Agent 不能只记录调用了什么，还要记录为什么调用 | KDC 系列 03
vivo 互联网存储团队在 KDC 系列第三篇中提出推理对象（Reasoning Object），用于记录 Agent 做出判断的目标、知识引用、证据、风险与行动授权，而不只是记录 Tool 调用。
推荐理由：文章用一次误退款案例拆解 Agent 行动审计缺口，提出推理对象与 Tool、Skill、Capability 的分层责任，可供设计高风险 AI 行动治理时参考。
#vivo
vivo互联网技术精选AI 评分5858
vivo互联网技术精选AI 评分5858 知识不是文件，也不是向量 | KDC 系列 02
vivo 互联网存储团队在 KDC 系列 02 中区分知识与文件、向量及 RAG，并将知识定义为已经验证、可复用且能降低不确定性的认知成果。文章以旧版退款政策被检索误用为例，提出知识对象应管理来源、证据、版本、成熟度和适用边界，并介绍了 Knowledge Card 的实践检查项。作者说明 KDC 仍处于开放研究阶段，相关定义与框架尚非成熟的行业标准。
推荐理由：旧版退款政策被高相似度检索误用的案例，具体呈现了版本、有效性与适用边界治理的重要性，文中还给出 Knowledge Card 的检查框架。
vivo互联网技术精选AI 评分5757 软件不是从数据开始，而是从现实开始 | KDC 系列 01
vivo 互联网存储团队提出 KDC 的 Reality First 视角，主张 AI 应用架构先明确领域现实，再设计数字表示、运行时判断与行动反馈。退款案例说明，渠道受理或接口成功不等于用户到账，Agent 可能将表示歧义放大为错误行动；Reality Map 方法通过梳理系统职责、现实要素、数字表示和结果反馈定位映射缺口。
推荐理由：通过梳理现实状态、数字表示与结果反馈的对应关系，团队可以定位业务承诺超出系统观察范围的建模缺口。
已经到底了