铃阅
❌

阅读视图

奇舞周刊第598期:别只盯着 AI Coding,真正的变化发生在整个研发流程

原创 小编 2026-10-16 15:29 北京

奇舞推荐

■■■

别只盯着 AI Coding,真正的变化发生在整个研发流程

本文以腾讯 OK 平台的实践为背景,讨论 AI 如何从辅助写代码,进入需求理解、实现、验证和交付的完整研发流程。方案强调先将需求与验收条件结构化,再约束 Agent 的修改范围,通过质量门禁、关键路径测试和代码审查形成反馈闭环,并把可复用经验沉淀为知识资产。文章将关注点从代码生成速度转向需求交付质量,为团队设计 AI 研发流程、确定人工介入节点和建立质量标准提供参考。

我们放弃了“全自动生成代码”——网盘 Coding Agent 落地与迭代实录

本文复盘了百度网盘团队将 Coding Agent 接入真实研发流程的探索。早期方案按需求分析、技术设计、任务拆分、代码生成和质量检查依次执行,但未经确认的需求、缺失的历史约束和未就绪的外部接口,会让错误沿流水线不断传递。团队因此转向人机多轮反馈的 Agentic Engineering Loop:执行前识别歧义与待确认项,执行中分轮验证,通过过程记录和统一状态视图帮助开发者及时介入。文章揭示了“流程跑通不等于交付正确”,并讨论如何重新划分人、Agent 和工程工具的职责。

Agent 不能只记录调用了什么,还要记录为什么调用|KDC 系列 03

本文从用户询问退款条件、Agent 却直接执行退款的案例出发,说明工具调用成功并不意味着业务行动正确。文章提出用可审计的判断记录连接目标、知识、证据、风险、授权和执行结果,并区分 Tool、Skill 与 Capability,分别承担具体操作、业务步骤组织和行动治理职责。核心不是保存模型完整的内部思维,而是让系统能够检查行动依据和授权条件。这套探索性设计思路,为业务 Agent 的权限控制、人工确认与事后追溯提供了参考。

技术实践

■■■

淘宝AI购物助手在线评测落地实践

本文介绍淘宝购物助手如何将 LLM-as-a-Judge 从离线实验推进到日级线上评测。面对多业务域、多轮对话和持续变化的数据,团队围绕数据清洗、分布式推理、评测标准、结果聚合及人工校准建立完整流程,并将数仓逻辑与推理工作流解耦。文章还讨论了上下文过长、重复回刷和评测分母污染等工程问题,说明低分可能来自数据或评测标准,也可能来自 Agent 本身。核心启发是:可信评测不仅依赖模型能力,更依赖数据质量、判定口径和持续校准。

给270万行代码开“上帝视角”:Agent 自主定位根因实践

本文围绕腾讯广告复杂商品数据链路的排障问题,介绍如何利用 Agent 辅助跨服务根因定位。由于异常会沿数据流和调用链传播,问题表象与故障源往往不在同一位置,单看局部日志难以还原全貌。方案以系统拓扑、服务依赖和代码信息为知识基础,连接问题发现、根因分析、受控修复与经验沉淀,让后续排查能够复用既有处置知识。文章重点展示了系统级上下文对 Agent 排障的价值,以及自动修复中保留控制边界的必要性。

从海量用户行为中挖掘 LLM 智能,十项基准全线提升

本文介绍小红书的 Vela 框架,探索如何从海量用户行为中提取大模型可学习的训练信号。方案将匿名化、脱敏后的用户行为历史转换为训练任务,研究用户理解能力的训练对其他任务表现及后续强化学习的影响。相较于只依赖人工指令或合成问答,这项工作提供了一种从行为序列构造训练数据的思路。文章适合关注数据工程、用户理解与模型后训练的读者,阅读重点在于行为信息如何转化为学习任务,以及这些训练信号能否带来跨任务的能力迁移。

淘宝直播数字人互动Harness-Aware Training实践:让Agent Model随Harness一起进化

本文讨论直播数字人互动中,模型如何适应持续变化的 Agent 运行环境。实际系统中的 Prompt、Skills、Hooks 和工具配置都会迭代,仅提升模型在固定配置下的能力,未必能保证部署后的稳定表现。团队将运行环境变化纳入训练分布,通过监督微调、On-Policy Distillation 和强化学习等阶段,推动模型同时学习任务能力与环境适应能力。文章将模型训练和 Harness 工程联系起来,为理解低延迟业务模型的训练、部署及协同优化提供参考。

拓展边界

■■■

从单服务到跨应用工作流:小红书 AllSpark 提出 CompoWorld,探索组合式环境扩展

本文介绍小红书 AllSpark 团队提出的 CompoWorld,探索如何通过组合可复用服务扩展 Agent 的训练环境。单个工具调用通常只覆盖局部操作,而真实任务往往需要跨应用传递信息、处理依赖并完成多个步骤。该工作从工具规范与服务构建出发,组织服务之间的依赖关系,进一步生成跨应用任务,用于模型训练与评测。文章提供了一个新视角:Agent 能力提升不仅来自更强的模型,也来自训练环境的丰富程度,以及任务是否覆盖真实工作流的组合与协作要求。

淘宝 TaoMate-H3 开源:三步生成「分钟级」音视频连续创作

本文介绍面向连续音视频创作的 TaoMate-H3,关注生成时长扩展后的一致性、音画同步与推理效率问题。方案结合少步生成 LoRA、分块自回归和持续音视频 KV 缓存,使生成过程能够分段推进,利用前序信息保持连续性,并通过音频引导协调声音与画面。项目提供推理代码和权重,便于进一步研究具体实现。阅读时也应区分模型计算耗时、首段潜变量生成时间和首段可播放视频的等待时间,避免将不同延迟指标混为一谈。

SSR-Merge:把 LoRA 合并从“参数算术”变成“信号路由”|ICML 2026

本文介绍 SSR-Merge,尝试解决多个 LoRA 直接进行参数合并时的能力干扰问题。其思路从参数空间的平均与加权转向信号空间的路由:利用校准数据的统计信息构造解析路由器,通过流式统计降低处理成本,再将结果重参数化为标准 LoRA,避免额外引入运行时路由开销。文章为理解模型合并提供了不同角度:关键不仅是参数如何相加,还包括不同适配器产生的信号如何协调,适合关注参数高效微调与多能力融合的读者。

-END -

如果您关注前端+AI 相关领域可以扫码进群交流

图片

添加小编微信进群😊

关于奇舞团

奇舞团是 360 集团最大的大前端团队,非常重视人才培养,有工程师、讲师、翻译官、业务接口人、团队 Leader 等多种发展方向供员工选择,并辅以提供相应的技术力、专业力、通用力、领导力等培训课程。奇舞团以开放和求贤的心态欢迎各种优秀人才关注和加入奇舞团。

图片

跳转微信打开

  •  

mattpocock-skills 上手指南:从安装配置,到把一个需求做完

小编 2026-09-23 17:39 北京

把一个需求交给 Claude Code 或 Codex,写出代码只是其中一步。需求没讲清楚,后面就会反复改。任务太大,一个会话聊不完,下个会话还要重新解释。到了验收,又得回答那个绕不开的问题——凭什么说它已经做好了?

mattpocock-skills 把这些工作分别交给不同的技能处理,再将它们接成流程。你可以让助手追问需求、整理规格、拆分任务、按测试推进实现,也可以单独调用诊断、评审、调研或交接技能。

这套技能由 Matt Pocock 维护,面向使用编程助手做真实项目的开发者。Skill 在这里是一份助手可以读取并执行的工作规程,规定要做哪些动作、留下什么产物、什么时候进入下一步。执行能力仍然来自 Claude Code、Codex 和你的项目环境。

本文按项目 v1.2.3 的技能集合展开,安装方法采用仓库当前的安装说明。

读完这篇,你应该能做三件事:把技能配置到一个项目里,为手里的问题选对入口,并沿着一条适合它的流程做下去。

先看全貌:你手里的工作应该从哪里开始

不用先背下所有技能。先判断你现在卡在哪一步。

flowchart TD
    A[手里来了一件工作] --> B{现在最需要解决什么}
    B -->|不知道该选哪个技能| R[ask-matt 推荐入口]
    B -->|需求还没想清楚| G[grill-with-docs 澄清需求]
    B -->|小改动且要求明确| I[implement 实现]
    B -->|已有疑难故障| D[diagnosing-bugs 诊断]
    B -->|外部反馈堆积| T[triage 分诊]
    B -->|项目太大且方向模糊| W[wayfinder 建决策地图]
    B -->|代码越来越难改| H[improve-codebase-architecture 找改进机会]
    G --> S[to-spec 形成规格]
    W -->|关键决策已明确| S
    S --> K[to-tickets 拆解工单]
    K --> I
    T -->|形成可执行工单| I
    H -->|选定改进项| G
    I --> V[tdd 与 code-review]
    V --> F[处理发现并提交]

图里的箭头表示工作如何衔接。需要人手动调用的技能,仍然由你启动,不能把这张图理解成输入一次命令就会自动跑完全部步骤。

实在拿不准,就先找 ask-matt。给它当前目标、已有材料和卡住的地方,它会推荐合适的入口。它承担的是导航职责,选择之后再调用相应技能。

安装只做一次,项目配置要分别做

这里有两个不同的动作。安装让助手拥有这些技能,配置让技能知道这个项目的任务和文档应该放在哪里。

Claude Code:安装插件

在终端执行:

claude plugins install mattpocock-skills

也可以在 Claude Code 会话里执行:

/plugin install mattpocock-skills

Codex 或其他兼容助手:通过 skills.sh 安装

在终端执行:

npx skills@latest add mattpocock/skills

安装器会让你选择技能,以及安装到哪个编程助手。请把 setup-matt-pocock-skills 一并选上,后面要用它配置项目。

如果只准备试一个技能,可以按名称安装:

npx skills@latest add mattpocock/skills --skill=grill-with-docs

不过,组合流程还会使用其他技能。刚上手想跑通完整流程,选择整套更容易避免缺少依赖。采用 skills.sh 安装的单个技能,可按项目给出的方式更新:

npx skills@latest update grill-with-docs

插件和 skills.sh 两条安装路线选一条。

怎么调用,先认清两种技能

有些技能必须由你明确点名(显式调用),负责决定工作进入哪个阶段。有些技能允许助手在任务匹配时自行使用,也可以由你点名使用。

本文把前者标成「手动」,后者标成「可自动」。可自动不等于每次必然触发;某一步必须使用哪个技能时,直接说明最清楚。

调用时,先从助手的技能选择器选中目标技能,再输入需求。文章后面会用「使用某技能……」展示要发送的内容。

安装后的第一项检查也很简单:在目标助手中确认能找到 setup-matt-pocock-skills 和 ask-matt。入口没有出现,就还没到执行流程的阶段。

第一次进入项目,配置三件事

打开你准备开发的项目,调用 setup-matt-pocock-skills。它会先查看项目已有约定,再展示建议和拟写入的内容,经过确认后保存。

flowchart LR
    A[打开目标项目] --> B[运行 setup-matt-pocock-skills]
    B --> C[检查已有约定]
    C --> D[确定任务存放位置]
    D --> E[按需确定分诊标签]
    E --> F[确定业务文档布局]
    F --> G[展示草稿并确认]
    G --> H[保存配置供后续技能读取]

你需要理解的选择有三个。

配置项

实际决定什么

怎么选择

任务跟踪方式

规格、工单、进度和讨论放在哪里

团队已经用 GitHub 或 GitLab,就沿用;个人项目可选本地 Markdown

分诊标签

用什么名称表示待处理、缺信息、可交给助手等状态

已安装 triage 才配置;已有团队标签就映射到原名称

业务文档布局

业务术语和重要决策保存在哪里

一般项目用一套共享文档;确有多个业务上下文的大型仓库再考虑分开

GitHub 方案通过 gh 操作,GitLab 方案通过 glab 操作。相应工具需要能够访问目标仓库。选择 Jira、Linear 等其他系统时,你要把实际操作方式告诉它;配置会记录这种约定,外部工具的访问能力还需要环境提供。

如果你只想在个人项目里试用,可以这样开始:

使用 setup-matt-pocock-skills 配置当前项目。
任务使用本地 Markdown 管理。
如果需要分诊标签,采用默认名称。
这是一个普通单项目,沿用已有文档约定。
请先展示发现和配置草稿,再写入。

配置结束后,应当能回答:以后新需求写到哪里,工单放在哪里,业务词汇和重要决策去哪里找。

本地任务方案默认把规格和独立工单放在 .scratch/ 下。CONTEXT.md 保存共享业务词汇,ADR 保存重要架构选择及理由。CLAUDE.md 或 AGENTS.md 中会留下指向配置的入口。这些是使用时需要认识的产物,不必自己从零设计目录。

已有说明文件会被沿用;两者都不存在时,技能会询问创建哪一个。普通单项目一般采用单一业务上下文,只有发现多包仓库等信号才需要讨论更复杂的布局。

如果启用了分诊,默认状态如下:

状态

含义

needs-triage

尚未判断如何处理

needs-info

信息不足,还需要补充

ready-for-agent

可以交给助手执行

ready-for-human

已明确需要人来处理

wontfix

决定不处理

这些配置通常每个项目做一次。以后想换任务系统、重做配置,再运行 setup;普通配置内容也可以直接编辑。

最常用的一条流程:把任务看板做出来

用一个具体需求串起来。假定你已有一个 Web 项目,现在要增加任务看板,支持创建任务、查看列表和变更状态。

这句话还不足以直接当验收标准。任务属于个人还是团队?谁能修改状态?删除之后能不能恢复?第一版是否包含拖拽?这些选择会改变后面的实现范围。

需求还模糊,先用 grill-with-docs

你可以这样发起:

/grill-with-docs 帮我澄清当前项目的任务看板需求。
初步想支持创建任务、查看列表和变更状态。
请结合现有项目,帮我确定第一版范围、业务规则和验收条件。

它按问题之间的依赖分轮追问,并在过程中整理共享术语、记录必要的重要决策。

这一阶段的结束标志,应当是能说清楚第一版让用户完成哪些动作、有哪些限制、哪些事情暂时不做。

grill-with-docs 内部组合了两种能力:grilling 负责怎样追问,domain-modeling 负责怎样把业务概念说准、保存下来。

聊不出答案,就做一次 prototype

任务状态怎么流转,有时靠描述很难判断。页面布局也是,看到了才知道是否顺手。这时可以先做一个小原型,只回答那个悬而未决的问题。

/prototype 做一个任务状态流转的交互演示。
我想检查待办、进行中、已完成之间允许怎样转换。
每次操作后展示当前状态,方便我们检查规则。
这次只回答状态设计问题。

prototype 有两类主要产物。逻辑和状态问题可以做成单个 HTML 演示;界面问题可以提供多种差异明显、能够切换比较的方案。

它采用一次性原型的实现标准,目的是快速验证设计。确认的结论要回到正式需求里,原型本身会作为决策依据保留在独立分支。

按项目推荐的跨目录流程,离开原讨论前用 handoff 写交接材料,在新会话做原型,再把结论交接回原会话。原型回答了问题,就回到需求主线。

用 to-spec 把讨论变成规格

/to-spec

to-spec 主要综合已经讨论过的信息,不重新展开一轮需求访谈。但它仍会就必要的测试边界等内容与你确认。

所谓测试边界,就是从哪里观察系统,能够证明行为正确。完成这一步,应当得到一份明确的规格,以及它在任务系统里的链接或本地产物位置。

测试边界:先复用一个高层 seam

这里的 seam,可以理解为“观察或替换模块行为的位置”。优先复用已有、层级最高的 seam,例如从应用服务进入后,让一次测试穿过领域逻辑和数据库:

flowchart LR
    A[用户请求] --> B[[应用服务 · 高层 seam]]
    B --> C[领域逻辑]
    C --> D[数据库]

这样更接近真实使用路径,也能同时验证参数传递、模块协作、状态变化和错误处理。seam 越多,通常就越多测试入口、mock 数据、接口契约和维护成本;分别测通内部各层,仍可能漏掉模块连接起来时的问题。高层 seam 还会把实现细节藏在稳定接口后,内部重构时不容易牵连测试。

“越少越好”不是硬性数字。只有在存在不同实现或适配器、独立变化或部署需求,或者高层 seam 无法稳定复现局部失败时,才增加 seam。判断新 seam 是否值得保留,可以问:它两侧是否真的存在两种会变化的实现?只有一个实现时,新增的往往只是间接调用;两个可替换的适配器,才说明这里有真实边界。

用 to-tickets 拆成可独立验证的任务

/to-tickets

它要求任务「窄而完整」,能穿过相关层形成可验证的结果。这叫垂直切片。

为了说明切片方式,下面是假定第一版已经确定了相关行为、spec后的。

flowchart TD
    A[A:创建任务并能在列表看到] --> B[B:修改任务状态并验证刷新后保留]
    A --> C[C:筛选列表并验证结果]
    B --> D[D:完成剩余验收项]
    C --> D

第一张工单就有用户可观察的结果。它可能同时涉及页面、接口、存储和测试,但范围只覆盖创建并看到任务这一条路径。

B、C 都依赖 A。只有依赖已经完成,后面的工作才具备开始条件。没有依赖的工单可以被分别领取。

每张工单开新会话,用 implement 实现

需求讨论、规格和工单拆分尽量保持连续。到了逐张实现工单时,开启新的会话,把目标工单的链接或文件交给助手。

/implement 实现「创建任务并能在列表看到」这张工单。

下一张工单再用新的会话处理。工单应该能够独立承接实现所需的信息,前一张工单的聊天记录可以留在前一个会话里。

implement 在适用时使用 tdd,定期运行类型检查和单个测试文件,结束时运行完整测试,再调用 code-review,处理发现后提交到当前分支。

flowchart TD
    A[读取工单及规格] --> B[在适用处使用 tdd]
    B --> C[写一个失败测试]
    C --> D[运行并确认暴露目标缺口]
    D --> E[写最小实现让测试通过]
    E --> F{本工单行为是否完成}
    F -->|还有行为| C
    F -->|已完成| G[运行完整测试]
    G --> H[code-review]
    H --> I[规范检查]
    H --> J[需求检查]
    I --> K[处理评审发现并验证]
    J --> K
    K --> L[提交到当前分支]

这里的测试有两条很实在的要求:先看到失败,再写让它通过的实现;预期结果要来自需求或独立的正确依据。

评审则分别检查「是否符合项目规范」和「是否实现原始需求」,两个方向由独立的子助手处理并分别报告。

其他常用流程,按遇到的问题挑

Bug 难复现:diagnosing-bugs

把实际症状、触发条件、已经观察到的证据交给它:

/diagnosing-bugs 诊断任务状态偶尔回退的问题。
表现是状态修改成功后,刷新页面有时又回到原状态。

这段是提示词示例,需要换成你的真实故障。技能的关键要求是,先拿到一条已经执行过、能够暴露目标问题的检查路径。

flowchart LR
    A[建立可重复检查] --> B[复现并缩小条件]
    B --> C[列出可被推翻的假设]
    C --> D[增加观察并验证]
    D --> E{根因是否确认}
    E -->|否| C
    E -->|是| F[修复并保留回归测试]
    F --> G[清理诊断痕迹并记录结论]

结束时看两件事:原来的症状是否被同一条检查路径验证消失,以及是否留下防止它重来的测试。若发现系统缺少合适的测试边界,还可能形成后续架构改进工作。

代码越来越难改:架构扫描 → 选择候选 → 澄清并实施

调用 improve-codebase-architecture,它会寻找能够改进模块边界的机会,并生成可视化 HTML 报告。你选中一个候选后,再围绕它讨论方案。

/improve-codebase-architecture 具体的频繁出错的地方等等

这里会用到 codebase-design 的设计参考。它关心怎样用一个简洁的接口承载足够完整的能力,让调用者少操心内部细节。

确定方案后,再转规格和工单。扫描报告产出的是候选机会,实际改造需要后续执行。

项目太大,连路线都不清楚:wayfinder → to-spec → to-tickets

如果你要做的是一个跨多个会话才能想清楚的新系统,先用 wayfinder 建立决策地图。

/wayfinder,为团队任务协作系统建立决策地图。
目前用户范围、权限和协作方式都还不明确。
请先帮我定义这轮规划的目标。

它的工单主要回答「需要作出什么决定」。有的问题要调研,有的要做原型,有的必须由你回答。尚未清晰到能提问的部分,先留在地图的待明确区域。

flowchart LR
    A[wayfinder 明确规划目标] --> B[建立决策地图]
    B --> C[逐项调研或讨论]
    C --> D{路线是否清晰}
    D -->|否| B
    D -->|是| E[to-spec 汇总成可实施规格]
    E --> F[to-tickets 拆实现工单]
    F --> G[implement]

通常每个后续会话处理一个决策工单,调研工单可以例外并行。路线清楚后,再转成实施规格。决策地图里分散的结论,需要经过这一步整理,才适合交给实现阶段。

要换人、换目录或换助手:handoff

/handoff

它将交接文档保存到操作系统临时目录,引用已经存在的规格、工单和其他产物,并对敏感信息脱敏。新会话读取这份文档,再接着工作。

一般的短任务,留在原会话继续就好。需要把上下文搬到另一个地方时,再使用 handoff。

25 个技能分别做什么

「手动」表示必须由人明确调用;「可自动」表示助手可以在适用时使用,你也可以手动点名。

入口、规划与实现

技能

调用方式

什么时候用

做什么、留下什么

setup-matt-pocock-skills

手动

首次在项目里使用工程流程

配置任务系统、分诊标签和业务文档布局

ask-matt

手动

不知道该选哪个技能

根据当前处境推荐技能和工作路径

grill-with-docs

手动

有项目、需求尚未清楚

分轮追问,收敛需求并维护术语和重要决策

to-spec

手动

已有充分讨论,需要明确规格

综合问题、用户行为、决策、测试方式和范围,发布规格

to-tickets

手动

规格较大,需要分批实现

拆成可独立验证的工单,标明依赖并发布

implement

手动

已有清楚任务或规格

实现、运行检查、调用评审并提交到当前分支

wayfinder

手动

工作太大且方向模糊

建立决策地图,逐步解决前置问题,形成后续规划依据

triage

手动

收到外部原始反馈

判断有效性和信息完整度,设置处理状态并整理可执行说明

诊断、验证与设计

技能

调用方式

什么时候用

做什么、留下什么

diagnosing-bugs

可自动

疑难 Bug、间歇故障或性能回退

建立检查路径,复现、验证假设、修复并补回归测试

tdd

可自动

要按测试逐步构建明确行为

一次一个失败测试和最小实现,以红绿循环推进

code-review

可自动

实现收尾,或评审分支、PR

对照固定比较点,分别检查规范与需求,报告两类发现

improve-codebase-architecture

手动

模块难理解、难改或难测

扫描改进机会,生成 HTML 报告,再讨论选定候选

codebase-design

可自动

需要设计模块接口和测试边界

提供深模块设计参考,帮助控制调用者承担的复杂度

domain-modeling

可自动

业务词汇含混或重要概念冲突

澄清词义、检查业务场景,维护术语表和必要决策记录

prototype

可自动

逻辑或界面靠讨论难以判断

创建可运行演示,验证设计并保留原型依据

research

可自动

缺少外部事实或可靠材料

由后台助手阅读一手资料,留下带引用的 Markdown 调研结果

resolving-merge-conflicts

可自动

已处于 merge 或 rebase 冲突

按双方改动意图逐块处理冲突,再完成当前合并或变基

wizard

可自动

碰到只有人能完成的配置步骤

生成交互式 Bash 向导,引导访问页面、填写配置并保存所需值

wizard 适合账号开通、凭据配置、第三方后台操作这类确实需要人参与的环节。助手自己能完成的普通操作,直接执行即可。research 产出事实材料,业务取舍仍要带回需求讨论。

沟通、交接与学习

技能

调用方式

什么时候用

做什么、留下什么

grill-me

手动

没有项目目录,想打磨计划或想法

通过追问澄清思路,本身不保存项目文档

grilling

可自动

需要复用严密的追问方法

按问题依赖分轮访谈,是多个上层技能共用的追问能力

handoff

手动

换人、换助手、换目录或中途分出旁支

写可携带的交接文档,引用已有产物并脱敏

to-questionnaire

手动

关键答案在别人那里

先确认接收者和所需信息,再生成供对方填写的问卷

wait-what

手动

助手刚才没讲明白

补足必要背景,用更易理解的表达重讲上一条消息

teach

手动

想跨多次会话学习一个主题

围绕学习目标建立课程、参考材料和学习记录

writing-for-agents

可自动

编写技能或助手工作说明

帮助组织步骤、参考材料和完成标准,让指令更容易被执行

grill-me 适合没有项目目录的想法讨论,grill-with-docs 在项目中保留共识,grilling 是它们共用的追问方法。to-questionnaire 用来收集别人掌握的答案,wait-what 则在你没听懂时立即纠正表达。

第一次试用,跑完一个小任务就够了

真正值得验证的,是这套流程能否让你的下一次工作更清楚。

安装并配置好后,挑一个范围有限、做完就能验收的需求。先用 grill-with-docs 确定行为和范围,再经过 to-spec 、 to-tickets和implement。

过程中如果发现问题不是缺代码,而是缺事实,就调研;缺一个能讨论的实物,就做原型;缺别人才能给的答案,就生成问卷。每种技能都有明确的介入理由。

第一轮结束时,对照实际结果检查:任务边界是否比开始时清楚,做完的行为是否能够验证,新会话能否根据工单接手,评审发现是否得到了处理。

这些结果,比安装了多少技能更能说明问题。

mattpocock-skills 的价值就落在这一连串具体动作里。把要做的事说清楚,把工作拆到能验证,把决定留给接手的人,再用运行结果回答是否完成。等这条短流程跑顺了,再把它扩展到更大的项目。

CadenzaOS:https://github.com/SuperTapir/CadenzaOS

PCB Atelier:https://github.com/SuperTapir/pcb-atelier

tapir-skills:https://github.com/SuperTapir/tapir-skills

PCB_lightgraph:https://github.com/tomatorigid/PCB_lightgraph

我用AI编程复刻了老罗的TNT,还顺手做了个万能遥控器……:https://www.bilibili.com/video/BV1qMKg6uEJr

送朋友一张PCB做的贺卡!:https://www.bilibili.com/video/BV11MjE6qEXb

🎉🕯🎂🕯🎉(我的第一块 PCB Art 作品图案取自这位老师的视频):https://www.bilibili.com/video/BV1ihNx61Ewq

从零开始的二次元电路板艺术画设计教程:https://www.bilibili.com/video/BV1CQjz6ZELZ

-END -

如果您关注前端+AI 相关领域可以扫码进群交流

添加小编微信进群😊

关于奇舞团

奇舞团是 360 集团最大的大前端团队,非常重视人才培养,有工程师、讲师、翻译官、业务接口人、团队 Leader 等多种发展方向供员工选择,并辅以提供相应的技术力、专业力、通用力、领导力等培训课程。奇舞团以开放和求贤的心态欢迎各种优秀人才关注和加入奇舞团。

跳转微信打开

  •  

奇舞周刊第597期:Agent 工程与研发实践

小编 2026-09-18 18:50 北京

Agent 工程与研发实践                                                

📄 大淘宝技术|淘宝百亿补贴数据分析助手 Agent 实战

发布日期:2026 年 9 月 4 日

文章介绍淘宝百亿补贴如何在自然语言与 SQL 之间增加业务语义层,并通过多 Agent 编排、知识检索和执行校验串联取数、分析与归因流程。系统先校验字段和指标口径,再生成 SQL,同时结合血缘溯源与 Python 沙箱分析;案例查询耗时由 30—120 秒缩短至 3—10 秒。

📄 腾讯技术工程|DeepSeek Harness 背后的“心脏”:Cordis 到底是什么

发布日期:2026 年 9 月 4 日

文章拆解 DeepSeek Harness 的底层插件框架 Cordis,说明它如何统一管理插件生命周期、依赖关系、事件分发与资源清理。插件通过上下文注册服务和事件,依赖变化可触发生命周期处理;卸载时则执行关联清理逻辑,使模型、工具和会话能力能够动态装配、替换并保持运行时可控。

📄 阿里技术|AI Agent 应用精细化评测:评测体系设计与工程实践

发布日期:2026 年 9 月 2 日

文章将 Agent 评测拆为端到端效果,以及感知、规划、记忆、工具调用等模块指标,并建立评测范围、数据集与埋点之间的映射。端到端指标负责判断任务是否完成,模块指标用于定位具体缺陷。文章还强调,回答是否忠于检索材料,与检索来源本身是否正确,需要分别评估。

上下文与开发工具

📄 字节跳动技术团队|换工具、换 Agent,不换上下文:OpenViking 让研发 Context 始终在线

发布日期:2026 年 9 月 2 日

OpenViking 将资源、记忆与技能组织为统一的上下文文件系统,帮助研发资料在不同工具和 Agent 之间持续复用。内容通过 L0 摘要、L1 概览、L2 详情分层加载,减少完整资料反复进入上下文;会话结束后还能提取长期记忆并保留检索轨迹,便于追踪信息为何被选中。

📄 ByteDance Web Infra|Rslib 1.0 正式发布:面向多场景的 JavaScript 库开发工具

发布日期:2026 年 9 月 3 日

文章发布 Rslib 1.0。该工具基于 Rsbuild,统一 JavaScript 库的编译、类型生成与资源处理,覆盖工具库、组件库和 CLI 等场景,可输出 ESM、CJS 等格式,并支持打包或保留模块结构。类型生成适配 TypeScript 7,开发流程还可与 Rstest、Rspress 等工具组合使用。

📄 腾讯云开发者|删掉 80% 的 Prompt 规则,Agent 交付成功率反而更高了

发布日期:2026 年 9 月 1 日

文章反思依赖超长 Prompt 约束 Agent 的做法,主张把规则分别落实到上下文索引、可信事实来源、工具能力和验证关卡中。这样既能减少提示词负担,也能让关键要求变成可执行、可检查的交付约束。核心思路是让系统承担确定性控制,而不是要求模型记住所有规则并始终正确执行。

产品与业务技术实践

📄 美团技术团队|美团智播——数字人直播技术创新与实践

发布日期:2026 年 9 月 3 日

文章介绍美团智播如何围绕形象生成、动作驱动、流式语音手势协调和直播内容量产构建完整技术链路。系统在换装、换背景时保持人物身份一致,通过因果生成模型提升动作自然度,并配套业务知识库支持实时应答和批量内容生产,展示数字人模型走向商家直播场景的工程化过程。

📄 小红书技术 REDtech|小红书 × vivo 首发!从相册到社交,一文读懂 3D 图片技术实践

发布日期:2026 年 9 月 3 日

小红书与 vivo 基于三维高斯泼溅技术,打通 3D 图片从相册生成、社交发布到移动端消费的完整链路。方案通过几何与外观压缩、结构剪枝和分级细节控制内容体积,并以早期裁剪、并行解码和实例化绘制优化渲染;文中测试设备帧率由 30 FPS 提升至 45 FPS。

📄 搜狐技术产品|广告埋点参数自动化校验的 AI 升级实战

发布日期:2026 年 9 月 3 日

文章介绍搜狐如何在原有广告埋点规则引擎旁增加 AI 校验链路,用于补充跨参数关联等复杂检查能力。新旧链路并行运行,AI 检查设置超时、缓存和熔断,异常时自动回退到确定性规则;结果融合时只补充新发现的问题,不推翻传统引擎结论,从而控制模型接入风险。


-END -

如果您关注前端+AI 相关领域可以扫码进群交流

添加小编微信进群😊

关于奇舞团

奇舞团是 360 集团最大的大前端团队,非常重视人才培养,有工程师、讲师、翻译官、业务接口人、团队 Leader 等多种发展方向供员工选择,并辅以提供相应的技术力、专业力、通用力、领导力等培训课程。奇舞团以开放和求贤的心态欢迎各种优秀人才关注和加入奇舞团。

跳转微信打开

  •  

DeepSeek Harness:从“会回答”到“能持续做事”的 Agent 运行时

小编 2026-09-16 15:43 北京

我们已经习惯向大模型提问:解释一段代码、生成一个函数、分析一次报错。模型往往能给出像样的答案...

我们已经习惯向大模型提问:解释一段代码、生成一个函数、分析一次报错。模型往往能给出像样的答案。

但把问题换成“请把这个项目里的问题修好,并验证结果”,难度就变了。

它需要读取目录、理解约束、定位原因、修改文件、运行测试;测试失败后还要继续排查。任务中途,用户可能改变要求,工具可能超时,上下文可能接近上限,进程也可能退出。

从回答问题到完成任务,中间隔着一整套运行系统。

DeepSeek Harness,简称 DSH,关注的正是这套系统:如何把模型、工具、上下文、任务状态和执行策略组织起来,让 Agent 能够持续推进工作,也能够在必要的时候停下来。

它最有辨识度的设计是 Everything is a Plugin——一切皆插件。模型适配器、工具注册表、会话日志,甚至 Agent 的执行循环本身,都通过插件装配。

本文沿着“一个任务如何被持续执行”这条主线,拆解 DSH 的核心架构,并讨论它的工程价值与现实边界。

阅读范围:本文主要依据本地 DeepSeek Harness 源码、架构文档及配套插件示例撰写。源码快照为 99f6f02,提交日期为 2026 年 8 月 17 日。2026 年 9 月 15 日查阅的官方仓库仍将项目标注为开发者预览版;后续版本的命令、接口和行为可能变化。本文讨论架构与实现,不作性能排名。

一、Harness 到底是什么?

Harness 在 Agent 语境中,可以理解为让模型在真实环境里工作的运行支撑系统。

模型负责理解输入、生成内容、提出工具调用。Harness 负责接住这些输出,并把它们转化为受管理的执行过程。

例如,模型提出“运行测试”,后面至少还有这些问题:

  • 运行哪个工具,参数是否有效?

  • 在哪个目录、哪个执行环境中运行?

  • 当前权限是否允许,是否需要用户批准?

  • 超时、失败或取消之后怎么处理?

  • 工具结果怎样进入下一次模型请求?

  • 执行记录保存在哪里,之后如何恢复和检查?

为了帮助理解,可以写出一个概念性的关系:

Agent 系统 = 模型能力 + 工具能力 + 状态管理 + 执行与控制机制。

这不是严格的数学公式,但指出了一个事实:模型能力只是任务执行的一部分。

同一个模型,置于不同 Harness 中,可能表现出很不一样的做事方式。差别往往来自它能接触什么工具、得到什么反馈、保留哪些历史,以及系统如何决定下一步。

DSH 的定位,就是提供一个可组合、可扩展的 Agent 运行时。官方仓库将其描述为由 DeepSeek AI 开发、基于 Cordis 的开源 Agent Harness,并采用 MIT 许可证。官方仓库

二、先看全貌:一个运行中的 DSH 是怎样拼起来的?

理解 DSH,可以先把它看成五组相互配合的组件:

组成

解决的问题

使用入口

用户或外部程序怎样发起任务、观察进度、进行交互

执行机制

Agent 怎样请求模型、调度工具、继续或结束一轮工作

能力服务

模型、文件系统、Shell、子 Agent 等能力由谁提供

状态与策略

会话如何保存,上下文如何压缩,权限与目标如何管理

Cordis 与配置装配

上述组件怎样挂载、声明依赖、通信和卸载

这是便于阅读的概念分组。实际运行结构是一棵由配置装配出来的插件树。

图 1|DSH 架构总览
图 1|DSH 架构总览

图 1|DSH 架构总览。配置装配运行时插件树,Cordis 管理依赖、事件与生命周期;图中按职责分组。

其中有三个容易混淆的概念。

Profile:一次部署的组合方案

Profile 决定启动哪些 Bundle、安装哪些外部插件,以及采用哪些用户配置。源码提供了 web、headless 等模板。

web 面向浏览器交互;headless 可以执行一次任务而不启动 Web 服务。

Bundle:一组可分发的插件配置与代码

Bundle 把相关配置行和插件代码组织成可安装的单元。

例如,基础 Bundle 提供模型适配、工具、持久化、权限等能力,Web Bundle 再叠加浏览器应用。

Agent Preset:单个会话的能力组合

Profile 面向运行实例,Agent Preset 则进一步决定某个会话中的 Agent 使用怎样的能力集合。

这使同一套运行时可以承载不同用途的 Agent,而不必把差异都塞进系统提示词。

配置还可以分层覆盖。源码中的装配顺序包括 Bundle、Profile 补丁、全局补丁和命令行补丁。需要注意,补丁对目标配置行的 config 采用整体替换,不能想当然地当成逐字段深度合并。

DSH 的产品形态,由一组明确的组件及其配置共同决定。 这也是后续讨论“一切皆插件”的起点。架构文档(本文源码版本)

三、Cordis:让“一切皆插件”成为可管理的运行结构

插件机制并不罕见。DSH 的特点在于:插件化深入到了 Agent 运行时内部。

工具可以是插件,模型适配器可以是插件,负责执行循环的组件同样可以替换。这种结构要求底层框架处理好三个问题:依赖、通信和生命周期。

1. 用服务依赖表达装配关系

Cordis 通过 Context 提供共享服务。例如:

  • ctx.llm:模型调用能力;

  • ctx.tools:工具注册与执行;

  • ctx.sessions:会话与事件日志;

  • ctx.agents:运行中的 Agent。

插件通过 inject 声明所需服务。依赖尚未就绪时,框架会等待相应条件,而不是要求开发者手动猜测启动顺序。

这样,依赖关系就进入了可检查的运行结构。

2. 用事件提供扩展点

DSH 在模型请求、工具执行、回合结束等位置暴露事件。插件可以观察过程,也可以在约定的位置实施策略。

例如:

  • agent/pre-step:决定哪些输入进入下一步;

  • llm/stream:参与模型请求与流式输出链路;

  • tools/pre-execute:执行前检查;

  • agent/turn-stopping:在回合关闭前参与继续执行的决策。

不同事件有不同的分发语义。其中 waterfall 类似中间件链:监听器调用 next() 才会把控制权交给下游。忘记调用,可能会提前截断整条链路。

这说明插件扩展虽然灵活,仍然依赖清晰的契约。

3. 用可回收的注册管理生命周期

工具定义、事件监听器和其他运行时贡献,应通过 ctx.effect()、ctx.on() 等机制登记。插件卸载时,框架据此回收对应资源。

这对动态加载尤其重要:插件撤下之后,不能还残留一份工具定义,或留着一个继续触发的监听器。

这里的“可逆”,有明确范围。

框架能够撤销受管理的注册与资源,已经发生的业务操作则需要另行处理。 插件写过的文件、提交过的数据、发起过的外部请求,不会随着卸载自动还原。

因此,Cordis 提供的是运行结构的生命周期管理;业务回滚仍需要备份、事务或补偿机制。Cordis 入门文档

四、Agent Loop:模型如何从一步走到下一步?

理解持续执行,首先要区分 Step 和 Turn。

一个 Step,是一次模型请求,加上这次请求触发的工具执行。

一个 Turn,是零个或多个 Step 组成的一轮工作。如果输入在进入模型之前被拒绝,这一轮也可能没有任何 Step。

用修复测试失败的任务举例:

  1. 用户提出任务,运行时接收输入。

  2. 模型请求读取相关文件。

  3. 文件工具执行,结果写入会话。

  4. 模型根据结果提出修改。

  5. 修改工具执行,模型继续请求运行测试。

  6. 测试失败信息进入下一次请求。

  7. 模型继续修复,直到给出结果或遇到停止条件。

其中,每次“请求模型,再处理工具调用”构成一个 Step,多次 Step 可以属于同一个 Turn。

图 2|Agent 执行闭环
图 2|Agent 执行闭环

图 2|Agent 执行闭环。工具调用按需发生,结果写入会话并成为后续请求的依据;是否继续由下一步工作决定。

工具输出如何成为下一步的依据?

DSH 不只调用工具,还把调用和结果记录为会话事件,再从会话中派生后续模型请求的历史。

于是,“运行测试失败”成为模型能继续利用的上下文。模型才有机会依据实际报错调整行动。

工具调度也不意味着全部串行。源码区分可并发调用与需要独占执行的调用:适合并行的工作进入有界并发池,需要独占的调用形成执行屏障。

即便部分执行过程重叠,结果仍按模型原始调用顺序提交,避免仅因完成时间不同而打乱上下文。

为什么它不会天然永远执行?

Agent Loop 有明确的停止边界。当工具不再要求后续请求、也没有待处理的下一步输入时,一轮工作可以结束。

回合关闭前,扩展点还允许插件通过新的输入推动下一步。但“不断调用模型”本身不能证明任务在取得进展。

循环负责推进执行;目标管理和验收机制负责回答,还要不要继续、做到什么程度才算完成。

五、持续做事的关键:Goal、子 Agent 与 Workflow

DSH 提供了几种不同层次的持续执行机制。理解它们的分工,比笼统地说“支持长任务”更有价值。

图 3|四种长任务组织方式
图 3|四种长任务组织方式

图 3|四种长任务组织方式。同会话接力、子任务委派、程序化编排与全新执行者接力,分别应对不同任务结构。

1. Goal:在同一个会话中继续推进目标

Goal 服务保存一个当前目标,包括目标状态、版本和已启动的目标轮数。状态变更通过 goal/change 事件写入会话。

单独的 goal-round-driver 插件负责推进:当 Agent 空闲、目标仍处于激活且允许继续的状态、轮数还有余量时,它安排下一轮目标输入。

这意味着,任务不必依赖用户一次次手动输入“继续”。

目标状态与继续执行的权限被分开处理:

  • 目标状态持久保存,恢复后仍能知道此前要做什么;

  • 自动继续的授权只存在于当前进程生命周期中,不会直接随日志恢复。

因此,会话恢复或分叉可以保留目标,却不会仅因旧日志中的目标仍为 active 就自动开始工作;需要显式恢复操作重新激活继续执行。

此外,用户输入会影响自动轮次安排,取消、暂停、阻塞和完成状态也会抑制后续推进。

这是长任务系统中很有价值的一种区分:记得任务,与获准继续执行任务,是两件分别管理的事。

Goal 也有现实限制。该版本主要限制轮数,不能据此推导出固定 Token、费用或时间上限;完成状态由调用方记录,还没有独立验收器替它证明目标已经实现。Goal 服务

2. 子 Agent:把边界清楚的工作委派出去

子 Agent 适合承担能够独立描述和验收的任务,例如检查一组接口、分析某个模块,或审阅一个限定范围的改动。

DSH 为子 Agent 定义统一接口,再提供不同实现:创建全新子 Agent、继承父会话已完成历史的分叉,以及通过 SDK、ACP 或特定外部产品适配器进行委派。

源码中能看到面向 Codex、Claude Code 等执行后端的适配器。实际使用还取决于相应依赖、凭据与运行环境是否就绪。

统一接口的意义是让上层编排减少对具体执行后端的耦合。它不会消除多 Agent 的协调成本:任务拆分、上下文交接、共享文件冲突,以及结果复核,仍需要设计。

3. Workflow:把协作顺序表达成程序

当任务需要“并行分析,再汇总”“逐项处理,再进入下一阶段”时,Workflow 提供程序化编排能力。

本地实现暴露了 agent()、parallel()、pipeline() 等接口,并对并发数、总子 Agent 数和取消流程进行管理。

工作流脚本运行在 Worker Thread 中。这能避免脚本中的同步忙循环阻塞宿主事件循环,也提供强制终止工作线程的手段。

不过,Worker Thread 和 node:vm 在这里不构成安全沙箱;源码文档对此有明确说明。Workflow 实现

4. Ralph:每轮换一个新的执行者

源码还实现了固定策略的 Ralph 工作流:每一轮启动一个不继承父对话的新子 Agent,交给它同一个目标、当前轮次和上一轮的结构化交接报告。

连续性主要依靠共享工作区和交接信息维持。

它与同会话 Goal 的取舍不同:Goal 延续已有上下文;Ralph 让新的执行者重新观察工作成果,同时付出上下文重建的成本。源码要求仅在人类明确请求这种执行方式时使用。

Ralph 返回的完成或阻塞状态,同样属于工作 Agent 的报告,不能当成独立验证结论。

六、会话日志:持续执行背后的事实底座

在长任务中,一个经常被低估的问题是:系统究竟相信哪份记录?

如果模型上下文、UI 展示和磁盘历史分别维护,很容易出现不一致:界面显示工具成功了,模型却没收到结果;恢复之后,某个关键约束又丢失了。

DSH 把只追加的 Session Event 日志放在核心位置。用户输入、模型输出、工具调用与结果,以及目标等状态变化,都可以进入这条事实流。

模型请求历史通过 deriveMessages() 等投影机制从日志中生成。UI、恢复、分叉和持久化也以事件流为基础。

项目强调的约束是:进入模型请求的内容,应能够从日志中重建。

这让排查问题有了具体依据:

  • 它当时读到了什么输入?

  • 发起了什么工具调用?

  • 工具实际返回了什么?

  • 在哪一步选择了继续、结束或报错?

不过,“可重建记录”不等于“重新运行一定得到同样结果”。模型生成可能变化,外部文件、网络服务和运行环境也可能变化。

日志帮助复盘和恢复;外部操作是否成功,仍应以对应系统的状态和验证证据为准。

七、上下文压缩:让任务继续,也要承认信息损失

任务越长,工具输出和历史消息越多。模型上下文窗口有限,运行时必须决定哪些信息继续原样保留,哪些信息需要浓缩。

DSH 的基本压缩实现大致包含三个环节:

  1. 根据当前请求构成和模型容量评估上下文压力。

  2. 在配置了对应裁剪服务时,先缩减过大的工具结果,必要时再对旧历史生成摘要。

  3. 保留近期的完整片段,用摘要替代模型请求视图中的较早区间。

这里有一个重要设计:压缩修改模型看到的历史视图,原始事件记录仍保留在日志中。

“完整保留执行历史”和“每次给模型发送全部历史”因此可以分别处理。

图 4|会话日志与上下文压缩
图 4|会话日志与上下文压缩

图 4|会话日志与上下文压缩。原始事件保留在日志中,压缩后的请求视图由摘要和近期片段构成。

压缩还要照顾工具调用与结果的配对,避免留下孤立的调用或结果,让后续模型请求失去结构上的完整性。

DSH 也关注缓存。很多包的文档会专门解释对 Token 和 KV Cache 的影响。复用稳定前缀有助于缓存命中,但压缩替换了部分历史,会改变相应位置之后的复用边界;摘要调用本身也会产生额外消耗。

上下文管理是一项在信息保留、请求成本和执行连续性之间做取舍的工程工作。 摘要仍可能遗漏约束,因此重要结论、验收命令和交接信息,也适合保存在可重新读取的项目文件中。

持久日志同样不应直接等同于完善的长期记忆系统。跨会话检索、知识更新和冲突处理,还需要额外的组织方式与组件。上下文压缩实现说明

八、能力接缝:为什么它能够替换执行后端?

DSH 用 Capability Seam 描述可替换的能力边界,可以理解为“预留了标准接口的连接处”。

一个完整接缝有三个角色:

角色

职责

Service Definition

定义能力接口和数据契约

Service Provider

提供具体实现

Consumer

使用接口,或把能力暴露成模型工具

以文件访问为例,上层消费者依赖文件系统接口,下层 Provider 决定实际访问本地环境还是某种远端环境。

模型适配、Shell、子 Agent、上下文压缩等能力也采用类似思路。

这种结构带来的收益,是把经常变化的实现放在可替换的边界后面,让调用方尽量保持稳定。

但替换 Provider 需要满足整组契约。特别是文件系统和子进程等能力,需要指向一致的执行世界:读取的是远端文件,执行命令却落在本地,就无法形成可靠闭环。

架构中存在远端适配空间,也不代表某个具体后端已经达到生产成熟度。例如,本地仓库将 E2B 相关部分标注为 POC,应按概念验证实现理解。

九、扩展怎么落地?看一个“用量与余额”插件

当前资料目录中有一个具体示例:为 DSH 增加 Token 用量概览和 DeepSeek 账户余额面板。

这个例子说明,插件机制如何把已有服务连接成用户看得见的功能。

Host 端:读取与组织数据

宿主侧代码读取会话查询、实时投影或持久化投影缓存,聚合模型 Provider 上报的 Token 用量,再通过 RPC 暴露给前端。

账户余额查询则经凭据服务获取密钥,通过 Shell 调用接口,最后返回适合展示的数据。

Client 端:接入已有界面

浏览器侧通过 host.call() 获取数据,将界面注册到侧栏入口、浮层和设置页等插槽中。

这让数据能力和展示位置能够分别扩展。对于这样的功能,开发者无需修改 Agent Loop。

不过,并非每个 DSH 插件都必须包含 Host 和 Client 两部分。纯工具、策略或服务插件可以只提供它需要的那一侧。

图 5|“用量与余额”插件数据流
图 5|“用量与余额”插件数据流

图 5|“用量与余额”插件数据流。Host 侧读取和组织数据,Client 侧通过 RPC 获取结果,再注册到已有界面插槽。

一个细节,体现插件开发的责任边界

示例把密钥通过环境变量传给 Shell,避免在代码中硬编码密钥。但 Shell 展开请求头之后,密钥仍可能短暂进入 curl 的进程参数。

示例 README 已记录这一限制,并提出通过标准输入传递请求头配置的改进方向。

因此,不能把“通过凭据服务读取”直接写成“密钥绝不会暴露”。服务接口提供了集中管理入口,调用方式仍需要开发者审查。

同样,会话用量统计来自本地记录,不应据此声称它覆盖了整个供应商账户的全部消费。

动态插件:把想法变成运行时实验

DSH 提供 cordis_inspect、cordis_define、cordis_run、cordis_stop 等工具,让 Agent 查询可用接口,定义并运行临时插件。

这是一项很有探索价值的能力:Agent 可以在已有服务和扩展点上,临时补充工具、提示词贡献或界面功能。

但该版本的动态定义仅存在于进程内存中,重启后消失,也不会自动变成持久安装的插件。长期保留与分发,仍要走正常的插件开发、测试和安装流程。

将它理解为可交互的运行时扩展实验,比直接宣称“Agent 已经实现自主进化”更符合源码展示的能力范围。动态插件工具说明

十、Plugin、Skill、MCP:分别在扩展什么?

围绕 Agent 的几个常见概念,可以按职责区分:

机制

主要作用

典型例子

Plugin

改变运行时能力、策略或界面

注册工具、增加模型适配器、拦截执行、扩展设置页

Skill

组织可复用的任务方法和操作知识

代码审查流程、文档写作规范、项目排查步骤

MCP

通过协议连接外部工具与资源

接入知识库、业务系统或外部服务

三者可以配合使用。例如,Plugin 提供 MCP 客户端能力,MCP 连接外部系统,Skill 指导 Agent 如何利用这些工具完成业务流程。

选择扩展方式时,可以先问三个问题:

  • 我需要改变运行时行为吗?

  • 我主要是在固化做事方法吗?

  • 我是在连接一个外部系统吗?

明确问题,往往比先寻找插件更有帮助。

十一、控制能力越重要,边界就越要讲清楚

持续执行的 Agent 可以读写文件、运行命令和调用外部服务。它需要把“模型提出操作”和“系统允许操作”分开处理。

DSH 的工具管线包含执行前策略、审批、只能进一步限制调用的 Guard、执行包装、结果处理和日志记录等环节。

按照本地管线文档,当策略要求询问用户时,审批发生在 Guard 检查之前;审批服务缺失或无法给出有效响应时,该请求被拒绝。工具执行还可以受底层文件系统策略和进程沙箱实现约束。

这些机制分别承担不同责任:

  • 策略与审批决定是否允许这次调用;

  • Guard 保留必须执行的限制;

  • 沙箱约束受其覆盖的执行环境;

  • 日志记录模型可见的调用与最终结果。

需要同时记住:同进程插件本身属于运行时信任边界的一部分。 插件框架的可装卸能力,并不自动把不可信插件变成安全代码;动态插件与 Workflow 文档也都明确说明,相关 VM 机制不提供强安全隔离。

“插件卸载”“会话恢复”“沙箱执行”各有作用范围,不能互相替代。工具执行管线

十二、如何评价 DSH 的价值与代价?

从本地实现看,DSH 的价值可以归纳为三个方面。

第一,Agent 的关键组成变得可以分别研究和替换。

开发者可以沿着公开的接口与事件,研究模型调用、工具执行、压缩策略和继续执行机制,减少为了一个功能直接修改主循环的需要。

第二,长任务的状态与控制问题被认真建模。

会话日志、目标版本、执行授权、取消、插件卸载和子任务清理,都有明确的位置。这些机制未必直接提升模型推理能力,却决定了运行系统是否容易理解、恢复和维护。

第三,扩展覆盖了从执行能力到交互界面的多个层面。

同一套插件思路,可以用于增加一个工具、替换一个 Provider,也可以用于增加一块设置界面,为搭建不同形态的 Agent 产品提供基础。

代价同样存在。

抽象会增加学习与排障成本

开发者需要理解服务、作用域、事件、配置层和生命周期。一次“工具没有出现”,可能来自未满足的依赖,也可能来自注册范围或配置覆盖。

这种复杂度是否值得,需要结合产品的变化频率与扩展需求判断。

持续运行会放大验收与预算的重要性

增加轮数并不保证成功。模型可能围绕错误假设反复尝试,多 Agent 也会增加重复阅读与结果整合的成本。

真正有用的验收标准应尽量落到可观察结果上,例如测试是否通过、文件是否生成、接口响应是否符合约定。

在当前实现中,Goal 或 Ralph 记录的“完成”仍不能替代独立验证。

架构潜力需要实际任务验证

本文进行了源码与文档阅读,没有开展任务成功率、Token 消耗或延迟基准测试,因此不据此宣称 DSH 比其他产品更快、更便宜或更可靠。

截至本文核对时间,官方仍提示开发者预览阶段会有破坏兼容性的变更。对于团队应用,兼容性、插件质量、执行隔离和可复现部署,需要一起评估。官方项目状态

十三、从哪里开始理解和实践?

官方 README 给出的 Web 入口是:

npx @deepseek-ai/dsh web

默认 Web 地址为 http://127.0.0.1:3080。需要安装 Node.js,并按所用版本的设置流程配置模型服务与凭据。官方运行说明

第一次实践,可以选择一个边界清楚、可验证的小任务:为一个函数补齐指定边界条件,并运行对应测试。

观察四件事就足够有收获:

  1. 模型如何决定读取哪些文件。

  2. 工具调用与结果如何呈现在会话中。

  3. 测试失败后,Agent 如何继续调整。

  4. 最终结论是否有实际执行证据支持。

如果要阅读源码,可以依次看:

  • docs/architecture.md:建立整体地图;

  • docs/cordis-primer.md:理解插件、服务与生命周期;

  • packages/core/agent-loop:理解 Step、Turn 与工具调度;

  • packages/core/session:理解事件记录与模型历史;

  • packages/goal:理解同会话目标如何继续推进;

  • packages/compaction:理解有限上下文如何承载长任务;

  • packages/subagent 与 packages/workflow:理解委派与编排。

再结合“用量与余额”这样的小插件阅读服务调用和界面插槽,会比一开始遍历所有包更容易建立具体认识。

结语:让模型能力进入一个可持续运行的系统

DeepSeek Harness 把 Agent 的执行过程拆成了一组可以组合、观察和替换的组件。

沿着一个任务向下看:模型负责提出下一步,工具把行动落到环境中,日志保存事实,上下文管理维持工作连续性,Goal 和 Workflow 组织更长的执行过程,权限与生命周期机制约束它们何时运行、何时停止。

这些部分共同决定,Agent 能否把一次有用的回答,延伸成一段有依据的工作过程。

“能持续做事”的衡量标准,是持续取得可验证的进展,并在完成、受阻或失去授权时正确停下。

这正是理解 DeepSeek Harness 最值得抓住的主线,也是构建可靠 Agent 系统时绕不开的工程问题。

CadenzaOS:https://github.com/SuperTapir/CadenzaOS

PCB Atelier:https://github.com/SuperTapir/pcb-atelier

tapir-skills:https://github.com/SuperTapir/tapir-skills

PCB_lightgraph:https://github.com/tomatorigid/PCB_lightgraph

我用AI编程复刻了老罗的TNT,还顺手做了个万能遥控器……:https://www.bilibili.com/video/BV1qMKg6uEJr

送朋友一张PCB做的贺卡!:https://www.bilibili.com/video/BV11MjE6qEXb

🎉🕯🎂🕯🎉(我的第一块 PCB Art 作品图案取自这位老师的视频):https://www.bilibili.com/video/BV1ihNx61Ewq

从零开始的二次元电路板艺术画设计教程:https://www.bilibili.com/video/BV1CQjz6ZELZ

-END -

如果您关注前端+AI 相关领域可以扫码进群交流

添加小编微信进群😊

关于奇舞团

奇舞团是 360 集团最大的大前端团队,非常重视人才培养,有工程师、讲师、翻译官、业务接口人、团队 Leader 等多种发展方向供员工选择,并辅以提供相应的技术力、专业力、通用力、领导力等培训课程。奇舞团以开放和求贤的心态欢迎各种优秀人才关注和加入奇舞团。

跳转微信打开

  •  

让AI接盘老游戏存档编辑器

小编 2026-09-08 11:31 北京

重拾MHXX,手搓属于自己的存档编辑器

我是 MHXX 的多年老粉。想再玩一把,又不太想从 0 开始,于是找到了开源存档编辑器 MHXXSaveEditor,打算给自己省一点时间。

它还能运行,这本该是个好消息。真正用起来,我却发现想改的几个词条没有入口,项目也已经无人维护。

摆在我面前的选择很复古:打开自制系统里的内存查看器,一个字节一个字节地找;或者认输,老老实实重刷。

但现在毕竟是 AI 时代。我开始想,它能不能接过这份没人继续做的维护工作?

打开编辑器,我先被一串字节挡住

我原本以为,存档编辑器应该是一张表单。选择文件,找到“金钱”或“装备”,填入新值,再点一下保存。

真正打开这类工程工具时,看到的却是另一番景象。

MHXXSaveEditor 高级编辑器:已知偏移、Hex 数据、数值解释、研究记录和知识库
MHXXSaveEditor 高级编辑器:已知偏移、Hex 数据、数值解释、研究记录和知识库

画面中央是一整片 Hex 数据。4F 3F 75 00 这样的字节不会主动告诉我自己代表什么。左边的 FUNDS_OFFSET、PLAY_TIME_OFFSET 和角色槽基址,都是维护者经过实验后写下的解释。游戏官方没有提供这样的字段表。

要看懂这个界面,第一关是十六进制。文件地址通常写成 0x126498,字节值也用十六进制展示。我得在文件位置、字节序列和日常使用的十进制数值之间来回换算。

然后是偏移。编辑器不能只记住某个绝对地址,还要理解“角色槽基址加 0x24”这样的相对位置。换到另一个角色槽,基址变了,字段在槽内的位置却可能保持不变。

编码方式又是一关。图里的金钱使用四字节无符号整数,并且采用小端序。人习惯从高位写到低位,文件却从低位字节开始保存。同样四个字节,换一种数值类型或字节顺序,就可能得到完全不同的结果。

还有更隐蔽的问题。同一个金钱数值可能在存档里出现两次,一处供存档界面显示,另一处供游戏逻辑使用。某些字段有合法范围,有些版本还会增加校验。数字看起来改对了,漏掉关联字段,游戏仍可能拒绝读档。

这些知识对原作者来说也许早已成了直觉。对第一次接触项目的人来说,每个术语都要现查,每次写入都像在碰运气。

我以为只是少了一个输入框

既然编辑器已经能读取和保存存档,缺一个词条,大概只是界面上少做了一个输入框。起初我确实这么想。

看进代码以后才发现,输入框其实是最后一步。在它出现之前,维护者要先证明这个游戏词条藏在哪几个字节里、怎样编码、有没有同步副本,以及修改后游戏是否接受。

常用的研究方法叫作基于控制变量的黑盒差分分析。名字有点长,做法倒不难理解:一次只改变一个游戏状态,然后比较操作前后的两份存档。

假设要找金钱字段,可以先保存一份存档,进入游戏,只购买一件价格为 20z 的道具,然后再保存一份。两份文件分别作为 before 和 after。接下来逐字节比较,找出发生变化的位置,再看哪些变化可以解释成“金钱减少 20”。

麻烦在于,存档不会只记录我有意改变的东西。如果测试期间整理了背包、切换了地图,或者只是在游戏里多停留了一会儿,文件里都会混入额外变化。游戏时间、界面状态和内部计数一起改变,真正要找的字段很快就会埋进噪声里。

发现候选以后,还不能马上把它写进编辑器。维护者要判断它属于哪个角色槽,确认编码方式,检查附近有没有同步副本。然后复制一份测试存档,只修改尽可能少的字节,再放回游戏验证。只有结果符合预期,偏移和对应词条才有资格进入知识库。

与此同时,代码也得继续维护。导入导出逻辑要兼容文件格式,解析代码要处理越界和异常,界面要把偏移、数值与实验记录连起来。知识库更新以后,读取工具、测试用例和说明文档也要跟着变。

一轮研究可能拖上几天。中途最容易丢的,往往是那些没有正式记下来的判断:这两份存档做过什么,为什么排除了那个地址,眼前的结论究竟验证过没有。维护者一旦离开,后来的人只能重新翻 Hex、读代码、猜注释,再走一遍旧路。

到这里,问题已经很清楚了。时间主要花在制造样本、比较差异、记录排除理由和准备下一轮实验上,输入框只是最后的一小步。这些工作有固定规则,数量又大,很适合让 AI 参与。

我没有先让 AI 修改存档

我先给 AI 搭了一张研究工作台。

MHXX AI Research Studio 研究工作台:AI 提交候选与实验方案,等待人工审批后再生成测试副本
MHXX AI Research Studio 研究工作台:AI 提交候选与实验方案,等待人工审批后再生成测试副本

研究工作台和高级编辑器共用同一份研究状态,但分工不同。高级编辑器负责查看 Hex、已知偏移、数值解释和 known-offsets 知识库;研究工作台负责显示当前阶段、AI 提交的候选与证据,以及等待人工处理的审批和验证任务。研究者既能钻进字节细节,也能随时退回流程视角,确认现在为什么停在这里。

一次研究从两份成对存档开始。人要说明这次实验改变了什么,比如“购买一件 20z 的道具,其他操作保持不变”。工作台登记文件指纹和实验参数,生成一份不可变的差分结果,然后统计变化区域,尝试用不同方式解释数值。

AI 通过 MCP 或 JSON Lines 接入。它不用模拟鼠标点击,而是拿到少量语义明确的工具:查看研究状态、读取候选、分析证据、提交推理,以及申请推进下一步。

图 1:研究者通过工作台提供样本,外部 AI 经过受控通道参与分析,研究控制面负责检查权限并推进状态
图 1:研究者通过工作台提供样本,外部 AI 经过受控通道参与分析,研究控制面负责检查权限并推进状态

AI 进入的是研究流程,不是存档目录

从图里看,研究者和工作台在左侧,外部 AI 在中间,右侧则是一套研究控制面。AI 没有直接连到存档目录,也不能绕过工作台调用底层读写功能。它只能沿着中间这条受控通道参与研究。

流程从人开始。研究者在工作台中选择一项研究,导入 before 和 after 两份样本,并写下这次实验改变了什么。工作台先把它们整理成差分、候选位置和数值解释,再把这些已经登记过的证据交给 AI。

AI 能做的是阅读证据、比较候选、提交判断,并申请把研究推进到下一步。每次申请都会先经过控制面检查:它读的是不是当前研究的证据,当前阶段是否允许这个动作,这一步会不会触碰人工审批。检查通过以后,控制器才会更新研究状态;一旦流程走到测试写入或游戏验证,就会停在 Human Gate,把决定交还给人。

这样设计的目的不是让 AI 永远判断正确,而是把它放在一个后果可控的位置。模型可以换,提示词也可能跑偏,但它拿到的始终是同一组受限能力。错误的判断可以被记录、复查和推翻,却不能直接变成对原始存档的修改。

面对上千个候选,AI 可以反复比较数值变化、槽位结构和已有偏移。比如它认为 +0x24 可能是金钱字段,就要把依据和下一步实验提交回工作台,而不是只在聊天窗口里留下一句结论。

研究账本为什么放在流程中间

聊天记录很适合讨论,却不适合承担研究进度。一次黑盒差分可能跨越几天,还会经历模型重连、程序重启和人工验证。只保留对话,很难回答几个最基本的问题:这个结论来自哪一对样本,当时分析的是哪一版差分,它现在是猜测、待验证,还是已经被游戏确认?

因此,图中的研究账本位于工作台、AI 和控制器之间。样本被导入、AI 提交判断、人工批准实验、游戏返回验证结果时,流程都会在这里留下记录。它不是给 AI 写一篇总结,而是让所有参与者共享同一个研究现场。

账本里的信息分成四类。State 表示研究目前走到哪一步;Event 按顺序记录发生过的动作;Artifact 保存差分、候选表和推理结果等证据;Pending Action 则冻结下一步准备执行的实验,以及它正在等待谁批准。四类信息合在一起,才构成一条可以追溯的证据链。

仍以 +0x24 为例。AI 提交判断以后,相关差分会作为证据保留下来,提交动作进入事件记录,研究状态变成“等待批准”,待办里则写清准备修改哪个位置、怎样回滚。即使隔几天再打开项目,或者换一个从未参与过的模型,新的接手者仍能知道为什么停在这里,接下来应该验证什么。

数据契约的意义就在这里。它把研究进度从某一次对话中拿出来,放进一套稳定、可恢复的流程里。审批只对当时那份证据和那一步动作有效,已经过期的判断不能覆盖新的进度;只有经过游戏验证的结论,才会继续进入正式知识库。

把下一步交给 AI 时,我踩了刹车

AI 已经能从大量变化中筛出最可疑的位置。顺着这个思路再走一步,让它直接生成修改后的存档,似乎很自然。

但存档研究没有一个能替代游戏本身的最终裁判。

某个地址在数值上完全吻合,仍可能只是显示副本或缓存。测试存档也许能被游戏读取,却在完成任务、切换角色或者再次保存时才暴露问题。更直接的情况是修改破坏了长度、校验或关联字段,游戏当场拒绝读档。

普通文本写错一段,还可以继续修改。存档一旦被覆盖,玩家积累几十小时甚至几百小时的进度就可能一起消失。我的初衷只是少重刷一点内容,没必要拿整份存档去验证模型有多自信。

于是工作被切成了两部分。AI 负责读取、筛选、推理、记录和提出实验。人负责制造可靠样本,批准测试写入,把副本导入游戏并观察结果。结论经过游戏验证以后,才能进入正式偏移表。

这个分工不要求人永远正确。它只是把频繁而且可以复查的分析交给 AI,把后果较大的动作留在一个明确的人工检查点上。

允许 AI 判断错,但不让错误碰到原始存档

“保证 AI 不会出错”是一个做不到的目标。设计工作台时,我换了一个问题:如果 AI 判断错了,怎样阻止这个错误悄悄变成对原始存档的破坏?

Human Gate 与受控写入链:批准绑定证据版本,修改只发生在测试副本,验证通过后才固化知识
Human Gate 与受控写入链:批准绑定证据版本,修改只发生在测试副本,验证通过后才固化知识

为什么一次批准只能执行一次

从图中看,AI 提交的方案先变成一项 Pending Action,然后停在 Human Gate。它不会因为模型说“我很确定”就继续执行。人在这里看到的是一份具体的实验说明:准备修改哪个偏移,原来的字节是什么,修改后是什么,这个判断来自哪一版研究证据,以及实验失败后怎样回滚。

批准的对象就是这一次实验。它不等于把存档的修改权交给 AI,也不能拿去执行下一次补丁。研究样本、证据版本或目标位置只要有一项发生变化,原来的批准就会失效,AI 必须根据新状态重新提交。

这么做是为了避免一种很隐蔽的错误。人批准时看到的是方案 A,但在真正执行前,工作台里的文件或研究结论已经变成了方案 B。如果批准可以重复使用,旧许可就可能落到一份不同的存档上。一次性批准把人的决定固定在当时那份证据和那一个动作上。

即使通过了 Human Gate,工作台也不会覆盖原始存档。图中的写入器先从登记快照复制出一份测试副本,再把批准过的修改应用到副本上。执行前,系统还会重新核对文件指纹和目标位置的原始字节。对不上就停止,而不是勉强写入。实验失败时,测试副本可以直接丢弃,玩家的原档仍然留在原处。

在流程走到 Human Gate 之前,工作台已经做过一轮证据检查。AI 的推理必须引用已有候选和分析产物;证据不足时,系统不会生成待批准动作。自动研究还有预算和轮次上限,避免模型在没有新证据时反复尝试。模型可以提出修改建议,却没有绕过工作台直接写文件的通道。

测试副本生成以后,流程再次交还给人。研究者把它导入真实游戏,再把结果记为“确认”“未生效”或“不确定”。游戏才是最后的验证环境。只有被确认的结论才能进入 known-offsets,成为下一位维护者可以直接使用的知识。

这套设计没有要求 AI 永远判断正确。它把一次可能出错的判断拆成几个可以停下、检查和重来的步骤。错误的偏移最多让一份测试副本失败,不会悄悄覆盖玩家的原始存档。

20z,把 1,202 个候选缩成一个动作

一次完整实验中,我们给 AI 的变化很小:购买一件价格为 20z 的道具。操作前,角色拥有 7,683,939;操作后变成 7,683,919。

预期中的变化只有一个,文件里却有 1,155 个字节发生改变。它们散落在 75 个区域中。工作台尝试不同的整数类型、字节顺序和变化解释后,得到 1,202 个初始候选。

AI 根据实验说明、角色槽结构和已有偏移重新排序,最后留下两个语义完全吻合的位置:槽内相对 +0x24 的金钱主字段,以及相对 +0x280F 的同步副本。两处都以四字节小端整数保存,也都恰好减少 20。

接下来的最小实验并不是把两个位置一起修改。为了判断主字段能否独立生效,AI 提交了一个更小的动作:只修改 +0x24,生成测试副本,再由人进入游戏观察。

整个收敛过程不必依赖一张演示截图,也可以直接写成一条可复查的研究轨迹:

1,155 changed bytes
  → 75 contiguous regions
  → 1,202 interpreted candidates
  → 2 semantic matches
  → 1 minimal pending action

每一次收窄都有对应输入和排除理由。数字不是为了证明模型“猜得准”,而是说明它如何从原始差分走到一个足够小、可以被人审查和证伪的动作。

当前记录仍停在 hypothesis / awaiting_approval,新的测试副本尚未生成。项目里已经有一项输入指纹相同的历史研究。那次实验只修改主字段,并由人工确认游戏内金钱显示为 0。这条记录为当前判断提供了很强的旁证,却不能代替这一次审批和验证。工作台也没有把当前状态提前改成“已验证”。

暂时没有答案,可以继续实验。把一个高概率猜测写成确定知识,后面的每次修改都会继承这个错误。对数据逆向来说,知道自己还没验证,和找到正确偏移一样重要。

下一位维护者不必从同一片 Hex 重新开始

我一开始只是想快速玩一把,不想从 0 重刷。做着做着才发现,这个项目缺少的不只是几个修改入口。原作者离开以后,那些没有写进代码的研究过程也跟着断了。

数据逆向智能体没有发明新的逆向方法。控制变量、黑盒差分和游戏验证仍然属于工程实践。AI 接手的是这些方法在项目中的持续执行:读取证据,缩小候选范围,保存研究进度,准备下一步实验,并在需要真实操作时把任务交还给人。

最后留下来的也不只是一张“偏移等于游戏词条”的表。每条结论都带着样本、推理、测试动作和验证记录。下一位打开这个项目的人,仍然要理解存档,也仍然要做实验,但不用再从同一片没有路标的 Hex 数据重新开始。

[MHXX存档编辑器项目](https://github.com/daijinru/MHXXSaveEditor)

CadenzaOS:https://github.com/SuperTapir/CadenzaOS

PCB Atelier:https://github.com/SuperTapir/pcb-atelier

tapir-skills:https://github.com/SuperTapir/tapir-skills

PCB_lightgraph:https://github.com/tomatorigid/PCB_lightgraph

我用AI编程复刻了老罗的TNT,还顺手做了个万能遥控器……:https://www.bilibili.com/video/BV1qMKg6uEJr

送朋友一张PCB做的贺卡!:https://www.bilibili.com/video/BV11MjE6qEXb

🎉🕯🎂🕯🎉(我的第一块 PCB Art 作品图案取自这位老师的视频):https://www.bilibili.com/video/BV1ihNx61Ewq

从零开始的二次元电路板艺术画设计教程:https://www.bilibili.com/video/BV1CQjz6ZELZ

-END -

如果您关注前端+AI 相关领域可以扫码进群交流

添加小编微信进群😊

关于奇舞团

奇舞团是 360 集团最大的大前端团队,非常重视人才培养,有工程师、讲师、翻译官、业务接口人、团队 Leader 等多种发展方向供员工选择,并辅以提供相应的技术力、专业力、通用力、领导力等培训课程。奇舞团以开放和求贤的心态欢迎各种优秀人才关注和加入奇舞团。

跳转微信打开

  •  

奇舞周刊第596期:头条抖音如何实现 OOM 崩溃率下降 50%+

原创 小编 2026-09-04 17:17 北京

性能与稳定性                                                           

📄 字节跳动技术团队|iOS 性能优化实践:头条抖音如何实现 OOM 崩溃率下降 50%+

文章分析 iOS 应用因内存占用过高被系统终止,却缺乏普通崩溃日志的定位难题,并介绍字节跳动基于内存快照研发的线上 Memory Graph 方案。该方案能够还原对象引用关系、识别异常内存来源并辅助归因,落地后三个月内使头条和抖音的 OOM 崩溃率下降超过 50%。

📄 滴滴技术|大规模集群,HDFS 如何从 2.7 滚动升级到 3.2

文章复盘滴滴在大规模生产集群中将 HDFS 2.7 滚动升级至 3.2 的完整实践,重点讨论版本兼容、服务连续性、升级顺序、风险控制和异常回退。团队在不中断业务的前提下完成长期升级,为后续改善集群稳定性、存储性能和资源成本奠定了基础。

📄 快手技术|快手 Android 内存分配器优化探索(二)

文章深入分析 jemalloc 内存分配器的组织结构、分配流程与碎片管理机制,并介绍 Google 针对 Android 平台所做的定制优化。作者从移动设备内存紧张、分配操作频繁等实际问题出发,继续挖掘降低内存占用和碎片率的空间,为大型 Android 应用的底层优化提供思路。

前端与客户端

📄 美团技术团队|微前端在美团外卖的实践

文章介绍美团外卖广告业务如何用微前端治理 PC、H5 和 KA 三端工程膨胀问题。团队采用基于 React 的中心路由基座,将系统按业务线拆分为可独立开发、部署和回滚的子工程,同时保留公共能力复用与单页应用体验,使构建时间由分钟级降低至秒级。

📄 携程技术|从 0 到 1,搭建一个体系完善的前端 React 组件库

文章从实际工程出发,系统介绍 React 组件库从项目初始化到投入使用的建设过程,涵盖组件设计、目录组织、样式管理、测试、文档、构建与发布等环节。同时讨论版本管理、升级和回退等长期维护问题,强调成熟组件库需要在真实业务迭代中持续沉淀。

📄 网易云音乐技术团队|iOS 14 小组件实战手册

文章结合网易云音乐业务讲解 iOS 14 WidgetKit 小组件的实现,覆盖 Timeline 数据刷新、SwiftUI 界面构建、App Groups 数据共享、Intents 个性化配置以及 URL Scheme 跳转,并分析小组件在生命周期、交互能力和刷新频率方面的限制,给出相应的体验设计建议。

工程与智能化实践

📄 阿里技术|如何让 Python 处理速度翻倍?内含代码

文章针对网络请求串行执行造成的 Python 数据处理瓶颈,使用 async、await 和协程对请求模块进行并发改造。处理一千组数据时,整体耗时由约 816 秒降至 424 秒;随着请求池增大,性能提升更加明显。案例同时说明,并发阈值应结合第三方接口的承载能力设置。

📄 高德技术|深度学习在高德 ETA 应用的探索与实践

文章介绍高德如何利用深度学习改善导航路线的预计到达时间。方案通过 LSTM 建模路线序列信息,再结合路线长度、日期和高峰时段等静态特征生成完整 ETA。北京地区实验中,模型的 MSE 损失下降 28.2%,也为继续引入周期性路况和突发事件信息提供了基础。

📄 哔哩哔哩技术|智能成片性能优化探索与实践

文章围绕 B 站智能成片功能的效率与效果优化展开。系统需要完成素材高光提取、模板特效、智能配乐和 ASR 字幕生成,早期快速迭代导致耗时与效果缺少统一衡量。团队重新梳理三条核心链路,建立 P90 合成耗时等可观测指标,并据此开展针对性治理。


如果您关注前端+AI 相关领域可以扫码进群交流

添加小编微信进群😊

关于奇舞团

奇舞团是 360 集团最大的大前端团队,非常重视人才培养,有工程师、讲师、翻译官、业务接口人、团队 Leader 等多种发展方向供员工选择,并辅以提供相应的技术力、专业力、通用力、领导力等培训课程。奇舞团以开放和求贤的心态欢迎各种优秀人才关注和加入奇舞团。

跳转微信打开

  •  

Agent 为什么会“忘事”-Agent的记忆管理

原创 小编 2026-09-01 17:52 北京

Agent 为什么会“忘事”:从上下文拼接到可治理的记忆系统

很多团队第一次把 Agent 接入真实业务时,都会遇到一个看似简单、实际很棘手的问题:它明明在前几轮对话里看过这些信息,为什么后面还是会问同样的问题,或者根据已经过期的内容做决策?

常见的第一反应是扩大上下文窗口、把更多历史消息塞回 Prompt,甚至把整个会话原样回放。但这往往只能延缓问题,不能真正解决问题。

Agent 的“记忆”不是模型天然具备的能力,而是应用层围绕上下文构建的一套工程系统。它需要决定哪些信息值得留下、哪些信息应该更新、什么时候召回,以及如何避免无关或错误记忆污染当前任务。

本文从运行机制出发,梳理 Agent 记忆系统的核心概念、常见实现方式和落地路径,重点讨论一个生产系统真正需要回答的问题:

当前这一轮请求,究竟应该把哪些历史信息带给模型?


一、先区分两个容易混淆的概念

1. 上下文是“当前可见信息”

对模型来说,一次调用就是一次独立推理。模型能够利用什么,取决于本次请求中实际传入的内容,包括:

  • 系统指令

  • 用户当前输入

  • 最近几轮消息

  • 工具调用结果

  • 应用主动检索并注入的历史信息

  • 任务状态或结构化变量

这些内容共同构成当前上下文窗口。它们像工作台上的材料,模型只能使用已经摆到工作台上的东西。

2. 记忆是“跨时间保存并可再次使用的信息”

记忆则发生在模型之外。应用需要把信息提取出来,存放到数据库、文档库、向量索引或其他存储中,等未来某次请求需要时再召回。

所以,“模型记住了用户喜欢 TypeScript”并不准确。更准确的描述是:

  1. 应用从历史交互中识别出这条偏好;

  2. 将偏好写入外部记忆存储;

  3. 新请求到来时检索到它;

  4. 把它放入当前 Prompt;

  5. 模型据此生成回答。

这个过程里,模型负责理解和推理,应用负责保存、筛选和编排。


二、为什么把全部历史放回 Prompt 仍然不够

最朴素的方案是每一轮都携带完整聊天记录。它确实能让 Agent 在短时间内表现得像“有记忆”,但很快会遇到四类问题。

2.1 上下文窗口始终有限

窗口再大也不是无限的。随着会话变长,系统最终仍然要做截断、压缩或摘要。更大的窗口只是把决策点推迟,并没有替应用做出信息取舍。

2.2 成本和延迟会随历史增长

如果每轮都重复发送大量历史,输入 Token、首字延迟和整体费用都会上升。长上下文还会增加调试难度:当模型答错时,很难判断是指令、历史事实、工具结果,还是某一段旧消息造成了干扰。

2.3 信息越多,不一定越容易找到重点

模型可能对上下文的不同位置表现出不同注意力。关键事实被大量普通对话包围后,即使它仍然存在,模型也未必能稳定利用它。把信息放进窗口,不等于让信息变得可用。

2.4 历史事实会发生变化

“项目使用 React”可能在下个月变成“项目已经迁移到 Vue”。如果系统只是不断追加历史,而没有更新和失效机制,检索出来的内容就会同时包含新旧结论,最终把冲突交给模型自行判断。

因此,记忆系统的目标不是“尽可能多地保存”,而是:

为当前任务生成一份足够准确、足够精简、来源可追溯的上下文。


三、建立一套记忆分层模型

把所有信息都称为“记忆”会导致存储和检索策略混乱。更实用的做法,是按照信息的生命周期和用途进行分层。

3.1 工作记忆:当前任务正在发生什么

工作记忆通常位于当前上下文中,内容包括:

  • 当前用户问题

  • 正在执行的步骤

  • 已经完成的工具调用

  • 当前任务的中间结果

  • 还没有解决的错误

  • 最近几轮对话

它的优点是访问快、语义完整、无需检索;缺点是消耗窗口空间,且通常不能自然跨会话延续。

适合放入工作记忆的信息,应该与当前任务强相关。例如在排查部署失败时,当前分支、最近一次构建日志和已经尝试过的修复,都比半年前的一段闲聊更重要。

3.2 情节记忆:过去具体发生过什么

情节记忆保存事件和过程,强调“当时发生了什么”。例如:

  • 某次发布因配置错误失败,最后回滚;

  • 用户曾经要求保留某个兼容性方案;

  • 某个需求经过讨论后放弃了一个实现路径。

这类信息通常需要保留原始片段、时间、来源和关联对象,便于日后追溯。它适合使用文档存储加向量检索,也可以结合时间过滤和关键词过滤。

3.3 语义记忆:当前已知的事实是什么

语义记忆是从多个事件中提炼出的稳定事实,例如:

项目:订单服务
当前数据库:PostgreSQL
前端框架:Vue 3
部署环境:Kubernetes

这类信息回答的是“现在是什么”,通常比原始对话更适合精确查询。由于事实可能更新,存储时最好同时记录:

  • 事实键和值

  • 来源

  • 更新时间

  • 生效范围

  • 置信度

  • 是否已过期

3.4 过程记忆:应该如何完成一类任务

过程记忆描述做事方法和约束,例如:

  • 发布前必须执行回归测试;

  • 修改数据库前要先生成迁移预览;

  • 处理生产数据时必须经过审批;

  • 某类代码要遵循团队约定的目录结构。

过程记忆通常不应该和普通聊天记录混在一起。它更接近版本化的 Prompt、Skill、策略配置或工具使用规范,需要有明确的版本、权限和回滚机制。

3.5 一个简单的分类表

类型

主要回答

典型内容

更适合的载体

关键治理点

工作记忆

现在正在做什么

当前步骤、工具结果、最近消息

上下文、会话状态

Token 预算、截断、摘要

情节记忆

过去发生过什么

某次故障、一次决策、历史过程

文档库、向量索引

来源、时间、切块、保留期限

语义记忆

现在是什么

技术栈、偏好、当前版本

KV、关系库、图数据库

去重、冲突更新、有效期

过程记忆

应该怎么做

流程、规范、工具策略

版本库、配置中心、Skill

版本、权限、审批、回滚

分层的意义在于:不同类型的记忆,应该使用不同的写入、查询和更新规则。


四、一轮请求中的记忆运行时

记忆系统并不是简单地“查一下数据库”。一轮请求通常包含以下流程:

flowchart LR
    A["接收请求"] --> B["识别任务与作用域"]
    B --> C["召回候选记忆"]
    C --> D["过滤、重排、去重"]
    D --> E["摘要与 Token 预算控制"]
    E --> F["组装当前上下文"]
    F --> G["调用模型与工具"]
    G --> H["异步抽取并更新记忆"]

4.1 先确定作用域,再做检索

记忆至少要区分用户、租户、项目和会话。否则,某个项目的配置可能被错误地召回到另一个项目,甚至出现跨用户信息泄漏。

建议在记忆记录中显式保存类似以下元数据:

{
"user_id": "u-123",
"tenant_id": "tenant-a",
"project_id": "project-x",
"session_id": "session-456",
"memory_type": "semantic",
"source": "conversation-789",
"updated_at": "2026-08-20T10:30:00Z"
}

检索时,作用域过滤应当是硬约束,而不是交给模型判断的软提示。

4.2 候选记忆不等于最终上下文

向量检索返回的是候选集合。应用还需要根据当前任务进行:

  • 相关性重排;

  • 时间和有效期过滤;

  • 重复内容合并;

  • 新旧事实冲突处理;

  • 敏感信息过滤;

  • 长度压缩;

  • Token 预算分配。

最终进入 Prompt 的内容应该少而准,而不是把检索结果原样倾倒给模型。

4.3 回写最好异步完成

在回答结束后,可以异步完成记忆抽取和更新,避免用户等待。回写过程通常包括:

  1. 判断新信息是否值得保存;

  2. 识别它属于哪种记忆;

  3. 提取结构化字段或保留原始片段;

  4. 与已有记录去重;

  5. 检查冲突并更新状态;

  6. 保存来源和时间信息。

如果每条对话都写入长期记忆,系统很快会被低价值内容淹没。记忆写入本身也需要门槛。


五、常见实现方式与适用边界

5.1 截断和滑动窗口

只保留最近若干轮消息,超出范围的历史直接丢弃。

优点:实现简单,成本低,适合局部性很强的短对话。

问题:早期决策和关键约束会直接消失,无法支持跨会话记忆。

它可以作为基础兜底,但不适合作为复杂 Agent 的完整记忆方案。

5.2 滚动摘要

当历史超过阈值时,让模型把较早对话压缩成摘要,并保留最近几轮原文。

一个实用的上下文组合通常是:

系统约束
+ 当前任务状态
+ 长期记忆中与任务相关的事实
+ 历史摘要
+ 最近若干轮原文
+ 当前用户输入

摘要能延长有效对话周期,但它并非无损压缩。数字、条件、例外和否定关系尤其容易在摘要中丢失。因此,重要决策不应只存在于自然语言摘要里,最好同步写入结构化状态。

5.3 RAG 式记忆

把历史片段切块、向量化并存入检索系统,之后根据当前问题召回相关内容。

它擅长回答“过去有没有发生过类似事情”,优势是保留原始证据,方便追溯;但它也容易召回过期信息、重复信息和相互矛盾的信息。

RAG 记忆要想稳定,至少需要配合:

  • 元数据过滤;

  • 时间衰减或有效期;

  • 混合检索;

  • 结果重排;

  • 记忆来源展示;

  • 过期和删除机制。

5.4 事实抽取

不保存全部原始对话,而是把其中有长期价值的信息提炼成结构化事实。

例如:

{
"key": "user.preferred_language",
"value": "TypeScript",
"scope": "user",
"source": "conversation-789",
"valid_from": "2026-08-20T10:30:00Z",
"status": "active"
}

事实抽取适合偏好、技术栈、项目配置等状态型信息。它的难点在于抽取错误和覆盖错误:模型可能把一次临时尝试误判成长期偏好,也可能用新错误值覆盖旧的正确值。因此必须保留来源,并在必要时要求确认或设置置信度。

5.5 知识图谱与时序记忆

当业务中有大量实体、关系和状态变化时,图结构比单纯的文本相似度更有表达力。例如:

用户 -> 负责 -> 订单服务
订单服务 -> 部署于 -> 集群 A
集群 A -> 当前版本 -> v2

如果关系还会随时间变化,就需要额外记录生效时间和失效时间。

图谱适合 CRM、项目协作、企业知识和长周期个人助手等场景,但建设成本、数据建模成本和维护复杂度都更高。只有当关系查询确实成为瓶颈时,才值得引入。

5.6 主动调页式记忆

另一种思路是让 Agent 通过工具主动管理自己的记忆,例如提供:

  • 写入记忆;

  • 查询记忆;

  • 更新事实;

  • 删除记忆;

  • 获取历史片段。

这种方式的自主性更高,但也带来新的控制问题:Agent 可能过度写入、错误删除,或者在不该检索时调用记忆工具。生产系统需要在工具层增加权限、范围和审计约束,不能完全依赖模型自律。


六、RAG 和事实抽取应该如何组合

RAG 与事实抽取经常被拿来比较,但它们解决的是不同问题。

RAG 更适合保留证据

RAG 保存“发生过什么”,适合:

  • 回顾历史决策;

  • 查找故障处理过程;

  • 找到某条信息的原始来源;

  • 处理开放式、语义不确定的问题。

事实抽取更适合维护状态

事实抽取保存“目前是什么”,适合:

  • 用户偏好;

  • 当前技术栈;

  • 当前项目版本;

  • 账户或业务状态;

  • 具有明确键值关系的信息。

比较稳妥的组合是:

用结构化事实支持快速决策,用 RAG 提供原始证据和过程追溯。

例如,模型需要回答“项目现在使用什么前端框架”,可以先读取结构化事实 frontend_framework = Vue;如果用户追问“什么时候从 React 切换过来的”,再通过 RAG 查找迁移过程和相关决策记录。

每条结构化事实最好都保留来源指针。这样既能快速使用,又不会失去可解释性。


七、如何选择实现工具

工具选择不应从“哪个产品功能最多”开始,而应从业务最主要的记忆类型开始。

可以用下面的判断方式:

主要需求

优先考虑的方向

个人偏好、跨会话事实、快速接入

结构化事实记忆层

历史事件、原始证据、时间线

文档库与混合检索

多实体关系、状态变化、复杂关联查询

时序知识图谱

Agent 主动管理上下文和记忆工具

分层记忆运行时

已经使用某个 Agent 编排框架

优先采用其生态内的状态和记忆组件

具体工具只是实现选择,不能替代记忆治理。无论使用什么组件,都需要自己回答:

  • 记忆的作用域是什么?

  • 什么内容允许写入?

  • 过期信息如何处理?

  • 冲突由谁解决?

  • 用户如何查看和删除?

  • 如何评估召回是否有用?

如果这些问题没有答案,换一个记忆框架通常也只是把问题换了一个位置。


八、推荐一条渐进式落地路径

记忆系统适合逐步建设,不适合一开始就做成“万能平台”。可以按以下三个阶段推进。

阶段一:先让会话内任务稳定

目标是解决同一轮长对话中的任务状态丢失。

建议组合:

  • 保留最近几轮原文;

  • 增加滚动摘要;

  • 单独维护结构化任务状态;

  • 设置明确的 Token 预算;

  • 记录已完成步骤和待处理事项。

这一阶段不需要复杂的向量数据库,先让 Agent 能稳定回答“我们已经做了什么、现在进行到哪一步”。

阶段二:补充跨会话事实

当用户开始期待个性化体验时,再加入长期语义记忆,例如:

  • 用户偏好;

  • 项目技术栈;

  • 团队约定;

  • 长期有效的业务约束。

此时要同步加入作用域、来源、更新时间、冲突更新和删除能力。长期记忆一旦影响真实操作,就不能只当作一个“黑盒召回接口”。

阶段三:在确有需要时引入关系和主动调页

当系统出现以下特征时,再考虑图谱或主动记忆工具:

  • 同一批实体之间存在大量关系;

  • 关系会随时间持续变化;

  • 查询需要跨多个实体和事件推理;

  • 固定的自动召回规则已无法满足复杂任务。

复杂技术应该由真实问题驱动,而不是由架构图驱动。


九、记忆写入和更新的四条规则

规则一:不是所有信息都值得记

可以在写入前询问:

这条信息在未来是否可能改变 Agent 的回答或行动?

如果答案是否定的,就不必写入长期记忆。一次性的寒暄、临时猜测和低价值重复内容通常不应该持久化。

规则二:每条记忆都要有边界

同一句话在用户、项目和会话三个层级上的含义可能不同。例如“我们使用 PostgreSQL”可能只是当前项目的约束,并不代表用户所有项目都使用 PostgreSQL。

作用域应该成为数据模型的一部分,而不是写在备注里的说明。

规则三:更新比追加更重要

长期记忆如果只有新增没有更新,最终必然变脏。至少要支持:

  • 新增;

  • 合并;

  • 覆盖;

  • 标记过期;

  • 软删除;

  • 冲突保留与人工确认。

规则四:记忆必须可以解释

当 Agent 根据某条长期记忆做出重要决定时,系统应该能够回答:

  • 这条记忆来自哪里?

  • 什么时候写入?

  • 为什么认为它仍然有效?

  • 是否存在相反证据?

  • 用户能否修改或删除?

可解释性不是额外装饰,而是排查错误和建立用户信任的基础。


十、最常见的工程误区

误区一:上下文窗口越大,记忆问题就越小

大窗口能减少短期截断,但不能替代跨会话存储、状态更新和相关性筛选。把多年历史全部塞进 Prompt,既昂贵,也可能降低模型对重点的把握。

误区二:所有记忆都放进同一个向量库

原始事件、当前事实和操作规范的查询方式不同。把它们混在一起,会让相似度检索承担它不擅长的去重、冲突判断和权限治理。

误区三:只做记忆写入,不做记忆清理

没有过期、删除和冲突处理的记忆库,规模越大,噪声越多。记忆系统必须同时设计“记住什么”和“忘掉什么”。

误区四:只看召回数量,不看召回质量

召回十条信息不代表系统更聪明。真正重要的是:召回内容是否与当前任务相关,是否包含过期事实,是否改变了最终决策。

误区五:让模型独自决定权限和范围

模型可以参与判断,但用户、租户、项目等隔离必须由应用层或数据库层强制执行。敏感记忆的读取和写入还应有审计记录。


十一、怎样评估一个记忆系统是否有效

记忆功能上线后,不能只用“看起来它记住了”作为验收标准。至少应该从四个方面评估。

11.1 召回质量

可以构造带标准答案的测试集,检查:

  • 关键记忆是否被召回;

  • 无关记忆是否被排除;

  • 过期事实是否被过滤;

  • 来源是否能够追溯。

11.2 任务结果

最终指标仍然应该回到业务任务:

  • 任务完成率是否提升;

  • 重复询问是否减少;

  • 工具调用是否更准确;

  • 错误决策是否减少。

11.3 成本和延迟

记忆系统不能只提升效果而无限增加成本。需要同时观察:

  • 平均输入 Token;

  • 记忆检索耗时;

  • 首 Token 延迟;

  • 回写任务的额外模型调用;

  • 存储和索引成本。

11.4 安全与可控性

还需要验证:

  • 不同用户和项目之间是否隔离;

  • 删除操作是否真正生效;

  • 敏感信息是否会被不必要地召回;

  • 记忆更新是否可审计、可回滚。

将记忆召回、过滤结果、最终注入内容和模型输出放进同一条 Trace,才能真正定位“为什么它会记错”。


结语:好的 Agent 不只是记得多,而是记得对

Agent 的记忆管理,本质上是一个信息治理问题,也是 Harness 设计的重要组成部分。

成熟的记忆系统通常具备三种能力:

  1. 该记的能留下:关键事实被提炼并保存,重要决策有来源;

  2. 该忘的能清理:过期、错误和冲突信息不会无限积累;

  3. 该用的能召回:当前任务只获得真正相关的最小有效上下文。

因此,当用户再次说“这个 Agent 怎么又忘了”,排查顺序不应该只是继续扩大 Prompt,而应该依次检查:

  • 当前会话状态是否维护完整;

  • 重要事实是否成功抽取;

  • 旧事实是否正确失效;

  • 检索是否命中正确范围;

  • 最终上下文是否被摘要、排序或 Token 预算错误处理。

模型能力决定 Agent 能做什么,记忆架构决定 Agent 能否持续、稳定、可控地把事情做对。真正值得建设的,不是一个装满历史记录的“记忆仓库”,而是一套能够判断、更新、解释和约束信息流动的运行系统。

CadenzaOS:https://github.com/SuperTapir/CadenzaOS

PCB Atelier:https://github.com/SuperTapir/pcb-atelier

tapir-skills:https://github.com/SuperTapir/tapir-skills

PCB_lightgraph:https://github.com/tomatorigid/PCB_lightgraph

我用AI编程复刻了老罗的TNT,还顺手做了个万能遥控器……:https://www.bilibili.com/video/BV1qMKg6uEJr

送朋友一张PCB做的贺卡!:https://www.bilibili.com/video/BV11MjE6qEXb

🎉🕯🎂🕯🎉(我的第一块 PCB Art 作品图案取自这位老师的视频):https://www.bilibili.com/video/BV1ihNx61Ewq

从零开始的二次元电路板艺术画设计教程:https://www.bilibili.com/video/BV1CQjz6ZELZ

-END -

如果您关注前端+AI 相关领域可以扫码进群交流

添加小编微信进群😊

关于奇舞团

奇舞团是 360 集团最大的大前端团队,非常重视人才培养,有工程师、讲师、翻译官、业务接口人、团队 Leader 等多种发展方向供员工选择,并辅以提供相应的技术力、专业力、通用力、领导力等培训课程。奇舞团以开放和求贤的心态欢迎各种优秀人才关注和加入奇舞团。

跳转微信打开

  •  

奇舞周刊第595期:重构协同:关于AI Native团队的思考

原创 小编 2026-08-14 17:59 北京

奇舞推荐

■■■

重构协同:关于AI Native团队的思考

文章指出当前 AI 提效陷入“单点优化、全局低效”的困境,根源在于协同缺失。真正的破局点是构建以“知识底座+Agent+人”为核心的 AI Native 团队,将流程串联者从人转变为 Agent。其中,人是目标与判断的负责者,Agent 负责执行与串联。实现该形态的关键瓶颈在于为存量业务构建可持续更新的知识底座。

3万字长文带你WorkBuddy 从入门到精通

WorkBuddy 是腾讯推出的 AI Agent 工作台,提供“问一问”、“做一做”、“想一想”三种工作模式。它能直接操作电脑文件,执行整理文件夹、生成报告、制作 PPT 等复杂任务。产品内置多种大模型和超 20 种技能包,支持多任务并行。此外,它还支持通过微信、QQ 等渠道远程遥控,其“助理”页面可作为远程任务的监控室。

得物知识问答:复合检索 Agent 的系统设计实践

得物知识问答系统基于 AgentScope 2.0 的 Harness Agent 架构,构建了具备自主决策能力的复合检索 Agent。它可并行检索企业知识库与个人飞书数据,并通过“FastPass → Reranker → LLM Grading”三阶段质量过滤保障检索精准度。系统支持多模态图片输入,并实现了生产级的可靠性与多实例断点续传,从而提供有判断力的答案。

技术实践

■■■

企业内Agent工具落地实践:统一Harness、Skill与虚拟文件系统

文章探讨了企业 Agent 从演示走向生产的关键架构问题。核心观点是将稳定内核(Harness)与可变领域能力(Skill)分离。Harness 提供身份、权限、会话、审计等通用能力;Skill 则将领域经验转化为可治理的软件资产,并通过渐进式披露和两阶段路由供 Agent 调用。此外,虚拟文件系统(VFS)被用于管理长任务的上下文、证据和产物,确保状态的可寻址与可恢复。

从一键检测到 AI 修复:我们如何把无障碍检查做进研发流程

vivo 前端团队建设了一套覆盖 Web 端、编码阶段和 Android App 的无障碍检测工具链。通过 Chrome 插件、VS Code 插件(含 AI 修复)和基于 ADB 的桌面端检测工具,将无障碍检查嵌入研发全流程。工具链实现了问题的早发现、准定位与快修复,并借助大模型辅助生成修复方案,使无障碍能力从专项检查转变为团队日常的可持续质量实践。

6 支快手工程团队,让 AI 落地真实业务

文章讲述了快手 6 支团队如何让 AI 深入真实业务场景。实践涵盖:通过 Agent-First 平台重构产研流程;用 Agent“灵顺”为百万商家提供经营服务;工程师以 FDE 模式驻场解决运营痛点;构建反作弊风险洞察平台;通过全栈工程师与全流程 Agent 提升海外业务效率;以及建立 Harness 工程框架,让 AI 生成代码稳定进入生产环境,实现从个人提效到组织提效的转变。

拓展边界

■■■

Agent 越改越乱之后,我用评测和轨迹把它拉回来了

文章介绍了如何通过“结果驱动自进化”解决 Agent 因修改 Skill 而顾此失彼的问题。其核心流程包括:运行评测任务识别错误 case、自动分析失败根因、生成 Skill 补丁、验证补丁效果(确保修复旧问题不引入新问题)。整套系统通过规则诊断(而非 LLM 诊断)和多重门禁(Guardrail Gate)来保证迭代的可靠性和稳定性。

高德汽车工程AI Native演进实录|用Harness构建可控AI交付

高德汽车分享了 AutoSDK 全链路 AI Native 开发中如何通过 Harness 实现可控交付。Harness 作为包裹模型的工程控制系统,通过“事前防控、事中阻断、事后沉淀”三道防线,解决 AI Coding 的失控风险。核心机制包括:上下文治理(LCR)和确定性行为约束(Hook);AI 自测与 AI 代码评审双 Agent 协作机制;以及通过评测体系将反馈左移,最终使 AI 交付从“偶尔成功”走向“稳定可复现”。

-END -

如果您关注前端+AI 相关领域可以扫码进群交流

图片

添加小编微信进群😊

关于奇舞团

奇舞团是 360 集团最大的大前端团队,非常重视人才培养,有工程师、讲师、翻译官、业务接口人、团队 Leader 等多种发展方向供员工选择,并辅以提供相应的技术力、专业力、通用力、领导力等培训课程。奇舞团以开放和求贤的心态欢迎各种优秀人才关注和加入奇舞团。

图片

跳转微信打开

  •  

奇舞周刊第594期:实战从零开始构建一个Coding Agent:Violin

原创 小编 2026-08-07 17:00 北京

奇舞推荐

■■■

实战从零开始构建一个Coding Agent:Violin

本文记录了作者用Zig+Python从零构建Coding Agent "Violin"的完整过程,其架构深度借鉴了Pi的三层分离与EventBus设计。核心是Agent Loop(在"问模型"与"执行工具"间循环,直至得到最终答案),并围绕其构建了模型适配层(统一OpenAI/Anthropic接口)、工具系统(内置6个基本工具)、产品层(负责会话管理、上下文压缩)和网络层。文章通过代码示例和机制讲解,揭示了现代Coding Agent"并非全知全能,而是有状态、有工具、有边界的执行循环"这一本质原理。

从混乱到秩序:我如何搭建一套「规范驱动」的 AI 协作开发体系

本文介绍了为应对AI在存量项目中理解偏差、执行不稳等问题而自建的"OpenSpec规范层 + AI Workflows执行层"体系。其核心机制是:用OpenSpec将模糊需求拆解为结构化的proposal/design/tasks三层文档,让AI先理解"做什么";再用Workflows编排步骤、Skills封装领域经验、Hooks自动检查质量,指导AI"怎么做"。通过这套"规范+技能+钩子"的组合,作者将AI从"需要反复纠正的实习生"提升为"可信赖的开发搭档",显著提升了增量开发场景下AI协作的准确率与稳定性。

AI Infra进阶:如何让大模型输出确定的结果

本文深入探讨了让大模型输出确定结果的难点——即便将Temperature设为0,不同请求间仍可能因"批次不变性"问题导致结果不同。根本原因在于推理引擎底层的动态组批与算子调度策略,改变了浮点加法的顺序,而浮点加法不满足结合律。文章深入GEMM(矩阵乘法)层面,解释了Tiling、Split-K、GROUP-M等优化策略如何为了打破内存墙、提升算力利用率,而引入了非确定性的并行计算,从而从根本上导致了结果波动,揭示了确定性输出在系统层面的巨大挑战。

技术实践

■■■

Agent评测漫谈 —— 由浅入深讲解Agent评测

本文系统阐述了Agent评测的核心目的(回答"好不好"并指明迭代方向)与方法论。文章强调,Agent评测不同于传统模型评测,需同时关注结果(Response)和行为过程(Trajectory),因为"过程不同但结果相同"的Agent在工程价值上差异巨大。核心方法论包括:建立业务与指标间的"桥梁"、主客观评测并行、通过"人人一致、人机一致"对齐主观标准、用Bad/Good Case喂养评测体系。最后指出,Agent评测正从"答案评测"走向"行为评测",并正从"打分动作"演变为"基础设施能力"。

实测 9 款 AI 架构图工具:从 Mermaid 美化到 GPT-Image2,一份选型清单

本文实测了GitHub上9款AI画图工具,并给出清晰选型指南。文章将工具分为三大类:Skill生图类(beautiful-mermaid美化、fireworks-tech-graph全能且支持GIF、archify交互HTML优先、drawio-skill输出可编辑源文件);AI辅助应用类(next-ai-draw-io,将draw.io与AI对话结合,实现人机协同画图);GPT-Image2生图类(通过500+Prompt模板生成视觉大片)。结论指出,AI时代画图的核心是让架构图从"图形资产"变为"代码资产",从而让AI Agent能够通过文本(如Mermaid)生成、修改、渲染图表,完成从"看懂"到"会画"的跨越。

复杂业务团队的 AI Coding 交付实践:知识库、RD 流程和质量门禁

本文分享了复杂业务后端团队将AI Coding落地为"协议驱动、知识支撑、过程落盘"三层底座的经验。核心设计包括:分层知识库(main全局业务、applications应用知识、candidate候选知识、personal个人经验、template模板),确保AI准确获取上下文;RD研发流程,用一系列命令(/rd:verify-prd, /rd:analyze, /rd:apply等)将需求分析、拆解、代码实现、校验的全过程文件化,使研发状态可接续、可review;以及在关键节点设置人机协同质量门禁。方案不追求全自动化,强调"AI负责分析实现、人聚焦关键判断"。

拓展边界

■■■

从代码托管到 AI 能力底座:京东代码库的转型

本文介绍了京东行云Coding代码托管平台向"AI研发生态底座"转型的战略。核心是解决"AI如何理解代码"的问题,将代码仓库从版本管理终点变为AI理解业务的入口。为此,平台构建三层能力:AI基建层,通过图数据库构建代码关系网络、提供语义检索和代码分析能力;Agent研发框架层,提供CLI Agent、Skill增强等多种模式,让开发者无需重复建设底层,即可构建能"执行"任务的AI应用;前端扩展点,将AI能力无缝嵌入代码评审等研发场景。最终目标是将代码知识产品化,让AI应用能像调用API一样使用代码知识。

模型越来越强, harness该留下什么?

本文基于团队精简其harness框架(根指令删61%)的实践,探讨了在模型能力跃升的背景下,AI开发框架该保留什么。核心洞察是:为旧模型写的冗余指令在新模型上会造成主动的质量损失——它们会缩小模型的搜索空间、被字面执行导致机械回答,甚至引发反噬(如过度触发工具)。文章提出新范式:用判据取代穷举规则、用渐进式披露取代前置全量上下文、放开路径并收紧验收。其核心原则是:"过期的文档比没有文档更危险",即最终应以可执行的代码和测试为事实来源,并建议先建评测、再写内容,确保每一条规则都能防御一个具体的失败,而非为想象中的问题编写文档。

从 Agent Flow 到 AI Native:为什么通用 Agent 是"饮鸩止渴"

本文尖锐地指出,追求"万能"的通用Agent是方向性错误,因为它无法可靠、确定地完成复杂任务。作者提出"Agent Flow"理念:不过度依赖LLM的泛化能力,而是将复杂任务拆解为"最小任务单元",用确定的Flow(可以是YAML或hardcode)编排LLM Call、API和人工确认节点,将任务"外包"给合适的专业Agent执行。文章强调,AI Native的本质是"基于LLM、真正解决用户问题并让其愿意付费",而非堆砌技术名词。与其构建宏大但不可靠的通用框架,不如用"美丽"的hardcode去可靠地满足用户的具体需求。

-END -

如果您关注前端+AI 相关领域可以扫码进群交流

图片

添加小编微信进群😊

关于奇舞团

奇舞团是 360 集团最大的大前端团队,非常重视人才培养,有工程师、讲师、翻译官、业务接口人、团队 Leader 等多种发展方向供员工选择,并辅以提供相应的技术力、专业力、通用力、领导力等培训课程。奇舞团以开放和求贤的心态欢迎各种优秀人才关注和加入奇舞团。

图片

跳转微信打开

  •  

AI 时代的学习方式:从愚昧山峰上不断跌落

原创 Tapir 2026-08-03 15:48 北京

大家好,我是 Tapir,真的是好久没写文章了。

最近 AI 的发展真的是突飞猛进啊,不知怎的 Coding Agent  在去年下半年突然就变得好用了,遥想当年还在用 Copilot 做代码补全,当时都觉得很先进了,但现在看来也还没脱离古法编程 😂。如今的我可以说一行代码都不会写了,我对于代码的掌控主要停留在概念层和架构设计,当出现 Codex 之类的工具突然无法使用,只得回归古法编程,打开文件树看代码仓库简直陌生到可怕,不知道这是好事还是坏事呢?我们确实逐渐在把代码变成如同汇编一样的黑盒,去梳理编写概念,得到了效率的同时慢慢也丧失了对于底层代码的理解和掌控感,AI 作为工具反过来影响了我们自身。

其实我挺想念 AI 出现之前的时代的,当时每一行代码我都能解释,为什么这么做也是经过各个工程师和产品设计的讨论,虽然慢,但是胜在简单安心,精进编程能力的道路也是相对清晰。而 AI 的出现让我有点迷茫了,或者也许不只是我。如果 AI 什么都会,我们应该做什么,留给我们的路线是什么?

最近我们团队里面正在尝试组建「AI Native」团队,按我的理解就是要让 AI 工作的时间超过人工作的时间,打破传统的工作模式,让 AI 变成所有人工作的核心工具。以前说人人都是产品经理,现在 AI Native 的终局可能是人人都是产品、设计、研发、测试、市场 😃。我们现在还在阵痛期,对于非工程背景的角色如何参与代码开发也在试错。但我确实觉得现在大家都太浮躁了,所谓谋定而后动,有时候也许慢就是快。我在这个阵痛期也是感觉工作变得越来越无趣,也开始焦躁烦躁。

吐槽吐的差不多了,故事才刚开始,我最近又重新燃起了热情,因为我好像发现了 AI 之于我的价值所在了!

有一天早上我偶然刷到一个关于 M5Stack Cardputer 的视频,视频里的博主利用这款硬件开发了一些软件,比如复刻了老罗的TNT、音箱歌词显示器、万能遥控器什么的,回想到之前很多人做过 Vibe  Coding 键盘啥的,我突然想要自己做些什么硬件,因为我感觉这和我的本职工作 Web 前端是一个不同的领域,我可以利用硬件能力触碰现实世界了。硬件和网页很不一样,可以有按钮,有旋钮,有一块屏幕,可以真的拿在手里。软件跑起来以后,屏幕会亮,旋钮会响应,扬声器会发出声音。写的东西不再只是浏览器里的一个页面,而会占据真实的空间。

我当时对硬件几乎一窍不通,但 AI 让我有了一种以前没有过的感觉。很多不熟悉的东西,好像都可以先进去看看,我相信 AI 能帮我解决。我对着 ChatGPT 问了一上午,终于确认了我要怎么开始玩硬件。

痴迷于硬件的新世界

经过 ChatGPT 大人的指导,我没有选择 M5Stack Cardputer,也没有选择一些基于 Linux 的终端。一方面我希望设备尽可能小巧,另外好不容易从家出来一趟,肯定希望走远一些看看,于是我选择了基于 ESP32-S3 的开发板 LILYGO T-Embed。

ESP32-S3 是上海乐鑫推出的芯片,集成了 Wi-Fi 和低功耗蓝牙,开发资料和社区项目都很多。对于我这种刚开始玩硬件的人来说,这类芯片比较容易找到资料和现成案例。 如今 ESP32 在带无线能力的 IoT 设备和个人项目里非常流行,很多过去会优先考虑 STM32 的场景,现在也多了一个很有竞争力的选择。

LILYGO T-Embed

T-Embed 其实很简单,就是一块小显示屏、一个滚轮和一个中间按键。现在回头看,选择它的理由也挺奇怪的。我正在用一款 Sonic 的定时器,它也是靠一个滚轮操作。我特别喜欢那个手感,转一下,按一下,开始或者结束,整个过程很直接。T-Embed 有这个滚轮,我一下就看中了。

定时器

还有一款推动我一步步深入的产品就是 Playdate,我非常喜欢它的全反射屏幕,这屏幕在我看来完全就是艺术品,流畅的单色画面,既复古又新潮,不知道大家有没有玩过八方旅人这款游戏,给我的感觉是类似的,八方旅人也用它的 HD-2D,让老技术焕发了第二春。

Playdate

所以我的短期目标就是开发些软件先在 T-Embed 上跑通,长期目标就是将我这几个审美趣味相投的硬件产品整合成独属于我的硬件产品。

下单 T-Embed 后我没有等他送到就迫不及待的开始实现软件,我似乎找回了那种刚开始学习编程的那种热情。于是我把这些乱七八糟的想法、参考图、喜欢的设备和交互方式,一股脑告诉了 Codex。我说我想做一个 OS,装在这个单片机上。它开始在我的 Mac 上跑 Goal,自己搭环境、写代码、做测试。我中间还经常去看,因为它有时候要调 Computer Use,经常会卡住,或者效率特别低。我看着它在那边转,又有点想帮它点一下。我给它起名叫 CadenzaOS(https://github.com/SuperTapir/CadenzaOS),Cadenza 意为乐曲中留给演奏者自由发挥的华彩段,我希望这款硬件能成为我个人表达的空间。

第二天我看它自己测试时给出的截图,真的感觉非常漂亮。当时我立刻发给朋友说:「我的天,太兴奋了」。这真的跟开发个网页不一样,这可是直接跑在 ESP32 芯片上的,用 C++ 渲染出来的界面啊。接下来几天我沉浸在这种狂热中,不断的利用 Codex 更新了一波又一波的视觉和功能。 兴奋!

等收到 T-Embed,刷上我写的 CadenzaOS,其实和我本地模拟器看到的不太一样,会很卡,扬声器的工作状态也不符合预期,但我依旧很兴奋,迫不及待的拍了视频发给朋友,分享我的喜悦。然后又进行了一波固件优化,再刷上就不卡了,真的很开心啊!

从愚昧山峰掉进了绝望之谷

经此一役我感觉自己无敌了,依靠 AI 大人我真的畅通无阻。不知道大家是否听说过「达克效应」,我觉得我此时就处于「愚昧山峰」。

我不满足于继续用 T-Embed 凑合玩,也许我可以直接去实现我的终极目标做出专属于我的设备,而做最终产品必须要一块紧凑的 PCB 和外壳,于是我简单了解了一下这块儿领域就开始尝试让 AI 帮我直接画 PCB,我还让 AI 用了 kicad-happy 这个 Skill 去画板子,出来的东西看起来真的挺像那么回事。器件摆好了,线也拉好了,板框也有了,连 KiCad 里的画面看起来都很专业。

Codex 惊人的工作时间和 Token 消耗量

看上去像那么回事

我又找了一个网上的开源工程让它参考,跟它改了一晚上(花了大量的时间和 token!)。后来终于有了一版看起来差不多的东西,但其实我自己没有判断力,只是 AI 似乎觉得这已经 OK 了,我当时想,先打一个板子试试,OK 的话就先这样了。其实这时候我已经隐隐感觉不对了。。。

在我进入嘉立创在 AI 的指导下一步步填写晦涩的各种参数,填写完 PCB 的订单以后,还要走一个 SMT 的流程,我理解 SMT 就是把我们需要的电子元器件比如扬声器、麦克风、功放、芯片装在 PCB  上,结果一进去我人傻了,似乎导入嘉立创的工程里还是有很多问题在 SMT 的环节全部暴露出来了,就是一大堆报错,我当时真的直接崩溃了,本来以为画 PCB 已经是最难的一关,结果还有第二关,甚至可能还有第三关。

无能狂怒😢

其实我还脑子一热买了一堆元件、杜邦线、面包板、万用表,简单玩了一下,让 ChatGPT 指导我各种插线,有一定收获,但是也没玩太明白hhh 

于是我跌入了绝望之谷,我知道了硬件这个领域还有太多我不懂的东西,我交给 AI 做的工作如果我都无法判断,没有概念,那这些混乱也会被 AI 放大,直至失控。。。

从跌倒的地方爬起来

消沉了一段时间以后,我觉得还是退回来,做一些我相对擅长的事情,比如确定这个产品需要做成什么,需要哪些硬件,外形如何,如何使用。于是我开始尝试跟 AI 讨论把这个概念设计和外形工业设计定下来,为此我还学习了一些工业设计的技巧。最终形成了概念设计文档、硬件清单和一个 3D 模型(虽然还是挺粗糙的)。希望能交付给第三方帮我搞定硬件。

一个初版模型

但是在我接触了一些闲鱼上的代做单片机相关的商家以后,都对我这个产品不太感兴趣,经过多轮沟通给我报价 8500,虽然我想过会很高(毕竟后面跟 AI 探讨的太起劲了,把这个产品扩展的有点全能了😓),但是没想到会这么高,再评估一下后续可能返工带来的时间和金钱成本,我还是放弃了,感受到这个 Leap 以后,我的兴趣确实逐渐消散了。

在跌倒的地方种一朵花

将 Cadenza 搁置以后,我其实也没有一下子从硬件的世界里退出来。因为前面搞 PCB 的时候,我已经下载了 KiCad、嘉立创 EDA,注册了嘉立创账号,B 站也刷了不少相关视频。算法大概已经知道我最近在折腾什么了,机缘巧合之下我刷到了几个 PCB Art 相关的视频,制作精美的电路板艺术深深地吸引了我。

我当时第一次看到这个东西,觉得还挺神奇的。原来 PCB 不只是拿来放芯片、拉线、实现功能,也可以做成一件作品。阻焊层可以决定板子的底色,露出来的铜可以做图案,沉金会让露铜的部分变成金色,丝印还可以加文字和线条。最后做出来的东西,真可谓是艺术品!(当然还有就是嘉立创现在可以薅羊毛,免费的板子谁不爱呢?😂)

形形色色的 PCB 艺术(取自 B 站各视频封面)

我就选择了一位老师跟着做,大致了解流程以后,感觉不难,信心回来了。我开始准备图案,以艾尔登法环为主题,先在 Sketch 里面处理图片(这次图案正面部分取自一位老师的视频中的梅琳娜、背面是黄金树,但我做了一定加工),中间还用 GPT 去做了一些生图或者调整图片细节,调黑白关系、把细节简化,再导进嘉立创 EDA。这里也有很多要试的地方,比如图片到底要放在哪一层,哪些地方露铜,哪些地方保留阻焊,尺寸做多大才合适。好在这次的目标很具体,我能直接看到图片变成什么样,也能判断哪里不好看。

在 Sketch 中编辑 PCB Art 图片

最后我真的在嘉立创下了一份样板订单。看着订单一步步从生产的各个流程到最终发货,我很开心。我没有数电、模电的基础,对硬件的了解也只是皮毛,没有去修改理解 PCB 的能力,但是对于这块简单的电路艺术板我还是大致跑通,踏踏实实的做出来了。

我的 PCB 订单

这块板子没有让我突然学会硬件,但它让我重新找回了一点动手的感觉。Cadenza 那种完整的硬件产品,对当时的我来说实在太大了。PCB Art 小很多,也简单很多,但它给了我一个能自己走完的闭环。

重新学习如何和 AI 一起协作

完成 PCB 艺术板后,我其实想多去学习一些这方面的技巧,能有朝一日做出 B 站上各位大佬一样华丽的作品,但我发现了一个问题,就是大家在构建作品的时候还是要使用如「嘉立创 EDA」类似这样的专为 PCB 设计而建立的平台,当然最终我们的板子的载体还是 PCB 使用这类软件当然是无可厚非的,而且是最准确的,但是其实其中绝大部分的功能对于普通玩家是不需要的,而且我用起来觉得各种操作一言难尽。

举个例子,我当时在做板子的时候没注意做大了,想要回去修改就得一个一个层重新调整大小,仔细对照图案是否对齐了,还有焊盘(打孔)的位置,各种反复修改。我再去嘉立创上下单,结果发现沉金面积又超标了(不支持优惠券了),在这样反复调整下我花费了大量时间和精力在这些没有意义的事情上。

除此之外,嘉立创 EDA 还有着一定的学习成本很容易误操作。在观察了各位大佬的 B 站视频我大致总结出了各位老师的 Workflow,通常是这几个步骤:

  1. 图案、排版的前期设计和准备:这一步要利用抠图、AI 重绘、图像处理等操作让图案适合后续绘制在 PCB 上

  2. 在 EDA 上拼接:将图片素材、文字素材在 EDA 上进行整合排布,需要考虑在阻焊层、丝印层 的层叠效果

  3. 进行挖孔等操作

  4. 反复在 3D 预览中确认效果来进一步调整图案、排版

当然可能还会有一些复杂操作,比如还是让板子具备一定的能力,比如加入 NFC 芯片,或者需要异形的板子,需要绘制异形的板框等,但大致流程我想就是这样。

所以我希望能简化这个流程,让大家创建 PCB 艺术能将精力更多放在设计本身,让一些初学者更好入门上手,让大佬们能解决一些重复性的问题帮他们出一版 Draft。

于是带着这些想法,我 fork 了 PCB_lightgraph(https://github.com/tomatorigid/PCB_lightgraph) 创建自己的 PCB_lightgraph_Neo,但是由于我当时想要的太多了,有点急于求成,一股脑将自己的想法告诉 AI,让 AI 自行学习拆解老师们的工艺技法,导致最后做成了一个四不像。Neo 变成了一个功能很多,但我自己都不想用的东西。AI 把我零散的想法都实现了一遍,也把我一开始没有想明白的地方一起放大了。混乱的需求只会导致混乱的结果,AI 只是加速了这个过程。

后续我又规整自己的想法和里程碑,明确了究竟自己想要做什么,新开了项目 PCB Atelier 结合了之前 Neo、Cadenza 的各种和 AI 协作的经验,目前效果不错,已经初步实现了我想要的功能,可以像 PS、Sketch 一样操作图层(和对应 PCB 的物理层)并最终导出「嘉立创 EDA」的项目工程可以直接进行下单。后续规划是进一步提升稳定度和可靠性,并增强图片处理能力让前期选定图案的时候也可以在 Atelier 中完成,除此之外还考虑加入 AI 能力,可以接入自己的 Codex、Claude Code、API 等在 Atelier 中进行 AI 图片生成或处理,甚至是直接让 AI 来帮助完成作品的评估和修改。 

学着从愚昧山峰上自己走下来

在经历了这么多高强度和 AI 协作的项目后(感谢 Tibo 老板送的 Reset 和 Codex 限制解除!),我逐渐摸索出了一些在 AI 时代创建新项目的技巧,在这里分享给大家(奖励一下能看到这里的读者)。

想清楚方向,你究竟想要什么

这一点是最重要的,如前文所说 AI 是放大器,混乱的开始只能以混乱结束,你必须心中有数,明确自己想要什么,如果你只有一个非常模糊的想法那你应该和 AI 先一步步讨论清楚,过程中可以尝试利用 grill-me 之类的 Skill,在你确认好再进行下一步。即使你想给 AI 留出一定空间来进行自由发挥,也请保持心中有数,在发觉不对的时候赶紧悬崖勒马。

做足调研,站在巨人的肩膀上

在没有 AI 的时代,工程师们就贡献了很多了不起的工程项目,AI 很多的编码技巧就来源于这里,所以别过度相信 AI 生造的东西。

我在开启新项目的时候会留一个目录专门存放一些可以用来参考的代码或资料,AI 拥有着前所未有的搜索和信息整合能力,我会让 AI 给我一份清单,要包含我们当前这个项目相似或者可能会有关联的开源项目或者资料,再将他们克隆或者下载到这个目录,我认为这样在后续我们进行正式的代码开发时让 AI 参考本地的项目会比利用什么 API 参考线上的项目更高效。

CadenzaOS 的参考目录

当然,请注意边界,不要「过度深入」的参考其他人的开源项目,虽说这个边界很难琢磨。

判断力的缺失将导致失控和灾难

执行力可以外包,而判断力不行,如果想要做成一个广义上的好项目必须具备领域的基础知识和审美,如果当 AI 给出一些选项时,你根本无法进行抉择,只能永远让 AI 给你提供建议那你就是在完全被 AI 牵着鼻子走,这不是你的项目,这是 AI 的项目,只是你给你的 AI 支付了 Token 罢了。

一旦你失去了判断力,那这个产品就没法向前了,这就是在提醒你要补一补专业知识了,至少要从概念层上理解现在正在发生什么,当然你也可以让相关的专业人士加入你的团队为你提供判断力,AI 不会为他的行为负责,但你需要。

拆分里程碑,切不可贪快

请明确每一步的里程碑,在清晰确切的完成这个目标之前,不要做其他事,不要开发新功能引入新的混乱,这符合软件工程的准则,即使现在是 AI 时代了,也不过时。我献身说法一下,因为 Tibo 老板那几天 Reset 的太频繁了,所以我整个人就很焦虑,向着 Token 不用完就亏了,经常临睡觉一定要给 AI 安排一个任务,用 Goal 去执行,在我还没想明白某个功能的时候,我就迫不及待的交给 AI 全权去做了,Token 可能是没有浪费吧,但是项目陷入了混乱,各种功能混杂在一起,让 Debug 的难度指数级上升,AI 都改不过来(也许 AI 不认为那是 Bug ,或者就是单纯忽略掉了,所以不会自行解决)。

我建议可以使用 OpenSpec 或者就是自带的 Plan Mode,在完成这个 Plan 之前不要添加新的功能。完全确认好了再下一步,不要贪快,有时候慢就是快。

给 AI 更多的上下文和参照,包括视频

之前说过要让 AI 参照一些关联的开源项目,说的也是这个事,但是我最近发现 AI 读视频的效率也是很高,它可以抽帧去看视频。所以我现在非常喜欢发一段录屏配文字说明现在的状况。我之前在做 CadenzaOS 菜单动画的时候就非常想参考 Playdate 的菜单动画,就录了视频,发给 Codex,Codex 就根据抽帧,不断 Loop,像素级还原了这个效果,完成了以后我真的很震惊,因为最后这个效果简直是一模一样。

虽说让 AI 自己摸索,相信它也是可以自己摸索出来如何看视频的,但为了让 AI 高效完成工作我也做了一个 Skill 帮助 AI 去分析视频,已经传到 Skill 市场上了(https://www.skills.sh/supertapir/tapir-skills/inspect-video-frames)大家感兴趣可以试试。

TDD 很重要,帮助 AI 锚定目标

TDD 是神,特别是我们现在起项目会大规模使用 Loop,通过单测、E2E 测试等 AI 能清晰的认识到这次修改是否改对了,完成测试 ≈ 完成需求且无报错,AI 改的放心,人看着也放心。

请原生支持 CLI,给 AI Agent 留出入口

我觉得 AI 时代了,或多或少我们都希望让 AI 能接管或者参与到我们的项目中,GUI 显然不是给 AI 用的,CLI 才是它们真正需要的,如果你有这方面的规划,别忘了从项目一开始就支持 CLI 的使用。

让经验和工作流留在仓库里

请将工程的工作流作为项目级 Skill 留在你的仓库,不只是你开发这个项目用的开发 Skill,比如 OpenSpec 啥的,我在做 CadenzaOS 的时候想要生成一些 App 的封面图,花了大量时间和精力做调整,可不只是全交给 AI 生图这么简单,还要经过一些脚本处理,最终才能变成漂亮的 1bit 封面。在完成几个封面后,我就让 AI 将这个工作流沉淀成 Skill 存储在 Repo 里。并进行了一些测试确保 Skill 的可靠。在这之后就可以让 AI 创建新的 App 的时候主动调用封面生成 Skill 来生成了。

封面生成 Skill

通过 Skill 生成的封面,很符合我的审美!

向山进发

我发现 AI 之于我最大的作用,就是让我敢去挑战一些以前完全不敢触碰的领域。

以前我看到硬件、通信、单片机这些东西,会觉得自己根本没有入口。现在我会觉得,至少可以先进去看看。AI 对通用知识的理解,确实能帮我解决很多最开始的问题,帮我找资料、搭环境、解释概念、写一些代码,让我不用一上来就被陌生名词劝退。

垂直的知识当然还是很重要,专业的事情也依然要交给专业的人。但对我自己来说,我现在会更看重广度。多了解一点不同领域的东西,慢慢建立自己的审美趣味和判断,再借助 AI 去把这些东西融会贯通,想必就会拥有与众不同的视点。

继续向着愚昧山峰进发吧,也不用太担心跌下来。每跌一次,至少会多知道一点自己缺什么,多知道一点这个领域真正难在哪里。下次再去碰一个新的东西,说不定就会比上一次更清楚一点。

接下来我准备去玩玩 Flipper Zero,也想学一下通信相关的知识。估计后面还是会踩很多坑,但我相信 AI 能继续帮我把这个领域的门稍微推开一点,哈哈。

关于本文:

我以前很讨厌 AI 的一点就是在于 AI 让工业化生产内容变得太简单了,导致同质化的内容太多了,现在看到 AI 腔(不是。。。而是。。。)我真的很想吐,也许误伤了一些本身就这么创作的人,但看到 AI 腔总让我感觉这篇文章背后是冷冰冰的机器花了 30s 生产出来的,我就对这篇文章一点也不感兴趣了。(我早年经常翻译英文文章来练习英语,翻译的还很生硬,所以可能 AI 腔没有但翻译腔会比较重hhh)但工具也在反向影响我们,在 AI 生产的内容充斥在我们周围时,我们也在不知不觉之间受到其语言风格行为习惯的影响。 我敢保证本文 99% 由人类撰写,剩下 1% 是我让 AI 修了些错字,提供些修改建议。但我确实利用 AI 的检索和整合能力,通过对话将本文所有的素材做了收集,在我需要的时候 AI 可以将素材发给我。

项目和资料

CadenzaOS:https://github.com/SuperTapir/CadenzaOS

PCB Atelier:https://github.com/SuperTapir/pcb-atelier

tapir-skills:https://github.com/SuperTapir/tapir-skills

PCB_lightgraph:https://github.com/tomatorigid/PCB_lightgraph

我用AI编程复刻了老罗的TNT,还顺手做了个万能遥控器……:https://www.bilibili.com/video/BV1qMKg6uEJr

送朋友一张PCB做的贺卡!:https://www.bilibili.com/video/BV11MjE6qEXb

🎉🕯🎂🕯🎉(我的第一块 PCB Art 作品图案取自这位老师的视频):https://www.bilibili.com/video/BV1ihNx61Ewq

从零开始的二次元电路板艺术画设计教程:https://www.bilibili.com/video/BV1CQjz6ZELZ

-END -

如果您关注前端+AI 相关领域可以扫码进群交流

图片

添加小编微信进群😊

跳转微信打开

  •  
❌