工程笔记
写给真正
交付技术栈的人
关于 React、Node.js、TypeScript 与 AI 的文章。有译文正文时显示译文。没有时显示英文，并注明这一点。
标签：enterprise
利用Foundry Agent Service和Agent Framework将代理部署到生产环境。
销售准备代理如何从本地代码过渡到基于业务数据、在Microsoft 365中部署的、具有身份限定、沙箱化且受监控的环境。
阅读约 11 分钟代理还是工作流？企业人工智能中推理与执行的分离
使用智能体处理意图与信息检索，再用确定性工作流处理事务：RAG、LangGraph、MCP、审批流程及SQS如何共同构成更安全的架构。
阅读约 7 分钟您公司中谁是智能代理的负责人：六项职责及其承担者
贵公司里谁负责管理人工智能代理？鉴于SR 26-2对人工智能代理、六种责任角色、如何从现有团队中调配人员以及日常运营均未作出明确规定。
阅读约 16 分钟初学者版MCP：构建服务端与客户端，然后将其应用于企业环境。
面向初学者的MCP：N×M问题、用通俗语言解释的核心概念、基于Node.js的TypeScript帮助台服务器与客户端，以及迈向安全HTTP部署的步骤。
阅读约 14 分钟Microsoft Foundry 将模型 API 调用转化为受管控的 AI 操作
Microsoft Foundry将零散的模型API调用整合为受管控的运营流程：模型目录、代理、RBAC、追踪、可观测性及评估功能均集成于同一平台。
阅读约 7 分钟企业RAG的混合搜索：仅靠密集向量模型不够
精确的ID和稀有代码会破坏嵌入模型。企业级RAG需要采用混合搜索方式，让BM25与密集检索并行运行后再进行融合，以此应对真实的查询多样性。
阅读约 11 分钟语义内核、LangChain、LangGraph、AutoGen：依据需求而非炒作来选择
从实际约束角度，对比了Semantic Kernel、LangChain、LangGraph和AutoGen在DX、语言处理、智能体、任务编排、RAG及安全领域的企业级应用表现。
阅读约 13 分钟为何企业级RAG需要混合搜索，而非仅靠向量技术
嵌入模型会遗漏发票编号和错误代码。企业级RAG需要混合搜索方式：结合BM25与密集检索并通过排名融合来弥补标识符缺失的问题。
阅读约 5 分钟2026年企业应用该如何选择JavaScript库
选择 JavaScript 平台的实用检查清单——包括需求、组件、数据架构、无障碍性、工具、测试以及原型设计——并以 Ext JS 作为企业级应用案例。
阅读约 5 分钟
常见问题
关于这些文章
是。每篇都是为本站准备的英文原创改写。结构与代码跟随来源；正文重写并做过重合检查。
英文是来源。只有存在该语言的正文译文时才显示其他语言。缺失或空白的译文仍是英文，包括在本地化网址上。
草稿经编辑后进入发布队列。站点导入只收录新的或有变更的 slug，不会重复添加。
示例仅供说明。上线前请核对技术栈与许可。若需交付，请发来简报。