昨天，和我的前同事（他们 Thoughtworks Global，我们前 Thoughtworks 中国区，现 Inspire）聊完 AI Code Review 之后，觉得有几个点非常不错

在上一篇文章《[以 ROI 为中心的 AI 代码检视体系与分级](https://www.phodal.com/blog/ai-code-review-2025/)》里，我们介绍了在不同的系统

查看原文：AI 代码审查再进化：AutoDev 多智能体协作架构深度解析 - Blog | Phodal - A Growth Engineer

查看原文：AutoDev DocQL：Agentic RAG 下的结构化检索设计、实现与实验探索 - Blog | Phodal - A Growth Engineer

查看原文：AutoDev 3.0 → Xiuper：咻！全平台、全流程智能体编程平台 - Blog | Phodal - A Growth Engineer

查看原文：Agentic 时代的前端革命：重塑 UI 为 AI 的执行界面 - Blog | Phodal - A Growth Engineer

> 本文由 NotebookLM 基于我的演讲材料《Agentic 时代的前端：当 UI 成为数字员工的执行界面》生成初稿，我在此基础上补充细节，最后由

**2025，不是 AI 提升效率的一年，而是开始释放创造力的一年。**

前几天，我看到一篇国产 AI Coding 工具的案例文章，花了不少篇幅在讲一个“智能体的附加价值”——当你写代码写到崩溃时，它可以安慰你、鼓励你，让你感觉好受一点。

随着大语言模型（LLM）从被动的问答工具演变为具有自主性的智能体（Agents），传统的检索增强生成（RAG）架构正面临前所未有的挑战。当智能体需要执行长周期的复杂任务——如代码重构、法律合规审计或企业流程自动化——仅凭基于语义相似度的向量检索（Vector Retrieval）已无法满足需求。智能体不仅需要“知识”，更需要“记忆”和“结构化认知”。本文将详尽探讨一种新兴的架构范式：**代理式 RAG (Agentic RAG)**，并重点剖析其核心组件——**上下文追踪 (Context Trace)**…

这不是一个从“我们决定做 AI”开始的故事。我们项目的客户是某企业内部的平台团队。他们并不是一开始就要“做 AI”，而是长期承担着一个更基础、

查看原文：平台工程视角下的 AI 应用架构治理 - Blog | Phodal - A Growth Engineer

查看原文：A2A vs ACP 协议对比分析 - Blog | Phodal - A Growth Engineer

最近，我们在 AutoDev 中集成了 ACP 协议，使用它进一步优化 AutoDev 的跨平台渲染架构，在提升 AutoDev 的同时，也兼容了其它智能体。由于，ACP

> Routa 是一个 **“工程化的多 Agent 协作框架”**：它把任务、状态、事件和执行拆成可控模块，让开放生态下的多 Agent 系统可以真正落地，而不是靠

查看原文：Agent Team 实践与架构设计：在约束下构建可演进的一个人开发团队 - Blog | Phodal - A Growth Engineer

查看原文：2026 年，万物皆 Coding Agent 的平台工程（A2A / ACP / MCP / Skill） - Blog | Phodal - A Growth Engineer

9 月 5 日这一天，Anthropic 在官网发布了一则消息：立即停止 Claude 向中国资本控股企业提供服务。所谓“控股”，指的是持股比例超过 50% 的企业，这一政策覆盖的可不仅仅是大陆公司，事实上大陆公司本身也用不了。这个策略同时包括那些在境外注册，但有中国资本或股东背景的公司和组织。 目前看起来，Claude 这条路在中国企业这里彻底断掉了。 AI 的地缘政治 过去二十年，互联网科技产品大多强调“全球化”。硅谷的产品可以在北京、东京、柏林同时使用，哪怕偶尔有审查或功能阉割，底层的技术逻辑还是相通的。但到了…

https://note.mowen.cn/note/detail?noteUuid=m9nentvuT10II_nLQAo4z 最早设计墨问的时候，原计划在 Web 端创作，阅读和交互用移动端的微信小程序承接，所以先做个墨问便签的 demo 试试小程序的能力。后来发现小程序也可以有桌面端，移动端能力也越来越强，就把创作和互动、AI 语音、画廊、AI 听读、pdf、视频号，都干到小程序上了。All in one。墨问便签也成了墨问。 AI 时代来临，Web 强势回归，它变得比任何时候都更加重要。配合大模型能力和…