Agent 与工作流01
OpenClaw 最初是奥地利开发者 Peter Steinberger 在 2025 年底做的一个周末项目，后来迅速走红，GitHub 星标超过 10 万，连 OpenAI 都把他招了进来。问题是，企业 IT 部门看到这种能访问代码、凭证和内部系统的 Agent 平台，第一反应往往是直接禁掉，因为权限太大、没法集中管。于是 OpenClaw 推出企业版 OCE——一个开源、不绑定厂商的管理平台，核心是一个“控制平面”，让管理员集中部署 Agent、隔离命名空间、管理配置和权限，思路类似用 Kubernetes 管容器那样管 Agent。目前 OCE 还在 1.0 发布前的开发阶段，只适合内部试点，代码已在 GitHub 上公开，可自托管且免费。
文中可用工具
- OpenClaw Enterprise开源、厂商中立的 Agent 管理平台，让企业集中部署和管控 Agent
- OpenClaw Control Plane在 OCE 中集中部署 Agent、隔离命名空间、管理配置凭证和权限的管理中枢
- KubernetesOCE 运行和部署的基础设施，用于承载控制平面、PostgreSQL 和 Agent 工作负载
- PostgreSQLOCE 的后端数据库
- GitHubOCE 代码托管平台，已可获取源码和入门指南
Agent 与工作流02
这篇文章讲的是一个常见现象：AI Agent（智能体，能自己调工具、做决策的程序）在演示环境里表现完美，一放到真实公司环境就出问题。原因是演示时信息少且干净，而真实世界里数据来自多个系统、每天甚至每小时都在变，权限管理也复杂，Agent 往往处理不了这些。作者认为光靠向量搜索或 RAG（检索增强生成，即先查资料再回答）不够，Agent 还需要“业务上下文”——知道客户在不同系统里是不是同一个人、查到的信息是不是最新的、以及为什么要做某个决定。文章还提到 Arango 公司 COO Ravi Marwaha 将在 10 月 14 日的线上讲座中分享把 Agent 从演示推向生产所需的六项数据要求。目前该讲座尚未举行，文中未说明具体的六项要求细节。
行业动态03
CloudBees 是一家做企业级持续集成与交付（CI/CD）工具的老牌公司，新 CEO Mo Plassnig 今年上任时，董事会直接要求他不能按原路走。原因是生成式 AI 让代码产量大幅增加，企业面对的问题不再是写不出代码，而是如何管理 AI 生成的大量软件；如果继续老样子，公司可能被淘汰。他的计划是把 CloudBees 转型成一家“AI 优先”的组织，同时也要改造它旗下流行的开源自动化服务器 Jenkins。文章预告了他在播客里讲述具体怎么做，但对具体产品、时间表和技术方案没有展开说明。
文中可用工具
- CloudBees企业 CI/CD 工具与服务，文章称其将转向 AI 优先
- Jenkins开源自动化服务器，被 CloudBees 维护，文章称也将被改造
- Codeship原文仅提到它是一家 CI/CD 初创公司，曾被 CloudBees 收购，未说明具体用途
行业动态04
Meta 周一宣布成立企业级 AI 业务部门 Meta Enterprise Platform，并聘请 MongoDB CEO CJ Desai 担任首席企业平台官，直接向扎克伯格汇报。Desai 已立即从 MongoDB 离职，MongoDB 由前 CEO Dev Ittycheria 临时接任。Meta 将把面向消费者和广告主的技术打包提供给企业开发者，首批包括 Muse 智能体、Meta Business Agent、Muse API 和 Muse Code。但 Muse API 和 Muse Code 的企业定价、正式可用日期和服务条款均未公布；Muse Code 八月起已公测，Muse Spark 模型七月起按每百万输入 token 1.25 美元、输出 token 4.25 美元收费。值得注意的是，Meta 多年主推的开源模型系列 Llama 完全没有出现在企业技术栈描述中，Meta 也未说明 Llama 是否会纳入该平台。对于已在生产环境使用 Llama 的团队，这一变化的影响尚不明确。
文中可用工具
- Muse面向消费者的个人 AI 智能体，本月推出
- Meta Business Agent六月上线，帮助企业在 Meta 平台上处理客户互动
- Muse API面向开发者的 API，企业定价和服务条款尚未公布
- Muse Code面向开发者的编程工具，八月起已进入公测
- Muse SparkMeta 的模型，七月起通过 API 收费：每百万输入 token 1.25 美元，输出 token 4.25 美元
- Muse GlimmerMeta 较小尺寸的开放权重模型
- LlamaMeta 多年推广的开源模型系列，是否纳入企业平台尚未说明
Agent 与工作流05
Forter 的 Ben Maraney 分享了一个内部实验：让公司里懂技术和不懂技术的同事都能自己动手做 AI 智能体。原来的问题是造智能体门槛高、流程复杂，普通员工只能当使用者。他们的做法是自建 MCP 服务器，把拖拽式无代码平台和写代码平台混着用，绕开复杂的 RAG 方案，同时提前和法务、安全团队对齐规则。结果是两周内约 200 名研发相关人员开始自己创建智能体，内部推广明显加快；但具体使用了哪些产品、是否已全面开放等细节，原文未说明。
文中可用工具
- MCP servers定制化服务器，用于连接和调用外部工具或数据，帮助搭建智能体
行业动态06
很多企业想让 AI 读取病历、财务记录或核心知识产权，但又不放心把这些数据传到云端或别的公司服务器上。为此，VAST Data 推出了一款叫 VAST DataEnclave 的产品（9 月 22 日发布），做法是把数据锁在企业自己的设备里，模型也加密，只有经过硬件验证的特定程序才能解开使用；企业拿着自己数据的钥匙，模型厂商也拿着自己模型的钥匙，双方都不用交出控制权。这样企业既能用上先进模型，又不必担心数据外泄，模型厂商也不怕模型权重被人偷走。目前文章只介绍了这一产品的发布，尚未说明实际使用效果和具体开放范围。
文中可用工具
- VAST DataEnclave让企业在自己控制的环境里安全使用外部 AI 模型，同时保护企业数据和模型权重
- VAST AI Operating System把模型、应用层和数据平台整合到客户可控环境下的 AI 操作系统