么、行动怎么被授权和验证。书里有一句判断很硬:任务完成由环境证据判定,不由模型说停就停。
04 开发环境跑通,不等于能对外服务
运行篇开头有句话说得准:状态没外置,单人调试只是重来一次,生产并发下会变成任务丢失、重复执行、无法归因。六章分两条线,一条地基,一条秩序。

地基线上,07 章把工具调用扩成可编程工作空间,08 章解决状态存在哪,09 章把流量收口成统一治理点。秩序线上,10 章分清同步异步,11 章管多 Agent 组队,12 章给通信选型。中间那句提醒最实用:别把进程结束当成任务完成。
05 吉利那场报警风暴,怎么收住的
实践篇收了吉利汽车的运维案例。并表之后,数百个业务系统的告警同时涌进监控台,屏幕被红色铺满,故障平均恢复周期一两个小时。行业里有个目标叫一五三零:一分钟发现、五分钟定位、三十分钟恢复。

他们踩的坑比技术本身更值得看。团队起初以为智能运维是买个产品、部署完自己就能跑,结果是日志断点、中间件断点、调用链路断点到处都是,数据库账号还混用,出了事判不出是哪个服务。把历史治理重做一遍,智能体才生效。
推广那关更难。开发工程师说真出问题还是想用老办法,怕耽误时间,也怕它给错信息。破局办法是从低风险的测试环境切入,联调时出问题直接交给它,省下的沟通成本先让人尝到甜头,信任才一点点立起来。
写在最后
752 页里最该记住的不是哪一章的方法,是 46% 和 18% 之间那 28 个点。它们不在预算里,不在模型选型里,而在状态存不住、轨迹看不见、任务判不准这些地方。吉利那句总结可以直接搬到任何行业:先治数据,再上工具,用场景建信任。
Agent 的上限不取决于它多能说,取决于它出错时你能不能看见、能不能接住。
阿里云AI-Agent-Handbook-完整版.pdf







