DeepWorks Infra：企业级沙箱运行机制

企业级 Agent 平台要承载真实任务，必须让每一次执行都具备隔离、授权、恢复和审计能力。本文从 Sandbox Runtime 的五层能力与 DeepWorks 的执行平面出发，拆解 Agent 进入生产环境后的运行机制。

AI Native 不是重写一切：从 FastData 到 AI 数据管家的控制面改造范式

传统平台做 AI 化，容易形成第二套控制面。FastData 到 AI 数据管家的实践选择不重写业务平台，而是把已有能力收敛成 Agent 可发现、可调用、可确认、可诊断、可验收的执行契约。

假设 Agent 一定会被注入：企业平台的安全防线

当 Agent 能读文件、开浏览器、执行 shell、调用 API 时，它就不再是一个 chatbot，而是一个持有企业权限的执行体。本文从“注入终将成功”的悲观假设出发，拆解企业 Agent 平台需要建立的隔离、身份、工具、出网、密钥、状态、审批与审计控制面。

企业本体数据构建范式：提取、编译、链接

从编译器 IR 视角解释企业本体数据构建的提取、编译、链接三阶段范式，说明为什么直接抽取在生产里容易翻车，以及如何用 Wiki 页面网络承接结构化本体数据。

企业 Agent 落地的桌面级推理底座：边缘算力与推理引擎实践

企业 Agent 的落地瓶颈正在从模型能力转向推理算力能否稳定、低延迟地贴近业务现场。本文从边缘算力、统一内存、KV Cache、长上下文和推理引擎等维度，拆解桌面级推理底座的关键技术实践。

DeepexiMQL 推理篇：字段级解析如何兼顾准确率与时延要求

围绕 DeepexiMQL 在线推理链路，拆解字段级解析如何通过上下文裁剪、字段并发和 vLLM Prefix KV Cache 复用，在保障准确率的同时降低时延与资源成本。

企业本体⼤模型-怎么训练这样的模型

企业本体⼤模型-什么是本体推理

DeepexiMQL模型训练实践

别急着做 Agent Teams：先把 AgentOS 任务闭环跑通