AI 资源库 · 已整理 21 项
查看与企业AI相关的 AI 资讯、工具、Skill、工作流和开源项目。
baltil2670/Claude-code-recipes · Build production-ready Claude Code workflows with one-command recipes for fast setup and reliable results
该项目提供一组可直接使用的 Claude Code 配方（recipes），用于把常见的软件工程任务——如代码审查、缺陷分类、重构规划、测试思路生成、文档整理、发布准备与安全检查等——组织成可重复执行的步骤，减少手动配置并提升跨项目的一致性。README 以 Windows 非技术用户为主要对象，说明了下载、安装、首次配置与使用流程，并给出安全使用建议（在可信文件上运行、保留备份、审查变更后再应用）。材料未说明具体的部署架构、依赖版本与 API 成本。
一位安全从业者发现，公司员工早就在用各种AI工具干活了，但IT和安全团队根本不知道他们用了哪些工具、接触了哪些数据。问题在于，很多企业只会发文件说“AI该怎么用”，却没有提供一条方便又安全的实际使用路径，结果员工干脆自己找工具，风险反而更大。作者建议安全团队换个思路：先摸清AI在实际中怎么用、能碰哪些数据、能执行什么操作，然后为开发者提供经过审核的组件和隔离环境，把安全做成好用的默认选项，而不是事后审批的关卡。这样企业既能跟上AI落地速度，又不至于让每个新工具变成新的风险。
提供的材料未提及具体可用工具。
企业用 AI 一直面临两难：要么用闭源模型，担心自己的数据被模型厂商拿去训练、泄露商业机密；要么用开放权重模型，但能力落后于最前沿。VAST Data 推出名为 DataEnclave 的新产品，想让模型厂商把自家模型跑在企业自己的安全环境里：模型权重不外流，企业数据也不外流，用的是 Nvidia 的机密计算技术。它目前处于早期访问阶段，后续才会正式开放；能否同时让两边都放心，还要看市场检验。
律师事务所 Cooley 在 IPO（公司首次公开募股）流程中，需要处理海量文件并尽早发现法律问题，人工逐份检查既慢又容易遗漏。他们用 ChatGPT 打造了名为 GO Public 的工具，把 AI 能力嵌入到 IPO 工作中，帮助律师更早发现潜在问题，把精力集中在真正需要专业判断的地方。这意味着律师可以少花时间在重复性审查上，更快推进上市准备。目前原文只提到该工具已用于 IPO 流程，没有说明具体开放程度、使用范围或效果数据。
Argo CD 是个很受欢迎的开源工具，专门把 Git 里的配置自动同步到 Kubernetes 集群，相当于“你说要什么状态，它帮你照着调”。问题是，当公司规模变大、集群和应用越来越多时，光同步配置远远不够：团队要自己写脚本去接工单、审批、安全策略和发布检查，每个 Argo 实例还要单独管权限，最后运维负担和安全风险都会迅速膨胀。这篇文章提出用“企业级控制平面”来包住 Argo，把工作流编排、集中治理和部署验证这些能力内置进去，减少人工救火和故障恢复时间。对读者来说，如果团队正在用 Argo CD 做大规模 GitOps，这篇文章指出了一个补齐短板的思路：不换掉 Argo，而是在它上面加一层管理平台。
Yelp、Platformable 和 Harness 的工程负责人最近在一场 LeadDev 讨论中提出，AI Agent 已经会自己提交代码改动、调整配置，速度常常超过人工审核。旧的做法是出了事再翻政策文档，但这样跟不上 Agent 的节奏。他们的建议是把治理直接做进内部开发平台：记录人和 Agent 的操作、控制 Agent 之间的访问和数据流动，并在流水线里用代码强制执行规则，还要能回滚模型版本。对平台团队来说，这意味着治理不再只是安全或合规部门的事，而是需要和安全、法务、财务一起商量的平台投入；越早做，越能在下次被问到“谁在盯着 Agent”时给出答案。
InfoQ 举办了一场线上讨论，请来 Harness、DKB、Shine 的工程负责人聊平台工程在 AI 时代怎么变。起因是一个调查数据：94% 的工程负责人说，他们最想看的 AI 指标根本拿不到。讨论主要围绕两件事：一是哪些 AI 编程工具该由平台统一提供、哪些让团队自己选；二是过去给人类用的开发者门户，现在 AI 智能体也要直接调用，接口和权限护栏都还没有现成答案。对读者的用处是：它提醒平台团队要开始追踪 AI 花的钱和实际产出的代码，并重新设计面向人和智能体两套用户的开发体验。
OpenAI 推出了一个叫 Astra for Law 的新东西，专门给律师事务所和法律工作用。它想解决的是：律师平时要处理大量文件、案例和客户保密信息，普通 AI 工具不好直接用。这次的做法是把最强的 AI 能力、律所自己定制的流程、连接法律数据库，以及符合法律要求的保密控制放在一起。对读者的用处是，如果从事法律相关工作，可能以后能用它来查资料、写文书，同时更好地保护客户隐私。目前原文只是介绍，没有说具体什么时候能用、价格多少，也没有演示细节。
Sarah Deitke 讲述 Duolingo 如何在工具之外推动 AI 文化落地。她介绍内部 AI 素养工作坊与可观测性看板，并分享用自动化 PR 风险评估机器人重构代码审查的案例，展示针对性开发者教育与安全 AI 护栏相结合如何在不提高缺陷率的前提下加快交付。
Grab 是东南亚一家做打车、外卖和支付的科技公司。他们在公司里推广了一款叫 Cursor 的 AI 编程工具，结果约 98% 的技术员工每月都会用，连设计师、财务、运营甚至 CEO 办公室的人也在用。以前设计师想改一个界面问题，得排队等工程师，现在他们学点基础知识后自己就能改代码、当天上线；工程师也能腾出手做以前没空做的测试和重构。对普通读者来说，这个故事说明 AI 编程工具不只是程序员的专属，非技术岗位也能借助它自己动手解决工作中的问题。
这篇文章介绍如何用 ChatGPT Work 和 Codex 的分析功能，帮团队看清大家在怎么用 AI、花了多少钱。以前企业往往不清楚 AI 到底带来了什么效果，也不知道该给谁做培训。这次的办法是把使用数据整理出来，找出需要培训的地方，再和业务成果对上号。对读者来说，可以借此判断自己团队的 AI 投入是否划算、下一步该补哪些能力。目前原文只提到这些分析功能，具体怎么用、是否已经开放都还没有说明。
OpenAI 和美国退休人员协会（AARP）一起，在美国 10 个城市为 1000 名老年人举办免费的 ChatGPT 动手 workshops，教他们安全地用 AI 处理日常事务。原先老年人想学 AI 往往缺少手把手的指导，也不知道怎么用才安全。这次通过线下实操课程来解决，每个参与者都能亲手练习。对读者的用处是：如果你或身边老人想学 ChatGPT，可以关注这类由官方和社区组织提供的免费入门机会，但具体城市名单和报名方式文中没说明。
这篇文章讲的是，医疗和生命科学行业也在用 AI 智能体（能自动完成多步任务的程序），但这里的规矩比别的行业严得多。比如，一个错误答案可能涉及病人安全，所以光产品好用不够，还得能审计、合规、随时说清楚 AI 干了什么。文中举了三家机构的例子：Madrigal Pharmaceuticals 做了一个内部多智能体平台，帮员工查资料、做分析；Abridge 把医生和病人的对话自动变成病历，还能在整个流程里持续帮忙；Vizient 则让医院能查询原本锁在各个系统里的数据。对读者的用处是：能了解这个行业落地 AI 时最看重的可观测性、评估和成本控制，以及哪些场景已经产生了实际回报。
文章讨论云资源缺乏负责人标签的治理难题：当创建资源的员工离职后，无人知道实例为何存在。作者提出三个已有工具的解决方案：用 CloudQuery 的资产清单 SQL 查询找出所有缺少 owner 标签的资源；用 env zero 基于 Open Policy Agent 的策略阻止无 owner 标签的新资源被创建；以及保留超越个人任期的审计记录，记录申请人、批准人、用途等信息。文章指出员工流失加速，标签会像其他东西一样腐化，组织架构会变，但记录不必变。
微软推出 Azure SRE Agent，已在内部3000多个服务团队使用，处理超过180万起事件，许多在数分钟内完成缓解。该 Agent 可分析遥测数据、定位根因、生成修复 PR，部分团队超过一半的事件由 Agent 自主处理。文章强调从提示工程到上下文工程再到 harness engineering 的演进，以及可验证、可审计的治理机制。
Datadog 在 2026 年 8 月 Gartner AI 供应商竞赛研究报告中被评为可观测性平台领域的 Company to Beat，并连续第六年入选 Gartner 可观测性平台魔力象限领导者。文章介绍其统一可观测性与安全平台、Bits Investigation、Agent Observability、Datadog MCP Server 等 40 多款产品，以及在成本控制、数据主权和 Agent 治理方面的投入方向。
OpenRouter 正式向企业客户提供美国境内路由功能，确保请求在美国境内解密、处理和响应，否则直接拒绝。此举背景是开源权重模型已占 OpenRouter 美国请求 token 消耗约 60%，其中中国模型占多数，而企业在采购这类模型时面临数据驻留和合规难题。OpenRouter 列出的可选模型包括 DeepSeek V4 Pro、Kimi K3、GLM 5.2 等，由 Baseten、Fireworks、Azure 在美国数据中心托管。
Alex Porcelli 探讨企业 AI 的关键缺口：高风险决策中的非确定性输出与责任缺失。他分享如何将 DMN 决策模型与 LLM、Agent Skills 及 NeMo Guardrails 集成，构建可审计、确定性的 Agent 架构，让业务负责人拥有决策逻辑，同时工程师维持稳健的架构治理。
Perplexity 使用 Astra 编写通讯内容、修改软件并监控生产系统，相比早期模型，人工复核频率大幅降低。
文章探讨欧洲与中东地区企业级 AI Agent 的落地路径，指出企业更倾向于先建平台再规模化，而非从单一聊天机器人起步。内容涵盖施耐德电气 350 人 AI Hub 支撑 60+ Agent 的 LLMOps 实践、monday.com 将 Sidekick 从单一大模型 Agent 重构为分层子 Agent 系统、Vodafone 基于 LangGraph 构建 Insight Engine 与 Enigma 两个生产级助手，并总结中央 Agent 平台、受监管文档与后台工作、风险合规安全运营、联邦式构建、可观测性与成本控制五大新兴模式。