铃阅时讯
❌

普通视图

Agentic Harness Workflow 框架:把 AI Coding 变成工程化流程

2026年9月10日 18:00

原创 欢迎关注的 2026-09-10 18:00 北京

AI 编码的工程化实验:把开发拆成固定流水线,每阶段由专职子代理执行、主代理把关,配合状态落盘与人工门禁,让 AI 写代码从"碰运气"走向"可交付"。

。图片

点击蓝字,关注我们

图片

作者 | 李忠泽

导读 

introduction

把整段需求直接丢给 AI 写代码,结果越写越偏、中途断了还接不上?本文作者给出的答案是:别去造更聪明的 Agent,而是给 AI 编程套上一副"工程框架"。他自研的 Agentic Harness Workflow,把一次开发拆成需求澄清、方案设计、编码实现、审查验收、提交归档等阶段,每阶段交给一个只干一件事的子代理,由主代理统一调度把关,关键节点留人拍板;配合状态落盘,中断、换人、换工具都能无痛续跑。文末还附上了完整实战复盘与踩坑清单。

全文 8019 字,预计阅读时间 6 分钟

GEEK TALK

01

为什么需要 Harness

相信大多数开发者都亲身体会过,如果把一个真实需求一次性丢给一个长上下文 Agent,会面临如下几个问题:

  1. 上下文膨胀与结果漂移:需求、方案、代码、测试、日志全堆在一个上下文里,越到后面它越容易忘了前面说好的约定,慢慢偏离你最初想要的东西。

  2. 跳过必要的工程步骤:Agent 可能直接写代码,遗漏需求澄清、方案评审或测试设计。

  3. 过程不可恢复:会话被压缩、重启或中断后,很难可靠判断“现在在哪一步、正在等待什么、哪些任务已完成”。

  4. 自动化过程缺少人工门禁:没有明确的门禁和人工确认点,错误方向可能一路运行到最后,之后返工会消耗更多的人力。

所以我的思路是,不是"再造一个很聪明的 Agent",而是给 AI 编码套一副"工程框架"——把一个需求从提出到归档拆成一条固定的流水线,每个阶段交给一个只干一件事的 Sub-Agent,主会话 Agent 负责调度、管状态,并在每个要紧的地方停下来等人拍板。

GEEK TALK

02

三类应用拓扑对比

从概念上来讲,目前有如下三种结构:

我设计的这套 Harness:Workflow 为主,阶段级 Multi-Agent 协作,并保留 Human-in-the-loop。

注:这里并不是真正意义上的 Multi-Agent,只是目前 Coding Agent 工具,比如 Claude Code、Codex 等自带的 Sub-Agent 能力。

GEEK TALK

03

总体架构

3.1 一条完整的生命周期

一个需求沿固定顺序推进:

    init → specify → plan → tasks → test-plan → plan-review
      → implement → code-quality → e2e-run → human-acceptance
      → commit-push → archive 

    其中,implement → code-quality → e2e-run 是自动执行区;其余大多数阶段在完成后会停下来等待用户确认。human-acceptance 和 archive 没有独立 Agent,由 Manager 负责呈现、验收和收尾。

    3.2 CLAUDE.md:框架入口与项目知识库

    CLAUDE.md 在这套框架里承担两件事:一是框架的入口,二是项目知识库。

    一、框架入口。 Coding Agent 在会话开始时会自动加载 CLAUDE.md,这是整条链上唯一会被"自动"读到的文件。所以它本身不写任何流程逻辑,只做三件事:点明阶段流程、指向三份规则文件(流转表 state-graph.json / 通信协议 protocol.md / 状态字段说明 state-schema.md)、以及最关键的一句——主会话必须始终遵循 .harness/rules/manager.md。Manager 的行为准则、状态机字段含义、阶段次序,全都在那几份文件里;CLAUDE.md 只负责把它们挂上来,harness 就算 Ready 了。

    二、项目知识库。 Harness 本体是通用的,但它跑在什么项目上是特定的——有哪些代码库、怎么起服务、连哪个测试库、提交要建什么卡、代码库之间谁依赖谁。这些"项目事实"全部登记在 CLAUDE.md 的知识库索引里,目前分四块:

    这里有一个约定:只有Manager读 CLAUDE.md,所有Sub-Agent一律不自己读。 Manager 按当前需求的相关性,从知识库里挑出需要的片段,通过 input 的具名字段下发——比如把环境表相关内容装进 environment_knowledge 给 e2e-run,把建卡空间装进 icafe_space 给 commit-push,把文档链接装进 knowledge_refs 给 plan。

    这么设计有三个好处:

    1. 不让每个 Sub-Agent 都把整个知识库吞进上下文——它只拿到与自己这一步有关的那几行;

    2. Sub-Agent 保持通用——它只认 input 里的字段,不认某个项目的具体布局,所以换个项目只需要换一份 CLAUDE.md,agents/ 和 rules/ 一行都不用动;

    3. 知识变更只改一处——新增一个代码库就在表里加一行,不用去改十个 Agent 文件。

    还有一条是被实际测试坑出来的原则:不假设、缺就问。 不同代码库的配置位置和形态可能完全不一样(我们这里有一些服务的配置是在 conf/servicer/*.toml,但那不是通用规则)。某种意义上,CLAUDE.md 就是知识层插件:rules/ 是骨架、agents/ 是阶段,都是通用件。

    3.3 调度者:主会话 Manager

    这个 Harness 的核心是主会话 Manager。它一个人分饰三个功能:

    • 调度——决定这一轮该派哪个阶段的 Sub-Agent 执行,是往前走还是往回退。

    • 状态管理——它是唯一有权写 workflow-state 的人,也负责把需求在"进行中 / 挂起 / 已归档"几个目录之间搬来搬去。

    • 对话输出——Sub-Agent 只跟它用结构化协议对话,你只跟它用自然语言对话,两边的话都由它来转。

    Manager 有一条我设计的铁律:它只认 Sub-Agent 回传的那个结构化协议,不读任何产物的正文(spec、方案、任务、测试、报告),也不读业务代码。 它只从协议里取"结论"(通过 / 打回 / 要你确认),从状态文件里取"进度"。

    因为 Manager 从不把一堆产物正文和代码吞进自己的上下文,主会话才能在一个需求走完十几个阶段、来回折腾很多轮之后,仍然是轻的、稳的、不飘的。你要是问它"刚才那条结论为什么这么判",它也不会自己去翻代码回答你,而是把问题重新丢回给当初给出这个结论的子代理,让它来解释。

    这里的调度不是单靠 Manager 自己的理解,我们把状态之间的流转设计成了一张“图”,存放在了state-graph.json,这样 Manager 就很清楚的知道下一个阶段该是什么,并且每一个后置的阶段都可以回退到上一个阶段,这里是通过 Sub-Agent 的“建议”,以及 Manager 对于用户输入的理解判断,共同决定。

    3.4 执行者:阶段 Sub-Agent

    每个 Sub-Agent 有一个独立的 Agent.md 文件来控制这个 Sub-Agent 是做什么的。而每个阶段干什么、产出什么,列个表:

    每一个阶段都会通过定好的结构化输出协议来和 Manager 进行通信,Manager 会将 Sub-Agent 的输出整理呈现给用户,Manager 不用去读取每个 Sub-Agent 的阶段产物,只需要 Sub-Agent 定好一个对人可读性友好的输出即可。

    而且这里有一个小设计,就是将“裁判员”和“运动员”分开设计,不让 Agent 自己设计自己评估,分成两个阶段 plan 和 plan-review,由一个 Sub-Agent 进行技术设计,另外一个 Sub-Agent 进行评估,整体设计参考了对抗性的思想,但凡涉及到审查的环节(比如技术设计、测试),都需要挑战设计中的假设,而不是确认正常流程能跑通。

    3.5 状态机:workflow-state

    流程状态不依赖聊天记忆,而是落在每个需求目录的 workflow-state.json 中。最重要的字段包括:

    • current_state:当前阶段;

    • pending:当前等待点,例如等待前进确认、澄清、回退确认、人工验收、推送确认或 CR 评审;

    • states:阶段历史、状态和产物路径;

    • review_findings:门禁发现的问题及其应跳转的阶段;

    • loop 计数、涉及仓库、验收服务等运行数据。

    其实这个设计思想就是,我们不应该让 Agent 完全依赖本身自己的上下文记忆,应该有一个 Handoff 机制,我举个例子,如果你当前在用 Claude Code 做到某一个阶段,接下来由 Codex 接手,如果 Codex 不具备 Claude Code 的记忆,那么他其实并不知道当前执行到哪里了,而且尽管在同一个 Coding Agent 内部,如果他的上下文压缩了、Memory 清空或者开了一个新的会话,都可以继续接手执行。

    那么整体的交互如下:

    3.6 协议:protocol

    Manager 与每个阶段 Sub-Agent 之间只使用一个协议对象,它是一个双向协议:派发时由 Manager 填请求侧字段,返回时由 Sub-Agent 返回响应侧字段。两侧共用同一套字段约定。

      {
        "state":        "派给哪个阶段(Manager 填)",
        "user_message": "用户这一轮的原话(Manager 填)",
        "input":        { "本阶段所需上下文(Manager 填)": "..." },
        "status":       "ok | needs_input | fail(Sub-Agent 填)",
        "output":       { "结构化结果(Sub-Agent 填)": "..." }
      }

      逐个说明:

      注:protocol.md、各阶段模板、业务代码,都是 Sub-Agent 自己读的,不由 Manager 传。

      3.6.1 请求侧:input 

      各阶段的input专属 Key 是提前定义好的,这也是"Sub-Agent 保持通用"的关键:

      请求侧三个字段:state 是派给哪个阶段,user_message 是用户原话逐字透传,input 是这一阶段需要的上下文。input中每个阶段的 Key 由 manager.md 的调度规则定义。

      而且协议里有三个通用可选 Key,只在特定情形出现:

      3.6.2 响应侧:status  + output 

      响应侧只有三种 status:

      • ok —— 这一阶段做完了,等用户确认后前进;

      • needs_input —— 没做完,需要人介入(多轮澄清、环境卡住、或要回退到上游补东西);

      • fail —— 阶段失败,output.next_state 给出建议打回的目标(比如 e2e-run 不过 → implement)。

      output 里有四个通用字段(几乎每个阶段都有),加上各阶段自己的小字段:

      个别阶段的output也有自己的专属 Key:

      注:响应侧的信息会包装在一个control-result里面,这是让阶段 Sub-Agent 结构化输出,Manager 去解析的一个规则。

      3.7 执行到测试的 Loop Engineering

      之前 Codex 发布了/goal这个命令,实现一个需求,直到 Agent 做完它才会停止,后面也推出了 Loop Engineering 的概念,我的这里其实也参考了这个 Loop 的设计。

      Agent 可以自动连续完成“implement 写代码 → code-quality 静态审查 → e2e-run 跑系统测试 → implement 定向修复”,但自动化不是无限循环。我给每条自动修复的循环都设了次数上限,达到阈值后还没过,就停下来把问题呈现给用户,让用户三选一:继续修、直接放行、或者有疑问要阶段 Sub-Agent 解释。

      3.8 阶段回退:判根因、过门禁

      这套框架里所有回退都走同一套机制,不管触发它的是谁:

      1. 用户主动推翻上游(做到 plan 才想起需求说漏了);

      2. 下游 Sub-Agent 报出上游缺口(test-plan 发现 plan 没定义接口路由,写不出可执行用例);

      3. 门禁打回(plan-review 审出问题,指向最早出问题的那个阶段);

      4. 自动执行区的测试打回(code-quality / e2e-run 不过 → 回 implement)。

      人工验收不通过、或者 CR 评审有意见时,Manager 照一张固定的映射表判目标:

      回退的目标阶段必须在流转表 order 里位于当前之前,且在这个需求的历史里已经真正完成过。这防止"回退"变成乱跳。

      校验通过、用户确认之后,Manager 在同一次写入里完成状态转移:当前阶段落终态、目标阶段由"已完成"改回"进行中"、current_state 指向目标阶段,并把刚才那个回退原因作为 rollback_reason 放进目标 Sub-Agent 的 input,让阶段 Sub-Agent 知道这次回来要做什么、补什么。

      这里有个细节:等待用户确认的期间,当前阶段一直是"进行中",终态只在真正转移的那一次写入里才落到状态及文件。 "已完成"严格意味着"用户已经拍板、流程已经离开它",绝不在等确认的时候提前写。这是为了让冷启动恢复时状态永远是正确的,任何时刻至多一个阶段处于"进行中",且它必然等于 current_state。

      3.9 Human-in-the-loop:人需要确认的地方

      状态文件里有一个 pending 字段,它表示的是每个阶段都要停下来等人拍板,每一个类型都明确记着"在等什么、用户确认后去哪个阶段":

      GEEK TALK

      04

      从 Worktree 到验收:多需求如何具备隔离性的工作

      4.1 工作目录结构

      Harness 工作空间目录结构

        <工作目录>/                              ← 主会话(Manager)的 cwd
        │
        ├── CLAUDE.md                            ← 框架入口 + 项目知识库索引
        │                                          (环境表 / 研发流程 / 依赖顺序,Manager 从这读取作为 input 下发)
        ├── .mcp.json                            ← MCP 服务(Playwright,给 e2e-run 跑前端)
        │
        ├── .harness/                            ← ★ 框架主目录
        │   ├── rules/                           ← 规则与模板("插件"里的规则层,可替换)
        │   │   ├── manager.md                   ← Manager 规则(always active,主会话必遵守)
        │   │   ├── protocol.md                  ← 通信协议(协议结构 + message 话术规范)
        │   │   ├── state-schema.md              ← workflow-state.json 字段与状态置位时机
        │   │   ├── state-graph.json             ← 流转表:order(阶段次序)+ next
        │   │   ├── spec-template.md             ← ↓ 各阶段产物模板
        │   │   ├── plan-template.md
        │   │   ├── tasks-template.md
        │   │   ├── test-plan-template.md
        │   │   ├── plan-review-template.md
        │   │   ├── code-quality-template.md
        │   │   └── e2e-run-template.md
        │   │
        │   ├── active/<index>-<slug>/           ← 正在做的需求,全局至多一个
        │   ├── process/<index>-<slug>/          ← 已开始、挂起的需求
        │   ├── archived/<index>-<slug>/         ← 已完成归档的需求
        │   └── worktrees/<index>-<slug>/        ← 本需求的 git worktree 根
        │       ├── <仓A>/                       ← 每个涉及仓一个子目录(implement 在此施工)
        │       └── <仓B>/
        │
        ├── .claude/
        │   ├── agents/                          ← ★ 阶段("插件"里的阶段层,加/删/改即改流程)
        │   │   ├── init-agent.md
        │   │   ├── specify-agent.md
        │   │   ├── plan-agent.md
        │   │   ├── tasks-agent.md
        │   │   ├── test-plan-agent.md
        │   │   ├── plan-review-agent.md
        │   │   ├── implement-agent.md
        │   │   ├── code-quality-agent.md
        │   │   ├── e2e-run-agent.md
        │   │   └── commit-push-agent.md
        │   │                                    ← human-acceptance / archive 无 agent(Manager 自己管)
        │   └── skills/                          ← ★ 可插拔能力("插件"里的能力层)
        │       ├── huibo-test-mysql/            ← 连测试库
        │       ├── huibo-test-redis/            ← 连测试缓存
        │       ├── icafe-card-assistant/        ← 建 iCafe 卡
        │       ├── icode/                       ← 建远程分支 / 推 CR
        │       └── get-ugate-token/
        │
        ├── <业务仓A>/                            ← 主仓(各自独立 git 仓;顶层不是 git 仓)
        └── <业务仓B>/

        单个需求目录(<index>-<slug>/)内部

          .harness/active/<index>-<slug>/
          ├── workflow-state.json                  ← ★ 状态文件(Manager 独占写)
          │                                          current_state / pending / 各阶段 status /
          │                                          repos / skip_gates / acceptance_services /
          │                                          review_findings / 三个 loop 计数
          ├── spec.md                              ← specify 产物
          ├── spec_user_message.md                 ← 用户原话存档(抗上下文丢失)
          ├── plan.md                              ← plan 产物
          ├── plan_user_message.md                 ← 用户原话存档(抗上下文丢失)
          ├── tasks.md                             ← tasks 产物(可勾选清单)
          ├── test-plan.md                         ← test-plan 产物
          └── reports/                             ← 审查与测试报告
              ├── plan-review.md                   ← 惰性:只有打回过才产
              ├── code-quality.md                  ← 每轮追加
              ├── e2e-run.md                       ← 每轮追加
              └── screenshots/                     ← e2e-run 前端 TC 的 Playwright 截图
                  └── TC-003-xxx.png

          4.2 需求空间隔离

          我们设计这个框架,本质是希望可以兼容多需求并行的场景,所以这里的设计是用了git worktree,在Implement阶段之前,Manager 根据 tasks 阶段产出的仓库集合,为每个业务仓建立同名特性分支和独立 worktree。实现、静态审查和 e2e 都复用同一 worktree;修复轮不重建,归档时才清理。这样就让多个需求之间完全隔离,我们的根目录下面,只需要有全部的代码库,而且每个代码库都及时同步 master 分支保证最新的代码,每个需求会根据当前最新代码新建git worktree,而且每个需求下都有自己的workflow-state.json及阶段产物。

          这个设计有三个直接收益:

          1. 主工作区不被临时产物污染;

          2. 代码审查看到的是同一份改动,而不是每轮重新推导的快照;

          3. 中断或回退后可以继续已有任务,已勾选的 task 不需要重复执行。

          4.3 提交代码的依赖关系

          commit-push 分为两段:

          1. prepare:整理改动、建立 iCafe 卡、生成提交确认表;

          2. execute:用户确认后才真正 commit、push 和创建 CR。

          CR 评审由人工完成,Harness 只根据评审结果继续下一层或归档,不代替评审者合入主分支。归档阶段负责停掉验收服务、迁移需求目录、删除 worktree 和已合入分支。

          多仓代码库一般会有一个公共库的设计,这样避免同一份代码文件散落到不同代码库中需要多份维护,所以我们在commit-push做了一个特别设计,我们的代码库依赖关系会写到CLAUDE.md,Manager 会把这部分内容带给commit-push ,commit-push会先提交依赖代码库的 CR,然后等待用户反馈是否合入(因为目前 icode CR 还需要人工 +2,或者如果有 Skill 能直接去 icode 拉取评分,这块可以改成自动化),合入了之后,会派发implement去修改其他代码库的依赖关系(比如go get xxx@latest),这里有一个设计就是在implement阶段加了一个可选 Key skip_gates,这样刚才介绍的“执行到测试的 Loop Engineering”  就可以只执行然后直接跳过测试(因为本身也存在一些自测需求或者小的改动,不需要进行复杂的 e2e 测试)。等这部分准备好后,commit-push 会继续提交其他仓的 CR。

          GEEK TALK

          05

          DeepSeek Harness:"Everything is a Plugin"

          DeepSeek Harness 是 2026 年 8 月开源的一套 Agent 框架(MIT 协议,命令行叫 dsh),它最核心的一句话就是 "everything is a plugin"(一切皆插件):模型、工具、技能、会话、沙箱、存储、循环、调度、连 UI,全都是可以随意替换的插件;甚至驱动每一轮对话的那个 agent loop 本身,也是一个能从配置里换掉的插件。它的哲学被总结成一句很妙的话——"从一个已经能用的完整 Agent 出发去替换零件,而不是从一堆零件出发去攒一个 Agent"。底层它还有一条 append-only 的会话日志,resume、fork、replay 都基于这条事件流。

          在这几个月我逐渐研究 Harness Engineering 的时候,我觉得这个东西也应该是一个“框架”,如果这个 workflow 实现了,那么其中所有的“组件”,不管是需求澄清还是实现代码的 Agent 都可以被替换,用户也可以根据自己的设计添加 Hook、Tools、Skill 包括 CLAUDE.md,这些“组件”都可以根据业务自身去做定制化,包括这套设计,中间是一个极简、几乎不动的核心(Manager),外面的一切都是可以替换、可以定制的"文件插件"。

          具体到能换什么:

          • 每个阶段都是插件。 一个阶段就是一个 markdown 定义的 Sub-Agent 文件。你想改某个阶段的行为,就改那个文件;想加一个新阶段(比如插一道"安全审计"),就加一个 agent 文件、在流程表里排上;想去掉某个阶段,删掉就是。

          • 能力(skill)是插件。 查库、连缓存、建 iCafe 卡、推 iCode CR、用 Playwright 驱动浏览器……这些都是按名字挂上去的可插拔技能。

          • 规则和知识是配置。 通信协议、流程次序、状态字段、各阶段模板、以及项目知识库(哪些仓、怎么起服务、连哪个库),全是框架外的文件。流程次序想调整,就改流程表那个文件;换个项目,就换一份知识库,核心逻辑照旧。

          • 进度也是可恢复的。 前面说的"状态全落盘",本质上和 DeepSeek 那条 append-only 会话日志是同一个诉求——让流程能被恢复、被接续。

          当然也有不一样:DeepSeek Harness 是个通用的 Agent 运行时,连 agent loop 都能换;我这套是专门为"编码这件事的生命周期"定制的、带固定阶段流水线的 Harness。但在这条流水线内部,阶段、能力、规则、知识确实都是可替换、可定制的插件——Manger 极简、阶段技能皆可换,这一点是共通的。

          GEEK TALK

          06

          一次真实的冒烟测试

          我按一个真实需求,把整条流水线从头到尾跑通的记录。我特意覆盖了各种路径:正常前进、多轮澄清、中途改需求回退、门禁打回后逐级复审、自动执行区的打回-修复循环、冷启动恢复、提交建 CR、最后归档。这是一张总览:

          具体耗时:

          GEEK TALK

          07

          还没解决的问题,和接下来想做的

          跑下来也踩到不少坑,如实记在这儿,也是后面要改的方向。

          1. Sub-Agent 每轮都在重新加载上下文。 那些需要多轮澄清的阶段(比如 specify、plan),子代理每一轮都得把它默认要读的那批东西重新加载一遍,挺浪费。想法是复用类似"Sub-Agent 会话 ID"的机制,这一点其实我发现在使用 Claude Code 的时候,如果在某一阶段,提问类话术,Manager 会自动找到上一个 Sub-Agent 的会话 ID 继续,让同一阶段的多轮交互延续同一份上下文,而不是每轮重来——这其实也是 Multi-Agent 架构可以解决的,只是现在的调度还没做到这一层。

          2. plan 阶段没有搜索边界,容易超时。 plan 实测跑到过一个小时,严重超时(这里声明不是每次,而且有的时候是模型首包延迟过长)。plan 的活确实需要读代码,但现在的规则只是让它"自己去 Grep/Read",没划边界。得给它补上知识库,利用渐进式索引,让 Agent 能快速定位、定位的准、读得少,本次允许读哪些仓、最多翻多少文件、调用链最多追几层、多久没收敛就该停、范围太大时该反过来问用户什么。

          3. 产物和状态不是原子完成的。 实测碰到过:test-plan.md 已经在、也标了 Ready,但重新进流程时 Manager 很难判断——文件到底完整不完整?是 Sub-Agent 其实做完了只是结果丢了?该不该覆盖?能不能直接往下走?得把"写产物"和"改状态"做成原子的、可校验的一步,重入时才能可靠判断某阶段到底完没完成。

          4. Manager 越界替用户答疑。 审查类阶段(比如 plan-review)会把打回结论和理由抛给用户;用户一有疑问,Manager 有时会自己跑去读代码来解答。这其实破了"Manager 不读正文/代码"的规矩,正确做法是把疑问回灌给出结论的 Sub-Agent 去解释(这条后来已经在规则里收敛掉了,经过几次测试发现不会产生)。

          5. 前端设计需要更多能力兜底。 研发自己做页面,难免缺前端设计的详细描述,又不能全交给 AI 自由发挥。我实测第一次 AI 设计的界面就过度复杂了——功能是实现了,但交互和样式都不够简洁。这块可能得让前端或设计介入,提供一些前端实现/设计规范类的 Skill 来约束。

          6. 云端 memory 的自进化还没做。我理想中的 Harness Engineering,应该是每跑完一次流程,就把这次遇到的实现问题、测试 bug 沉淀下来——我之前看到过一个说法大概是这个意思,面对 bug,第一优先级不该是让 AI 去想"怎么修这个",而是"怎么让下次不再产生"。现在虽然跑完会往本地 memory 里存,但换台机器这部分就丢了,得做一个云端共享的 memory,让经验能跨机器、跨会话攒起来,真正形成自进化的闭环。

          7. 工作目录的结构设计对团队使用不友好。目前虽然我将所有内容都放在了一个 git 仓库,但是使用却不是这么用的,曾经看了其他团队的文章,使用了git submodule的方式,本项目的这个设计放在 git 上是作为云端存储,在本地,当前工作空间的根不能是一个 .git 目录,后续应该维护成一个团队友好的 WorkSpace 目录。

          8. 未建立完善的线上运行的可观测性日志与监控。现在框架的产物其实只有两类:一是各阶段的产物与报告(spec / plan / 审查报告 / 测试报告 / 截图),二是状态机文件里的状态快照(当前在哪、在等什么)。这两样可以做到"单个需求怎么走完的",但无法观测某个阶段是否执行的正确,调用链路、读取内容是否符合预期,就跟传统线上业务,需要有监控、日志、报警一样,Agent Workflow Framework 同样需要具备这些能力(可以自定义 Hook 或者 Coding Agent 内部的 Hook 去采集)。

          跳转微信打开

          DeepSeek V4.1 Flash:更强、更快、更普惠

          2026年9月10日 13:44

          原创 深度求索 2026-09-10 13:44 北京

          原生多模态,全新基座模型

          今天,我们正式发布 DeepSeek V4.1 Flash 模型。这是我们全新模型结构系列中的最小尺寸的模型,具备原生多模态视觉理解能力。新模型结构的设计初衷是:能力上限更高、推理速度更快、吞吐更大、可扩展到更大参数模型。

          非对称模型结构,小成本大智能

          DeepSeek V4.1 Flash 为 552B 参数的 MoE 模型,采用了全新的 Causal-Encoder-Decoder 结构,输入和输出不对称,输入激活只有 8B,输出激活 16B,成本显著低于已知的同尺寸模型。同时,V4.1 Flash 还采用了新的预训练方式、经过了更大规模的强化学习后训练,在基准测试中,成功超越了包括 DeepSeek V4 Pro 在内的一众旗舰模型的智能水平。

          DeepSeek-V4.1-Flash 与主流前沿模型在 Agentic Benchmark 上的性能对比

          更少缓存,更省成本

          新一代模型大幅减少了 KV Cache 缓存的大小,与上一代模型相比,对 HBM 的需求减少到 1/4,对 SSD 的需求减少到 1/8。在 Agent 使用场景中,缓存命中的费用往往占比较高,对 KV Cache 的压缩大幅降低了 Agent 类任务的使用成本。

          如图展示了 DeepSeek 在减少上下文存储方面的持续进展。相对于初代模型,KV Cache 已经缩小了 437  倍。

          API 支持

          DeepSeek V4.1 Flash 已同步上线 DeepSeek API,原生支持多模态,将模型名称更改为 deepseek-flash 即可调用最新的 V4.1 Flash 模型。旧版本模型 V4 Flash 与 V4 Flash Vision Exp 现已下线,出于兼容考虑,模型名 deepseek-v4-flash、deepseek-v4-flash-vision-exp 将被暂时路由到 V4.1 Flash。

          同时,经多方测试,V4.1 Flash 在性能、费用、速度、总用时等各项指标上已全面超越 V4 Pro,因此我们计划有序下线V4 Pro 模型。北京时间 2026 年 9 月 14 日 12:00 之后,至未来 V4.1 Pro 上线之前,用户访问 deepseek-v4-pro 的请求将全部路由到 V4.1 Flash,并按 V4.1 Flash 单价计费。

          腾讯(WorkBuddy、CodeBuddy)和 OpenCode 作为官方合作伙伴,现已全量接入 DeepSeek V4.1 Flash,欢迎使用!

          API 定价调整

          得益于模型架构的创新,DeepSeek V4.1 Flash 能够以更低的成本服务更多的用户,因此我们相应下调了 V4.1 Flash 的定价。同时,为了更合理地调配资源,我们仍然采用峰谷定价,闲时价格为高峰时段价格的一半,鼓励用户根据实际使用情况调整任务时间。新价格于 2026 年 9 月 10 日 12:00 开始生效。

          模型开源

          我们将会全力支持开源社区进行新模型的推理适配,并尝试通过各种方式扩大部署的范围。如果您有大规模部署的需求且具备相应的资源(2k 卡 GPU、有存储集群),欢迎与我们联系。

          图片

          跳转微信打开

          止盈计划

          2026年9月10日 13:39

          原创 也谈钱 2026-09-10 13:39 德国

          最近常被问到,现在是不是牛市中后期了,应该如何考虑止盈计划

          目前大家看的是牛尾行情,有止盈或者提现的计划吗?

          现在是不是到牛市中后期了,要把手上的基金全部清掉吗,还是用方式什么判断是不是到高估了。

          分享几个我自己比较喜欢的思路,供大伙参考:

          主动基金,可以看偏股基金指数 3 年滚动年化收益达到 20~30%,目前是 10%,还有空间。

          选择主理人有明确止盈计划的投顾,这样就不用自己操心了,可以一直拿着。投资不是越折腾收益越高,有些时间花在工作和生活上更有性价比。

          海外资产,可以不止盈,定期再平衡为主。尤其投资海外成熟市场的基金,波动率比较低,止盈的意义不大。

          1、

          先说可以不止盈的情况。

          大伙如果习惯在 A 股投资,容易有必须止盈才能留住利润的思维惯性。但实际上,止盈是有前提的。股票市场越成熟、波动越小,止盈的价值越低,甚至会拖后腿。

          假设一个极端情况,某笔投资没有波动,就稳稳每年涨 6%,就任何时间都不该止盈。

          所以如果资产波动比较低,比如投向美股、欧股的 QDII 基金,我更倾向不止盈。重点关注自己什么时间用钱,平时再平衡,用钱前 3-5 年开始分批变现即可。

          这方面也有统计数据。

          在 A 股过往规律很明显,估值越高,后面几年预期收益越低。

          但换到美股,有知有行做过一组历史回测:在不同估值时买入标普 500,再持有 8 年。结果发现,高估时买入,相比正常估值买入,并没有明显更差 👇 这也是我不愿意仅仅因为「感觉贵了」,就卖出美股宽基指数的原因。

          大伙可以观察下,美国写给普通人的理财书几乎不讲止盈,都是定投然后一直拿着,最多定期再平衡一下。直到用钱前几年。朴实且枯燥。

          反过来波动越大,高点越高、低点越低,高点会透支未来涨幅,止盈才有意义,能帮我们留住利润。

          过去几年,投资 A 股的伙伴经常后悔「当初应该止盈的,现在利润都吐回去了」。而买过美股的伙伴经常后悔「当初不该卖的,错过这么多收益」。

          2、

          说两个我比较认同的止盈思路。

          相对容易估值的资产,比如指数基金,可以参考 PE 市盈率、PB 市净率和股息率来估值。

          举个更贴近生活的例子,来说明它们都是什么意思。

          假设你想盘下楼下的早餐店。算了一笔账,店铺+设备+存货,减去贷款,净值 50 万,早餐店每年净赚 10 万。老板开价 60 万,想把整家店卖给你。

          市盈率 PE 就是 6 倍:花 60 万,买下一门每年赚 10 万的生意。相当于付了它 6 年利润的价钱。

          市净率 PB 就是 1.2 倍:花 60 万,买下账面值 50 万的净资产。

          每年赚到的 10 万,不一定全能拿回家。假设一半留在店里,更新设备、周转经营,一半拿回家,每年就是 5 万。

          股息率就是 5 ÷ 60 ≈ 8.3%:相对于买店花的钱,每年有多少现金分到你手里。

          同一家店,如果盈利、净资产和分红都不变,老板把报价从 60 万涨到 100 万,PE 就从 6 倍变成 10 倍,PB 从 1.2 倍变成 2 倍,股息率则从 8.3% 降到 5%。

          如果你是买家,肯定希望卖家开价越低越好,也就是希望 PE、PB 低一些,股息率高一些。

          如果后来又有人想买你盘下的早餐店,那你肯定希望对方报价越高越好。所以希望 PE、PB 高一些,股息率低一些。

          虽然还有很多细节没有考虑,比如早餐店今年赚 10 万,未来能不能一直这么赚;店铺净值 50 万,但会不会有价无市,卖不出去……但总的来说,这就是估值基本的逻辑。

          ……

          但也有些资产没那么容易估值,比如主动基金。没法实时知道基金经理持有什么、持有多少,这种情况我更倾向于看历史规律。

          比如回看前几轮行情,代表主动基金的偏股基金指数相比底部的涨幅,我认为值得止盈的大行情,都有 100% 以上的涨幅 👇

          可以参考历史规律再打个折,来做止盈计划。

          主动基金我看的就是这类指标——偏股基金指数三年滚动年化收益,以往达到 30% 就是高点了。可以考虑从 20% 开始分批止盈。

          大伙可能会问,如果计划是 20% 开始止盈,结果涨到 19% 就跌回去,那不怕拍断大腿吗?

          对此我是这么想的:

          如果止盈是为了以后低价买回来,那卖出只做了一半,还要考虑什么时候买回来。卖得合适、买得回来,两件事都做好,比单纯卖出更难。只有涨得足够高,未来低价接回来的空间才足够大。如果跌了 20% 就触底反弹重新上涨,底部我们可能觉得「还要跌,再等等」,很难买回来。

          所以最好等明显高、甚至离谱高再行动。否则就继续拿着,哪怕被说「如果你当时卖了,现在就…」。总想着卖,就拿不住大部分涨幅。总想着回本就卖,就总在回本。

          3、

          也说一个很普遍,但我不太认同的止盈方式——「赚到 XX% 我就卖出」。

          举个有点极端、但很好理解的例子。

          假设现在金价 1000 元/克。一天晚上,朋友急需用钱,但这时候金店都关门了。他等不到明天,愿意每克 500 元卖给你(别怀疑,你就是有这么好的朋友)。

          你买了。

          后来另一个朋友听说了,愿意出更高的 750 元。你要不要「赚了 50% 我就卖」,赚 50% 已经很知足了?

          你大概率不会,因为等到第二天金店开门,就能卖到 900 多。

          假设情况反过来,你被人忽悠了,1000 元金价,你 1100 买的。这时候有个更傻的,愿意 1200 从你手里买走,你要不要「等赚 20% 再卖」?

          现实情况比这个更复杂,不像金价,我们很难准确估计手里的基金当前值多少钱。但根本问题在于——赚多少取决于买入价格,这和该不该卖是两码事儿。

          所以我还是更倾向于前面的估值方法,去模糊判断目前「金价」是多少,而不是自己目前赚了多少。

          4、

          止盈前,还有个问题值得提前想一想:卖出来的钱,准备干什么?

          不然容易拿着投资时想卖,变成现金后又觉得烫手,再到处问:“现在手里有一笔钱,应该怎么配置?”

          如果这笔钱要拿去消费、改善生活,那很好,投资完成了它的任务,投资就是为了更好地生活。但如果它依然是笔长期闲钱,卖出以后,我们还得继续打理它。

          因为怕跌而卖出,又因为怕错过而买入,很容易折腾一圈,回到原来的位置。

          所以我会尽量在卖之前,先想好这笔钱的下一步。留作生活费、降低风险、等待便宜,或者换入更合适的投资,都可以。关键是想清楚,为什么这么做。

          换个角度看,很多投资之所以一直拿着,也是因为如果变成现金,我还是想买它们。

          5、

          因为未来无法预测,我们很难找到一个完美的止盈计划。

          没卖,跌了,会后悔当初没止盈;卖了,继续涨,会后悔跑得太早。卖掉一半,涨了嫌卖多了,跌了嫌卖少了……总能事后找到一个「当初那样做就好了」的更优解。但做决定时,我们并不知道后来会发生什么。

          所以制定止盈计划时,我会尽量把几种可能都想一遍:继续涨怎么办,跌回去怎么办,卖完一直等不到买回的机会又怎么办。

          把各种后悔遗憾放在一起比较,选一个总体上后悔最小、自己能执行下去的方案。

          比如对我来说,没到止盈条件就跌回去,虽然会遗憾,但这笔钱暂时不用,我愿意继续持有。反而如果早早卖掉,后来错过收益、一直买不回来,可能更让我难受。所以我的计划会倾向于多拿一会儿,等明显高估再分批行动。

          大伙的用钱时间、承受能力不同,选出来的方案也可能不同。

          最理想的情况是,即使后来发现“当时换个做法会赚得更多”,也能坦然说:考虑到当时知道的信息和自己的情况,这个结果我也可以接受。 

          跳转微信打开

          The Batch: 982 | 法律、新闻和金融领域的定制模型

          2026年9月10日 12:45

          原创 DeeplearningAI 2026-09-10 12:45 北京

          Hi~新朋友,记得关注我们哟

          Thomson Reuters推出了一个专有的大语言模型系列,名为 Thomson。它基于 Qwen 模型构建,采用定制的数据工程和重新训练流程,旨在比通用 LLM 在法律和金融等领域提供更准确、更完整的回答。

          ● 最新消息:公司将 Thomson 构建为一个领域专用模型,专注于法律、商业、税务、金融、新闻及相关知识工作领域。Thomson 将首先部署在Thomson Reuters现有产品之一 CoCounsel Legal 中,这是一款用于研究、分析和起草文档的工具。之后,它还将扩展到其他Thomson Reuters产品上(未公布日期)。

          ✴ 输入/输出:文本输入(最多 262,000 token),文本输出

          ✴ 架构:专家混合(Mixture-of-Experts)Transformer,3970 亿参数,每个 token 激活 170 亿参数

          ✴ 性能:Thomson-1.0-Large 在税务、法律和新闻内容上的完整性与事实性方面都略微优于 GPT-5.4 和 Claude Sonnet 5;在开放网络内容的事实性上,两者都高出约 15 分;Thomson-1.0-Small 也同样优于 Gemma4-31B 和 Claude Haiku 4.5。

          ✴ 可用性:仅面向企业客户。

          ✴ 权重/许可:Thomson-1.0-Large 是专有模型,但一个 350 亿参数版本 Thomson-1.0-Small 将作为开源权重模型在 Hugging Face 上发布,供学术和非商业用途使用

          ✴ 未披露:价格

          ●工作原理:公司在 Qwen3.5-397B-A17B 之上构建了 Thomson-1.0-Large,后者是一个经过指令微调的开源权重模型。它采用了研究人员所称的“持续学习”(Continual Learning)方法,即结合全权重中期训练和微调,并在公司大型数据语料库的一个选集上进行训练。公司在新闻稿中披露,其三个月内的总训练成本为 4000 万美元。

          ✴ 研究人员重新对齐了 Qwen,使其更好地反映公司的风格与价值观,包括新闻客观性。他们通过直接偏好优化(DPO)将模型对齐到一套宪法。该宪法是开源的,可用于类似项目的适配或修订。

          ✴ 为了获得领域专业能力,Thomson Reuters及其合作伙伴 DatologyAI 从 19 万亿 token 的候选池中整理出一个 2000 亿 token 的中期训练数据集。训练数据大致由三部分组成:精选的专有文档(新闻、监管文件、判例法、合同)、成功专业任务的合成数据对,以及选取的通用能力材料。

          ✴ 研究人员使用 DPO 对模型进行了最终一轮对齐训练,并提升了智能体式深度研究中的准确性和效率。他们还使用组序列策略优化(GSPO)来管理上下文压缩和文档缓存,以避免上下文窗口过载或触发冗余 API 调用。

          ✴ Thomson-Small-1 采用类似方式训练,基座模型为 Qwen3.6-35B。

          ✴ 公司强调其以数据为中心的流程,以及对齐、中期训练和后训练方法的组合。公司表示,未来版本的 Thomson 可能会使用替代基座模型——或许是 Inkling Large ——同时会使用比目前 Thomson Reuters 语料库 10% 更大的数据集进行训练。

          ● 新闻背后:Thomson Reuters 长期以来一直在其面向法律和金融专业人士以及政府机构的产品中使用 AI,但其最新的 AI 产品是首个 LLM。公司正承受来自 Harvey 和 Legora 等新兴 AI 原生公司,以及来自 OpenAI、Anthropic、Google 等提供多种产品替代方案的通用 LLM 和智能体的双重压力。

          ✴ Thomson 的聚焦程度不如 Harvey 的新法律模型 Tenet 那么狭窄,但其数据语料库更大,涵盖新闻、商业、税务和金融。公司还表示,Thomson 在特定基准上的表现聚焦度也较低,其中包括 Harvey 颇受欢迎的 BigLawBench 和 LAB(Legal Agent Benchmark)。

          ✴ CoCounsel Legal 是一款 AI 助手,利用专有信息以及用户自己的文档来执行法律任务,例如研究问题、比较文档以及创建事件时间线。Thomson 现在将成为 CoCounsel 内部某些功能的底层模型,而其他功能则仍将依赖包括 Anthropic Claude 在内的专有模型。CoCounsel 各个版本的价格未公开,但公司声称该产品拥有超过一百万客户。

          ●重要原因:Thomson 论文作者认为,他们面向领域特定 LLM 的方法代表了一种特殊形式的主权 AI,但这是企业层面而非国家层面。Thomson Reuters 不会把数据交给更大的 AI 公司并受其基础设施与数据保留政策约束,而是将模型授权给在自有硬件上运行这些模型的公司,从而确保敏感数据永远不会离开本地。此外,其模型还可借助 Thomson 的中期训练方法,在企业私有数据上进一步训练,而无需承担预训练的高成本,也不必依赖像 LoRA 这样成本较低但效果相对有限的微调方法。

          ● 我们在想:模型定制对于广泛的 AI 应用来说仍然是一个令人兴奋的前景,而开源权重模型的日益普及为团队试验这些模型奠定了重要基础。不过,像Thomson Reuters 这样的公司仍需向客户证明,鉴于性能提升相对有限,它们的产品值得这个价格。

          点击下方阅读原文查看更多有趣内容哦~

          阅读原文

          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

          ❌