授权信封：教会 agent 自己向用户要凭据
Flashduty AI SRE 技术揭秘第 12 篇：通过结构化授权信封向 Agent 和用户传递授权指引，并在用户完成授权后继续任务。
标签：AI Agent
汇总 Flashcat 博客中与 AI Agent 相关的文章，方便按主题连续阅读实践、案例、选型和产品更新。
AI Agent 相关文章
防止 agent 把自己的密钥吐出来：bash guard 的攻防清单
Flashduty AI SRE 技术揭秘第 11 篇：介绍 bash guard 如何限制凭据泄露、环境变量转储和高风险命令，以及字符串匹配的威胁模型与边界。
接入 GitHub，我们为什么选择给 CLI 注入凭据
Flashduty AI SRE 技术揭秘第 10 篇：通过 CLI 注入凭据接入 GitHub 和 GitLab，处理多组织 token 路由、凭据过期和长任务认证。
AI 的"大脑"该放在我们这儿，还是客户那儿？答案是：跟着用户走
Flashduty AI SRE 技术揭秘第 9 篇：将 Agent 的推理和调度留在云端，由客户内网的 BYOC Runner 执行任务，分析部署边界、连接机制与取舍。
包裹太大塞不进信箱怎么办：AI 工具的输出该由谁来"瘦身"
Flashduty AI SRE 技术揭秘第 8 篇：工具自行限制输出大小，将完整结果保存到文件，以结构化字段和读取指引交给模型，并配合总量闸与命令行侧截断，控制上下文与成本。
我们删掉了给 AI 的"文件目录"：过期的信息，比没有信息更糟
Flashduty AI SRE 技术揭秘第 7 篇：移除提示开头的逐文件目录，保留稳定的知识指引，让 Agent 用工具实时发现文件，并通过末尾提醒处理变化，兼顾信息新鲜度与缓存稳定性。
给 AI 的"记忆"动急救手术：为什么删掉一条记录，反而让请求彻底发不出去
Flashduty AI SRE 技术揭秘第 6 篇：当模型拒绝超长请求时，原地替换工具结果内容，保留调用配对、编号与顺序，以紧急裁剪恢复请求，同时保持存档历史不变。
给 AI 的"记忆"做减法：怎样让一次压缩少花一大半的钱
Flashduty AI SRE 技术揭秘第 5 篇：通过复用主对话的最终请求，让上下文压缩命中 prompt cache，降低摘要成本，并介绍压缩触发、工具调用约束、效果指标与失败处理。
Subagent 扇出之后：父子 agent 通信里那些没人写的坑
Flashduty AI SRE 技术揭秘第 4 篇：分享子 Agent 独立会话、异步通知与补发、上行消息限额、任务实况注入和截断结果标记，解决多 Agent 扇出后的通信与成本问题。
Agent 跑到一半被用户插话，该在哪一行代码停下来？
Flashduty AI SRE 技术揭秘第 3 篇：用工具调用余额识别并行工具调用全部收口的安全切点，协调用户插话、服务下线和子任务派发，避免中断留下悬空调用、破坏会话上下文。
给 AI Agent 的"停止"键立一块墓碑，简单、直接、不复发
Flashduty AI SRE 技术揭秘第 2 篇：复盘停止信号早于任务执行时失效的竞态问题，通过 Redis 墓碑记录、入队检查和执行前校验，让分布式 Agent 任务可靠取消。
用 Redis 给 AI Agent 手写一套会话运行时，简单、粗暴、高效
Flashduty AI SRE 技术揭秘第 1 篇：用 Redis 锁、列表和 Pub/Sub 构建分布式 Agent 会话运行时，实现消息顺序处理、故障恢复与空闲资源回收，并说明方案的适用边界。
别再把告警复制给 Claude：夜莺 v9 让外部 AI 直接查询监控现场
夜莺 v9 通过内置 MCP Server 与 A2A 端点，让 Claude、Cursor 和企业 Agent 实时、受权限约束地查询告警、机器、指标与日志现场。
AI Agent 框架怎么选？不要先看热度，先看你到底要控制什么
AI Agent 框架选型指南：不要先看热度，而要看控制权、状态恢复、流程编排、RAG 数据层、云生态、评测和生产可控性，再决定 LangGraph、ADK、OpenAI Agents SDK、LlamaIndex、Haystack、Pydantic AI、Mastra 或 CrewAI。
同样使用 Codex、Claude Code，为什么不同人写出来的代码质量仍然不同？
本文讨论 AI Coding 时代代码质量差异的根因：AI Agent 拉平的是编码速度门槛，不会替代工程判断。真正决定产物质量的是任务定义、上下文组织、任务拆解、测试验证、工程品味和对 AI 输出的审查能力。
Flashcat 和其他可观测性产品有何不同？
目前国内外市场上有众多可观测性产品。本文从工具、场景、生态和智能化四个角度解释 Flashcat 的差异，重点说明数据集成、稳定性场景、OpenTelemetry 生态、FlashAI 和 AI Agent 操控平台的价值。
Harness Engineering 是什么：AI Agent 时代的系统约束、反馈回路与工程范式
Harness Engineering 正成为 AI Agent 生产化落地的关键工程范式。本文系统梳理 Prompt Engineering、Context Engineering 与 Harness Engineering 的关系，以及约束、验证、纠正、多代理编排与可观测性的核心方法，并对比传统线束工程。
用 Claude Code Skill 治理文档漂移：FlashDuty 的 AI 文档审查实践
FlashDuty 通过 Claude Code skill 构建 AI 文档审查系统，将源码与产品文档关联起来，自动发现文档漂移、补齐缺失说明并生成 PR。本文介绍这套系统的设计思路、Diff/Audit 两种模式和落地经验。
AI 会替代运维老司机吗？五类产品形态重塑 SRE 与 AIOps
AI 短期不会直接替代运维岗位，而会优先替代依赖个人经验、上下文记忆和人工协同的运维工作方式。本文从调查型 Agent、协同控制台、自动化护栏、平台工程和组织记忆系统五类产品形态，分析 AI Agent、AIOps 与 SRE 产品栈如何重塑运维体系。
AI 时代的可观测性：从排障工具到运行时控制平面
AI Agent 和 LLM 应用进入生产后，可观测性会从排障工具升级为连接可靠性、治理、审计、成本控制和自动化动作的运行时控制平面。本文基于 2025-12-30 至 2026-03-30 的行业信号，梳理 AI 可观测性的演进方向、厂商转型重点和企业落地路径。
