标签：workflow-orchestration
-
停止向 AI Agent 授予裸 API Key：Keycard 动态凭据交换与 Temporal 持久化执行实践
AI Engineer
Keycard 的 Kim Maida 与 Temporal 的 Mason Egger 在工作坊中展示了如何通过 OAuth 2.0 令牌交换标准为 AI Agent 引入端到端身份委托链与细粒度作用域凭据，并结合 Temporal 的工作流持久化执行与拦截器机制，解决 Agent 权限过大、审计缺失及故障中断重试开销等问题。 -
我们信任每天都在崩溃的 AI Agent：Temporal 揭示从原型到生产的四大鸿沟与持久化执行方案
AI Engineer
Temporal 开发者布道师 Shay 结合第二届《开发者现状调查》对 554 位工程师与技术负责人的调研数据，指出了 AI Agent 落地生产面临的四大差距：日常使用与生产交付的脱节、高信任度与频繁系统崩溃的矛盾、大企业面临的长达数月的部署周期，以及可观测性与系统恢复能力间的断层。演讲通过支付反欺诈工作流的现场演示，阐述了如何利用 Temporal 的持久化执行机制保证状态留存与失败恢复，避免重复消耗 Token 并降低故障成本。 -
策略性临在：在合规策略工作流中构建受信任的AI智能体
AI Engineer
Coinbase资深专家Evan Cormos探讨了在企业合规与强监管流程中落地AI智能体的系统架构。通过外部确定性DAG与内部自适应DCG的解耦设计，结合评估与链路追踪构建置信机制，实现从人工监督、抽样核查到自主运行的渐进式跃升。 -
不离开 IDE 的 GPU 云端部署：RunPod Serverless 与 Flash SDK 实战
AI Engineer
在本次演讲中，RunPod 的 Audrey 展示了如何使用 Flash Python SDK 在本地 IDE 中直接进行 GPU 云端部署和测试。通过生动的图像生成案例，她解释了 RunPod Serverless 如何简化开发者的迭代流程，并介绍了其灵活的工作流编排与秒级计费的云基础设施优势。 -
Vercel 的 AI Cloud：2026 年产品路线图全景
yage.ai
本文分析了 Vercel 在 2026 年的产品路线图，指出其正从单纯的前端部署平台演变为 agent 开发的统一基础设施。通过整合 AI SDK、AI Gateway、Sandbox 和编排服务，Vercel 降低了开发成本，试图定义 agent 应用的标准技术栈。虽然定价复杂和功能性缺口仍存在，但其整合策略正在让它成为 AI 应用开发的高效起点。 -
OpenAI + Temporal：构建高可用、生产级的 AI 智能体
AI Engineer
本视频由 Temporal 开发者倡导者 Cornelia Davis 主讲，探讨了如何结合 OpenAI Agents SDK 与 Temporal 构建具备“持久性”的生产级 AI Agent。通过引入 Temporal 的工作流引擎，开发者可以确保 Agent 在面对网络中断或进程崩溃时，能够自动恢复状态并继续执行，避免重复消耗 Token。视频深入解析了 Activity 和 Workflow 等核心抽象，并演示了微智能体编排与移交的实现方式。 -
使用 Workflow DevKit 和 AI SDK 构建持久化智能体
AI Engineer
本次访谈深入探讨了如何利用 Vercel 的 Workflow DevKit 和 AI SDK 来构建具有高可靠性、可观测性和持久性的 AI 智能体。演讲者详细介绍了工作流模式如何简化生产部署中的复杂性，如状态管理、错误重试和可恢复流。通过实际代码演示，他展示了如何将现有编码智能体转换为支持工作流的智能体，并介绍了休眠（sleep）、人机协作（human-in-the-loop）等高级功能，以及部署、版本控制和可观测性等方面的考虑。