阿里《AI Native 研发范式实践手册》收官：官方总结企业落地四个关键问题
阿里官方手册的收尾篇，把企业上 Agent 的技术坑、知识治理、组织阻力一次讲清，做大厂落地的人看很有共鸣。
阿里发布的《AI Native 研发范式实践手册》收录了官方四点陈述。第一，从写代码到可靠交付仍存在较多技术问题，Agent Infra 的工程复杂度可能不亚于 Agent 应用层建设。第二，企业知识资产尚未做到 Agent 友好，结构化、版本化、权限管理和质量治理都有大量工作。第三，组织设计影响深远，需要解决中层敢用、基层不怕被取代的激励问题。第四，AI 迭代速度快会持续冲击现有架构，应保持架构弹性，避免因等待更好的模型而推迟必要的基建。
最后给「AI Native 研发范式实践手册」收个尾吧，也是阿里官方的四点陈述。 1. 从写代码到可靠交付，仍有较多技术问题要解决 基础设施本身的工程复杂度，可能不亚于 Agent 应用层的建设。 -- 这一点很赞同，LLM 和 Agent 应用架构能决定 Agent 的能力表现，但让它稳定持续、可运维的运行，互联网时代的很多基础设施，几乎都不能避免。Agent Infra，既要借鉴互联网 Infra 的经验，又要建设对 Agent 更友好，更适合 Agent 这种非确定性运行的特点，任重而道远，未来几年在企业场景中至关重要。 2. 企业的知识资产，还没充分做到 Agent 友好 知识的结构化、版本化、权限管理和质量治理都还有大量工作要做。 -- 是的，千万不要被现在企业内的文档数量骗了，绝大部分企业现在都称不上知识，就只是文档库而已。更谈不上积累，更像积压！这种知识资产的建设，需要自上而下统一去整改，不能每个部门自己搞自己的，也不能让不懂的人来，行政、项目经理和 PMO 尽量往后站，让更懂 AI 的人站出来！ 3. 组织设计的影响更为深远，也更难找到确定性答案 如何在激励创造与缓解焦虑之间找到平衡？ -- 这是一个很现实的问题，特别对于中大厂。AI 提效，为什么对个人和创业团队更容易见效，各位大厂牛马心里很清楚，因为大厂内部的阻力很大很大，来自事的，来自人的，都很大。不去解决组织设计的问题，什么 AI SI 来了都白扯。围绕 AI 重新建立组织，这句话说来容易，实际在大厂很难执行，因为各个部门的权力组织，都不想被取代。怎么让中层敢放开用 AI ？怎么让基层觉得用 AI 不需要担心自己被取代 ？这些前置问题，需要每位团队管理者根据自己所处的环境具体去思考。 4. AI 技术本身的迭代速度，会对现有架构持续造成冲击 我们继续接受这种不确定性，保持架构的适应弹性，同时避免因为“等更好的模型”而推迟必要的基础设施建设。 -- 是的，AI 本身的不确定性就很高，发展中又在不断迭代。记得 Claude Code 的 Boris 一直在强调，面向几个月后的 AI 做事情。这种技术判断力很重要，哪些是变化的，哪些是不变的。哪些是会被下一代 AI 取代的，哪些是有了下一代 AI 就成立了？ AI 时代，一位有技术判断力的负责人，更为关键。同时，AI 的快速变化和不确定性，怎么和中大企业中特别需要确定性的财务、项目、PMO 等组织之间形成共识，在技术和业务间找到持续可以跑的方向，都还有很多要做的事情。 手册在这： ai-native.alistatic.com/app/ainativein… meng shao @shao__meng 假期第四天，继续学习阿里的「AI Native 研发范式实践手册」 今天看到「Agent 运行环境」中的 Sandbox 部分，介绍了阿里开源的 OpenSandbox，顺手搜了一下各云服务厂商开源的 Sandbox，如果你的 Agent 需要可以具体选择使用。 只搜索筛选了部分开源 Sandbox，如果大家有其他选择欢迎评论补充 🤝 1. 腾讯云 CubeSandbox github.com/TencentCloud/C… z 国内生产级自建优先，基于 KVM MicroVM，具备控制面、集群调度、网络与凭据策略、快照能力，并兼容 E2B SDK 2. 阿里 OpenSandbox github.com/opensandbox-gr… 5 功能覆盖面较完整，支持 Docker/Kubernetes、多语言 SDK、MCP、浏览器和桌面等 agent 执行环境能力 3. 字节跳动 AIO Sandbox github.com/agent-infra/sa… J 快速搭建 browser、Shell、文件系统、VS Code、Jupyter 与 MCP 一体化 agent 工作环境，主要采用 Docker 容器形态 4. 字节跳动 SandboxFusion github.com/bytedance/sand… J 适合 LLM 代码执行、Online Judge、代码评测和强化学习数据集运行，支持多语言及部分 GPU 运行时 5. AWS Firecracker github.com/firecracker-mi… D 适合自建高隔离、多租户 agent 执行平台的 MicroVM 底座，需自行建设调度、文件服务、快照管理和 agent SDK 等上层能力 6. Google gVisor github.com/google/gvisor j Google 开源的容器安全 Sandbox 运行时，通过用户态 application kernel 与 `runsc` 为 Docker/Kubernetes 工作负载提供更强隔离；适合已有容器平台、希望以较低启动和资源成本承载不可信 agent 代码的场景 🔗 View Quoted Tweet 💬 0 🔄 0 ❤️ 1 👀 151 📊 1 ⚡
