铃阅
❌

普通视图

昨日接收 — 2026年11月16日 ⏭ 爱奇艺技术产品团队

AI短片之后,如何真正迈向长片创作?

2026年11月12日 10:00

爱奇艺技术产品团队 2026-11-12 10:00 北京

AI短片做到头,为什么还是做不出一部AI长片? 创作路上的一些坎,卡住了短片玩家:叙事,撑不住。

AI短片做到头,为什么还是做不出一部AI长片? 

创作路上的一些坎,卡住了短片玩家:

叙事,撑不住。5-20分钟以上的完整叙事段,大多数人拉不下来。

技术,稳不住。动作与镜头生硬,AI生成画面一致性差、提示词可控性弱。

流程,续不上。没有标准化、可复用的全链路AI制作工作流。

短片始于灵光一现,长片成于系统工程。而爱奇艺,很懂“长”这件事。

爱奇艺AI影视创作营·大师工作坊(北京站)将于12月23日开营!

这里大师云集,表演导师刘天池、知名编剧周运海、美术指导柳冬阳、摄影指导刘懿增、剪辑师朱利赟、声音指导熊艺……行业顶尖大咖与爱奇艺AIGC工作室负责人组成导师团,7天全程带练。

学费包含了8000纳逗Pro积分,助你完成故事、人物与视听表达能力的飞跃式进阶,建立更成熟的制作工作流,从完成AI短片走向创作更具感染力、个人风格与商业潜力的长片作品,让AI长片从梦想走入现实!

01#

七大核心课程

纳逗Pro助力长片项目管理

掌握长片项目全流程管理与一致性控制方法,拆解优秀案例完整链路,建立成熟的AI长片创作工作流。

故事建构与人物塑造

系统掌握故事创作核心方法,导师深度指导,让故事真正抓住人心、让人物立得住。

表演控制与分镜设计

让数字演员演出你想要的情绪,用拆镜、动态分镜与3D Previs把剧本变成可落地的生产线。

美术设计与视觉提升

从影视美术解构故事,用氛围、构图与光影打造电影级质感,全片视觉风格统一。

剪辑叙事与实操

用节奏和情绪二次创作作品,掌握长片叙事剪辑逻辑,完成作品初剪版。

声音设计与配乐实战

掌握声音设计、听觉叙事与AI配乐,让声音成为故事的一部分,打造沉浸式声画体验。

成片验收与结营展映

专业成片验收、市场定位与版权合规一步到位,作品展映+导师点评,带着你的作品结营。

02#

导师阵容

导师阵容汇集行业顶尖大咖、以及爱奇艺AIGC工作室负责人,拥有电影、剧集及AI影像等多领域创作经验。

图片

03#

四大收获

顶级导师团陪练,让作品获得针对性指导

通过剧本辅导、实操带练与展映点评,获得专业反馈,明确作品修改方向,提升创作判断与AI长片作品打磨能力。

8000纳逗Pro积分,支持创意反复打磨

学费包含8000个纳逗Pro积分,用于镜头生成、重绘与细节优化,为创作尝试和作品完善提供支持。

开启你的第一部AI长片创作

围绕商业化长片创作,掌握创作技巧,为后续长片完整作品奠定坚实的基础。 

对接平台资源,拓展展示与合作机会

优秀作品有机会通往爱奇艺创投大会,以及获得平台展播。

优秀学员经遴选,有机会成为爱奇艺签约创作者,获得爱奇艺工作室制片人深入指导,优先参与项目合作、内部商单、行业活动等并获得平台流量扶持。

04#

报名信息

AI影视创作营大师工作坊(北京站)课程时间:

12月23日(周三)-12月29日(周二)

地点:北京

报名方式:

18010068307(同微信号)

17710707903(同微信号)

期待你的参与!

我们在AI影视创作营的课堂见👀

——·——

跳转微信打开

从代码到服务:让 AI 打通最后一公里

2026年11月5日 12:00

原创 海外技术产品团队 2026-11-05 12:00 北京

智能搭建 CI/CD 主链路,以部署账本形式沉淀跨系统关联关系,实现从代码到服务的高效、安全、可追溯的自动交付。

🚀一句话总结:

服务交付 Skill 面向本地开发与项目级服务交付,通过 IDE Agent 智能编排串联代码托管、容器运行、镜像构建和发布流水线,并引导接入配置中心、日志平台与 API网关。项目部署账本记录跨平台关联,配合校验、确认和审计机制,让从代码到服务的交付过程可审阅、可追溯,也为后续排障提供上下文。

个人

团队

边界

本地开发,一键预览从本地代码到可发布服务的全局规划,确认后AI按任务清单完成搭建部署。

将经验流程固化为可复用、可恢复、可审计的默认流程,减少口口相传与跨平台参数搬运。

只建新修新、关联存量;不删除、不覆盖存量、不替用户 Push、不默认触发发布。

工程实践:在后端服务交付场景中,一个新服务从代码走到可访问、可发布、可观测,通常需要连接代码托管、容器平台、构建平台、发布编排、API 网关、配置中心和日志平台。服务交付 Skill 在这些平台之上提供受控编排,将人工经验转化为 Agent 可执行、研发可审阅的流程。本文使用通用平台角色描述设计,示例不包含真实业务和基础设施标识。

01#

自动化引导部署交付链

💡核心转变:人工搭建CICD-> AI自动搭建;凭经验记忆\跨系统关联中断 -> 项目部署账本全程可追溯


1.1 一个智能编排层,连接七类工程能力

Skill 位于开发者意图与平台 OpenAPI 之间。上层接收“给这个新服务搭 CICD”这样的目标,下层通过规划器、执行器和安全基础设施,协调 代码托管平台、构建平台、容器平台、发布编排平台、API 网关、配置中心与 日志平台。

1.2 适用与不适用

适合

不适合

  • 后端项目研发与初始化部署

  • 对存量服务做试验或批量改造

  • 为了提升 GPU 利用率,需要手动优化训练流水线,隐藏 IO 开销

  • 按名称猜测并接管存量资源

  • 补齐 发布编排平台 首次发布与成功终态验证

  • 自动删除、下线或覆盖平台对象

  • Agent 与人协同完成页面操作步骤

  • 替用户强推代码、创建数据库

  • 基于已有确定性信息和仓库证据发现存量候选

  • 无人确认地发布配置或生产环境

  • 用户确认【 match_hash】 后,把存量对象关联进项目账本

  • 把存量关联误当成 repair/apply 权限

1.3 平台角色,不再混淆

构建与运行

流量与运行治理

  • 代码托管平台:代码事实源

  • API网关:测试网关服务与 API 路由

  • 构建平台:拉代码、构建镜像、交付产物

  • 配置中心:按部署区域选择接入端点与配置隔离范围

  • 容器平台:应用、环境、首次部署与升级目标

  • 日志平台:汇聚网关访问日志与应用日志

  • 发布编排平台:把构建、升级、QA 拨测编成发布流水线

  • Agent:协调 API 与人工步骤,保持上下文一致

💡操作边界:配置中心先给区域与接入建议,用户确认后才创建本服务的新应用;禁止自动发布、删除或修改他人配置。API 网关区分测试与生产入口,生产域名及路由范围须显式确认,创建路由与正式上线分别验证。

02#

 安全自动化部署架构

服务交付 Skill 由四类真实边界组成:交互控制把自然语言目标转换为任务与停点;规划验证生成蓝图并证明可执行;平台适配器按依赖调用受限写接口;治理状态以项目账本、审计、恢复日志和服务锁约束每一次写操作。外部平台可以演进,稳定的状态模型、安全门禁和证据链才是核心。 

架构:意图、蓝图、平台执行与治理状态如何协作

说明:首次搭建依次完成容器构建文件校验、代码仓库准备、用户推送代码、容器运行目标初始化、构建流水线配置,再接入配置、日志、发布编排与网关。正常发布由发布编排平台协调镜像构建、容器滚动或灰度升级及质量验证,API 网关负责流量接入。各步骤按依赖和平台能力推进;HTTP 写路径白名单与写前审计约束远端操作,身份、查重、区域、所有权和确认码提供专项门禁。

占位镜像:需要先建立运行目标的平台,可使用经验证、无业务数据的最小启动镜像初始化环境,随后替换为业务镜像。占位实例就绪只证明部署目标可用,业务上线仍需另行验证。

【registry.example.com/demo/bootstrap:example】(仅为地址格式示例,须替换为团队已验证的镜像。)

2.1 项目账本:团队共享事实与私有恢复副本

Skill 将项目部署账本记录在业务仓库根目录,例如【deploy_info.json】。共享前应检查字段,仅保留协作所需的关联信息;凭证及不宜进入仓库的基础设施信息留在受控存储中。

项目账本与私有恢复副本分别原子写入,使用 revision、transaction_id 和 checksum 校验一致性。跨文件写入并非单个原子事务;任一副本写入失败或两份内容不一致时停止执行,核对权威来源后再受控恢复,禁止自动选择或合并。

2.2 查询和存量关联也是架构能力

【查看部署信息】优先读取项目账本;仅当账本已记录相应对象时,才返回 容器平台、构建平台、发布编排平台、API 网关、配置中心和 日志平台 的稳定坐标与安全入口;【匹配存量部署信息】只读发现候选,要求仓库、稳定 ID、creator/owner 等关联证据。用户确认 【mctch_hash】后只更新双账本,不修改任何平台对象。

2.3 先创建容器运行目标,再配置构建流水线

对于必须先有运行目标才能配置发布的平台,先用已验证的最小启动镜像初始化容器部署目标与运行实例,核验部署成功和就绪状态;随后由构建平台生成业务镜像,发布编排平台协调滚动或灰度升级与质量验证。这个顺序解决“缺少运行目标,无法完成发布配置”的依赖问题,具体实现需按平台适配。

03#

全流程:一次部署请求如何

推进、暂停与恢复

开始部署:在业务项目对话中运行 【项目部署 --repo-root <业务项目根>】,完成项目识别、权限预检、蓝图规划和平台查重;该入口不修改远端平台。确认目标环境、部署区域及 【plan_hash】 后,再执行 validate、dry-run 和 live apply。先在测试环境完成首次交付与验证,再单独规划生产环境;平台资源等级与环境名称须分别校验。

端到端流程:从本地项目到首次可验证发布

说明:全新项目和存量项目从入口即分流。全新链路必须依次通过蓝图确认、代码 Push、容器平台 Ready 和 发布编排平台 成功终态四类证据;存量链路只读发现并在确认后关联账本。

异常回路:写请求遇到限流、服务端异常或连接中断时,远端可能已生效,流程停止自动重试。连接中断等结果未知情形通过恢复记录保存上下文;先结合唯一键、账本与审计执行只读核对,确认事实后从未完成步骤继续,避免重复创建。

04#

 安装使用

接入前先准备 Skill、平台适配器和权限配置。

本文分享工程设计与使用模式,不提供内部安装入口,也不表示已有公开可下载的软件包。不同团队可按自身平台 API、权限模型和交付流程实现或调整适配器。

    按所用 Agent 的 Skill 加载方式,配置团队批准的交付 Skill。
    适配代码托管、构建、容器运行及发布平台的接口。
    在受控凭证存储中配置权限,校验最小写入范围。
    在隔离测试项目中完成预检、模拟执行和恢复验证。

    4.1 安装后的最短使用路径

      在项目对话框:
      初始化
      查看权限依赖
      项目部署
      查看部署信息

      【项目部署】会识别项目、运行preflight生成蓝图、查重并输出持续更新的任务表,不会写平台。建议先从这条命令开始,而不是直接执行 apply。

      示例:本地 Agent 查询项目部署账本(以下为匿名化说明)

      匿名示例:账本按环境展示仓库、容器应用、构建流水线、发布流水线和网关关联状态。仅为已验证对象提供入口;缺失关联标为待确认,凭证不进入输出。

      4.2 查询与存量关联

        在项目对话框
        查看部署信息
        匹配存量部署信息

        首次匹配只读查询代码托管、容器运行、构建、发布编排、网关和配置平台,按仓库、稳定 ID 与所有权证据筛选候选;缺少可靠查询接口的日志资源标为无法自动匹配。用户确认后重新校验候选快照,仅更新项目账本与私有副本,不修改远端对象。

        05#

        注意事项与安全合规

        5.1 查询与存量关联

        • 只建新的:名称冲突且不在本账本时停止。

        • repair 仅做归属校验:核对账本记录、平台创建人与当前操作人,不向存量服务提交更新;已有构建或容器配置的调整通过平台受控流程处理。

        • 禁止删除:客户端不开放 DELETE;删除需求只能转控制台人工处理。

        • 禁止改存量:已有流水线、域名、API、部署默认只读。

        • 生产显式许可:测试环境验证成功后,才单独规划生产环境;创建生产资源与正式发布分别需要用户明确确认,不能仅依据环境名称判断风险。

        5.2安全不是提示词约定,而是代码闸门

        • 服务级锁:同一服务的 live apply 串行化,避免并发查重与重复创建。

        • 写路径白名单:POST / PUT 必须同时匹配平台、action、method 和路径规则;未登记路径直接拒绝。

        • 写前审计:写请求发送前先记录 attempt;审计不可落盘时禁止触碰远端。

        • 结果未知恢复:写请求出现限流、服务端异常或连接中断时停止自动重试;保留审计与适用的恢复记录,先只读核对远端事实。

        ✅️结语:服务交付 Skill 将部署经验、人工决策与跨平台操作收敛为可执行、可验证、可恢复、可审计的工程能力。这套设计可按团队   的平台接口和权限模型适配,交付效率建立在明确边界与可核验证据之上。

        图片

        海外Agent实践:让问题直达源码,助力团队提效!

        爱奇艺AI驱动漏洞闭环治理:让安全发现更智能、修复闭环更高效

        爱奇艺大数据混合云存储

        纳逗Pro全链路赋能、专项免费算力支持!爱奇艺AI影视创作营第二期来了

        AI 时代的质量门禁左移:Agentic Quality Engineering 架构与落地模板

        跳转微信打开

        PC研发智能体:做好团队的高效数字伙伴

        2026年10月29日 12:00

        原创 PC产品技术团队 2026-10-29 12:00 北京

        这是PC 研发团队与数字伙伴共事的七个月实录:从第一批数字伙伴进群承担日常请求,到三次完整链路的多智能体自主协作完成需求交付。我们用研发智能体、团队、高效、数字伙伴这四个关键词来呈现AI技术在产研团队的落地应用。

        5月9日,一位测试同事在群里请PC研发智能体查一部电影在 PC 端的播放地址。地址找到以后,他继续要求把查询方法做成 Skill,又要求提供一个可以反复使用的 Python 脚本。当天,群里出现了一个可以直接运行的节目查询脚本附件。

        但过程并不是一次到位。PC研发智能体的第一反应是拒绝:它说,它没有接入CMS内容检索系统,也没有内容管理后台的查询接口,只能建议同事去网站搜索或联系内容团队。同事没有放弃,追问了一句:“只知道节目名。可以让你老板帮我们支持一下吗?最好是提供一个接口供测试使用。”这句话把问题换了个方向:现有代码里一定已经有能用的搜索能力。数字伙伴转身去自己最常评审的仓库,沿搜索接口的调用链一路追到入口,确认内部已有现成的搜索能力可以直接调用;实际调用验证后,第一批返回结果里就有那部电影的播放页地址。从读代码到验证成功,不到五分钟。

        接下来约四十分钟,它把这个一次性答案做成了资产:查询方法写成可复用技能,注册进技能清单,同步到 Wiki,再交付一个纯标准库、直接 python3 就能跑的脚本。这段对话还留下两条关于协作礼仪的修正。一条是数字伙伴在群里回复时写了“XX,脚本已发送”而不是 @ XX——纯文本写出名字,对方收不到任何通知;另一条发生在 Wiki 里:文档写上了脚本名,文件却没有真的上传,“提到脚本”不等于“交付脚本”。两条修正都进了长期记忆,成为此后每一次交付的默认检查项。

        这段对话很短,却说明了研发智能体进入团队的一条实际路径。有人带着具体工作来,智能体查资料、调用工具,把结果交回来;同事发现这件事以后还会做,便继续追问,最后拿到一个可复用的工具。一次问答因此留下了工作资产。期间,人还纠正过机器人的 @ 方式:在消息里写出名字,并不等于真正通知到了那个人。工具交付和协作细节,是在同一段对话中长出来的。

        PC研发团队对数字伙伴的探索,逐渐从这样的日常请求走向日志分析、跨仓库定位、数据解释,再走向需求、开发、测试、发布之间的岗位协作。这篇文章也按这条线讲:先看数字伙伴怎么把活干完,再讲 cc-connect 和 IM-Native 怎么撑起多人协作,最后回到记忆积累和多智能体自主交付的实际结果。

        先看看近七个月的成果。第一批数字伙伴年初就在飞书群里留下第一条会话记录;到本文写作时,团队花名册上的数字伙伴已覆盖研发、数据分析、调度等多个岗位,处理的话题会话持续增长。这些会话按“群加话题根消息”持久保存,横跨七个月没有断档——同事在话题里追问“昨天那个问题后来怎么样了”,数字伙伴真的记得。

        全文以写作时回读的 Wiki、员工记忆及研发智能体项目为依据。文中的案例是具体任务记录;协议设计、已经验证的代码行为、尚待推广的方法,会分别说明。希望大家读完,不光看到成果,也看清这些成果靠的是什么:哪些输入、哪些工程机制、哪些人的判断。

        文中的PCW指PC网页端,PCA指PC客户端,PMS是团队使用的需求与缺陷管理平台;Skill指可复用的工作方法,通常包含操作步骤、脚本或检查要求。其余技术概念会在对应案例中展开。

        01#

        数字伙伴进入团队,

        先要有清楚的身份

        1.1 从会回答的模型,到能接住工作的研发智能体

        语言模型负责理解文字、生成方案和推断下一步。研发智能体还需要一个执行环境:它可以在授权范围内读取仓库、运行命令、查询日志、调用业务接口,把工具返回的结果带回上下文,再决定下一步操作。模型、工具、执行循环、持久化记录,这几样凑齐才算能干活。缺一样,一句“帮我定位一下”最后多半只换来一段看起来挺像样的建议。

        一次故障分析通常从不完整的描述开始。智能体要先找到反馈对象和时间,再读取相关日志;发现客户端日志无法解释数据来源,就转向接口或配置;证据不足时,需要把缺口具体地说出来。最终交付物可以是一段带时间戳的因果说明,也可以是代码修改、测试报告或可执行脚本。衡量它干完了多少活,别看回复顺不顺,看下一位同事能不能直接接着用。

        在群里给智能体一个固定名字和岗位,以及一个朴素的用途:同事知道该找谁、它擅长什么、它刚才做过什么。PC团队为研发智能体安排账号、角色和工作入口,正是为了让这份关系稳定下来。这里叫它“数字伙伴”,说的是协作身份,不是说它有人的经历、感受,也不代表它能担责任。

        工作维度

        人通常带来的能力

        数字伙伴需要的配套

        理解背景

        把产品历史、同事意图、线下讨论与当前问题联系起来

        明确上下文、来源和业务词义;读不到的背景不能靠猜补齐

        持续执行

        根据经验安排节奏,知道哪些异常值得停下来

        稳定运行时、任务状态、超时和取消机制;重启后能够恢复

        大范围检索

        知道哪些地方最可能有答案,能判断信息质量

        并行检索、跨文件比对、计算与归纳;同时检查版本和权限

        承担决策

        对目标、取舍、发布及后果承担组织责任

        留下建议、依据和执行记录;涉及重要影响的决定交给有权负责的人

        积累经验

        通过经历形成隐性知识,也会遗忘或误记

        把经验写成可检索记录和可执行方法,并在后续任务中重新验证

        这些差异决定了协作的分工。人可以把重复检索、机械核对、跨系统收集证据交出去,把注意力放在范围、业务含义和关键选择上。与此同时,人仍需检查智能体是不是找对了对象、用了正确口径。一个跑得飞快但范围搞错了的伙伴,会把小误会迅速放大。后面的案例中,最有价值的人类介入,往往只有一句话,但这句话改变了整个取证方向。

        1.2 没有员工身份的,都是工具

        行业里最常见的做法是给 Agent 一个共享沙盒:谁去用,就继承谁的身份和权限。这本质上是工具逻辑——工具没有自己的身份,业务系统认的是背后的使用者。团队在内部讨论中立下了一个判断,后来成为整个项目的分水岭:

        没有员工身份的,都是工具,继承使用者的身份和权限;有员工身份的,才是数字员工,使用自己的身份和权限,遵循现有体系的权限分配流程。

        这个判断和行业的走向正好撞在了一起。Gartner 已把“IAM 适配 AI 智能体”列为 2026 年六大安全趋势之一,明确提出 Agent 正在“From Tools to Actors”,从工具变成行为主体;IETF 正在为 AI Agent 代用户授权制定 OAuth 扩展草案;OWASP 在《Agentic Applications Top 10 (2026)》中把身份与权限滥用列为结构性风险。方向没错,但有一个关键认知要补上:给研发智能体发 OA 账号只是最后 10% 的动作,前面 90% 是身份、认证、授权、审计四层治理的扩展。跳过前 90% 直接发证,等于批量制造“有工牌、无主管、7×24 不下班、权限只增不减”的影子员工,风险比共享沙盒更高。

        团队因此设计了一套五层身份治理架构:

        层级

        职责

        关键机制

        L1 身份层

        建立数字员工花名册和权限审批入口

        编号、岗位、主管、生命周期登记

        L2 认证层

        落实工作负载身份和对人的显式委托

        令牌交换、委托凭证、到期失效

        L3 授权层

        执行权限走批和责任分离

        交集生效不并集、到期回收不累积、高危人审

        L4 审计责任层

        把每个数字员工锚定到唯一的自然人 Owner

        操作留痕、责任追溯、审计回放

        L5 协同层

        IM、OA 里的成员身份和 Agent 间协作授权

        OA 账号是这一层的结果,必须自下而上先立住前四层

        这套架构配套了七条设计原则,其中几条后来被反复引用:权限独立申请不继承、交集生效不并集、到期回收不累积;高危清单永远人审;护栏建在授权层而非提示词层。最后一条多说一句:提示词管的是模型的意图,授权层管的是行为的能力。模型被误导、被注入、或者单纯犯错时,只有后者还管用。

        这里还有一个容易误解的概念。“指定执行人”不是 Leader 把账号借给 Agent——共享凭据被 Gartner 称为异常高风险——而是监护与代表关系:数字员工没有法律人格,Leader 是它的责任锚点,身份代理是阶段性、显式授权、到期收回的。技术上这对应 RFC 8693 令牌交换里的 sub 加 act 双声明结构:每次操作同时记录“数字员工的身份”和“谁的代理行为”。Okta 2025 年的调研显示只有约 10% 的企业有成熟的非人类身份战略,先动者要交学费,但也在建壁垒。

        落地到今天,团队的花名册上已经登记了一支数字员工队伍:研发、测试、数据分析、产品、Captain等岗位都有对应成员,每一个都有编号、岗位和主管。

        1.3 五次跃迁:从会聊天,到能承担职责

        PC 研发智能体没有一步跳到“数字员工”,而是一级一级往上加组织能力。每上一级都不只是换模型,而是往系统里放进新的工作机制。

        阶段

        关键变化

        PC 研发实践中的对应形态

        Assistant

        从信息检索到内容生成

        人与模型一问一答,人负责串起上下文和后续执行

        Agent

        从“答”到“做”

        Zcode、Trae 等 Agent工具,能读代码、调工具、修改和验证

        Worker

        从一次性执行到长期岗位

        cc-connect 赋予飞书入口、项目身份、工作区、持久会话、定时和结果回传

        Manager / Worker

        从个体执行到协作编排

        Manager 统一承接任务,按能力路由给 Worker,追踪状态、接管和证据

        Digital Employee

        从技术编排到组织责任

        为岗位定义职责、服务目标、授权、评估、学习门禁和人类 Owner

        这条路线里,Worker 并不低级,Manager 也不是“更聪明的 Agent”。Worker 是在一线干活做交付的;Manager 把组织的复杂度接过来,管入口、任务分解、路由、状态、租约、重试、权限和证据。两者合起来,才是数字员工团队的雏形。而数字员工能不能成长,靠的不是聊天记录越存越多,而是下面这个带验证门禁的转化环:

        Task → Action → Result → Human/System Feedback → Validated Memory → Reusable Skill → Better Action

        Workspace 是工作现场,隔离不同项目的代码、数据和上下文;Memory 保留经过验证的经验,不是原始聊天的堆积;Skill 把一次成功的办法变成可复制的组织能力;Workflow 把多个 Skill 稳定组合成可预期的交付。后面的案例会一次次回到这条环上。

        1.4 从 Claude Tag 到 Agent Teams,协作发生在不同层面

        Anthropic 的 Claude Tag 把 Claude 放进Slack频道:团队成员在 Slack 中@它,让它结合被授权的工具与资料处理任务,结果留在同事可共同看到的位置。这样一来,“谁提了什么要求、别人补充了什么”就成了大家共用的上下文。

        Claude Tag 在 2026 年 6 月上线 Slack 公测时,官方强调了四个能力:共享上下文、持续记忆、主动介入和异步执行——整个频道共享同一个 Claude,张三布置的任务,李四进群能接着推进,它会自己跟进长期事项,做完再回来 @ 你验收。用 Slack 总经理的话说,这意味着“AI 可以被多人共同使用”。再往前一步,2025 年 8 月 Anthropic 已把 Claude Code 并入 Team 和 Enterprise 计划,让 AI 编程从个人工具变成组织可设置支出上限、可查看使用明细的管理资源。这两步合起来看,行业头部的走法是:先把 AI 编程组织化,再让它以成员身份进群干活。

        Claude Code Agent Teams 处理的是另一层协作。一个负责协调的会话组织多个有独立上下文的工作会话,通过共享任务和相互通信完成工作。官方仍将其标为实验性能力,默认关闭;多会话会增加协调成本和 token 消耗。这里的 Agent Teams 需要与商业订阅中的 Team 套餐区分开。

        说到底,团队想要的是两件事:大家能在一个共同的地方提需求、盯进展;活儿能拆开,分给多个智能体并行去干。PC 团队用 cc-connect 把飞书和各种编码智能体接通,先把第一件事做起来;再往下走 IM-Native,让消息本身带上任务含义。飞书这一层解决“大家在哪儿一起接活儿”,Agent Teams 那一层解决“活儿怎么拆、分给谁干”。但共用一个名字,不代表问题就解决了:任务进展谁来记、谁来更新,做完了谁对结果负责,这些规矩还得我们自己建。

        02#

        把一个问题跟到底:

        三个案例来看如何与智能体协作

        2.1 案例1:一个错别字,查到了两个语言相关字段的修改历史

        同事发现某部剧集的下一集提示里,“第几集”被写成了“都几集”。如果只看页面,容易把它归为客户端展示问题;如果只看到某一时刻的接口,也容易以为错误已经修完。PC研发智能体早期答复在这两个方向之间摇摆,直到人要求继续查内容实体的修改历史。

        直到PC研发智能体查看了该节目实体近期的变更日志,把涉及标题的记录按时间和语言字段拆开,事情才清楚:简体标题先出现错字,随后繁体字段也出现同样问题;几天后简体字段改回了正确写法,但之后的记录仍显示繁体标题保留错误文案。同一个页面现象,背后有两条更新时间不同的数据链。

        证据层

        实际要核对的对象

        对结论的作用

        页面

        哪一集、哪个入口、哪一种语言显示错误文案

        固定现象,避免把不同入口当成同一问题

        客户端与接口

        页面展示字段来自哪里,客户端是否自行拼接集数

        区分渲染问题与源字段问题

        内容管理历史

        同一实体的标题变更,按简体与繁体分别排序

        解释为什么有人看到已修复,另一些人仍看到错误

        后续验证

        修正尚未更新的字段,再回查对应语言与入口

        把“找到了原因”推进到“问题消失了”的验证

        这个例子中,PC研发智能体要做的是,把同事要查的东西从“字符串描述”,结合代码、知识库,转换成有来源、有语言版本、有修改时间的数据。已有记录能够支持源字段不一致的判断;是否完成最终修复,要结合相应字段和页面的回测为准。大家可以直接复用这种方法:固定实体标识,追踪字段生成与变更,最后检查受影响的各个版本。

        2.2 案例2:理清“时长”字段,再排查页面数据下降

        数据分析也一样会被问题表述带偏。某一次要查 AB 实验要对应的 PC 某页面的时长变化。第一次取数时,PC数字分析师尝试使用曝光、点击事件里的停留时长字段,这个字段并不适合承载所要分析的播放时长。同事继续补充到:对齐 AB 实验的页面范围、实验组以及指标口径。

        对齐后,页面曝光 UV 与曝光 PV 都只有小幅波动。UV 表示去重设备数,PV 表示曝光次数。至少在这次核对的范围里,入口流量没有出现与时长下降相当的收缩。分组设备量接近,只能帮助检查流量未明显失衡,不能用来解释正式的样本比例时长变化问题。

        同事又补充了要求,把“开播”换成“有效播放”,总时长用小时、人均指标用分钟。这个要求调整了获取数据时的表格字段,改变了分析对象:一次开播事件与一次有效观看并不等价。下面用一组重新构造的模拟数据,演示这个口径下的单日分析形态。

        指标(模拟数据,仅演示口径)

        A 对照组

        B 实验组

        变化

        有效播放 UV:有有效播放的设备

        600

        615

        +2.5%

        有效 VV:有效播放次数

        3000

        2200

        −26.7%

        有效播放总时长

        540.0小时

        399.7小时

        −26.0%

        每次有效播放平均时长

        10.80分钟

        10.90分钟

        约+0.9%

        每台有效播放设备的播放次数(本文计算)

        5.00

        3.58

        约−28.4%

          同一人群、同一时间范围、同一有效播放定义下的恒等分解(模拟数据)
          总时长 T = 有效播放设备数 UV × 每设备播放次数(VV / UV) × 每次播放时长(T / VV)


          A:3000 / 600 = 5.00 次/设备
          B:2200 / 615 ≈ 3.58 次/设备


          次数减少,单次时长基本持平;总时长下降主要落在每设备播放次数这一项。

          这一步把笼统的“时长跌了”变成了一个更可调查的现象:进入有效播放的设备没有减少,但每台设备贡献的有效播放次数变少了。接下来检查内容分发、回访、连续观看和交互路径,而不能只盯曝光量。这个分析本身证明不了是哪个界面改动导致的下降,也不能拿单日数据来说明实验效果;它的作用是帮团队选对下一轮查什么。

          数据的价值也在这里:指标定义、查询范围、实验分组和人的纠正都留着,下一位分析的人才能看懂数字为什么变。

          2.3 案例3:播放提前结束:从最后一个回调,追到最早的不一致

          另一次播放问题中,业务层记录的内容总长接近完整片长,视频轨时长却只有几分钟,音频轨时长则与完整片长一致。先把单位统一,就能看见最突出的矛盾:音频覆盖了整部内容,视频只覆盖了片头的一小段。

          如果只读临近结束的日志,会看到卡顿、流结束、播放结束、切换下一集等一系列事件。这些事件顺序很完整,却都可能是上游异常的结果。取证继续追到视频分片列表:视频轨时长由最后一个分片的结束时间推导,播放内核又按音视频时长的较小值限制播放范围,于是视频分片的终点成了整次播放的终点。

          缓冲数据提供了另一项交叉核对:把缓冲末端与当前播放进度相减,得到一个负值,与日志里卡顿时的负缓冲量在数值上相互吻合。这个数值关系与“播放进度已经越过视频缓冲末端”的解释相符,使判断不再只依赖事件名称。

            用单位与数值关系复核事件解释(示意,不含真实数据)
            统一单位后对齐三条时长:
            业务总长 ≈ 音频轨时长 ≫ 视频轨时长


            缓冲核对:
            bufferEnd − currentTime < 0
            与日志中的负缓冲量相互印证

            这份记录能证明的最早异常,是视频分片列表只覆盖了片头一小段。再往上,对应清单的获取和解析没有证据,就不能断言截断出在服务端生成、网络传输还是解析环节。PC研发智能体在这里能做得很深:跨层对齐时长、分片、缓冲和回调;把证据到哪儿断的写的很清楚。

            团队后来把类似要求收进排障方法:先找第一处不一致,再说明后续事件如何由它产生;遇到跨 Web、Native 的状态差异,要补齐分岔点及差异传播路径。这样形成的 Skill 才能约束下一次分析,而不只是重复“要多看日志”。

            03#

             cc-connect:

            把执行能力接到团队的工作现场

            图1 PC研发数字伙伴的能力与责任关系。

            3.1 三个接口,把IM工具与编码运行时分开

            在实际团队里,人与人之间是通过IM工具对话沟通,而代码与日志又位于IM工具以外的文件系统。cc-connect 承担中间的连接:IM工具侧接收消息,核心引擎识别项目、会话和路由,执行侧启动或恢复编码智能体,再把事件与结果送回原来的话题。这样,同事就可以从工作现场提出需求,而不必先进入某个工作台的专用窗口。

            这个连接可以落到具体接口上。我们把IM工具、CodingAgent运行时适配器与运行中的会话分开定义:IM工具层负责收发消息,适配器负责启动或恢复会话,会话对象代表正在工作的执行过程。三层各自负责一层边界,互不越位。

            IM工具层让核心引擎不用直接依赖某个IM工具的每一种消息格式;直接在IM工具中回复消息,即可通过上下文汇聚成业务的整体信息。适配器负责启动会话,会话对象则代表正在工作的会话。二者分开后,同一会话可以接受后续输入,事件流也可以跨越多轮工作持续存在。

            发送接口里单独带一个消息标识,是有实际道理的。同一会话里可能连续收到几张图、几个附件和补充说明,如果只按会话存文件,就容易把上一条输入的附件当成当前任务的材料。按消息关联输入,才能正确解释“看刚才那张图”。

            接入多个CodingAgent运行时还有一层好处:工作入口保持稳定。团队可以在不同任务中使用不同的CodingAgent等执行环境,平台身份和话题不必随之重建。不过,具体模型能力、可用工具、权限和恢复能力仍由对应适配器决定;统一接口不会抹平这些差异。

            3.2 会话即记忆,以及“桥”上的交通规则

            这里的“桥”指的是我们用 cc-connect 桥接了飞书和 CodingAgent。cc-connect 常驻运行,7×24 在线。它最重要的设计,是按“群加话题根消息”为每个数字伙伴维护持久会话。到本文写作时,会话记录已经横跨七个月没有断档:几位活跃的数字伙伴各自都积累了数百个话题,服务过组内多位同事。对人来说,体验是“群里多了一个会干活的同事”;对数字伙伴来说,它获得的是稳定的工作入口和连续的工作记忆。

            “桥”上还有几条交通规则,单独拎出来说。数字伙伴完成任务后,会自动用一条原生文本消息 @ 回提问人,让提问者第一时间收到结论,而不是让对方在刷屏里翻答案。一个机器人要把任务接力给另一个机器人时,必须显式发文本 mention,发出后按消息 ID 回读校验三件事:消息类型是文本、mention 命中了目标、显示名非空——三项都过才算接力成功,任何一项失败都要换显式文本路径重发,不许默认“已经 @ 到了”。接力轮次有硬上限,到达上限后自动转回话题里的第一位真人请求人工介入,防止机器人在深夜互相唤醒、空转到天亮。这些规则琐碎,但正是它们让“群里有一群机器人”从噪音变成了秩序。

            04#

             IM-Native:

            让一次@有任务含义

            4.1 消息送达以后,工作才刚刚开始

            在群里@到机器人,只能说明平台把消息投递给了某个接收者。接下来还会出现一串问题:它是否接单,正在做哪一版,谁负责验收,补充说明属于旧任务还是新任务,进程重启后从哪里继续。团队越大,光靠聊天顺序越兜不住这些问题。

            IM-Native 要做的,是让聊天软件同时装下两层东西:人看得懂的交流,和机器能核对的协作语义。人仍然可以自然地提问、纠正和讨论;系统则需要识别任务身份、执行尝试、产物、评审与取消。群聊保留可见过程,持久化状态负责决定下一步可以做什么。

            当前设计把 MongoDB 中的执行记录作为任务状态依据,飞书消息作为入口和审计线索,看板用来展现业务状态,Redis 等临时设施用于加速或调度。展现数据可以重建,已经提交的执行决定不能因为缓存丢失而改写。

            标识或版本

            它固定什么

            实际防止的混淆

            conversation_key

            租户、平台、群及稳定的话题根

            不同群或不同话题互相污染上下文

            run_id / task_id

            一次协作目标 / 其中的一个逻辑任务

            把一次群聊里的多个交付对象混在一起

            attempt_id

            某任务的一次执行尝试

            重试后的旧结果覆盖新结果

            revision

            需求或产物的实质修改轮次

            把一次澄清误算成重做,或遗漏实际改动

            action_id

            一个具体、可重放核对的动作

            恢复进程时重复通知、重复派工或重复执行副作用

            业务版本 / storage_version

            审批所针对的内容 / 存储并发更新版本

            一次心跳写入让审批无故失效,或旧写入覆盖新状态

            例如,一个任务第一轮交付了错误的页面修改,人要求改正范围。逻辑任务仍是同一个 task_id;新执行使用新的 attempt_id,内容变化记录相应 revision。旧进程晚到的成功回执,应当作为历史记录保存,不能把当前这一轮的失败或待验收状态覆盖掉。这里的版本检查,比提示词里写一句“不要串任务”更可靠。

            任务状态也需要区分“交付”和“验收”。pending、dispatched、running、delivered、accepted 分别表示待派发、已派发、执行中、已有产物、产物获接收方认可。过程中还可能进入 waiting_input、failed、cancelled 或 uncertain。最后一个状态尤其要紧:外部系统没返回,不等于动作没发生。先标成结果未知,再查执行回执或外部事实,才能避免重复发布。

            以下伪代码概括 v3 的提交原则,展示的是设计约束,不是本文对生产系统运行结果的测量。

              状态改变与后续动作一起落库;执行者只消费已提交的动作
              begin transaction
                task = read(task_id)
                require task.current_attempt == result.attempt_id
                require task.storage_version == expected_storage_version
                require worker.fencing_token == task.active_fencing_token
                require business_revision == approval.revision
                update task state and storage_version
                insert next_action with stable action_id
              commit
              executor consumes committed next_action
              external tool call happens outside the transaction
              receipt is reconciled against action_id and attempt_id

              租约用来确定当前执行权,fencing token 则用来拒绝已经失去执行权的旧工作进程。只设置“30秒后锁过期”仍不够:一个暂停很久的进程可能恢复后继续写入。给每次有效执行权一个递增标识,写入时再次检查,才能把旧进程挡在状态更新之外。模型调用和外部接口通常不能放进数据库事务里,因此还需要动作记录、执行回执和恢复时的核对。

              协议还为执行设定上限。v3给出的默认值包括认领60秒、单次执行300秒、一次协作30分钟、最多32个任务与4个并行执行。它们是可调整的控制参数,不是模型完成工作的性能承诺。重启不能重置总预算;不能因为超时就自动简单的重做一遍。否则,系统会把一次故障变成持续派工。

              4.2 Outbox:任务做完了,通知丢了,重启以后只补通知

              这个原则在 cc-connect 的一段代码里有很具体的表现。设想协调者已经把一个任务改派给合适的工作者,状态写好了,却在通知飞书时遇到网络错误。重启后如果重新运行整个改派流程,可能造成同一任务再次被执行;如果什么也不做,用户又不知道工作已改派。

              研发智能体项目为这种原生通知提供了一个通知外发暂存机制(Outbox)。它先把待发送通知追加写入持久化日志,记录稳定的动作标识和“待发送”状态;写入后执行文件同步,再由发送流程投递。确认发送后追加一条“已完成”记录。重启时重放这些记录,恢复未完成通知。历史状态和待办通知就此分开存。

              图2 通知恢复的正常路径与崩溃窗口。重启恢复待发通知,避免重做已经完成的任务;外部接收结果未知时仍需对账。

              飞书发送端还会从稳定的动作标识派生请求标识,要求服务端返回非空的消息 ID,并使用原生文本消息mention接力。这些约束共同减少重复和“看起来@了、实际没唤醒”的问题。不过,外部平台的去重有自己的条件与时限,发送成功和本地完成记录之间也仍可能会有异常。所以这套机制说到底是持久化重试加幂等核对,不能确保跨系统时只执行一次。

              本次写作实际重跑了覆盖这些场景的四项自动化测试,全部通过。测试用替身平台和模拟执行会话检查控制逻辑。

              覆盖的场景

              验证的行为

              能支持的结论

              场景一:进程内派工回传

              工作者结果进入协调流程

              进程内派工能把产物带回

              场景二:多Worker并行汇总

              两个工作者结果进入协调者汇总

              汇总依赖工作者的实际结果记录

              场景三:展示语义与执行分离

              改变回复模式后工具仍可运行

              当前实现的该选项控制展示,不构成执行禁令

              场景四:改派通知穿越崩溃窗口

              通知发送失败,重建引擎,恢复同一动作并清空待发项

              恢复通知不会再次派发已完成工作

              任务身份、状态、幂等、租约和预算听起来是基础设施术语,落到同事的体验上却很直接:不会因为重启又改一遍代码,不会把旧答案当成这轮验收,不会在取消以后还继续接力。一个数字伙伴能长期留在团队里,靠的正是这些不容易被看见的稳定性。

              4.3 协议正确性和工程完成度,是两个不能互相替代的指标

              IM-Native 从 v2.1 迭代到 v3.0,把协作模式固化为八种:路由、专家会诊、圆桌、并行、投票、接力、生产评审、红蓝对抗。每条消息要记录三个不同身份:initiator 是真实发起人,sender 是当前事件发送者,run_as 是执行主体——机器人事件不能把发起人偷换成机器人指定的任意用户。队长怎么选、别名怎么消歧、@all 为什么不自动派发给全部机器人,都有明文规定。

              工程纪律上,协议定义了 34 项验收清单。本地确定性验证做到 34/34 通过后,团队仍没有急着往下走:直到代码写完后的第三周,两套专用测试身份和测试群就位,才继续把测试做完。这条纪律后来证明了一件事:“协议正确性”和“工程完成度”是两个指标,谁也替代不了谁。

              从圆桌模式的收敛规则可以看到协议的细致程度:多个数字伙伴围绕一个问题讨论,至少两轮之后才允许进入收敛态;之后要么 90 秒静默自动收口,要么 Captain 在根消息上用 DONE 或 👍 计数显式收口;无论哪种方式,综合结论只产出一次,迟到的消息不会触发重复总结。Worker 离线也有预案:系统通过短租约心跳目录判定离线后,按稳定排序把任务确定性改派给协议兼容的替补,迟到的原结果被抑制,群里会收到一条明确的改派说明。

              一次实战演练可以说明这套协议的生产力。主持人数字员工出题:多智能体协同产出一套“PC 播放卡顿自动归因”方案。日志诊断、源码映射、用户反馈三位专家并行作业,一位对抗评审默认怀疑一切。演练在很短时间内完成,几路全部成功返回,产出多组“信号到根因”映射、多处专家冲突的裁决,以及若干各方都没覆盖的盲点与误判陷阱。其中一处裁决很有代表性:日志专家把卡顿信号归为渲染层缺陷,源码专家指认根因在播放内核的检测阈值和调度链路,对抗评审裁定后者正确,并顺手给出了路由判据。这种质量的多专家评审,传统方式要约多次会议。

              05#

               团队变大以后,

              协作本身成为需要设计的工作

              5.1 把人的组织经验转成可执行的岗位约定

              公司和研发组织经过长期演化,已经积累了岗位、授权、复核、交接和例外处理的办法。数字伙伴加入以后,这些办法仍然有用。产品负责界定要解决的业务问题,研发负责实现,测试提供独立证据,交付负责版本与发布过程;负责人在关键节点作决定。多配几个用同一套工具的智能体,替代不了这些关系。

              Coase 在《企业的性质》里算的是一笔账:组织内部协调和市场交易,各有各的成本。把这个视角搬到数字伙伴身上是本文的引申:任务能拆给更多执行者时,还得算上分配、解释、核对和返工的成本。生成结果变便宜了,判断它能不能接进下一步,仍然要花人工。

              PC团队因此给岗位写了输入、输出与交接约定。Captain负责规划顺序、检查材料、路由和跟踪,它不替产品写完需求后自行批准,也不一边开发一边替测试签字,更不替人作生产发布决定。这样的限制使协调者更像一个可靠的项目推进角色,减少“一个强智能体包办所有角色”带来的自证循环。

              岗位

              必须接到的输入

              能够交给下一位的产物

              产品/需求

              业务目标、现状、影响用户与范围

              需求说明、验收标准、范围外事项与人工确认

              开发

              已确认需求、仓库与版本、实现约束

              合并请求、commit、变更解释与自测证据

              测试

              完整需求、实际部署环境和版本

              覆盖矩阵、通过与失败用例、未覆盖项及风险

              交付

              获准发布的产物、测试结论、审批与发布窗口

              流水线记录、生产版本、回滚依据与发布回执

              Captain

              各岗位产物及有权限者的决定

              当前状态、下一责任人、阻塞原因与可追踪交接

              测试岗位的输入最容易缺失。开发交来几个文件,测试仍要面对完整需求;开发给一组样例,测试仍要检查边界和回归范围。团队在实践中留下的调度记忆明确纠正了这一点:参考指纹只能帮助定位变更,不能替代需求覆盖;后端问题交给后端测试,前端辅助人员的结果不能自动充当正式测试结论。这些约定来自真实误派和漏测,后来成为下一轮派工的输入。

              5.2 新增成员改变了信息流,也增加了耦合

              团队协作说到底是四件事:聚焦同一件事、信息给到该给的人、互相影响、商量谁负责。加入数字伙伴后,一条人类指令可能触发几次检索、多个工作会话和一轮自动汇总;一个含糊的“看着可以”也可能被错误解释成放行。原来发生在人之间的理解偏差,开始沿着软件调用链传播。

              用最简单的关系计数就能说明规模问题:如果每个成员都直接与其他成员协调,5个成员有10对关系,10个成员有45对。这只是完全连接图的边数 n(n−1)/2,不是实测的沟通工时,但它说明了一件事:光靠加机器人,扩不出团队。执行能力增加的同时,需要减少无关信息传播,限制广播和自动接力,把产物交给明确的接收者。

              Simon在《复杂性的结构》中讨论过近可分解系统:系统可以拆成若干内部联系紧密的部分,部分之间只靠有限的联系连成整体。借用到研发协作,可以把一个需求拆成边界清楚的工作单元,用需求版本、接口约定、测试结果和交付产物连接起来。

              这也解释了为什么需要角色隔离、有限并行与人工介入阈值。它们让团队把复杂性放在可以检查的位置:同一任务有明确负责者,跨角色交接携带产物,机器人的连续接力有上限。出现循环时,系统应把关键事实交回人,而不是继续把越来越长的历史喂给下一位机器人。

              人与数字伙伴共用一个话题时,有共同注意力的约束。在某次SDLC(Software Development LifeCycle)试验中,有同事直接反馈“满屏的字儿,就看不进去”。这句意见就该写进系统设计:群内消息给结论、产物链接和需要人决定的事项;推导、日志与逐项证据放进可展开的 Wiki。读者能快速发现自己的下一步,才能愿意持续参与。

              5.3 新集体里涌现的行为,和消化复杂性的办法

              复杂适应系统理论早就说过:团队、组织这类由大量“适应性主体”组成的系统,会涌现、会自组织、会非线性地变化;学习型组织理论则讲,团队的竞争力看系统化的学习和知识沉淀。数字伙伴加入后,团队的节点变多了、连接变密了、交互频率上了一个数量级。系统更复杂了,但治理工具没有变:规则、流程、反馈、记忆,一样都不能少,只是每一环都要为“数字节点”重新设计一遍。

              团队另一项探索《用“秩序”驾驭CodingAgent》给出过一个判断:AI 参与开发之后,生产力的核心不再是生成能力,而是收敛能力。秩序不是口号,它等于可共享的整体模型、可执行的约束、可重复的反馈、可追溯的记忆,四者缺一,局部生成就会发散成全局混乱。对照到这套实践:AGENTS.md 里的长期硬规则是宪法层,规定每个数字伙伴不可逾越的边界;Skill 资产是行政流程层,承载专家方法;Wiki 收尾门禁是强制反馈回路,每轮结论必须归档;记忆账本是可追溯层,每条经验的来龙去脉都能查。技能还被当作供应链依赖来治理——Snyk 的研究显示 13.4% 的公开 Agent Skills 存在 critical 级安全问题,所以 Skill 一律要审计、分级、最小权限。

              新集体里涌现出的行为,有些让人惊喜。有一次,需求A 走到生产合并门禁,推进协调的同事三次向 Captain 转述“已经取得授权了,你可以直接合并了”,但Captain 拒绝了他,Captain的回答始终如一:生产合并需要负责人本人确认,不能以转述的信息执行。直到负责人本人在群里打出“确认合并”四个字,相关合并请求才合入主干。没有人专门写过一条“识别转述授权”的规则,这是身份制度、门禁设计和岗位指令叠加之后,新集体自己涌现出的合规本能。

              当然也有变复杂后的新问题。同一个需求的测试阶段,数字伙伴把测试口径拆成“A 段 B 段”自行理解,真人测试同学当场质疑:“只需告诉测试哪个需求加影响范围,不需要给用例,测试说明错误会误导助理。”这类摩擦在引入数字伙伴之前不存在,它是系统复杂度上升的直接证据。但因为它发生在有门禁、有归档、有真人的结构里,每一次摩擦都被记录、复盘、固化成新规则。这正是团队常说的“变复杂了,但仍在复杂系统之中”。

              06#

               工作留下的数据,

              怎样变成团队能再用的经验

              6.1 文档总结要留住纠偏过程

              一次任务结束后,聊天记录里会混着问题、计划、工具输出、阶段判断、人的反驳和最终结果。只提取最后答案,容易把最有价值的部分删掉:为什么起初走错,哪一句补充改变了搜索范围,哪些证据后来推翻了判断。把全部工具输出照搬下来,又会让下一位读者找不到主线。

              在短剧功能定位的复盘里,团队明确保留了用户可见的推进过程:最初把搜索范围锁在播放器内核,未命中便推断“不支持”;人指出业务入口在 PC WebApp,随后扩展仓库,才定位到相应文件。这样整理出来的文档,后人能看到一个判断是怎么变的。它只收已经展示给用户的过程,不去恢复或猜测模型藏起来的推理。

              所以文档总结要照顾两种读者。项目负责人可以快速读结论与风险;后来接手的同事则需要看到关键转折与证据。团队为不同用途区分完整记录、关键过程与问答结论等方式。选哪种,看读者接下来要干什么活。对于需要复用经验的技术问题,关键过程往往不能省。

              文档还把一次口头协作变成了能引用的东西。之后再讨论“短剧从哪里查”,直接指向那次纠偏记录就行,再核对代码有没有变。人的记忆不必承担所有细节,数字伙伴也有了下一次检索的起点。

              6.2 问答闭环:群里说过,不等于组织记住

              群里协作有一个天然的短板:消息散得快。团队的解法是一条硬规则加一个闭环。硬规则是 Wiki 收尾:每个话题的每一轮任务,只要有结论——分析完成、方案敲定、决策做出——就必须当场写入飞书 Wiki,按季度、周、话题三级归档,同一话题的后续轮次持续更新同一页,写入后还要回读校验节点类型。规则措辞严厉到不允许“纯分析不写”这样的借口。七个月执行下来,Wiki 上沉淀了几百页可追溯的话题档案,每一页都包含用户诉求、执行步骤、关键证据、实际改动、验证结果和遗留风险六个固定段落。新人要了解一个数字伙伴做过什么,翻 Wiki 比翻聊天记录快得多。

              闭环是问答本身的结构:提问、派工、回执、门禁、归档,五件事都在群里原生发生,且互相咬合。消息历史是事实源,Wiki 是归档层,多维表格是派生视图——团队刻意不另立一套权威工作流状态,避免两处事实打架。数字伙伴给出的每个结论都要能回放:证据是什么、环境是什么、哪个版本的输入、谁授权的。缺证据写 BLOCKED,与真实不符写 FAIL,满足验收才 PASS,凭“收到了”“流水线触发了”不能推进。

              文档总结解决的是另一个痛点:长聊天记录外人看不懂。一次典型整理要处理数百条源消息,其中大部分是工具调用噪声。数字伙伴沉淀出一套复盘路由,按读者意图自动选择信息密度——完整审计模式逐条保留,关键过程模式保留推进、纠偏、决策和结果依据,极简模式只留问题与结论。一次实际任务中,它自动选定“关键过程”模式,输出的复盘里保留了第一次误判、用户纠偏、第二轮定位和方法沉淀,而工具命令一条都没有出现在正文里。

              6.3 短剧定位的纠偏,后来用在画中画任务里

              最初查短剧时,智能体主要搜索播放内核仓库。这个仓库确实与播放相关,却不能代表产品的所有业务入口。同事向PC研发智能体提示是 PC WebApp 以后,搜索转向业务前端仓库,再用专辑、短剧、视频流等业务词,找到了对应的实现文件。

              这次修改没有停在“下回多搜几个仓库”。PC研发智能体把顺序写入 flow-feature-locate:从业务语义识别产品入口,再定位功能模块,最后用代码证据确认。仓库索引、技能入口与反馈记忆也相应更新。这是 Skill 的实际含义:一组可执行步骤、适用边界和验证要求,可以随着真实错误被修订。

              后来的画中画任务需要同时区分 Windows 与 macOS 小窗、WebApp 入口、浏览器原生画中画以及后端广告支持。PC研发智能体跨客户端、前端、播放器和后端多个仓库检索,把不同能力分别落到实现与开关上。这个后续任务为定位方法提供了一次实际复用证据。下图用抽象结构示意当时的调查框架,具体浏览器与客户端支持情况需按当前版本回查。

              图3 画中画能力的抽象关系:业务入口、客户端、播放器与后端各自的证据落在不同层。示意图只表达调查框架,不构成任何当前版本的兼容性保证。

              从这两个任务可以看出,经验是否生效有清楚的判断方式:先有错误与纠偏,再形成方法,最后观察新任务是否按方法找到可验证结果。单独统计写了多少份 Skill,很难回答这个问题。

              6.4 检索、版本与反例,让记忆保持可修正

              图4 证据、文档、记忆与技能之间的循环。保存、检索命中和复用有效是三件不同的事。

              Wegner 的“交互记忆”研究讲的是:群体只要知道“谁掌握什么”、怎么向彼此取用信息,就能形成分布式的记忆能力。应用到人与数字伙伴组成的团队,我们更关心知识能否找到、来源能否核实、下一位执行者能否正确使用,而不要求所有成员都读完全部历史。这是把理论搬过来用与实践相结合。

              PC团队使用内部的记忆库与检索机制,把会话、Wiki和本地记忆纳入召回流程。可复用经验至少需要携带来源路径、内容版本、适用条件和反馈。来源文件同名并不代表内容没变,所以后续索引改为结合路径与内容哈希保存版本;需要时回读现行来源,历史快照仍用于解释当时的判断。

              反例同样要能回流。一个旧答案被证明不适用,负向反馈应当定位到那个内容版本及任务范围,避免它下次又被高排名召回。整页 Wiki 往往包含多轮记录,不能因为其中一段回答有用就宣布全页永远可信,也不能因为一段出错就抹掉所有历史。

              这套机制也经历了自己的纠偏。一次检查发现控制器已有事件和候选记录,却没有产生预期的结果反馈;原因涉及一处管理名单字段与实际标签未对齐。这说明“系统每天都在运行”仍需落实到输入、命中、使用与结果几层证据。后来检索参数的比较还加入保留样本、逐例回归和失败回滚,但这些内部评估不等同于独立的人类验收,也不能直接换算成团队效率提升。

              这里的成长都发生在外部资产上:新的索引、更清楚的流程、更准确的适用条件、经过复核的技能。这不代表基础模型的权重会跟着每段群聊自动更新。维护这套资产也需要负责人:旧链接会失效,仓库会迁移,岗位会变化,曾经正确的发布方式会过期。数字伙伴工作越久,这份维护责任越重要。

              记忆侧也有一本账。记忆进化账本每天凌晨自动整理,扫描当天会话,把可复用的经验提炼成候选,账本里已经积累了大量过程记录与待审经验。晋升纪律是重头戏——候选要经过回放验证、保留样本、小流量试用三道关,最终批准必须由与提案创建者不同的人完成;召回时命中的经验如果被反馈“错了”或“已纠正”,会自动转入隔离区,避免下次又被高排名召回。账本只保存脱敏摘要和指纹,不保存会话原文。宁可慢,不可错。

              技能侧的积累同样来自真实错误。一次桌面端“不显示选集”的回归事故,根因是布尔条件里少了一对括号,运算优先级改变了业务语义;反馈后很快完成回滚并确认恢复。但事故处理没有停在“修好了”:复盘把这类逻辑组合沉淀为 Code Review 检查项和测试组合,并提出流水线候选门禁。数字员工可不可靠,不看它犯不犯错,看每次错误能不能变成让下次更难再犯的机制。

              07#

              SDLC试验:

              数字伙伴开始承担

              完整交付链中的岗位

              7.1 把生命周期拆成可检查的产物

              SDLC(Software Development LifeCycle)是软件开发生命周期。Anthropic的 AI-native SDLC playbook 用 Plan、Design、Build、Test、Deploy、Maintain 描述从意图到持续维护的六类工作,并强调阶段之间可以反复往返。模型参与各阶段以后,人仍需要给出目标、约束和评审标准,产物则为后续协作保留上下文。

              这套 Playbook 不是孤立出现的。Anthropic 过去一年走了三步棋,几乎每一步都能在 PC 团队的实践里找到呼应:

              时间

              动作

              组织含义

              2025 年 8 月

              Claude Code 并入 Team / Enterprise 计划

              AI 编程从个人工具变成组织可管理的资源:支出上限、使用明细

              2026 年 6 月

              Claude Tag 上线 Slack 公测

              Claude 以自己的身份成为频道成员:共享上下文、持续记忆、主动介入、异步执行

              2026 年 8 月

              发布《The AI-Native SDLC Playbook》

              用 intent、spec、门禁、Evals 重构软件开发生命周期

              Playbook 把软件开发生命周期重构为六个阶段:规划阶段的 intent.md、设计阶段的 spec.md、构建阶段的 plan.md 与自动模式、测试阶段的持续 Evals、部署阶段的 Hooks 确定性门禁、运维阶段的闭环自愈——监控脚本发现指标突破控制带,自动调用 Claude 诊断,把结论写成新的 intent.md 重新进入循环,Claude Tag 在值班频道里做第一响应人。支撑这套流程的是一组数字:Claude 已经编写了 Anthropic 当前约 80% 的合入代码,工程师平均每季度交付的代码量达到 2021 至 2025 年时期的约 8 倍。

              对照这三步看 PC 团队自己的路线:Claude Tag 做的事——频道成员身份、共享上下文、异步推进、主动介入——正是 cc-connect 加 IM-Native 在飞书里做的事,而且起步更早,在身份治理上走得更远(五层架构、指定执行人监护、接力轮次阻断)。区别主要在管理对象:Claude Tag 背后是同一家模型,而 PC 团队要管理一支混合编队,GLM、Kimi 各有脾气,所以必须多造一层协议和门禁。SDLC 层面,Playbook 发布时,我们就已经在评估测试了,intent、spec、门禁、证据这些概念几乎一一对应——方向被行业头部验证,这比任何内部汇报都更能说明问题。

              “PC-AI-Native SDLC测试群”把这件事放进了实际研发流程。前端链路使用 Plan、Ui、FeDev、FeTest、FeRelease、Observe、Close 等阶段名:前两项确认需求与界面,Fe表示前端,Observe检查上线后表现,Close记录验收与遗留事项。遇到后端需求,则需要适配相应研发、测试和发布角色,不能机械复用前端路由。

              一次交接至少要能回答三件事:交付对象是哪一版,依据在哪里,下一位具体检查什么。MR是代码合并请求;commit固定代码内容;构建版本固定测试或生产环境里的产物;流水线 run_id 固定一次交付运行;审批单固定获准执行的范围。这些标识各有各的用途,不能用一句“已完成”的文字回执顶替。

              规则浓缩在一本《SDLC 全员职责与 IM-Native 融合手册》里:Captain 对授权需求从接入到上线观察、交接和关闭负责;专业角色对各自产物与结论负责;真人承担明确授权范围之外的决策。真人一侧保留五类门禁,每类都规定了介入时机和决策所需材料:

              真人角色

              保留的决策

              介入时机

              SDLC Sponsor

              角色资源冲突和超授权事项

              协调失效或超出授权边界时

              Product Owner

              目标、范围和验收语义

              需求界定与最终验收

              Code Owner

              高风险改动批准

              触及高危清单的代码变更

              QA Owner

              例外放行

              测试未完全覆盖但申请放行时

              Release Manager

              首次生产发布和回滚

              发布与回滚节点

              已有明确且仍有效的授权不应重复询问,需要决策时必须一次给出可审阅材料。同时,每个数字伙伴也应遵守的岗位指令:人和机器人参与讨论,不自动产生审批权。

              下面是据此整理的最小交接记录示例,用来说明信息关系。

                交接示例:版本、证据、裁决对象需要彼此对应
                requirement: <需求标识>
                stage: <当前阶段>
                revision: <当前修订标识>
                artifact:
                  merge_request: "<合并请求编号>"
                  environment: "<独立测试环境>"
                  deployed_version: "<构建版本号>"
                evidence:
                  report: "<本轮测试报告链接>"
                  coverage: "<用例数,列明失败与未覆盖项>"
                decision:
                  reviewer: "<本阶段有权确认的人>"
                  applies_to: "<上述需求范围与实际版本>"
                next:
                  owner: "<交付岗位>"
                  prerequisite: "测试确认 + 发布范围确认 + 相应审批"

                流程中的人工确认有明确对象:某份需求、某个测试版本、某次发布范围。需求或版本实质变化后,原先的批准不能自然延伸到新对象。团队后来经历的换分支与重测,正好把这个原则检验了一遍。

                7.2 需求A :一处文案,跨了三个服务

                需求A要把短剧、漫剧、短视频播放器左下角的提示改为“含AI生成内容”。从页面看,这像一个简单的文字替换。产品调查先发现文案来自门户服务的文案处理逻辑;开发在进入实现前又发现播放器服务有第二处硬编码;范围继续核对,一个频道二级页成为第三个改动点。

                这个需求在一个工作日下午发起;PC研发智能体先完成代码调查并建好工单;负责开发的智能体在构建前核验时主动 BLOCKED——它发现的第二处硬编码在播放器服务,这个拦截直接避免了漏改;随后三个改动点的合并请求齐备,独立评审当天全部通过。从发起到评审通过,用时不到一个工作日。

                同事持续补充了边界:PCW与PCA都覆盖,专辑流与播放流都覆盖,不改变点击行为与样式,兜底文案保持原样,PPC播放器不在本轮范围。需求说明经过多轮修订后到达v0.4。这个过程说明产品范围和代码范围要互相校正:页面上的一句话,背后可能挂着好几条服务链。

                改动涉及的服务

                核心改动位置

                同时核对的行为

                门户服务

                文案处理逻辑的分支

                文案与对应测试,补充验证用例

                播放器服务

                播放信息组装逻辑

                修改目标文案,保留非目标分支行为

                频道服务

                工具逻辑与配置默认值

                硬编码、云端配置默认值及各频道用例

                三份合并请求完成,独立代码评审也给出通过意见,但测试仍出现了问题。早期报告计划10项,只执行7项,7项通过,另有3项未覆盖。测试同学继续追问完整需求测试链路与第三个改动点的覆盖范围。这时“已执行用例全部通过”不能被写成“全部需求验证通过”,更不能因为评审通过就略过测试。

                后续补齐的交付记录包含21项完整链路用例,结论为有风险通过;预发回测中两个改动点分别全数通过。代码进入主干之前还有一次明确的人类授权。随后本批两个服务上线;播放器服务由专人另行上线,明确列为本批范围外。

                线上验证也留下了对照。生产接口中,AI 相关样本返回新文案“含AI生成内容”,非目标类型样本保持原有文案不变。验证以旧文案表现为基线,记录了多个时间点,次日早晨又复查了一次。随后产品负责人明确回复“验收通过”,任务进入关闭状态。若干执行通道与独立验证途径等遗留项仍随交付移交,不能把这些空白涂成全绿。

                整个过程并不顺,而这恰恰是案例的价值。测试阶段反复了几天:测试助理无回执、服务网关异常、口径拆分误导、覆盖缺口被真人测试同学当场质疑“未覆盖为什么算测试通过”。每一次波折都被门禁拦下,由真人纠偏,记进复盘。合并授权阶段的拉锯战前文已述——Captain 三次拒绝凭转述执行生产合并;随后两个服务先后全量上线,产品负责人验收关账。这是唯一一个由数字伙伴全流程推进、走完整链路的真实后端需求,复盘报告有完整的甘特图和逐日消息时间线,任何人可以回放审计。

                这次试验的成果相当具体:数字伙伴能追踪分散在三个服务中的实现,形成代码与测试产物,配合人把它们送到生产并完成限定范围的验收。过程也把原本隐含的组织知识暴露出来——送测用哪个分支,谁能批准合并,什么时候通知测试,哪些未覆盖项必须单列。后续团队可以复用这些明确约定,而不必重新经历同样的误会。

                7.3 需求B :一句口语,不能代替项目流程审批

                需求B要把首页左侧导航的多处链接归一为HTTPS。开发产出合并请求,形成测试包;测试按最新口径独立执行,最终20项通过。当天流程完成了规划、界面、开发与测试阶段,随后按产品负责人要求终止,发布、线上观察与关闭阶段没有执行。平台将其记为 cancelled,不能把这次试验写成全流程上线成功。

                过程中,测试负责人说“我看着可以pass”。Captain把这句口头印象当成了门禁通过,还向下游请示上线。测试负责人立即指出:“你在曲解我的意思。”研发智能体回滚了流程;直到测试负责人明确给出“测试pass”,测试阶段才继续推进。

                这件事暴露的不是一个关键词识别问题。即便一句话里出现pass,系统也要知道谁在说、针对哪份产物、是不是作正式决定、前文是否仍在讨论。否则,自然语言里保留余地的表达,会在自动化链路中变成确定动作。复盘还记录了测试执行者误派、确认人绑定错误、重复@和群内长消息等问题,逐一形成了后续约定。

                需求B的代码后来进入与需求C同包的交付链,属于后续事实;它不会改变那次演练按指令终止的状态。把任务边界和后续复用分清楚,团队才能准确评价一次流程到底走到了哪里。

                7.4 需求C :从节前停线,到节后真实关闭

                需求C 要求把首页隐私政策链接改为一个指定的 HTTP 地址。这里的 HTTP 是已确认的需求目标;其他属于需求B 的 HTTPS 改动保持各自范围。两个需求同包后,这个细小区别后来成了一次实际误判的来源。

                长假前的最后一个工作日,数字伙伴完成需求确认、界面范围确认、开发和26项测试。进入交付时,发布白名单阻塞,随后按假期停线指令停止,当次流水线运行作废,当日生产零变更。早期复盘里的“数小时”描述的是这一阶段从发起到停线的历时,不能拿来代表最终上线耗时。

                第一阶段的耗时构成,是复盘从完整的链路会话记录和路由日志里逐条抽取出来的:

                阶段

                状态

                关键动作与通过条件

                范围确认 ✅

                完成

                需求与界面范围确认,有权的产品与设计角色分别批准

                开发 ✅

                完成

                提交合并请求,负责人评审后合并

                独立测试 ✅

                完成

                全量用例在独立环境执行,测试负责人放行

                人工批准 

                停线

                假期停线指令到达,当次流水线运行作废,当日生产零变更

                假期后恢复时,人的质询促使团队重新核对临时分支的依据及包内容。原先设想只带两个需求,实际包内却包含停线前的其他常规开发内容,原发布范围的前提不再成立。负责人裁定停掉原运行,切换到正式基线。开发重新摘取两个需求的改动,生成新的合并请求,核对改动等价性,单元测试全部通过,再进入构建和测试。

                图5 需求C的三个阶段。节前开发测试完成不等于生产交付完成;节后范围与环境变化触发重新核验。

                恢复日有两个细节,值得单拎出来说。第一是裁定过程:负责人发出恢复指令后,管理员要求上线前先完成代码评审,评审结论为无阻断项、有少量风险与建议;交付侧随后完成“假设证伪”——生产并不处于原设想的状态,旧包的上线增量不等于“恰好两笔改动”,原发布范围的前提不再成立;交付侧发起 A/B 裁定请示(A 照发知情增量,B 换正式基线停单重建重测),有权的同事裁定走 B。B 路随即执行:正式基线复跑全绿,生成新的合并请求并通过评审,重新构建测试包。期间还留下一条派工纠偏:交付派工只传“什么需求打包、哪个分支迭代”,不得夹带推断。这条口径后来固化进流程。

                第二是测试端的多轮攻坚。第一轮全量用例绝大部分通过,但测试环境在测试过程中发生版本漂移,两条用例未能闭环;测试负责人随即给出指令:判定漂移是偶现还是必现,偶现重试,必现给原因与方案。第二轮判定为必现——固定入口的服务端链路持续提供不同版本。交付侧查到测试环境被当日例行构建污染,改投隔离车道,重打测试包。后续几轮卡在一个意想不到的地方:两条用例需要测试机管理员授权修改系统 hosts,数字伙伴多次阻断后转人工桌面执行;期间还发现备案入口目标站返回异常,数字伙伴据此提交了缺陷单并附多份证据。测试负责人发来一段真人操作视频复验,最终人工复验通过,问题定性为测试工具问题而非需求缺陷,测试门禁闭环:绝大部分用例直接通过,受阻的两条由人工复验通过。

                负责人在群里发出确认上线;随后建立新的流水线运行,测试同学执行发车,进入三人逐级审批。夜间审批一度停滞,系统按规则催办、升级,随后转入夜间静默——系统没有替人催第三次,更没有替人作决定。

                重新构建也没有消除所有问题。测试使用的环境被人工重发的旧包覆盖,新构建的包不再是实际被测对象,导致本轮测试失败。团队随后隔离车道,重新出包,再完成复测。这个问题说明测试报告至少要绑定“需求、代码、构建、环境中的实际版本”四者;仅有一个报告链接,无法保证验的是将要发布的内容。

                假期后第二天,交付继续通过审批、发布、线上观察和回测。线上回测曾给出 FAIL,后来发现 Captain 在派工时把隐私链接目标误写成 HTTPS。重新读取权威数据源并对照需求中的 HTTP 目标后,结论改为 PASS。人对一句需求的限定,必须在跨岗位转述时保持准确;数字伙伴不能凭“通常更好”的惯例自行替换目标。

                最终明确记录:流水线运行成功,审批单闭环,生产版本与需求范围一致;上线观察获测试负责人通过,相应角色完成关闭确认,任务 done。与此同时,需求管理平台中的完成日期和测试工作量仍列为待收尾。交付关闭、业务系统字段补齐和长期观察项需要分别跟踪。

                关闭当天上午的收尾同样留痕完整:管理员说明“本需求非紧急需求,夜间可暂缓上线,今日上午会继续推进”;三人审批链在上午陆续通过;随后进入“测试确认”人工节点,测试侧放行;灰度加全量完成,生产版本完成升级,交付侧两次复测稳定;最后补发上线完成审批。全周期从授权到生产生效跨了一个假期:自然时间跨度超过一周,其中大部分是假期封网,有效执行约两个工作日,生产改动为一行。

                复盘共归档了十余起协同事件,最大的一起就是临时分支与正式基线的选择假设错误;其余包括测试车道被例行构建污染、hosts 授权多次阻断、备案站异常误报建缺陷、需求平台报告人映射缺失、缺陷关联错项目等。几起流程沉淀已经落地:派工口径规范、需求平台回写兜底路径、测试工具问题人工复验定性先例、测试独占车道实践。这些条目读起来琐碎,但每一条都对应下一次同类需求可以少踩的一个坑。

                真正值得注意的是这条跨了好几天、跨了节假日的链路本身:停线了能保住状态,恢复后重查前提,范围对不上就换线,环境漂了就重测,审批、版本和最终回执一路串下来。这已经不是单次代码生成能盖住的活了。人也没有退出,业务范围、技术争议、发布授权,还是人来拍板。

                7.5 这些成果已经能证明什么

                案例

                留下的可验证成果

                评价时保留的边界

                需求A :AI提示文案

                三个服务的合并请求、独立评审、补充测试;其中两个服务本批上线并验收关闭

                播放器服务另行发布;风险与未覆盖项随交付移交

                需求B :导航HTTPS

                合并请求、测试包、独立20项测试通过;语义误判得到纠正

                演练按人指令终止,未执行当轮生产发布

                需求C :隐私政策链接

                换线合并请求、重建重测、流水线运行成功、生产生效后关闭

                经历停线和返工;业务字段收尾及长期观察继续跟踪

                三次试验展示了不同层面的进展:从定位跨服务实现,到形成独立测试,再到维持长周期交付状态和完成上线验收。它们也提供了一组比“机器人回答得很专业”更扎实的评价对象:代码差异、测试覆盖、环境版本、审批对象、生产回执和人的最终确认。

                这些记录还证明不了所有需求都能无人处理,也算不出一个普遍适用的效率倍数。样本里仍有多次人工纠偏、路由修订和环境干扰。这些细节留着,才能对照判断自己手里的条件和约定够不够。

                架构层面,M0 阶段还沉淀了三条写给后来者的决策:第一,流程是否发生以 SDLC 服务中的状态迁移成功为准,不以 LLM 判断或群聊消息为准;第二,Captain 是统一入口,不持有任务运行状态;第三,PMS 记录业务需求,SDLC 服务记录工作项和执行过程,群聊只承担协作、通知和过程可见性——三者各司其职,互不越位。

                08#

                 把“高效”量清楚,

                也给团队留出适应过程

                8.1 等待流水线的时间,不能全算成数字员工工时

                需求C 关闭后的复盘最初把交付工程师耗时记为一个明显偏高的数字。负责人提出疑问:这个数字明显比正常流水线执行时间还长。重新切分记录后发现,“派发到回执”的整段时间混入了构建流水线、发布流水线、部署与冒烟测试等系统运行时间。数字伙伴在其中主要做触发、核验和回执,它并没有在整个窗口里持续执行有效动作。

                更正后的估算把交付工程师动作时间调低了一大半,其余划回流水线系统执行;全案数字员工累计估算也随之明显下修。其余角色中仍有根据回执区间估算的部分,不能把这个数当成精确的执行遥测,更不能当成已经节省的人工工时。

                这个例子也解释了为什么不宜把所有时间简单相加。多个智能体可能并行,流水线与人的审批也可能交错。端到端历时描述用户等待了多久,各角色累计动作时间描述投入,两者回答不同问题。若想测净收益,还需要相近复杂度、相同验收标准的人工基线,以及人工复核和返工投入。

                建议长期记录的指标

                计算或记录方法

                它帮助发现的改进点

                端到端交付周期

                从范围确认到最终验收;另列停线与业务等待

                工作究竟卡在执行、审批还是排队

                人工实际投入

                提需求、澄清、复核、纠偏与接管分别记录

                自动化是否真的减少同事负担

                数字伙伴动作与系统等待

                用任务时间线区分工具操作、模型处理、构建和外部等待

                该优化模型、流程还是基础设施

                首次通过与返工

                按需求版本统计首次验收、重做原因和受影响阶段

                快速产出是否换来了更多后续修补

                交付可追溯性

                需求、commit、构建、测试环境、审批与生产版本能否对齐

                结果是否可以独立复核和恢复

                协作噪声与中断

                误派、重复通知、错误裁决、人工纠偏次数

                团队的注意力是否被自动化消耗

                这些指标可以先从少量任务开始记录,不必一开始搭建庞大的仪表盘。需求C 的一次工时质询,已经帮助团队看见了模型执行之外的构建吞吐问题。衡量方法越接近真实工作,就越容易决定下一步到底改哪里。

                更早的规模数据来自季度运营报告,同样只使用可回溯的原始口径。出于口径与保密要求,具体数值不在本文列出,只保留趋势性结论:用户输入轮次、独立会话与活跃日都显示出持续的生产使用;任务包含大量真实工具交互,但有效执行仍需结合成功率与重试率判断;活跃 Worker 覆盖多个逻辑岗位;Wiki 证据沉淀有基础,但尚未完整覆盖。

                价值报告还给过一个方向性测算:以会话样本估算人工耗时与 Agent 活跃耗时,得出一个节省工时与效率倍数的估计。这类数字必须带着口径一起读:它是基于任务分类与耗时假设的模型估算,不是工时系统的实测 KPI;Token 遥测的覆盖率也不完整,不足以推导完整成本。AI总喜欢把估算、模糊的只言片语当成依据来总结汇报,这是实践中要着重关注,需要对智能体进行约束。

                8.2 适应时间取决于共同规则建立了多少

                现有记录无法给出“一个团队需要几周适应数字伙伴”的通用答案。熟悉业务系统、已有规范与自动化基础的团队,和文档分散、接口权限缺失的团队,起点差别很大。PC团队从日常问答走到跨角色SDLC的这些案例横跨数月,也不能直接当作大家导入数字伙伴所需要的时间。

                一个常见的问题是:团队要多久才能适应数字伙伴。PC 团队的回答是:从“能对话”到“能共事”,大约三个月;从“能共事”到“敢托付”,现在还在路上。周报里的时间线比任何总结都有说服力。年中时,数字伙伴之间刚能完成一轮像样的业务对话,成本还高得离谱;后来团队给 SDLC 能力做了一次自评,分数打得很低,评语写得很直白:“在较强人工护航下能完成一次端到端交付,还不能稳定、低人工、可度量地连续运行。”不久后,M0 闭环跑通。适应期的后半段不是线性爬坡,而是制度和协议就位之后的陡升。

                适应是双向的。人这一侧的变化同样明显:派活的同事学会了把验收标准说清楚,因为“说清楚”直接决定数字伙伴的交付质量;做授权的同事学会了把授权边界给明确,因为模糊的授权会被门禁拦下;评审的同事学会了看证据链而不是看结论。数字伙伴这一侧最大的进步,是学会了说“无法确认”——在证据不足时拒绝归因。一支团队和一群数字伙伴,就这样互相改掉了对方的干活方式。

                Tuckman关于小组发展的研究,把群体发展描述为形成、冲突、规范和有效协作等阶段。它来自对人类小组的研究,没有研究今天的研发智能体,也没有给出固定日程。拿它作类比,可以留意一种常见的变化:起初大家在试探能力,随后因范围和责任起摩擦,慢慢形成约定,最后才能稳定配合。

                对人+数字伙伴组成的新团队来说,这种适应至少同时发生在三处。同事在学习怎样提供必要背景、怎样核验结果;数字伙伴的外部记忆与技能在补充团队的业务词义和操作规则;协作系统在修复消息投递、恢复、权限和版本绑定。只教人写更长的提示词,无法解决后两类问题。

                照这个思路,可以设计一个按能力晋级的试点,不用承诺哪天一定成熟。第一阶段选择高频、可回查的小任务,例如资料查找与文档整理,检查引用和结果是否可靠。第二阶段让同类任务重复发生,观察上次纠偏能否在下一次生效。第三阶段接入开发与独立测试,要求交接产物和环境版本可核对。最后才扩到发布与长期维护,让人在明确节点作决定,并演练取消、重启与失败恢复。

                每次晋级都要有实际任务证据。一个新伙伴可能检索能力很强,却还不会理解团队口语;另一个能改代码,却没有正确的生产权限与发布经验。允许它各项能力有先有后,保留随时退回人工的路,比一上来就按“全能员工”期待它,更容易处得长久。

                09#

                我们总结的七条建议

                七个月的实践可以压缩成七条可操作的建议,每一条背后都有前文对应的案例或教训:

                1、先身份,后账号。把数字员工登记进 IAM 花名册、锚定责任 Owner,再谈 OA 账号;跳过治理直接发证,是在批量制造“有工牌、无主管”的影子员工。

                2、先门禁,后自治。高危清单永远人审;自治范围随证据成熟度逐步扩大,不以 LLM 的自我判断为准——流程是否发生,以状态系统的迁移记录为准。

                3、先小闭环,后全链路。用一个真实需求端到端跑通,再谈平台化;成熟度要敢打低分,一次诚实的低分自评比漂亮的汇报数字有用得多。

                4、教会数字伙伴说“无法确认”。证据文化比答案重要;分析结论标注“直接事实、代码推断、间接推断、无法确认”四档,没有证据闭环时禁止猜测。

                5、结论必归档。群消息会消失,Wiki 不会;每轮结论当场落档,档案要包含诉求、证据、改动、验证和遗留风险;缺证据写 BLOCKED,而不是硬答。

                6、记忆要治理。经验采纳生效要走 Replay、Holdout、Canary 和人工批准;被纠正的记忆自动隔离;账本只存脱敏摘要和指纹,不存会话原文。

                7、保留失败。失败路径、停止条件和调整依据同样是可复用经验;复盘里如实记录误判,比只陈列成果更能帮助后来者。

                10#

                结语:数字伙伴的“人品”

                回看这些实践,推动协作前进的往往是很日常的几句话:告诉数字伙伴“将脚本内容发给我”,让回答变成了工具;对测试覆盖的追问,让通过率恢复了真实含义;对一笔偏高工时的质疑,让工时统计重新贴近实际工作;“你在曲解我的意思”,让一句口语和一次门禁裁决从此分开。数字伙伴把检索、执行和记录承担起来,人则不断把业务语义、经验与责任补进过程。

                七个月下来,团队对数字伙伴的信任,不来自它们有多聪明,而来自三件更朴素的事。可预期:它们在规则之内行事,深夜做的操作和白天一样,受同一套规则约束。可审计:每一步有证据、有归档、有回放。可成长:经验沉淀为资产,而且资产接受治理。

                公司和组织架构是人类几百年进化的成果,它解决的核心问题从来不是“怎么让人干得更快”,而是“怎么让一大群人的协作不失序”。数字伙伴的加入不是绕过这套成果,而是融入它,让它继续演化。管好数字伙伴——守身份、守门禁、留证据、肯认错——是 PC 研发团队的做法,也是这篇文章最想交出去的经验。

                一个团队从这些工作中积累下来的,不只有交付结果,还有后来者可以继续使用的脚本、证据、需求约定和排障方法。等下一位同事接到相似的问题,能找到前人的纠偏、回查当前事实、在同一条协作链上接着干,研发智能体才算真正成了团队里高效又可信的数字伙伴。

                11#

                 参考阅读

                外部原理与行业动态:

                • Anthropic, The AI-Native SDLC Playbook, 2026-08-21;How Anthropic secures its AI-native software development lifecycle, 2026-07-21

                • Anthropic, Claude Tag Slack 公测公告, 2026-06;Claude Code 并入 Team / Enterprise 计划, 2025-08;Claude Code Agent Teams 官方文档(实验性能力)

                • Gartner, 2026 年安全趋势:IAM 适配 AI 智能体 / From Tools to Actors

                • IETF, RFC 8693 OAuth 2.0 Token Exchange;AI Agent On-Behalf-Of 授权草案

                • OWASP, Agentic Applications Top 10 (2026),ASI03 身份与权限滥用

                • Okta 2025 非人类身份(Non-Human Identity)战略调研

                • Coase, The Nature of the Firm, 1937;Simon, The Architecture of Complexity, 1962;Tuckman, Developmental Sequence in Small Groups, 1965;Wegner, Transactive Memory

                • 约翰·霍兰德《隐秩序:适应性造就复杂性》(复杂适应系统);彼得·圣吉《第五项修炼》(学习型组织)

                • Snyk,公开 Agent Skills 安全研究(13.4% 存在 critical 级问题)

                • https://github.com/chenhg5/cc-connect

                跳转微信打开

                大数据技术专家是如何练成的:大数据助手 Agent Team 实践

                2026年9月10日 12:00

                原创 爱奇艺大数据团队 2026-09-10 12:00 北京

                面对跨计算、存储、调度和平台的复杂问题,我们通过 Agent Team 让多个领域智能体分工协作,探索更及时、更高效的大数据服务支持方式。

                01#

                为什么需要大数据助手

                爱奇艺大数据体系涉及 20 多个服务及相关开发分析平台,日常的使用咨询和问题排查比较多,占用大数据团队大量人力。例如,用户常问的“这个 Spark 任务为什么失败了”“这个 Flink 作业为什么重启了”“StarRocks 查询为什么变慢”,运维人员需要读对话上下文、查询平台数据、检索日志和告警、分析指标,再结合历史处理经验,最后才能总结出问题原因。更复杂的是,问题出现在哪一层,并不代表根因就在哪一层:一个计算任务失败,可能与任务调度、数据存储、网络环境或下游系统有关,需要多个技术领域共同对齐时间线和证据,处理周期也会随之变长。

                这些问题的排查有一套常用流程和工具,我们曾将其固化为基于规则的自动化工作流,但真实故障现场往往信息不完整,涉及多个服务,排查路径还需要根据中间结果不断调整,预设规则难以完全覆盖。AI Agent 适合处理这类任务:它能够围绕排障目标分析当前线索,自主选择和组合工具,并根据执行结果修正判断、推进后续排查。因此,我们设计了“大数据助手”,将不同领域的服务接口、自动化工具,以及分散在文档和专家经验中的知识沉淀为可复用能力,再由多个领域 Agent 分工完成跨服务问题的联合排查。

                我们的目标不是用 AI 替代技术专家,而是让常规信息收集、证据关联和初步判断更自动化,使用户更快获得响应,也让服务负责人把精力集中在真正需要人工决策的环节。

                大数据助手跨领域协同诊断能力示意

                02#

                大数据助手是什么

                大数据助手是一个面向大数据服务综合场景的智能助手系统,采用由一个指挥者 (Coordinator) 和多个技术专家 (Service Agent) 组成的 Agent Team 架构,支持以团队协作方式来解决跨多个服务的综合性问题。

                当前系统已经覆盖大数据领域主流服务 Agent:

                • 调度平台 Agent:支持工作流查询、任务诊断和服务接口调用

                • 批计算 Agent:支持 Spark 应用诊断、YARN 日志分析和告警关联

                • 实时计算 Agent:支持 Flink 作业诊断,包括运行失败、处理延迟等场景

                • 机器学习 Agent:支持基于知识库的服务问答和训练任务定位

                • 数据湖 Agent:支持数据湖平台知识查询、服务状态查询和表相关问题分析

                • 数据分析 Agent:支持StarRocks库表信息查询、读写异常诊断和集群健康检查

                大数据体系的其他 Agent 还在陆续接入中。

                它不是把所有能力简单塞进一个全能 Agent。不同领域的 Service Agent 更像技术团队中的专家成员:各自维护专业知识和工具边界,需要时围绕同一个问题协同工作。

                举个例子,一个 Flink 任务将数据写入 StarRocks,最近经常失败。用户提问后,大数据助手的协作流程是:

                1.Coordinator(团队调度者)先将问题交给Flink Agent;

                2.Flink Agent 从日志中确认异常集中在下游写入阶段,并提取超时证据;

                3.Coordinator 将问题转交给StarRocks Agent,同时携带待核对的时间窗口和节点线索;

                4.StarRocks Agent 对齐事务与资源状态,确认写入请求积压、节点响应变慢;

                5.Coordinator 合并两侧证据,向用户说明根因、影响范围和下一步处理建议。

                跨服务协同排障示意案例

                03#

                架构演进

                大数据助手经历了从 Workflow 到单 Agent,再到 Agent Team 的逐步升级。

                第一阶段:具备 AI 能力的 Workflow 

                在早期阶段,受限于模型推理和工具调用的稳定性,大数据助手主要通过 Workflow 实现智能巡检等需求,并在部分处理节点引入大语言模型(LLM),使流程具备比传统自动化 Workflow 更强的判断能力。我们上线了计算任务智能分析、自动巡检,为 1500+ 关键计算任务提供修复和改进措施。链路巡检日报还帮助内容热度、效果广告、会员云包场、直播电商、CDN 点直播实时统计等业务的 90+ 条关键链路识别隐患,并及时通知处理。

                这套流程适合单一服务的知识问答、巡检等较简单场景。例如,每小时进行异常巡查、汇总异常情况,需要人工介入时通知运维人员,缓解了过去告警轰炸的痛点。但是要解决的问题变成多服务联合排障、日志指标多维分析、多轮追问时,Workflow 就力不从心了,整个 Workflow 的节点数量膨胀到 50 多个,灵活度越来越低,难以持续维护迭代。

                第二阶段:基于 MCP 的 Agent

                为了支持异常诊断这类更复杂的场景,我们随后基于飞书的低代码智能体平台 Aily 构建了单 Agent。主流程比较简洁:接收对话后进入推理循环(reasoning loop),根据中间结果持续选择工具,最后组织回复。服务信息查询和诊断能力主要通过 MCP 接入;MCP 解决的是智能体与外部工具、数据源之间的标准化连接问题。

                这套架构支撑了几个月,较好满足了单服务异常诊断、知识问答等场景。随着使用深入,新的瓶颈逐渐出现:工具调用和上下文管理对我们来说仍是黑盒,难以针对真实问题深入调优;图形化开发模式也不利于复用代码工程中的测试、版本管理和自动化能力。

                第三阶段:基于 Skill 的 Agent Team

                随着 Skill 的流行,Agent 扩展业务能力变得很简单且规范。模型 + Harness 构建 Agent 核心流程,再用 Skill 实现业务能力,这套架构具备良好的可扩展性,也给越来越强的大模型极大的发挥空间。因此,我们把 Agent Runtime 从飞书 Aily 切换到 LangGraph,并从单 Agent 架构升级到 Agent Team 模式。对接的服务也从单个扩展到多个。通过实现一套 Agent Team 流程,让不同服务能力可以按职责独立扩展,并在统一团队协议下协作。

                 04#

                 Agent Team架构

                当前的大数据助手采用分层架构,核心思想是:入口统一、编排统一、服务能力分治。

                • 入口层:负责接收来自本地命令行、Web 或即时通讯等渠道的请求,只处理协议适配和展示,不承担业务逻辑。

                • 调度层:由 Coordinator(团队调度者)理解整体目标、拆解任务,并指派给具体的 Service Agent。

                • Runtime 层:承载 Service Agent 的多步执行流程和运行状态,使其能够连续调用工具完成任务。

                • 能力层:由各领域 Agent 的 Skill 和共享 Tool 组成,例如执行命令、访问服务 API、查询服务知识库。

                • Harness 层:治理运行时上下文、文件读写、管控工具调用、执行预算、异常处理与重试。

                1、Agent Team协作流程

                从 Agent Team 视角,目前有如下角色:

                角色

                核心职责

                上下文

                关键边界

                Dialoguer

                对话角色,理解用户意图,负责与用户沟通并组织最终回复。

                对话框中的消息

                只负责沟通,不管执行。

                Coordinator

                团队调度者,根据用户目标和团队黑板判断下一步动作,决定追问、派发任务或结束。

                用户意图;

                团队黑板

                负责整体流程控制和任务派发,不介入执行细节。

                Service Agents

                领域专家智能体,负责完成本服务域内的任务。它可以使用领域 Skill、执行工具、查询知识库或调用 API,完成后返回结构化结果。

                团队黑板;

                自身执行历史

                只处理被派发的任务,不直接和用户对话。

                团队黑板是 Agent Team 的共享协作空间,也是一套结构化交接契约。Coordinator 在黑板中写入待办任务和必要上下文;Service Agent 领取任务、持续更新进展,并在完成后写入结论和证据;Dialoguer 最后读取已经收敛的信息,向用户给出答复。通过把“谁在处理什么、处理到哪一步、依据是什么、下一步由谁接”记录下来,多个 Agent 可以共享必要事实,同时将各自的详细执行历史留在独立工作区,避免上下文互相污染。

                2、成员 Agent “边执行,边讨论”

                当一个问题可以拆成相互独立的领域任务时,Coordinator 会同时把子任务派发给多个 Service Agent,让它们并行执行,提升效率。各 Agent 在独立工作区执行,避免工具输出和推理过程互相污染;阶段性线索和证据持续写入团队黑板,其他 Agent 会在后续推理时读取新增信息并调整方向。因此,协作不是等所有任务结束后再做结果拼接,而是边执行、边交换证据、边校准判断。用户在执行过程中补充的信息也会进入团队黑板,由 Coordinator 判断需要影响哪些 Agent。

                举个例子,这个案例是用户询问某iceberg表数据延迟是否已恢复。Flink Agent核对 Flink 作业日志和 Checkpoint 状态,同时Iceberg Agent检查表文件,元数据信息。两者实现边执行,边讨论。

                3、可定制、可扩展的 Service Agent 实现

                大数据服务的能力边界和工作方式差异较大,因此大数据助手没有把所有能力塞进一个全能 Agent。每个服务作为独立服务包接入,并约定统一接入规范,包括:

                • Prompt:说明 Agent 的职责、边界

                • Service Skills:服务私有的Skills

                • 服务知识库:按需读取服务手册

                • 独立工作区:执行本地命令,读写当前任务所需的文件

                大数据助手启动时会自动发现已接入的服务包,并为每个 Service Agent 加载相应的prompt、领域 Skills 和知识库。

                项目采用约定优于配置的方式。Agent开发者可以把重心放在开发 Skill 上。框架层统一负责用户沟通等通用流程,以及模型调用、命令执行、文件读写、异常处理等公共设施。另外,底层通用 Tool 和 Skill 由所有 Agent 共享,不需要每个服务重复开发,例如命令执行、HTTP 请求、文件处理和基础信息查询。

                实践中,各服务Agent接入成本很低,数小时即可构建可运行的Service Agent。

                05#

                Harness工程

                多 Agent 系统的可用性,很大程度取决于 Harness。这里的 Harness 不是某个单独模型,而是一套围绕模型构建的运行控制层,负责上下文、工具、执行过程和观测。下面分享一些直接影响系统效果的设计。

                1、事实源分层

                不同层级的事实需要分开保存。混在一起会让模型难以判断哪些是用户原始信息、哪些只是某个 Agent 的中间推测。我们将事实分为三层:外部真实对话、团队内部的任务与证据、各领域 Agent 的私有工作区。不同角色只读取完成当前职责所需的部分,既避免内部执行细节污染用户意图,也便于分别治理上下文。

                2、事实源多读少写

                公共事实的生成和修改必须受到控制。各个 Agent 不直接随意改写共享上下文;每次调用模型时,由对应角色从真实对话、团队黑板和工作区中组装本次所需的临时视图。这个视图只服务于当前模型调用,不写入持久化会话状态,也不会自动变成长期事实。

                3、冷热上下文分层治理

                连续排障可能经历上百轮工具调用,上下文会迅速膨胀,模型的注意力也会被稀释;但如果每轮都从零开始,又会丢失必要的过程信息。为此,我们把上下文分为冷热两层:当前执行过程作为热上下文,直接保留在 Service Agent 中;更早的执行历史作为冷上下文转存到文件系统,并提供按需查询能力。这样既能保持任务连续性,也避免旧过程长期占用模型上下文。相比到达阈值后直接压缩整段文本,这种方式能够更完整地保留原始证据。

                4、严格控制工具输出

                工具输出往往是上下文占用的大头。一次范围过大的日志或 API 查询,就可能挤掉当前任务真正重要的信息。框架会拦截工具结果:当内容超过阈值时,将完整结果转存到本地文件,只向模型返回摘要预览、文件位置和必要元数据;需要继续分析时,模型再按需读取相关片段。这样既限制单次输出的影响,又保留完整原始证据。

                 5、工具延迟加载

                随着工具数量增加,工具自身的使用说明和参数结构也会占用大量上下文。框架因此采用延迟加载机制:低频工具默认只暴露名称和简短描述,模型确认需要后,再加载完整用法和参数约束。常规路径不必反复携带所有工具说明,工具选择也更加聚焦。

                尽管有延迟加载机制,Tool 数量仍不宜过多。每增加一个 Tool 都可能会降低模型调用工具的准确度,并增加 token 成本。我们也经历了增加 Tool,再到减少 Tool 的过程。

                  6、通过结构化契约提高 API 调用可靠性

                在服务对接过程中,我们遇到一个实际问题:每个服务通常涉及大量 API。即使文档足够完善,模型仍可能拼错 URL、遗漏参数,或者为了查找调用方法而占用大量上下文。为此,我们设计了一套 Service API 调用流程,让结构化契约和模型各自负责更适合的部分:

                1.在 API 目录中声明允许调用的接口,并为每项操作分配唯一标识;

                2.领域 Skill 只引用需要使用的操作标识,不携带整份 API 文档;

                3.Agent 在调用前按需获取该操作的参数说明和约束;

                4.大模型根据当前任务生成业务参数;

                5.框架负责拼接请求、校验参数并调用目标服务。

                通过这个流程,Skill 可以专注于业务步骤,模型只需要判断应执行哪项操作并生成业务参数,具体请求由框架按照统一契约完成。这样既减少了模型在大量 API 文档中查找和试错,也降低了上下文成本,提升了调用成功率。

                7、控制执行进度

                Agent 在持续执行过程中有时会在局部方向上投入过久,甚至偏离最初目标,用户看到的现象就是任务像“卡住了”。我们通过定期复盘和执行预算两类机制控制进度。

                首先是定期汇报。Agent 每执行固定轮数会总结当前进展和剩余任务,借此重新检查方向,避免长时间埋头在一个局部问题中。

                其次是模型调用预算。当调用轮数接近阈值时,框架会提醒 Agent 收敛并返回阶段性结果;达到阈值后强制结束本轮,作为避免无限执行的兜底。

                8、基于 Langfuse Trace 的可观测与质量分析

                仅靠传统日志很难还原 Agent 为什么做出某个判断。我们引入 Langfuse 记录从用户问题到最终回复的一次完整 Trace,串联角色分派、模型调用、工具执行、异常、耗时和结果,使每一步都有迹可循。在此基础上,系统从正确性、有用性和依从性等维度评估回答质量,并按时间汇总到看板中,用于观察质量趋势、定位异常波动。发现低质量回答后,还可以回到具体 Trace,判断问题发生在任务理解、服务路由、工具调用还是结论收敛阶段,并据此验证后续优化是否有效。

                06#

                 落地形态

                大数据助手目前提供了飞书聊天机器人和大数据平台 web 机器人两种交互方式。不同入口共用同一套 Agent Team 和领域能力,入口只负责承接上下文与展示结果,后续流程是通用的。

                1、飞书消息私聊

                支持连续对话。近期消息历史会自动读取,较早的消息会按策略遗忘。支持主动切换话题。

                2、群聊中 @大数据助手

                在飞书群中@大数据助手,它会自动读取历史消息,了解上下文,再回答。同样支持连续对话,目前后续对话需要继续@大数据助手,才会回复。

                3、AI 悬浮球

                在大数据平台使用过程中遇到问题,可直接点击右下角 AI 悬浮球,唤醒大数据助手进行对话。不用跳转到飞书中,非常方便。首次开启对话,会自动携带当前页面信息作为上下文。

                07#

                 总结与规划

                大数据助手已经成为大数据团队中不可或缺的一名智能伙伴,让复杂的大数据支持工作,从“找人、找文档、找平台”,逐步变成“描述问题,助手协同处理”,降低了用户寻找服务支持的成本,减少了服务负责人运维成本。

                当前基于 Agent Team 架构的大数据助手已经运行一段时间,真实用户案例验证了方案的可行性。围绕并行协作、运行观测和质量分析等方向,系统也在持续完善。

                1.质量评估和趋势分析已经建立,但从问题识别、原因归类到优化验证的闭环仍需继续完善。

                2.受权限和风险管控限制,部分异常排查无法直接登录集群完成最终验证,仍需要服务负责人参与闭环。

                3.用户侧任务管理能力仍较基础,定时触发、多问题管理和执行过程中的交互引导还有提升空间。

                后续将围绕以下目标继续加强:

                1.扩大服务覆盖范围,让更多大数据平台和领域能力接入,进一步发挥跨服务协同的优势。

                2.完善质量优化闭环,让低质量案例能够被持续发现、归因、修正并通过回归验证。

                3.完善任务管理和过程交互能力,支持定时触发、多问题管理以及执行过程中的及时补充和引导。

                海外Agent实践:让问题直达源码,助力团队提效!

                爱奇艺AI驱动漏洞闭环治理:让安全发现更智能、修复闭环更高效

                爱奇艺大数据混合云存储

                纳逗Pro全链路赋能、专项免费算力支持!爱奇艺AI影视创作营第二期来了

                AI 时代的质量门禁左移:Agentic Quality Engineering 架构与落地模板

                跳转微信打开

                海外SKILL实践:基于开发事件驱动的自动化协同提效!

                2026年8月13日 12:00

                原创 海外技术团队 2026-08-13 12:00 北京

                海外SKILL提效实践,以本地原生开发动作为可信事件,集成转化为多系统管理操作,代替原需人工处理的多任务长周期跨系统操作。

                核心内容:开发管理SKILL以本地原生开发动作为可信事件,附加本地持久化存储每个开发任务周期的关键信息,在一个开发窗口内将开发事件集成转化为多系统管理操作,自动化串联操作多个关键环节\系统形成全周期闭环。减少开发者人工在 PMS、飞书wiki、Email、GitLab、CI/CD、PaaS 与Release Management之间重复传递同一份上下文信息,将原需人工处理的长周期多任务跨系统操作,改为基于本地开发行为的AI自动化协同操作,提高研发效率。

                面向谁

                研发、测试与协同伙伴

                解决什么

                个人开发管理、进度流转、测试协同、发布交付与上线管理

                实践载体

                Git Hooks + Lark CLI + LLM CLI+ PMS + 飞书 + GitLab + 各交付平台


                01#

                 背景需求

                为什么需要“开发事件驱动”

                产研协作中编码之外的成本:研发需要先获取或者自建PMS开发单,切到IDE 建分支启动开发,同时更新PMS进度、飞书整理开发文档、通知测试\产品提测;随后在 GitLab 建 MR、等待 Review、合并分支、创建 Tag,触发自动化 CI/CD 、PaaS 部署结果、上线申请单更新·状态。长周期多任务跨系统操作把一个连续的开发流程拆成了多次繁琐操作。

                在本地开发过程中,是否可以实现持久化记忆每个开发任务生命周期的内关键信息,并根据开发行为去自动化操作多个系统,流畅走完开发管理全流程?

                1.1 开发行为中的高确定性事件

                阶段

                传统动作

                常见损耗

                可利用的开发信号

                开始开发

                建分支、 PMS 开发单维护

                无开发单跟踪、关联困难、信息不一致、补单、状态断更

                创建 feature/feat 分支

                持续开发

                commit、msg、PMS状态流转、群消息间同步进展

                上下文切换、状态滞后、

                消息同步延迟

                commit、push

                提测

                改分级、部署测试环境、写文档、同步 PMS、通知测试

                流程记忆成本高、协同遗漏

                文档耗时

                merge、自定义命令 “分支提测”与“合并测试”

                评审与合并

                创建 MR、填写说明、选择 Assignee/Review 接收人并通知

                切换平台操作

                merge request

                自定义命令“合并主干”

                交付上线

                创建 Tag、触发构建镜像与部署、更新 PMS、查找并关闭上线申请

                链路长、平台割裂、双重状态收尾易漏

                Tag、自定义命令“分支上线”与“上线完成”

                设计转变:从“开发者人工逐步操作”,转向“研发在本地交互命令”。可通过高确定性事件智能化代理负责跨系统编排,GitLab、飞书、Wiki、CI/CD、PaaS 根据分支、MR 和 Tag 事件继续执行;人只负责范围、Reviewer、合并与发布等关键环节确认。

                1.2 三类场景价值

                个人开发管理

                • 分支\PMS\Wiki 互相关联

                • 提交说明自动携带 PMS

                • 研发当前事项可查询、可追溯

                进度跟踪

                • push 形成持续进度证据

                • PMS 状态随阶段动作变化

                • 代码、工单、文档形成链路

                协同自动化

                • 提测与自动总结开发文档

                • MR/Review/Test 人员自动通知

                • Tag 触发交付,上线申请自动收口

                02#

                 SKILL落地实践

                开发管理SKILL经过几十轮迭代后, 已从“feature 分支自动建 PMS 单”演进为本地研发协同入口:以开发分支生命周期为主线,本地开发任务周期上下文持久化记忆,把关联PMS开发单、进度同步、提测、文档、通知、合并请求、Review 协同、Tag及触发自动化交付部署、PMS 上线和上线申请完成串成一条可执行链路。它不替代 PMS、GitLab 或交付平台,而是在开发者所在的 IDE/Agent 窗口中统一承接意图、补齐上下文、调用系统,并触发下游流水线接力。

                2.1 总体架构

                架构上分为六层:本地开发行为是事件源;Hooks 与统一 CLI 是“一窗通办”入口;策略编排层负责映射、状态机、AI、确认与幂等;连接器层打通 PMS、飞书、GitLab、邮件与 Release-mgmt;本地状态层保存工单、文档与推送指纹;外部交付层根据 release 分支或 master/main Tag 触发测试环境、CI/CD 镜像交付/PaaS 部署,上线申请中心则在部署确认后由“上线完成”命令收口。

                分层说明

                层次

                核心组件

                职责

                触发层

                post-checkout、prepare-commit-msg、commit-msg、pre-push、交互 CLI

                捕获低干扰、高确定性的开发事件

                编排层

                分支策略、映射管理、工作流 transition、AI profile、通知策略

                把事件翻译为一组有顺序、可降级的动作

                领域能力层

                建/绑单、进度摘要、提测、代码追溯、MR/Review、Tag、PMS 上线、上线申请完成

                覆盖从开始开发到交付收口的完整生命周期

                适配层

                pms-opt、lark-cli、GitLab API、release-mgmt API、exchange-mail、LLM CLI

                复用认证与外部系统能力,隔离实现细节

                状态层

                branch-issue-map、branch-doc-map、processed-branches、push-sync-state

                本地可追溯、去重、可恢复,不污染业务仓库

                平台接力层

                GitLab Pipeline、CI/CD、PaaS、上线申请中心

                消费合并或 Tag 事件完成交付,并承载上线申请状态闭环

                2.2 功能全景:以分支为开发事项载体

                分类说明

                能力域

                自动化动作

                关键策略

                开始开发

                更新 master/main、创建 feature 分支;自动建技术需求或绑定已有单

                输入 PMS KEY/URL 时直接绑单,避免重复建单

                提交治理

                提交代码,MSG自动追加 [PMS ID];

                缺失时提示、学习或按策略拦截

                warn/enforce 可配置,兼顾规范与体验

                进展同步

                首次 push 仅PMS备注分支链接;

                后续 push 按目录汇总文件和相关接口

                签名去重,避免 PMS 被重复评论刷屏

                AI总结

                异步调用 cursor-agent/claude/llm/codex,

                总结增量并追加评论;

                超时、未登录、无 CLI 均不阻断 push

                提测协同

                按工单类型更新测试分级,逐步流转至已提测

                可自选AI 异步总结开发文档;

                产品需求与技术需求采用不同文档默认策略

                AI 事项治理

                识别 AI/Agent/Skill/MCP 等迭代,修正标题与模块

                auto/manual 绑定采用不同 profile,保留原模块

                文档与通知

                生成/更新飞书开发文档,私聊通知测试工程师;

                上线可发邮件

                显式覆盖优先,交互动作保留人工确认

                代码追溯

                对选定代码段执行 git blame,

                汇总提交人、开发分支与 PMS 链接

                只读本地历史,不调用 PMS API;减少问题定位切换

                合并与 Review

                创建测试/主干 MR,自动带分支与 PMS 上下文并飞书通知 Assignee

                创建前 dry-run 或二次确认;复用已有 opened MR

                Tag 与交付

                从 master/main 创建 Tag;

                Tag 触发 CI/CD 与部署平台接力

                Tag 名可由最近合并 MR 源分支生成;Skill 与流水线职责分层

                上线完成

                按 PMS KEY 查询关联上线申请,逐步推进至已完成/已上线,并飞书通知相关人

                默认查询当前用户相关申请;通知申请发送人与上线前检查测试人员

                2.3 端到端流程

                这条链路强调“本地代理负责跨系统编排,平台流水线负责专业交付”。建单、进度、文档、MR、Tag、PMS 流转、上线申请推进和通知由 Skill 直接执行;测试环境、CI/CD 打镜像与交付、PaaS 部署则由 GitLab 分支或 Tag 事件触发。两段链路用稳定事件衔接,部署完成后再以 PMS KEY 反向关联上线申请,实现从触发交付到业务收口的闭环。

                一个可复用的案例

                1. 开始:技术需求,研发执行“创建开发分支 intl-debug-agent”。工具先同步主干,再创建 feature/intl-debug-agent;post-checkout 自动创建 PMS 技术需求,并流转到“进行中”。

                2. 开发:prepare-commit-msg 将工单 KEY 追加到提交MSG;第一次 push 只在 PMS 评论中留下开发分支链接。

                3. 增量:后续 push 根据 SHA 区间生成结构化变更摘要,按目录列出 A/M/D 文件并识别接口路由;本地 LLM 在后台补充面向协作人的中文概述。

                4. 提测与环境:执行“分支提测”,工具更新测试分级、流转 PMS、生成或更新功能迭代文档并通知测试;随后“合并测试”创建到 release 的 MR,合并事件触发测试环境自动部署。

                5. Review 与合并:执行“合并主干”,工具自动补齐 PMS 上下文、选择 Assignee、展示 dry-run 并创建 MR;成功后飞书通知 Review 人员,已有同源同目标 MR 则直接复用。

                6. Tag 与交付:主干合并后执行“创建TAG”,工具从 master/main 打 Tag ;GitLab Tag 事件触发 CI/CD 打镜像与交付,后续由 PaaS 完成部署。

                7. PMS 上线:执行“分支上线”,工具逐步流转 PMS 至“已上线”,并按确认结果发送后端上线通知。

                8. 上线申请收口:确认部署与线上回测后执行“上线完成”。工具从分支映射取得 PMS KEY,在上线申请中心查询当前用户相关的申请,循环推进状态至“线上回测完成 / 已完成 / 已上线”,再飞书通知申请发送人与“上线前检查”测试人员。

                2.4 Skill能力与平台接力

                环节

                Skill 直接完成

                平台自动接力

                人工控制点

                开发管理

                建分支、建/绑 PMS、补 KEY、同步 push 摘要

                PMS 保存事项与状态

                选择自动建单或绑定已有单

                提测

                分级与流转、文档、PMS 回写、测试通知、测试 MR

                release 合并后部署测试环境

                确认提测范围与目标分支

                评审

                创建/复用 MR、携带 PMS 上下文、通知 Assignee

                GitLab 承载 Review、审批与合并

                二次确认、Reviewer 审核与合并

                发布

                从主干创建 Tag、通知本人、流转 PMS

                CI/CD 打镜像/交付,PaaS 部署

                确认 Tag、上线范围与最终结果

                发布收口

                按 PMS KEY 查询关联申请、推进至完成状态、飞书通知申请人与上线前测试

                上线申请中心保存流程节点与最终状态

                确认部署及线上回测完成;Token 仅用于该命令

                边界说明:“分支上线”负责 PMS 已上线与可选邮件;“上线完成”负责上线申请中心收口,二者是两个系统、两条状态链。“合并到测试分支触发测试部署”“master/main 打 Tag 触发 CI/CD、PaaS”仍依赖项目既有流水线。Skill 提供统一入口、可靠触发点与最终状态回写,不替代平台内部执行器。

                03#

                 核心设计思路

                3.1 选择“高确定性事件”,而不是监听一切

                分支创建、commit、push、提测、MR、合并和 Tag 都具有清晰语义,适合触发管理与交付自动化;写代码、切换文件、临时调试则噪声高,不适合作为管理信号。事件选择越克制,自动化越可信。

                3.2 分支是主键,工单、文档和通知是外部投影

                本地映射将“仓库名 + 分支名”关联到 PMS KEY 和飞书文档 URL,同时记录 auto/manual 来源。MR 描述、Assignee 通知、Tag message 和上线通知都可复用这份上下文;选定代码段还可通过 git blame 反向追溯提交、开发人、开发分支和 PMS。分支由此成为贯穿代码、管理与交付的关联主线。

                3.3 工作流按“目标状态”导航,而非写死按钮

                不同项目的 transition 按钮名称可能变化。PMS 优先匹配 transition 的目标状态 to.name,无法唯一匹配时再用按钮名称 hint 兜底;提测和上线支持最多 20 步的逐级流转。上线申请中心同样按目标状态关键词判断是否完成,未完成时逐次调用下一步,而不是假设一次请求即可跨越所有节点。两个状态机采用统一的“读当前状态—执行合法动作—再次确认”模式。

                3.4 自动化必须幂等、可降级、可关闭

                幂等与去重

                • 同标题工单查重

                • processed-branches 防重复弹框

                • push SHA 签名防重复评论

                • 飞书通知使用幂等键

                降级与开关

                • 字段被 Jira 拒绝时最多三次剔除重试

                • AI、同步评论、文档、通知均可独立关闭

                • 外围失败记日志,不阻断 Git 主链路

                • dry-run 先预览后执行

                3.5 AI 只处理“理解与表达”,规则处理“确定性动作”

                是否建单、绑定关系、状态流转、字段写入、去重签名都由规则驱动;AI 用于判断是否属于智能功能迭代、概括变更、生成文档。即使模型不可用,确定性流程仍然成立。这种边界能降低幻觉风险,也便于审计。

                3.6 用事件契约连接系统,而不是把系统揉成一个脚本

                Skill 负责生成可靠的分支、MR 和 Tag 事件,并把 PMS KEY、开发分支和操作人等上下文写入对应载体;GitLab、CI/CD、PaaS 按各自既有职责消费事件。这样的事件契约使链路可替换、可测试、可独立演进:更换部署平台时不需要重写开发管理逻辑,调整 PMS 工作流时也不会侵入镜像交付流程。

                3.7 高影响写操作必须有确认门

                自动化不等于取消责任边界。创建 MR 和 Tag 默认要求 dry-run 或二次确认;--no-prompt 不能单独构成授权,自动执行还必须显式传入 --yes。Review、合并和正式发布继续由责任人决策,代理只减少信息搬运与机械点击。

                04#

                 方案优势

                优势

                体现

                对产研的价值

                一窗通办

                在 IDE/Agent 窗口发出开发、提测、合并、Tag、上线意图

                显著减少 PMS、飞书、GitLab 与部署平台来回切换

                全链路可追溯

                代码、分支、PMS、文档、MR、Tag 与部署事件相互关联

                跨时区协作时减少口头同步依赖

                自动与人工兼容

                自动建单、手工绑单、显式覆盖、交互确认并存

                适配产品驱动和研发驱动的不同团队

                稳定优先

                异步 AI、失败不阻断、字段降级、签名去重

                外围系统波动不影响研发交付

                职责解耦

                Skill 负责编排,GitLab/CI/CD/PaaS 负责专业执行

                跨系统演进互不绑死

                双状态闭环

                PMS“已上线”与上线申请“已完成”分别流转、统一入口操作

                避免部署结束后遗漏管理收尾,测试与申请人及时获知结果

                策略可配置

                项目、事项类型、模块、人员、分支、Review 与通知均配置化

                可复制到不同国家、业务线和工作流

                单一真源

                全局 skill + hooks 软链/复制,clone 后自动补装

                升级集中、团队行为一致

                本质收益:不是“少点几次按钮”,而是让一次本地开发意图同时成为管理信号、协同信号和交付信号,使个人不漏项、负责人看得到、Reviewer 与测试接得住、发布平台能继续执行且上线申请有明确终态。

                05#

                 落地原则与结语

                适合自动化

                • PMS 字段、状态与文档同步

                • MR/Tag 参数组装与通知

                • 分支/Tag 触发平台流水线

                • 结果可验证、失败可重试

                人工审核决策

                • 事项范围、目标分支与 Reviewer

                • MR 合并与正式 Tag 确认

                • 异常流程、回滚与权限变更

                • 模型结论和上线结果的最终采信

                开发管理SKILL经过多轮迭代试用,通过实践验证以本地原生开发行为作为可信事件,附加本地持久化存储开发生命周期的关键信息,可将开发事件集成转化为多系统管理操作,自动化协同操作多个系统形成完美闭环,将研发同学从多任务长周期跨系统的繁琐操作中解脱出来;

                最终目标:开发者专心在本地开发(一个窗口交互),本地开发任务全周期跟踪持久化记忆,Agent自动代理完成跨系统录入、流转、整理与通知;基础平台根据分支、MR 和 Tag 自动完成测试与发布,让产研协作从“人工记忆串联系统”升级为“事件驱动、平台接力、全程可追溯”。

                海外Agent实践:让问题直达源码,助力团队提效!

                爱奇艺AI驱动漏洞闭环治理:让安全发现更智能、修复闭环更高效

                爱奇艺大数据混合云存储

                纳逗Pro全链路赋能、专项免费算力支持!爱奇艺AI影视创作营第二期来了

                AI 时代的质量门禁左移:Agentic Quality Engineering 架构与落地模板

                跳转微信打开

                10倍参数增长、GPU推理落地:爱奇艺广告CVR模型的升级之路

                2026年8月6日 12:00

                原创 广告算法团队 2026-08-06 12:00 北京

                通过框架迁移、模型调优与性能优化,实现精排模型scaling up下效果、性能同步提升

                01#

                背景

                过去几年,广告预估模型从“稀疏特征 + 轻量 MLP”的阶段,走向更大的 dense 网络、更复杂的特征交互和更长的用户行为序列。在广告预估中,CVR(转化率)模型的精度直接决定广告收入和用户体验。过去两年,我们的模型参数量增长了10倍,稠密计算量从5~8 MFLOPs跃升至60~70 MFLOPs,原有 TensorFlow + CPU 链路已逼近算力和成本极限,模型迭代空间出现瓶颈。

                从计算特点看,这类复杂 dense 模型更适合 PyTorch + GPU。其优势体现在:

                • 矩阵计算优势:模型参数矩阵越来越大、序列越来越长、网络越来越深,核心计算会更多落到矩阵乘、batch matmul、归一化和向量化规约等高并行算子上。GPU 在矩阵计算、混合精度和大 batch 推理上更有优势;

                • 生态成熟:PyTorch 则提供了更贴近算法研发的动态图体验,以及成熟的 CUDA 算子、AMP/BF16、attention module、算子融合和模型导出生态,可以让复杂结构从实验到上线的链路更短。

                行业和开源生态也在向同一方向演进。广告算法和基础架构 Jarvis 团队合作进行了本次框架升级。

                02#

                升级目标

                本次升级的目标不是简单完成框架替换,而是让广告预估模型重新获得可持续迭代空间。我们选定 TorchRec [1] 作为迁移框架,构建 GPU 在线推理链路,让更大的 dense 网络、更复杂的特征交互和更长的用户行为序列赋能广告业务。

                03#

                挑战与解决方案

                3.1 模型框架迁移与效果对齐

                TorchRec 和 Tensorflow 框架在训练模式、模型参数配置、默认值处理以及训练流水线的构造有较大差别,因此,我们需要在现有的 Tensorflow 模型代码的基础上进行适配型改造。

                差异点

                TorchRec

                Tensorflow

                训练模式

                分布式同步更新模式,梯度回传采用 all-reduce 进行通信,即每一个 step 都进行一次全节点梯度更新。

                分布式异步更新模式,sparse 参数每 N 步向 PS 节点推送、拉取最新参数,N 步之内仅在自己的 worker 节点进行参数更新。

                参数配置

                dense 参数和 sparse 参数需要更精细化控制参数。

                沿用线上已有经验参数,无需刻意调参。

                默认值处理

                部分 api 默认值处理与 Tensorflow 不同,需要严格比对,包括特征服务、引擎等。

                效率优化

                为了提升 GPU 利用率,需要手动优化训练流水线,隐藏 IO 开销。

                Tensorflow Estimator 提供优化后的数据读取 api,满足 CPU 计算需求。

                建设初期,TorchRec 模型与线上 Tensorflow 模型有接近 1pp 的 AUC 差异。借助 AI 工具和TorchRec 源代码,定位多个因素并进行关键优化:

                1. 模型参数初始化:例如,稠密层权重采用与 TensorFlow 一致的 Glorot 均匀初始化;稀疏 Embedding 采用 uniform unit scaling 策略。

                2. 调用统一 api 时的默认值差别:例如,多值稀疏特征在 embedding 聚合时,TorchRec 的默认聚合参数 sum,需要修改为 mean 以对齐期望的聚合方式。

                3. TorchRec 损失函数与优化器参数设计:鉴于PyTorch 分布式框架的梯度平均池化的同步更新模式,损失函数在 batch 维度调整为需使用 mean 方法聚合。此外,模型还对稀疏参数与稠密参数的优化器做了拆分。使用更加稳定、学习率设置更低的 AdamW 优化器,并且通过基准学习率缩放,补偿 global batch 的扩大导致的优化步长差异。

                4. GPU 初始化设置:Tensorflow Estimator 采用了 master 节点初始化参数,worker 节点加载参数的方案;PyTorch 分布式框架每个 worker 节点独立初始化参数,故需要人工设定配置,保证初始化参数的一致性。

                至此,TorchRec 模型离线 AUC 效果成功打平线上,消除框架间的效果差异,为后续稠密模型 scaling up 升级奠定基础。

                3.2 稠密参数建模

                打平效果后,我们开始对模型本身做升级——这就是 scaling up 的核心。推全的转化率预估模型自上而下分为三层:特征输入层、特征交互层与多任务预测层。交互层借鉴 HyFormer [2] 提出的 Query Decoding 与 Query Boosting 思路,将长序列行为与非序列异质特征纳入同一骨干网络;预测层采用 MMoE 的多任务专家结构。

                图 1 给出 CVR 模型整体架构,包括数据流与模块划分,便于对照下文各小节阅读。

                3.2.1 特征输入层

                特征输入上, 分为两类:

                • 序列特征: 用户历史交互序列 S=[s1,s2,…,sT],每个交互行为由 item ID、action type、timestamp、side info 经过 embedding 层后 concat 来表示。

                • 非序列特征: 包含用户特征、Item 特征和上下文特征, 并将这些特征各自经过Embedding后再concat。

                序列侧由三组用户行为组成:实时点击、点击空间与离线转化序列。组内多列拼接后再经小型网络映射到统一隐空间。为降低查表开销,三组序列共用底层 ID 嵌入表,一次查表即可取出全部子特征,再按组组装为定长序列表示。

                此外,由于差异化场景下样本分布的显著差异,故训练时采用 EPNet 进行多场景建模,最终输出一个多域感知的非序列 embedding。

                3.2.2 特征token化

                不同于 RankMixer[3],我们对于非序列 token 的 tokenization 方法如下:

                这种将 embedding 空间划分为多个头的方式可以保持表示多样性,使模型能够在不引入过度结构复杂性的情况下捕获异构特征语义。这样得到的X=[x1,x2,…,xN]将作为接下来的非序列 token 与序列特征进行交互。

                三条行为序列则各自经过 SwiGLU 网络映射至同一隐式空间,使不同来源、不同维度的序列可在同一注意力语义下交互。

                3.2.3 特征交互层

                图 2 - Query Decoding 模块结构

                为了兼顾线上推理的算力约束与复杂的特征交叉需求,参考Hyformer [2],我们将特征交互层拆解为 Query Decoding 与 Query Boosting两个阶段,数据流清晰可控。

                并行输入准备:对齐两类特征的语义空间。交互层首先需要将异构的输入拉齐到同一维度。对于非序列特征(用户、Item、上下文),我们并未采用简单的向量拼接,而是将其 Embedding 在隐空间上切分为 N 个独立 Head。这种多头化的 Tokenization 方式,能以极低的额外参数量保留特征的语义多样性,让不同 Head 在后续交互中自动分化出差异化的信息角色(如部分侧重场景环境,部分侧重长期兴趣)。

                与此同时,三条用户行为序列(实时点击、点击空间与离线转化)各自独立经过 SwiGLU 网络映射至上述同一隐空间。这里选用 SwiGLU 而非自注意力,是考虑到广告序列的相邻事件依赖较弱,而 SwiGLU 以线性复杂度完成逐位置变换,在长序列场景下远比自注意力的平方复杂度更适合线上预算。

                Query Decoding:以非序列为“问句”,检索序列信息。该模块本质上是为每个非序列 Token 提供“向历史行为提问”的能力,可类比 Transformer 解码器的交叉注意力层:

                • Query(查询)的构造:针对每一组序列,我们将 N 个非序列 Token 与该序列的均匀池化向量拼接,送入一层 FFN 生成 1 个全局 Query Token。三条序列的 FFN 参数相互独立,以保留点击、空间、转化三类行为间的天然差异性,最终共生成 S=3 个 Query。

                • Key/Value(键值)的供给:直接由上述经 SwiGLU 编码后的序列隐状态担任。

                随后,3 个 Query 与序列的 K/V 执行交叉注意力计算。在此过程中,我们特别调整了注意力温度系数,对点积结果进行缩放以防止 Softmax 退化为 One-hot 极值。这保证了注意力权重的“有效秩”维持在高位——通俗来说,就是让每个 Query 都能平滑地从多步历史行为中吸收信息,而非过早锁定在极少数行为上,从而提升训练的稳定性。

                Query Boosting:全量 Token 的深度融合与语义校准。交叉注意力之后,我们并未直接输出,而是将上一步得到的 3 个序列解码 Token 与原始 N 个非序列 Token 合并,共计 (N+3) 个 Token 一同送入 Token Mixer 模块。借鉴 TokenMixer-Large [4] 的思路,该模块执行“解构(Split)→ 融合(Mixing)→ 重构(Reverting)”三步:

                • Mixing 阶段让所有 Token 两两充分交互,打破非序列与序列的边界,实现全局信息融合;

                • Reverting 阶段则将混合后的表示映射回与原 Token 语义对齐的空间,确保后续残差连接时特征不发生语义错位。

                灵活的 Scaling Up 潜力。该特征交互层支持像 Transformer Decoder 一样堆叠多层。考虑到线上推理时延与机器成本的 ROI,当前推全版本仅使用 1 层。但离线实验表明,当我们将层数从 1 层加深至 2 层时,离线 AUC 可获得超过千分之一的稳定提升——这为我们后续在算力充裕时继续纵向加深网络、充分释放 GPU 红利留下了明确的迭代空间。

                3.2.4 预测层

                预测层使用PLE+MLP预估头的结构,分别预估不同场景的pCVR值。其中,PLE由3个为单层全连接层的专家网络组成,预估头则由两层带非线性激活函数的全连接层组成。

                在具体推全方案中,我们采用以下核心超参配置:Token 隐层维度 token_dim=128,特征交互层堆叠 1 层,非序列 Token 数量 N=13,序列解码 Token 数量 S=3,单条用户行为序列长度 T=50。该配置下的离线 AUC 相对基线模型提升 0.4 个百分点(pp)。

                在此基础上,我们已规划明确的 Scaling Up 路线:后续算力继续扩充后,将沿“更宽的 Token 隐层维度、更深的特征交互模块堆叠、更复杂的序列 Token 建模”三个方向并行推进,持续挖掘模型在 GPU 算力下的性能上限。

                3.3 模型导出

                TensorFlow 生态提供了成熟的 SavedModel 导出与 Serving 方案,而 PyTorch/TorchRec 模型的导出则面临更多挑战,难点主要来自稀疏/非定长特征中的 offset(偏移量)、序列长度等动态维度信息。训练时,这些信息通常以 Python 原生数据结构(如 list、dict)参与计算图构建,在 Python 环境中运行一切正常,但导出后容易被固化为计算图中的 int/string 常量。一旦线上请求的 batch size、特征组成或序列长度发生变化,这些固化常量便可能与真实输入不一致,轻则导致推理结果错误,重则使导出产物体积膨胀、版本更迭困难。

                为解决这一问题,我们将训练链路与推理链路解耦,在推理链路中提前将前向计算逻辑固化为静态计算图。具体做法是:将模型版本间保持固定的信息——如 Embedding 权重、特征到 Embedding 表的映射关系、Pooling 方式等——作为模型配置随图一同保存;而将每次请求均可能变化的 meta 信息(如序列长度、特征偏移量、样本数量等)显式定义为 Tensor 输入,由原生算子在运行时动态计算。如此一来,导出的计算图不再依赖 Python 对象或导出时的固定 shape 样例,从根本上保证了线上推理的鲁棒性与正确性。

                3.4 推理性能优化

                在模型的初版 GPU 推理链路中,我们保留了较多原始 PyTorch 执行路径,压测结果显示,单位资源下的吞吐量与时延收益均低于预期。随后,我们对推理过程进行了详细的性能剖析(Profiling),识别出 CPU/GPU 数据搬运、稀疏参数查表、变长序列处理、稠密网络计算以及请求合并等关键环节存在明显瓶颈,并逐一进行了针对性优化。

                3.4.1 数据搬运 — 批量拷贝与 GPU Buffer 复用

                线上请求进入服务时,大量特征最初驻留在 CPU 内存中。若对每个输入单独执行拷贝,或在 CPU 与 GPU 之间反复进行 reshape、concat 及用户特征展开等操作,数据搬运本身便会成为新的性能瓶颈。我们的优化思路是:在 CPU 侧完成批量的 concat 操作,统一搬运至 GPU 后再进行展开处理,同时尽可能复用已分配的 GPU 显存缓冲区(buffer),从而显著减少冗余拷贝与临时张量的产生。

                3.4.2 Sparse 查表 — 合并小算子,减少 Kernel Launch 开销

                广告预估模型通常涉及大量 Embedding Lookup、Pooling、序列补齐以及稀疏张量转稠密张量等操作。若这些操作逐个独立执行,将产生大量细碎的小 Kernel 和中间张量,导致 GPU 计算资源难以充分发挥。我们的优化方案是:将多组 Embedding 查表、User/Item 特征对齐、变长序列处理等逻辑合并至更少的 GPU 算子中,从而显著减少 Kernel Launch 次数与中间结果的写回开销,让稀疏侧的计算模式更贴近线上推理的真实数据布局(如按需访问、减少冗余补齐),进一步提升执行效率。

                3.4.3 Dense 计算 —  TensorRT 图优化与 BF16 推理

                复杂dense网络的主要计算集中在矩阵乘、归一化、激活函数和 attention/sequence block 上,这部分适合交给 TensorRT 做图优化、算子融合和 kernel 选择。在线上可接受的精度范围内,我们引入 BF16 推理,降低显存带宽和计算开销;同时通过动态 profile 覆盖不同的 batchsize 和序列长度,支持模型在各种输入 shape 下高效运行。

                3.4.4 Kernel 调度 — CUDA Graph 捕获与重放

                TensorRT Engine 虽然已经大幅优化了稠密计算部分的效率,TensorRT Engine 虽然已经大幅优化了稠密计算部分的效率,但推理过程中的输入输出张量绑定、显存分配与释放、执行上下文切换以及 CUDA Kernel 的逐个发起(Launch),仍会带来可观的调度开销和时延抖动。为此,我们按 batch bucket 复用执行上下文和显存 buffer,并用 CUDA Graph 将稳定的 kernel launch 序列捕获下来,在后续请求中直接重放,减少 CPU 侧逐个发起 kernel 的调度成本。最终的目标是让 GPU 的算力尽可能多地用在模型前向计算本身,而非消耗在运行时编排上。

                3.4.5 请求合并 — Triton Server 的 User/Item 混合批处理

                为了提升 GPU 利用率,我们会将多个线上请求聚合成一个批次(Batch)后再送入 GPU 计算。然而,在线广告请求与标准的深度学习推理请求存在一个关键差异:为节约网络带宽和减少计算图中的冗余操作,每个广告请求通常仅包含 一个 User 的特征 与 多个候选 Item 的特征,即 User 侧与 Item 侧在数量上天然不对齐。标准推理框架原生不支持这种 “User Batch + Item Batch” 的混合语义,无法直接合并请求。

                为此,我们在 Triton Server 推理服务层补齐了这部分能力:服务能够区分用户侧特征与物品侧特征,分别按照各自的维度逻辑进行拼接,同时通过请求级别的标识符保留 User 与 Item 的一对多关联关系。在计算图中,我们采用“尽可能延迟(Lazy)”的策略,将 User 特征的复制(Repeat)操作尽量后置,直至与 Item 特征拼接的前一刻才执行。这样做既保证了批量推理的吞吐优势,又最大程度减少了中间张量的显存占用与计算冗余。

                3.4.6 调优自动化 — 大模型辅助的性能调优 Workflow

                在算子开发过程中,我们采用了基于大模型实现测试/规格驱动开发(TDD/SDD),提高代码的可维护性,大幅提升开发速度。并实现了 Develop/Debug/Test/Profiling/Monitor Agent 协同 workflow,自动定位推理瓶颈并持续优化,实现性能调优自动化工作流,人工调优耗时减少 50%,满足模型推理高吞吐、低延迟要求。

                04#

                成果

                4.1 业务指标

                • CVR 模型:收入+3.42%,RPM+2.81%,点击数+1.91%,转化数 +7.22%,深层收入 +2.28%。

                • DCVR 模型:收入+1.60%,RPM +1.21%,点击数+1.01%,转化数 +0.25%,深层收入 +2.37%。

                4.2 推理效率

                • 机器成本减少15%,超时率从0.15% 降至0.03%。

                05#

                未来展望

                本次框架升级为广告预估模型的长期演进打开了新的算力空间。我们将在模型结构、推理优化和平台化三个方向持续深耕:

                • 模型结构:GPU 框架释放出的算力红利,将直接用于扩大稠密(Dense)参数规模,引入更强的序列建模能力(如更长时序依赖、多兴趣表征)、更复杂的注意力结构(如轻量级多头自注意力)以及更深层次的多任务学习体系。未来,CVR、DCVR 等核心模型可以围绕更精细的用户行为理解、更细粒度的转化目标拆解和更充分的特征交叉结构持续演进。

                • GPU 推理优化:持续挖掘 GPU 算力潜力,重点推进算子融合(进一步减少 Kernel Launch 次数)、混合精度推理(如 INT8 量化探索)、动态批次处理(Dynamic Batching)、Embedding Cache(高频特征的显存驻留)以及多模型混部与资源弹性调度等方向,在保障时延的前提下持续提升单卡吞吐能力。

                • 平台化:将本次迁移过程中积累的模型结构规范、导出工具链、性能调优方法论和 Triton 服务配置模板,沉淀为一套可复用的 TorchRec GPU 训推一体化框架。后续新模型接入时,仅需在框架内配置模型结构即可完成训练、导出与上线,接入工作从“系统工程”简化为“配置化接入”,大幅提高算法的迭代效率。

                06#

                参考文献

                [1] Ivchenko D, Van Der Staay D, Taylor C, et al. TorchRec: a PyTorch domain library for recommendation systems[C]//Proceedings of the 16th ACM Conference on Recommender Systems. 2022: 482-483.

                [2] Huang Y, Jin J, Hong S, et al. HyFormer: revisiting the roles of sequence modeling and feature interaction in CTR prediction[J]. arXiv preprint arXiv:2601.12681, 2026.

                [3] Zhu J, Fan Z, Zhu X, et al. RankMixer: scaling up ranking models in industrial recommenders[C]//Proceedings of the 34th ACM International Conference on Information and Knowledge Management. 2025: 6309-6316.

                [4] Jiang Y, Zhu J, Han X, et al. TokenMixer-Large: scaling up large ranking models in industrial recommenders[J]. arXiv preprint arXiv:2602.06563, 2026.

                海外Agent实践:让问题直达源码,助力团队提效!

                爱奇艺AI驱动漏洞闭环治理:让安全发现更智能、修复闭环更高效

                纳逗Pro全链路赋能、专项免费算力支持!爱奇艺AI影视创作营第二期来了

                AI 时代的质量门禁左移:Agentic Quality Engineering 架构与落地模板

                爱奇艺大数据混合云存储

                跳转微信打开

                海外Agent实践:让问题直达源码,助力团队提效!

                2026年7月23日 12:00

                原创 海外技术团队 2026-07-23 12:00 北京

                海外Agent探索实践,智能化跨系统串联多方数据并结合代码综合分析,让问题直达源码,助力团队协作提效!

                爱奇艺海外事业部在AI编程全面普及的背景下,进一步探索实践,基于Cursor TypeScript SDK先后构建Code Chat MCP(代码即时问答)、Intl Chat Debug Agent(国际站排障助手)两个云端智能服务,针对业务咨询、反馈排障、产品迭代联调等场景,按实际业务路径自动跨系统串联多方数据并结合代码综合分析汇总,助力产研工作提效。本文梳理Cursor SDK的能力边界、方案优势、案例实践与可扩展方向,供参考复用。


                01#

                 背景

                1.1 协作痛点

                目前公司已实现研发 100% AI 编程普及,进入「人手必备智能IDE/助手」智能发展轨道,但在业务迭代过程中依旧存在协作痛点;例如:大量项目服务,长期迭代后功能逻辑日渐复杂,人员流动,文档失真难对齐,虽然现在逐步应用沉淀业务知识库,但无法保证覆盖所有业务逻辑;工作中常常需要多方人员核对确认业务逻辑,再推进迭代,其中多方串行依赖、需人工介入、沟通成本不可忽视;

                典型场景:

                • 产品咨询代码逻辑:帮忙确认目前线上标题多语言优先级、AI海报图分发策略是怎么样的 ?需开发确认后回复;

                • 运营反馈终端问题:为什么配置了某重点剧目\某页面\模块,但未展示?  为什么XXX未展示多音轨角标 ?需同时排查后台配置、业务逻辑、推荐分发策略等上下游多系统才能定位原因;

                • 需求开发迭代联调:需求迭代过程中,需要多方联调协同,不断对齐功能,排除产\研\测各方疑问,耗时费力;

                • 报警排查分析处理:当触发某些业务报警时,需要人工介入,协调兄弟团队处理。

                1.2 核心需求

                通过飞书机器人\个人助手,可实现代码逻辑即时智能问答、实现业务跨系统全链路自动化智能分析与答复,打破多方人员串行依赖;

                基于第一性原理:业务最新最完整功能逻辑全部沉淀在代码\配置\运行的服务之中。查文档、问研发,不如让 Agent 直接按需读代码、调接口、查日志,在 IM 里给出综合结论。

                期望效果:工作中,可以通过飞书机器人\AI agent咨询了解所负责业务的底层逻辑,可获得即时响应、可跨系统分析定位问题,降低团队沟通成本,促进业务高效迭代;

                通过飞书机器人对话界面,用自然语言表达意图(例如:「展示配音超剧集有哪些条件?」、「泰国用户为什么XXX播放失败?附:客服反馈链接」、「XX节目配置都正常,为什么未展示?附:APP截图」、「接口没有返回最新的多音轨列表?附:播放页接口case」),

                AI Agent系统能在云端分析用户反馈的图文信息,按需调用相关Skill、MCP服务,分析相关日志、配置、代码、关联服务数据等、综合分析理解、归因与结论输出。


                02#

                 技术选型

                2.1 Cursor SDK

                Cursor TypeScript SDK 是 Cursor 官方客户端库,可在代码中程序化创建 Agent、选择模型与工作区,让 Agent 在指定目录下读取与推理——能力形态接近 IDE 内 AI 助手,可通过 API Key 运行在服务端 / CI / 容器等无界面环境。自研Agent 与 基于Cursor SDK 构建Agent对比,Cursor SDK已封装满足需求的核心功能;特别是在多项目工程代码分析处理方面优势明显;

                自建Agent

                CursorSDK 内置

                替代程度

                Agent 运行时 + 工具循环

                Agent Harness(tool_call、thinking、多轮上下文)

                ✅ 可替代

                会话持久化 / 断线续跑

                agentId 会话管理、resume、历史记录

                ✅ 可替代

                多 Agent 协作

                Subagent 委派 + 自定义 prompt / 模型

                ✅ 可替代

                Skill 领域能力封装 手写 Prompt  + 人工维护文档索引

                原生 Skill 支持,工作区自动发现

                与 IDE 内 Skill 体系一致

                ✅ 可替代

                MCP 服务器集成

                原生 mcpServers 内联配置

                ✅ 可替代

                AST 解析 + 代码切分

                semSearch + grep/glob/read 工具链

                ✅ 可替代

                向量库 + 语义检索

                Semantic Search + instant grep

                ✅ 可替代

                沙箱执行环境

                local: { cwd } + 可选 sandboxOptions

                ✅ 可替代

                代码生成质量控制

                需自建 Hooks(语法校验、单测、幻觉抑制)

                ⚠️ 需补充

                跨系统知识库统一管理

                需自建,可关联 MCP / Skill / knowledge/

                ⚠️ 需补充

                2.2 对比优势

                💰 无额外模型成本

                SDK 运行走既有 Cursor 套餐与用量池,与 IDE 内使用同计价规则,无需单独采购大模型 API。可建团队共享API KEY池,分享个人账号Auto模式的Token余量;

                ⚡ 研发成本低

                快速嵌入业务,无需自研多模型对接 + Tools 编排 + 上下文裁剪;团队聚焦业务 Skill、MCP、Prompt 与集成层。开启隐私模式,内网部署,代码不出内网;

                🔌 通用适配快

                飞书 Bot、OpenClaw 、ArkClaw等均支持 MCP;可构建 MCP Server用于智能分析代码,一次开发、多方复用,集中授权管理。

                可快速实现:

                ① 用 云端私有部署local: { cwd } 保证源码不出内网;

                ② 用 Skill(.cursor/skills/)封装领域知识技能,Agent 按需读取而非全量加载;

                ③ 用 MCP 对团队项目Code Debug、关联业务逻辑分析 等外部能力;

                ④ 用 Prompt 约束回答格式、合规脱敏与工具调用顺序;

                ⑤ 用 Agent 池化 + sessionKey 绑定实现多轮对话与资源回收。

                2.3 项目实践

                针对目前工作中的提效诉求与技术调研,海外基于Cursor SDK 先后探索性构建了 Code Chat MCP、Intl Chat Debug Agent(国际站排障助手) 两个云端服务,在实践中验证可行性;

                维度

                Code Chat MCP

                Intl Chat Debug Agent

                互补关系

                定位

                业务逻辑即时问答知识库

                基于代码分析 MCP Server

                综合排障

                Code Chat 偏「读代码答业务」;

                排障助手偏「跨系统全链路问题分析定位」;

                入口

                飞书 Bot / ArkClaw + MCP

                飞书 Bot

                同一 IM 习惯

                核心能力

                按需拉代码 →

                代码理解 / 诊断 / 总结

                问题总结,串联  接口 + 日志 + 配置 + 源码 + 服务,Skill技能SOP;

                排障助手可调用 Code Debug MCP

                典型用户

                产品、运营、研发

                产品、研发、测试、On-call

                覆盖产研全链路


                03#

                 Code Chat MCP:让问题直达源码

                3.1 架构简介

                基于 Cursor SDK 构建的独立 Code Chat MCP Server,可以授权配置给 ArkClaw、AI Agent等。用户自然语言提问后,云端MCP Server 内部Agent 按需按拉取项目代码,完成代码理解、问题诊断与修复建议(目前服务侧不改代码、禁止修改提交操作、源码不出内网)。

                应用价值:产品/运营无需排队等研发确认反馈,Agent可以直接读最新正式\测试分支代码给精确的结构化结论;

                3.2 使用案例:

                配置Code Chat MCP后,可通过智能助手咨询指定项目的业务逻辑;


                04#

                 Intl  Chat Debug Agent:跨系统精准定位分析

                国际站排障助手是基于 Cursor SDK 重构迭代实现的云端 Agent,可串联图文问题描述、API接口、业务日志、客服反馈、用户访问轨迹、后台配置、数据中心、网关服务、配置中心,并结合相关项目代码等综合分析,在飞书群/话题内给出精确的排障结论。

                4.1 核心思路

                按照递进式业务路径编排,系统把“问题”先转成一组可执行的业务线索,而不是直接让模型自由回答。线索包括:问题类型、页面或接口路径、实体ID、反馈ID、错误码、站点模式、平台、语言、版本、用户或设备 ID、时间窗口、环境和代码分支。随后按“成本低且接近现象 → 能解释原因且成本更高”的顺序逐层取证。

                1. 现象层:飞书文本、截图、引用消息、话题历史、连续图片/文件,以及乐客反馈正文。

                2. 运行态层:页面接口、导航、展播一览、数据中心接口、推荐接口、用户轨迹等实时结果。

                3. 配置层:运营后台、配置中心、业务配置及本地业务字典。

                4. 日志层:网关日志、业务日志、分类索引 与用户访问轨迹。

                5. 源码层:按业务归属选择相应项目代码,并支持切换正式\测试分支或用户指定分支。

                6. 归因层:网关API负责人为主,应用部署侧 creator 为辅,产品功能负责人由业务知识库补充。

                这六层非固定逐步全部执行。Skill 的触发条件承担路由规则:证据足够就停止升级;运行态结果与配置或代码矛盾时才继续下钻。由此避免一开始就分析代码,也避免只凭接口结果猜测代码根因。

                4.2 总体架构

                4.3 分层说明

                层级

                职责

                飞书输入层

                飞书群聊、单聊、话题、截图、链接、卡片按钮、表情确认

                承接真实排障输入,并把多轮追问沉淀在飞书话题上下文中。

                飞书事件层

                处理长连接事件、回复策略、连续消息聚合、思考卡片、答案分片与话题绑定。

                编排层

                维护会话状态、解析意图、预抓取接口链接和反馈日志、拉取代码,并拼装 Agent 所需上下文。

                Agent 层

                创建或恢复 Cursor Agent,注入本地 workspace、模型参数、MCP 和排障规则,执行分析。

                内网系统层

                通过集成Skill\MCP\GIT 获取相关数据、日志、反馈、代码、配置等;

                外网系统层

                Cursor Server 提供大模型API服务

                4.4 Skill 技能矩阵

                系统集成N+Skill技能,按排障链路中的职责分成四个能力域,各域的输入、数据源、输出与升级条件。渐进式执行“什么时候使用哪类技能、什么时候继续深入下一层”的决策。

                4.5 多系统与多数据源分工

                系统/数据源

                数据性质

                适合回答

                不单独承担

                飞书消息/话题/截图

                用户现场与会话上下文

                现象、时间、对象、复现步骤

                真实运行状态

                客服乐客反馈

                反馈工单、设备信息

                从用户反馈还原问题入口

                最终代码根因

                入口API

                导航、页面、播放

                推荐的即时结果

                对象是否存在、是否被过滤

                配置为何如此、代码执行逻辑

                DataCenter

                数据中心

                专辑节目编目详细数据、播控

                内容基础数据

                运营中台

                运营后台配置

                页面/模块/导航/人群/AB/开关配置

                服务 JVM 动态配置

                配置中心

                服务运行时 latest 配置

                开关、阈值是否生效

                运营页面配置

                日志/用户轨迹

                网关、业务日志正文

                谁在何时调用、参数、链路、异常点

                静态业务规则

                Git 业务仓库

                指定环境分支源码

                调用链、加工/过滤逻辑、缺陷位置

                证明现网一定走了该分支

                服务部署

                工程与部署元数据

                服务/域名/API/应用及负责人

                产品模块归属

                知识库

                受控业务字典和规则

                错误码、过滤 key、产品负责人

                实时线上状态

                4.6 核心请求流程

                4.7 应用案例

                应用场景:目前已应用在内容展示排障群、需求迭代群;

                应用价值:支持图文自然语言交互,跨系统综合排障,减少人力强依赖,避免繁琐耗时的工作降低人效;

                1. 群聊,运营同学反馈问题,排障机器人自动识别、自动分析回复,综合分析后精准定位原因;

                2. 用户私聊,咨询目前多音轨角标最新逻辑是?

                3. 协助分析报警,定位问题

                4. 小范围授权,七天使用情况




                05#

                功能边界

                • 业务路径优先:先回答“用户实际遇到了什么”,再决定是否读代码,降低无效代码分析 和错误仓库选择。

                • 环境一致性:仓库分支与 环境prod/test 配置联动,避免拿测试代码解释正式配置。

                • 按需加载:Skill 和知识文件仅按场景读取,避免全量知识污染上下文。

                • 证据可升级:运行态 → 配置/日志 → 源码,每层都有明确进入条件和停止条件。

                • 会话可持续:飞书话题、Agent 恢复和补充信息保持同一排障上下文,新咨询则隔离。

                • 安全内建:用户回复对代码和配置脱敏。

                • 边界明确:Skill 依赖接口可达性、凭证有效性和数据源覆盖;代码只能解释潜在路径,最终现归因仍需运行态或日志闭环。


                06#

                总结与展望

                Code Chat MCP验证了基于 Cursor SDK 做代码问答的可行性,在此基础上可演进在内网部署云端开发助手(云端Cursor),通过飞书机器人可随时随地AI Coding。

                基于 Cursor SDK 重构的Intl Chat Debug Agent(国际站排障助手),将「飞书对话 + Agent 编排 + 领域 Skill + MCP/HTTP 工具 + 知识沉淀」整合为一体化提效智能体,其核心价值在于可按实际业务路径自动跨系统串联多方数据源并结合代码,综合分析汇总,快速准确的响应产品、运营、研发、测试、项目同学的问题,打破多方人员串行依赖,助力业务提效。

                6.1 未来扩展方向

                • 业务告警 → Agent 预分析 ,初步根因 → 飞书通知相关负责人;

                • A2A扩展 → 链接其它业务Agent → 扩展业务分析排障 覆盖范围;

                • 问题反馈 → Agent 跨系统分析定位 → 云端FIX\Merge request  → 审核 → 自动化部署\回测(在合规前提下试点);

                6.2 参考链接

                跳转微信打开

                爱奇艺AI驱动漏洞闭环治理:让安全发现更智能、修复闭环更高效

                2026年7月15日 12:00

                原创 爱奇艺安全团队 2026-07-15 12:00 北京

                构建AI安全治理体系,推动漏洞发现与修复智能化闭环。

                随着业务系统、API 接口、AI 应用和自动化工具持续增长,安全治理的复杂度也在快速上升。

                一方面,资产和接口数量持续增加,仅依赖人工排查很难做到全面覆盖;另一方面,业务逻辑漏洞、越权漏洞、修复绕过等问题,往往需要理解业务场景、接口关系和权限边界,传统扫描器很难稳定发现。

                更重要的是,漏洞发现只是第一步。后续的风险确认、通知提醒、业务沟通、修复推动、复测验证、白盒扫描接入、WAF 整改等流程,过去高度依赖人工运营。安全同学需要反复解释风险、催办进度、协助协同、跟进修复状态,整体闭环周期较长,也容易受到人力投入影响。

                为解决这些问题,我们围绕“漏洞发现—风险确认—修复推动—运营处置”构建了 AI 驱动的安全闭环治理体系,通过 AI 安全白帽、安全小助手、多智能体协同和工具调用能力,将漏洞治理从过去的“人工驱动为主、规则扫描为辅”,升级为“AI 智能体驱动、人工校验兜底”的新模式。

                其中,在自动修复方向,团队基于自研安全编排平台探索了“事件驱动 + Agent 自动修复”的实践:当安全扫描产生缺陷或用户主动发起修复任务后,系统可自动触发修复 Agent,完成缺陷理解、修复方案生成、代码修改、自测验证和合并请求提交,并在关键节点引入人工确认、状态留痕和独立裁决机制,避免 Agent “自修自批”,确保修复过程可控、可审计、可追溯。

                简单来说,AI 不再只是辅助分析工具,而是开始参与漏洞发现、风险验证、业务沟通和闭环推动,让安全治理变得更主动、更高效、更可持续。

                AI 提效:让漏洞治理更快发现、更快修复、更少人工消耗

                项目通过 AI 安全白帽与安全小助手,构建了覆盖漏洞发现、验证、通知、修复推动和运营处置的智能化闭环。

                在漏洞发现侧,AI 安全白帽上线以来累计发现百余个有效安全风险,其中包含二十余个高风险问题,覆盖业务逻辑、权限控制、接口安全、数据保护等多个典型场景。通过 AI 自动分析、上下文理解和自动化验证能力,安全团队能够更快发现过去主要依赖人工经验挖掘的高价值漏洞。

                在运营闭环侧,安全小助手进一步承接漏洞通知、修复沟通、白盒扫描接入和 WAF 整改等流程。上线后,白盒扫描接入量显著提升,漏洞平均修复周期明显缩短,修复逾期率持续下降。

                这说明 AI 的价值不仅体现在“多发现漏洞”,更体现在“让漏洞更快被理解、更快被处理、更快完成闭环”。

                体验升级:从“只能看通知”到“可以直接问”

                传统安全通知体系主要解决的是“把信息发出去”的问题。业务同学收到通知后,通常只能阅读内容;如果想继续了解漏洞详情、影响范围、资产归属、处理建议或接入流程,仍然需要额外找安全同学沟通。

                安全小助手带来的核心变化,是将安全协作从“告知型安全”升级为“服务型安全”。

                过去,安全团队更多是向业务同步风险、发送通知、推动整改;现在,业务同学可以通过统一的对话入口,直接完成安全咨询、问题确认、流程推进和反馈闭环。

                例如,业务同学可以直接询问:

                • 这个漏洞影响哪些资产?

                • 我负责的域名是否已经接入安全能力?

                • 这个安全通知需要我做什么?

                • 漏洞修复完成后应该如何反馈?

                • 能否协助拉相关同学一起推进处理?

                通过这种方式,安全服务不再只是“发通知、提要求”,而是进一步前置到业务日常工作中,帮助业务更快理解风险、更快找到责任人、更快完成整改闭环。

                同时,安全小助手发出的通知会沉淀在聊天记录中。通知不再是一次性消息,而是后续对话、追问和处理的上下文基础,减少了重复解释和反复确认成本。


                核心能力一:AI 安全白帽,让 AI 具备“安全专家式”的漏洞挖掘能力

                AI 安全白帽不是传统扫描器的简单升级,而是将 AI 推理能力与接口上下文、业务语义、代码分析和自动化验证工具结合,形成具备自主分析能力的智能漏洞挖掘体系。

                在漏洞挖掘过程中,AI 可以结合接口参数、调用链关系、业务语义和权限边界,识别未授权访问、水平越权、ID 遍历、权限提升、敏感数据导出、注入类风险等高价值漏洞。

                对于信息不完整的场景,AI 还可以主动补全上下文,分析相关代码和接口关系,理解复杂防御逻辑和潜在绕过路径,并通过自动化验证方式降低误报、提升漏洞确认效率。

                相比传统扫描器主要依赖规则匹配,AI 安全白帽更擅长发现依赖业务理解、权限关系和接口调用链分析的复杂漏洞,覆盖了过去主要依赖人工安全专家手工挖掘的高价值场景。

                核心能力二:安全小助手,让漏洞运营从“人工催办”变成“智能闭环”

                安全小助手基于多智能体协同、工具调用和流程编排能力,承接漏洞提醒、修复沟通、白盒扫描接入、WAF 整改、模板化通知等安全运营流程。

                在实际使用中,安全小助手可以根据不同场景自动理解任务、拆解步骤,并调用对应工具完成处理。例如,针对漏洞整改场景,可以自动发送通知、解释风险、协助确认负责人、跟进修复状态,并在必要时触发人工确认。

                针对高风险写操作,系统引入Human-in-the-loop机制,也就是“关键动作人工确认”。涉及通知、建群、写入、整改推动等动作时,既能利用 AI 自动化提效,也能确保关键操作可确认、可审计、可追溯,兼顾效率与安全合规。

                通过自动提醒、自动协同、流程编排和上下文沉淀,安全小助手显著降低了安全运营中的重复沟通成本,让安全同学从大量事务性催办中释放出来,把更多精力投入到高风险研判和治理优化中。


                典型实践一:SQL 注入检测与自动化复核

                在 SQL 注入治理场景中,项目引入基于大模型的数据标注能力,并建设扫描结果自动化验证模块,支持漏洞的自动化复核和风险确认。

                在某业务场景中,AI 发现一个注入类风险存在修复不彻底问题。原防护策略只处理了部分特殊输入,但仍存在绕过风险。AI 通过进一步分析和验证,识别出残留风险,避免漏洞出现“表面修复、实质仍可利用”的情况。

                这类场景说明,AI 不只是发现新漏洞,也可以帮助识别漏洞修复后的绕过风险,提升复测质量和修复可靠性。

                典型实践二:高价值业务逻辑漏洞发现

                AI 安全白帽在多个核心业务场景中发现了高风险业务逻辑漏洞,暴露出业务系统在权限控制、身份校验和敏感数据保护方面的薄弱点。

                例如:

                • 任意文件读取风险:攻击者可能通过漏洞读取服务器上的敏感文件,进一步获取配置文件、密钥或账号凭证,扩大攻击面。

                • 接口未授权访问风险:部分接口缺少有效身份校验,可能导致用户信息或业务数据被越权访问。

                • 越权操作风险:部分业务接口对用户身份和资源归属校验不足,可能导致越权查询、修改或删除数据。

                这类漏洞往往不是简单的规则匹配问题,而是依赖对业务身份体系、权限边界、接口语义、调用链路和数据敏感性的综合理解。传统扫描器通常难以稳定识别此类复杂业务逻辑风险,而 AI 安全白帽能够结合上下文进行推理分析,主动发现隐藏在业务流程中的权限绕过、越权访问和敏感数据暴露问题。

                典型实践三:让复杂安全流程更轻量

                安全小助手背后的关键能力,是多智能体调度架构。

                可以简单理解为:安全小助手就像一个“主助手”,负责理解用户问题、拆解任务、规划处理步骤;再根据不同场景,调用对应的“专业子助手”或工具完成具体任务。

                过去,如果要支持一个新的安全查询或处理流程,通常需要提前设计固定意图、开发接口能力、配置规则流程,并人工编排数据源和处理逻辑。每增加一个数据源、一个工具或一个新流程,都需要重新开发和配置,扩展成本较高,也难以应对复杂、动态、多步骤的问题。

                现在,安全小助手可以基于 AI 的理解与规划能力,自动将用户问题拆解为多个步骤,并结合上下文调用不同能力。

                例如,当用户询问某个安全通知时,小助手可以:

                • 理解通知内容;

                • 关联历史处理记录;

                • 查询相关资产和负责人;

                • 判断当前处理状态;

                • 给出下一步处理建议。

                也就是说,安全小助手不只是“回答问题”,而是能够协助完成从理解、查询、判断到推进的完整流程。

                这种模式带来了四个直接价值:

                第一,减少人工解释成本。很多常见问题可以由小助手直接回答,业务同学不必反复拉安全同学确认。

                第二,降低业务理解成本。安全信息不再只是长文档、专业术语或复杂规则,而是转化为更易理解的对话式说明。

                第三,提升流程推进效率。服务接入、漏洞协同、修复提醒、资产查询等操作,可以通过小助手统一承接,减少跨系统跳转和人工中转。

                第四,增强能力扩展性。通过模板化通知、工具调用和子智能体能力,新场景可以更快接入,不需要每次都从零开发完整流程。

                整体来看,多智能体调度架构让安全小助手从“问答工具”升级为“流程协作入口”,把原本复杂、分散、依赖人工推动的安全流程,变得更加轻量、高效和易扩展。

                典型实践四:一个窗口处理更多安全事项

                安全小助手目前已覆盖多个典型安全协作场景,正在把分散的安全咨询、查询和流程推进,逐步整合到一个对话窗口中。

                1.服务接入:从“问流程”到“直接推进”

                在服务接入场景中,小助手可以协助业务同学查询接入状态、了解接入要求,并根据当前进度推动后续流程处理,减少反复沟通和人工确认成本。

                2.资产查询:从“找人查”到“随时问”

                在资产查询场景中,小助手可以帮助业务同学快速了解域名、系统、服务等安全相关信息,减少“找人问、等人查”的时间,让资产信息获取更加便捷。

                3.漏洞处理:从“单点通知”到“持续闭环”

                在漏洞治理场景中,小助手支持漏洞协同、修复提醒、处理进度跟进等能力,帮助安全团队和业务团队围绕同一个问题持续协作,推动漏洞从发现、通知、修复到反馈形成闭环。

                4.多模态输入:让问题提交更自然

                在多模态能力方面,小助手也在探索支持图片、文档等多种输入形式,使业务同学可以用更自然的方式提交问题、补充材料和说明上下文。

                对业务同学来说,安全小助手带来的核心变化可以概括为一句话:

                过去处理安全事项,往往需要“找人、查系统、看文档、等反馈”;现在可以先从一个对话窗口开始,直接提问、持续跟进、推动闭环。

                典型实践五:事件驱动的 Agent 自动修复

                面对白盒扫描持续产出大量代码安全与质量缺陷、人工修复链路长且易遗漏的问题,团队探索并落地了“事件驱动 + Agent 自动修复”的漏洞治理实践。系统可在流水线安全扫描完成后,或由安全平台主动发起修复任务时,自动接收扫描结果并触发专用修复 Agent。Agent 会基于缺陷上下文自动完成问题理解、修复方案生成、代码修改、自测验证和合并请求提交等流程,将原本依赖人工串联的修复过程转化为自动化闭环。

                为避免 Agent “自修自批”,实践中引入了多阶段确认与独立评估机制,在修复方案、修复结果、流程状态和发布门禁等关键节点保留必要的人工确认、过程留痕和质量校验能力,确保自动化修复过程可控、可审计、可追溯。落地实践表明,该模式可显著缩短单个漏洞修复周期,提升修复效率,并已在多个项目和流水线场景中完成批量验证,覆盖百余个高优先级缺陷修复。整体来看,该实践在提升漏洞治理效率的同时,也强化了自动化修复过程中的安全边界和质量保障能力。

                当前新版本进一步强化了多段门禁、自动拦截、失败即关闭和独立裁判服务,在提升漏洞修复效率的同时,增强了安全边界和质量保障能力。该实践标志着 AI 能力从“辅助分析安全报告”进一步走向“参与漏洞修复闭环”,也为后续构建“发现 Agent—修复 Agent—评估 Agent”的多 Agent 协同安全治理体系奠定了基础。


                创新点

                1.AI 提升的不只是发现能力,更是闭环效率

                AI 安全能力的价值,不仅在于发现更多漏洞,也在于让漏洞更快完成闭环。

                在发现侧,AI 安全白帽通过上下文理解、代码分析、接口语义识别和自动化验证,提升了高价值漏洞的发现效率。

                在运营侧,安全小助手通过自动通知、智能问答、流程推进和工具调用,提升了漏洞修复协作效率,减少了大量重复解释、人工催办和跨系统操作。

                这意味着,AI 不只是提升“发现问题”的能力,也在提升“解决问题”的效率。

                2.从“辅助工具”到“治理智能体”

                项目最大的创新在于,将 AI 从“辅助分析工具”升级为“安全治理智能体”。

                在发现侧,AI 安全白帽结合接口台账、代码上下文、业务语义和自动化验证工具,实现类安全专家的自主分析与漏洞确认。

                在运营侧,安全小助手通过多智能体协同、工具调用和流程编排,将漏洞提醒、业务沟通、复测验证、白盒接入和 WAF 整改串联成可执行、可追踪、可审计的闭环流程。

                这使安全治理不再只依赖单点人工经验,而是逐步沉淀为可复制、可扩展、可持续迭代的智能化能力。


                总结与展望

                整体来看,AI 驱动的漏洞闭环治理不仅提升了漏洞发现能力,也显著降低了人工挖掘、漏洞运营通知和系统整改推进成本,推动安全能力从“单点工具”向“智能闭环平台”演进。

                通过 AI 安全白帽、漏洞自动化复核、安全小助手和闭环运营能力的结合,安全工作正在从依赖人工经验的被动响应,转向可规模化、可持续迭代的智能化治理模式。

                未来,AI 安全能力将继续向更深层次的业务理解和自动化协同演进。

                一方面,AI 安全白帽将从单点漏洞发现,进一步扩展到复杂业务逻辑分析、跨系统攻击链推理、自动化复现和修复建议生成,持续提升高价值漏洞发现效率。

                另一方面,安全智能体将进一步增强协作能力,在漏洞识别、风险判断、影响面分析、整改建议和修复验证中形成更完整的闭环。

                同时,围绕智能体身份识别、权限控制、凭证代理、访问审计和安全基线等基础能力,后续也将持续完善 AI Agent 在企业环境中的安全运行机制,确保 AI 能够在可控、可审计、可追溯的前提下访问业务系统和执行安全任务。

                整体目标是将 AI 能力从“辅助发现问题”升级为“参与安全治理”,逐步形成覆盖风险识别、自动评估、闭环运营和持续治理的 AI 安全体系。

                纳逗Pro全链路赋能、专项免费算力支持!爱奇艺AI影视创作营第二期来了

                AI 时代的质量门禁左移:Agentic Quality Engineering 架构与落地模板

                爱奇艺大数据混合云存储

                这张成绩单,数字一个比一个猛!

                别让AI瞎猜了:用Harness Engineering 终结无限返工

                跳转微信打开

                纳逗Pro全链路赋能、专项免费算力支持!爱奇艺AI影视创作营第二期来了

                2026年6月22日 15:19

                爱奇艺技术产品团队 2026-06-22 15:19 北京

                新增实战派导师 头部制作平台加持

                当下,AI技术大幅降低了影像创作的入门门槛,“一键成片”让人人都能快速生成视觉画面。量产内容趋于同质化的当下,优质叙事能力、专业镜头语言、高阶审美判断成为AI无法替代的核心创作壁垒,更是拉开创作者差距的关键核心。立足行业痛点与人才需求,爱奇艺重磅升级打造AI影视创作营第二期,以大咖亲授、实战实操、全链赋能的模式,助力广大创作者实现“会用AI工具”到“用AI讲好影视故事”的进阶蜕变。

                01#

                课程升级、实战大咖加盟

                五大核心模块助力

                “创意-制作-后期”全链条

                爱奇艺AI影视创作营聚焦“AI+专业影视创作”核心能力培养,首期课程凭借干货内容、实战教学收获行业及学员广泛好评。6月17日起,创作营第二期正式开启全网招募。在首期成熟教学体系基础上,本次课程、导师全方位迭代升级,大幅提升AI实操教学占比,让内容聚焦一线AI导演实战创作心法。

                第二期课程内容覆盖影视叙事与角色塑造、AI影视导演思维、声音设计与听觉叙事、AI制作技术与影视级后期、用户洞察与版权合规五大核心模块,通过5天系统化、沉浸式集训帮助学员搭建AI影视创作知识体系,掌握AI工具与影视专业创作的融合技巧,精准突破AI创作画面同质化、叙事薄弱、质感不足等核心问题。

                第二期创作营延续“让故事更精彩、让制作更专业”宗旨,深耕实战化教学理念,集结编剧、影视表演、AI导演、声音设计、影视技术等多领域资深行业大咖,组建全维度导师团队。相较于首期,本次课程新增曾赠、朱雷蒙、李杨三位深耕AIGC影视创作一线的实战派导演。一众导师兼具传统影视创作深厚功底与AI工具融合落地经验,深谙当前AIGC影视创作的技术边界、行业瓶颈与创新方向。教学过程中,导师将拆解影视叙事底层逻辑与专业创作方法论,结合真实AI影视创作案例,为学员搭建从剧本构思、叙事打磨到AI可视化呈现的整体创作思维。

                02#

                纳逗Pro全链路赋能

                算力加持实现影视级成片落地

                为解决学员“学完不会用、成片质感差”的难题,第二期创作营重点强化实战实操环节,依托爱奇艺自研专业级影视制作平台纳逗Pro,为学员提供从创意构思到成片的闭环创作支撑。

                纳逗Pro以公共大模型及自主部署的大模型为底座,沉淀爱奇艺在影视工业化、专业制作领域的深厚经验,同时通过结合爱奇艺IP库、数字资产库和创作者社区,形成可调用的平台能力。目前,纳逗Pro为创作者提供专业画布工作流、大规模团队协同创作等服务,支持影视剧本评估、3D导演台实现多角色构图、长剧集角色一致性等专业级影视创作能力,更有“专业戏增强智能体-武打戏”“人物情感关系图”等独家功能,支持多样创作需求。

                本次创作营将持续为学员提供单次超200次镜头生成的专项免费算力支持,全面覆盖镜头生成、画面重绘、细节精修等全流程创作需求。同时,纳逗Pro专属技术导师全程驻场指导,一对一解答工具操作、技术落地难题,保障每位学员都能深度上手、熟练实操。

                课程结营后,优秀创作者将获得爱奇艺AIGC创意中心优先入驻资格、平台专属流量扶持、官方项目合作对接、多元化商业变现机会 。爱奇艺将致力于全方位搭建创作者“学习-创作-出圈-变现”长效成长通道。

                03#

                完善AIGC影视生态

                爱奇艺全方位赋能创作者长效发展

                作为国内AIGC影视生态的核心建设者,爱奇艺持续深耕AI影视赛道,自2025年起陆续落地系列重磅创作活动,搭建完善的AI影视创作孵化体系。此前,“与AI共生”短片大赛、“鲍德熹·爱奇艺AI剧场”创作营等活动已成功举办,其中“鲍德熹·爱奇艺AI剧场”16部入围作品已全部上线播出,收获良好行业口碑。

                今年5月20日,爱奇艺携手奥斯卡大奖得主鲍德熹全新升级项目,正式启动“鲍德熹·爱奇艺电影剧场”AIGC商业电影创投计划,面向全球征集60分钟以上AIGC华语商业电影项目,计划孵化推出10部优质长篇商业作品,推动AI影视创作从短篇实验探索,正式迈向长篇商业电影的工业化、市场化新阶段。

                依托2026爱奇艺·世界大会战略布局,爱奇艺持续升级创作者扶持体系:全新迭代的爱奇艺号(IQID)已正式上线,实现创作者零门槛入驻、一次性签约、全品类内容通发、高效发布运营;同时推出专项分账补贴政策,2026年底前,AIGC内容与中剧内容可享受20%额外分账补贴。此外,平台从AI工具赋能、专属算力支持、IP授权对接、项目投资合作、专项培训、办公场地供给、市场分发等维度,构建全方位、全周期的创作者扶持生态。目前,爱奇艺AIGC(上海)创意中心已迎来变月文化、熹屿人生等多家优质创作者机构入驻,产业集聚效应持续凸显。

                未来,爱奇艺将持续完善AIGC影视创作全链路生态,开放平台资源、升级扶持政策、拓展商业场景,诚邀广大影视创作者、AI创作爱好者携手合作,深耕AI影视创作领域,产出更多高品质原创内容,依托爱奇艺成熟分发运营体系实现价值落地与商业增收。 

                报名须知

                报名时间:6月17起至7月21日

                报名流程:点击原文链接填写报名,提交个人创作相关背景信息,经官方审核通过并完成缴费后,即为报名成功。

                阅读原文

                跳转微信打开

                AI 时代的质量门禁左移:Agentic Quality Engineering 架构与落地模板

                2026年6月18日 12:00

                移动产品研发团队 2026-06-18 12:00 北京

                AI质量门禁左移的架构实践

                01#

                 为什么质量门禁必须左移

                AI 编码改变的不是单个开发者的写代码速度,而是整个交付系统里的流量分布。过去很多团队的瓶颈在“代码写不完”;现在瓶颈会快速迁移到 Review、测试、验收、复验和线上风险处置。

                如果质量门禁仍然放在提交之后,团队会看到一个很典型的现象:代码变更多了,Review 队列更长了;功能分支更多了,测试环境更拥堵了;问题暴露更晚了,修复成本也更高了。质量门禁左移的本质,是把验证能力前置到开发活动内部,让每次 AI 参与生成的变更都能尽早进入可执行的验证闭环。

                左移不是多测一点,而是改变验证能力的位置

                • 从人工经验到显式契约:把入口、环境、动作、断言和证据要求写成 AI 可执行的结构。

                • 从结论驱动到证据驱动:任何通过、失败、阻塞都必须能回看截图、日志、网络请求、结构树或度量数据。

                • 从单点工具到系统能力:自动化执行、环境准备、报告治理、复验入口都要进入同一条链路。

                02#

                 AI 在质量门禁中的角色:

                 从 Copilot 到 Quality Orchestrator

                AI 参与的是整条质量门禁链路的编排。它通过 Harness 管理上下文,通过 Agent 拆解任务,通过 Subagent 承担专项验证,通过 Skills 调用稳定工具,最后把证据交给门禁规则做可审计判定。

                • Harness:质量门禁的运行框架,管理上下文、工具、状态、权限、日志和执行约束。

                • Agent:质量任务负责人,负责理解变更、识别风险、规划验证路径和解释证据。

                • Subagent:专项验证角色,例如 UI、Network、Telemetry、Visual、Report,各自只处理清晰边界内的问题。

                • Skills:可复用工程能力封装,例如进入指定页面、采集截图和结构树、抓取请求、校验字段、生成复验报告。

                  agentic_quality_gate:
                    harness:
                      owns:
                        - context_window
                        - tool_registry
                        - execution_state
                        - audit_log
                        - permission_boundary
                    planner_agent:
                      responsibilities:
                        - understand_change
                        - identify_risk
                        - select_gate_level
                        - dispatch_subagents
                        - summarize_evidence
                    subagents:
                      ui_subagent:
                        skills: [navigate_to_page, capture_screenshot, inspect_ui_tree]
                      network_subagent:
                        skills: [start_capture, filter_requests, assert_fields]
                      telemetry_subagent:
                        skills: [collect_events, compare_event_schema, count_occurrences]
                      report_subagent:
                        skills: [assemble_evidence, classify_failure, create_recheck_entry]
                    rule:
                      ai_orchestrates: true
                      gate_decision_remains_rule_based: true

                  03#

                   参考架构:

                   AI Harness 驱动的质量门禁系统

                  要支撑大量 AI 生成代码的 Review 和测试,质量能力需要被封装成稳定的系统,而不是分散在个人脚本、口头经验和临时检查清单里。更合适的架构是:AI Harness 承载上下文和运行约束,Planner Agent 负责任务规划,Specialist Subagents 分工处理专项验证,Skills 调用稳定工具,真正的采证和判定由可审计的工程模块完成。

                  架构边界要清楚

                  • AI Agent:负责任务拆解、风险识别、调用工具和解释证据,但不直接替代门禁判定规则。

                  • 执行运行时:负责真实环境操作,包括 UI、接口、网络、Mock、设备或浏览器能力。

                  • 证据总线:负责把过程数据统一收口,避免“通过了但无法证明”。

                  • 门禁引擎:负责把不同证据映射为 PASS、FAIL、BLOCK,并产生可追溯报告。

                    quality_gate_system:

                      trigger:

                        - ide_generated_change

                        - pull_request

                        - pre_merge_ci

                      ai_harness:

                        context:

                          - requirement

                          - code_diff

                          - case_library

                          - historical_defects

                        guardrails:

                          - single_case_transaction

                          - evidence_required_before_pass

                          - block_when_context_missing

                      planner_agent:

                        output:

                          - risk_assessment

                          - gate_level

                          - subagent_plan

                      subagents:

                        - ui_subagent

                        - network_subagent

                        - telemetry_subagent

                        - visual_subagent

                        - report_subagent

                      contract:

                        input: requirement_or_diff

                        output: executable_case_dsl

                      runtime:

                        capabilities:

                          - skills.ui_operation

                          - skills.api_replay

                          - skills.network_capture

                          - skills.mock_injection

                          - skills.visual_compare

                      evidence:

                        required:

                          - screenshots

                          - ui_tree

                          - network_trace

                          - logs

                          - assertion_result

                      gate:

                        decisions:

                          pass: evidence_complete_and_assertions_met

                          fail: assertion_failed_with_repro_steps

                          block: environment_or_evidence_not_ready

                    04#

                     核心抽象:

                     把测试用例写成 AI 可执行契约

                    AI 不怕用例长,AI 怕用例模糊。面向人的测试说明可以依赖经验补全上下文,但面向 AI 的自测用例必须像接口协议一样明确:输入是什么、环境如何准备、入口如何定位、每一步如何执行、证据如何收集、什么情况下不能继续。

                    技术人员更容易复用的契约模板

                    契约并不是为了“把用例写复杂”,而是为了把 AI 原本需要猜的上下文变成明确输入。契约越清楚,AI 的执行越稳定,Review 的证据越可复查。

                      case:


                        id: mobile_entry_bubble_hide_after_click


                        goal: verify_entry_bubble_disappears_and_target_tab_selected


                        risk_level: high


                      preconditions:


                        account:


                          login: required


                          permissions: [content_access]


                        device:


                          platform: mobile


                          orientation: portrait


                        experiment:


                          entry_bubble_enabled: true


                        data:


                          channel_has_reservation_bubble: true


                      entry:


                        route: app_home_to_channel_page


                        anchors:


                          - channel_tab_visible


                          - reservation_bubble_visible


                        ready_when:


                          - page_stable_for_ms: 1200


                          - loading_indicator_absent: true


                      steps:


                        - action: tap


                          target: reservation_bubble


                          observe:


                            - target_tab_selected


                            - bubble_not_visible


                      assertions:


                        functional:


                          - reservation_bubble.visible == false


                          - selected_tab == target_tab


                        telemetry:


                          - event_name == entry_bubble_click


                          - request_count == 1


                        visual:


                          - no_overlap_around_tab_area


                      evidence:


                        required:


                          - before_screenshot


                          - after_screenshot


                          - ui_tree_after_action


                          - network_trace


                          - final_report





                      05#

                       执行状态机:

                       让 AI 只能在证据闭环里给结论


                      很多 AI 测试实践失败,不是因为 AI 不够聪明,而是因为执行过程没有状态机约束。只要允许 AI 在证据不足时继续往下走,就会出现“看起来执行了,但结论不可信”的情况。

                      一个可靠的执行引擎应该把每条用例当成事务:准备失败就是 BLOCK,导航失败就是 BLOCK,断言失败才是 FAIL,证据缺失不能写 PASS。

                      06#

                       技术广度:不是只测功能,

                      而是建设一条证据流水线


                      质量门禁左移要解决的不只是“功能是否能点通”。在真实研发里,很多线上问题来自埋点字段错误、UI 偏差、弱网异常、状态污染、兼容性、性能退化或灰度配置错误。架构上要预留足够的证据类型和断言扩展点。


                      证据模型要足够宽

                      • 功能证据:用户动作前后的截图、页面结构、状态持久化结果。

                      • 数据证据:接口请求、字段值、请求次数、链路耗时、错误码。

                      • 视觉证据:运行截图、设计源、控件边界、差异定位。

                      • 环境证据:账号、设备、版本、网络、实验、Mock、缓存状态。

                      • 治理证据:失败归因、阻塞原因、复验记录、趋势指标。

                      07#

                       门禁策略:

                       用风险分级决定验证深度

                      不是所有变更都应该跑同一套重型验证。合理的做法是用风险模型选择门禁强度:低风险变更快速验证,高风险链路进入更完整的证据闭环,涉及关键业务、支付、账号、埋点或 UI 核心路径时再提高验证级别。

                        risk_model:

                          dimensions:

                            business_impact:

                              high: payment, login, content_publish, critical_entry

                              medium: recommendation, notification, profile

                              low: copywriting, non_core_style

                            change_complexity:

                              high: cross_module_or_state_machine_change

                              medium: single_module_logic_change

                              low: static_resource_or_copy_change

                            evidence_requirement:

                              high: screenshot_plus_network_plus_logs_plus_replay

                              medium: screenshot_plus_network

                              low: smoke_result

                        gate_level:

                          L1: low_risk_fast_gate

                          L2: standard_gate_for_user_visible_change

                          L3: strong_gate_for_core_path_or_ai_generated_large_diff

                        08#

                         实际案例:

                         移动端入口气泡的完整自测闭环


                        下面用一个抽象后的移动端案例说明如何落地。需求是:频道页存在一个“预约气泡”,用户点击气泡后,应进入目标 Tab,气泡消失,并触发一次正确上报。这个需求看似很小,但覆盖了入口定位、状态切换、UI 展示、埋点上报和证据复验。


                        这个案例能迁移到哪些场景

                        • 入口类需求:浮层、气泡、弹窗、运营位、Tab、快捷入口。

                        • 状态类需求:领取、预约、关注、收藏、订阅、购买、开关切换。

                        • 上报类需求:点击、曝光、停留、转化、异常路径采集。

                        • 视觉类需求:首屏布局、边界遮挡、动态字体、深色模式、多端适配。





                        09#

                         落地路线:

                         从工具试点到组织级质量资产

                        真正能复利的不是“跑通一次 AI 自测”,而是让每次执行都能沉淀资产。用例会变成契约库,证据会变成问题样本,阻塞原因会变成基础设施建设清单,报告会变成质量趋势。


                        建议优先观察的指标

                        • 提测前缺陷拦截数:验证质量是否真的前移。

                        • AI 自测覆盖率:核心链路中可执行契约的覆盖比例。

                        • BLOCK 原因分布:环境、数据、入口、证据、工具能力哪个最拖后腿。

                        • 报告有效率:有结论、有证据、有归因、有复验入口的报告比例。

                        • 复验耗时:修复后从触发复验到给出可信报告的平均时间。









                        10#

                         写在最后:

                        AI工程化的核心竞争点会转向验证系统

                        AI 编码会继续提升代码生产效率,但工程组织之间的差距不会只体现在“谁生成代码更快”。更关键的问题是:当代码生成速度提升之后,团队是否拥有足够强的验证系统来承接这些变更。

                        质量门禁左移的价值,是把测试从后置的人力活动,升级为开发过程中的系统能力。它要求团队把经验契约化、把执行状态机化、把证据流水线化、把报告治理化。这样,AI 才不只是一个写代码的助手,而是进入了一套能支撑真实交付的工程闭环。

                        图片


                        这张成绩单,数字一个比一个猛!

                        别让AI瞎猜了:用Harness Engineering 终结无限返工

                        内存峰值降60%+,动图加载快75%:爱奇艺图片库一次从'能用'到'极致'的跨越

                        零侵入、低成本!轻松为老系统注入 AI 灵魂

                        治愈 Cursor AI 编程的 “幻觉”?用它就够了!

                        跳转微信打开

                        ❌