AI Coding 的危险，不是写错代码，而是让人放弃判断
这两年 AI Coding 很热，热到一种有点奇妙的程度。 以前大家写代码，哪怕是去百度、Google、Stack Overflow 找一段代码复制回来，中间至少还有一个“人”的过程。你要知道自己想找什么，要判断这段代码是不是适合当前项目，要改变量名、改逻辑、改依赖，还要在脑子里过一遍它为什么能跑。...
AI Coding 的终点不是写代码，而是应用生产入口
最近遇到一个很典型的场景。 一个运营同学想快速做一个文章生成 Agent。这个 Agent 并不是简单地“你说一句话，它回一篇文章”，而是一套完整的工程逻辑：先追踪热点和灵感，再去抓取网站和媒体内容，拿到素材后判断是否和主题相关，然后筛选、保留、整理，再进一步生成大纲，最后产出文章。 这件事看起来...
Agent 记忆的分水岭：不是 Markdown，不是向量库，而是上下文治理
最近 Agent 记忆很热。 热到很多框架、产品、MCP Server 都开始说自己有 memory。有人把记忆写进 Markdown，有人接向量库，有人做本地文件，有人做云端服务，有人做图谱，有人做 summary。表面上看，好像只要提供 add_memory、search_memory、upda...
在 AgentRun 上的思考：传统 Infra 必须再做一层
做 AgentRun 这段时间，我越来越强烈地感受到一件事：AI 时代的 Infra，不能再只站在底层等别人调用了。 过去 Infra 的价值，更多体现在资源、稳定性、性能、弹性和成本上。它像一层坚实的地基，支撑上层应用运行。但 AI 出现之后，应用的生产方式变了，用户的入口变了，风险的来源也变了。...
回归阿里云九个月：拥抱变化，理解变化，接受变化
马上又要到 618 了。 我第一次加入阿里云，是 2020 年 6 月 18 日。今天是 2026 年 6 月 3 日，离又一个 618 已经很近了。 而我第二次回到阿里云，是 2025 年 9 月 1 日。 那天是学生开学的日子。某种意义上，对我来说，也像是一次重新开学。 这一次回来，还是阿里云...
为 AgentRun二进宫：一个关于 Serverless 与 Agent Infra 的未竟执念
2025 年 9 月，我重新挂上了阿里云的工牌。距上次离职，一年四个月。不是因为外面混不下去，而是因为有一件事没做完——AgentRun。这篇文章想讨论一个整个行业都在回避的问题：为什么绝大多数 Agent 平台，本质上只是给大模型打工的静态管道？为什么让主 Agent 直接操作沙箱，是一个每天都在...
Agent平台：脏活累活，也许才是竞争力的基础
文章深入探讨了AI Agent平台的竞争本质，指出仅有先进模型是不够的，真正的竞争力来自于解决基础设施层面的复杂问题。以阿里云函数计算AgentRun为例，详细阐述了Agent运行时面临的状态管理、安全隔离、成本控制和可观测性等挑战，强调了在Agent技术从概念走向生产的过程中，那些默默处理”脏活累...
产品对标的陷阱：为何技术优势不等于市场成功
文章深入剖析了技术创新与市场成功之间的复杂关系，指出单纯依靠技术优势并不能直接转化为市场竞争力。通过分析用户价值的多维度构成，文章强调了理解用户群体差异、找到差异化定位的重要性。文章提出，成功的产品策略不是简单地”打败对手”，而是创造独特价值，服务特定用户群体的需求。...
"用户第一"的悖论：从三朵云看产品设计的中庸之道
文章以云计算行业从业经历为背景，深入探讨了”用户第一”理念的复杂性。作者通过分析不同云厂商的产品设计方式，揭示了产品团队在理解用户需求时面临的挑战。文章提出了”中庸之道”的产品设计理念，强调在技术创新和用户需求之间找到平衡，并认为真正的”用户第一”不是简单迎合，而是帮助用户发现真正的需求。...
五个人教一个人点鼠标：云服务的荒诞现实
文章深入剖析了云服务售后支持中存在的诸多问题，尤其是”多人会诊”式远程协助的低效性。作者认为，当支持人员需要多人反复指导用户操作基础配置时，这实际上暴露了产品设计的失败。文章强调，云服务的核心应该是易用性和信任，而非依赖大量人力进行低效支持。真正优秀的云产品应该让用户能够自助完成操作，建立专业的支持...