铃阅时讯
❌

阅读视图

面向 Agent 沙箱的内核全景观测|滴滴开源 CCF 中国开源大会分享回顾

原创 滴滴开源 2026-08-31 19:58 北京

近期,CCF中国开源大会在重庆山城国际会议中心开幕。大会以“渝见开源,数智启新”为主题,围绕泛在操作系统、具身智能、开源供应链安全等前沿方向,为参会者带来了行业技术干货。

大会上,滴滴 HUATUO 华佗开源项目负责人张同浩带来了《面向 Agent 沙箱的内核全景观测》主题分享,介绍 HUATUO 在内核观测、异常捕获和性能分析方面的探索。下面将从 AI 时代的系统观测挑战出发,带大家了解 HUATUO 如何构建面向 Agent 沙箱的内核全景观测能力。

项目地址:https://github.com/ccfos/huatuo

项目官网:https://huatuo.tech/

背景和挑战

云原生时代

  • 容器虚拟化,共享内核,资源混部以及服务网格等技术的引入增加了基础架构的复杂度,间接增加了系统故障定位的复杂度。

  • 在生产实践中,当出现问题时,往往需要进行服务的止损,降级,以及容器的迁移和重建等操作,这些操作导致了故障现场的丢失。然而,线下复现故障往往需要投入大量的人力物力,最后也未必能够复现,即使复现也无法完全保证根因一致。

  • 其次,我们面临的问题更加复杂,之前解决的问题都是周期性,可复现的问题。然而现在面临的问题更加复杂化,从周期性问题已经演进为了间接性,不可复现问题。这些问题存在窗口非常短,触发条件非常苛刻。

  • 面对这些业务痛点,更棘手的问题是当时行业内并没有有效的、观测内核微观异常的工具。

AI 时代

然而到了AI 时代,又新增了很多挑战首先 Agent 沙箱工作负载呈现高并发,资源突发的特点,并且这些工作负载资源画像,很难预测。在 AI 训练场景中,硬件已成为关键资源,任何单点硬件异常都可能拖慢整体训练速度、甚至训练任务失败。

解决方案

面对这些挑战我们的解决方案是什么?

要实现系统故障分析,首先要完成系统可观测,现场可追溯,故障可分析的目标。

  • 如何解决内核版本兼容和稳定性问题?eBPF技术的出现,使得内核可编程,并能够安全的运行用户定制代码。采用 eBPF 可以替换传统的内核模块实现问题分析。eBPF+内核动态追踪技术,可以实现零侵入的、低损耗的、安全的执行观测埋点。

  • 如何解决系统与业务数据串联问题?系统层面和应用层面的数据天然存在隔离,但在故障定位中,必须实现系统层面观测数据与应用业务层面数据的串联,这样才能够真正的定位到故障根因。通过在内核侧感知cgroup创建事件,将容器ID和内核cgroup地址进行关联,所有的内核事件都带上cgroup地址,最后在用户态完成解析关联。

  • 如何实现系统层面的可观测?HUATUO 华佗开源项目综合使用 kprobe、tracepoint、ftrace、perf event 和 eBPF 等动态追踪能力,在不修改业务代码的前提下,从宿主机内核侧获取指标、事件和调用栈,并把能力分成五层:

    • 内核全景指标,通过eBPF实现更加精细化内核指标采集,把“系统慢”定界到具体子系统,如调度,协议栈或者BlockIO等。

    • 异常事件感知,在关键系统的异常路径,慢速路径,常态挂钩。保留内存,调度,网络异常现场,避免故障恢复后证据丢失。

    • 全自动换追踪 AutoTracing, 通过滑动窗口,阈值触发,自动采集火焰图、内核栈、进程和文件快照。这种方式兼顾低损耗与观测深度。

    • 持续性能剖析。在传统火焰图基础之上,增加时间维度,实现对历史时间内热点回溯,解决性能抖动问题。

    • 异构硬件感知。此外该项目也支持 AI 计算场景下的硬件(包括ECC、AER、PCIe、GPU/NPU、RoCE等)故障感知,提升 AI 训练的有效时常。

全栈观测底座

有了上面的顶层设计之后,需要实现具体观测能力。因此,我们实现了全栈观测底座。

全栈观测,全景覆盖

  • 全网络协议栈观测。实现从物理链路、驱动、协议栈到用户态的全链路观测,覆盖收发延迟、硬件与软件层面的丢包检测、报文重传以及 TCP 收发队列状态。

  • I/O 全栈观测。以 inode 为核心,对进程级 I/O 生命周期进行端到端追踪,涵盖 VFS、文件系统、Page Cache、Block Queue、驱动直至物理设备。通过关联丰富的上下文信息,定位 I/O 响应缓慢的根本原因。

  • CPU 争抢检测。在高密度沙箱节点环境中,单纯依赖 CPU 使用率无法有效反映资源争抢状况。HUATUO 关注容器内部争抢和外部争抢(这对 Agent 沙箱尤其关键,因为一个任务的延迟既可能来自自身并发,也可能来自“噪声邻居”):

    • 内部争抢:同一容器内线程数超过可用 CPU;

    • 外部争抢:容器与节点上的其他工作负载竞争 runqueue;

    • 调度延迟:任务已 runnable,却迟迟没有获得 CPU;

  • 通用系统观测。HungTask、Softlockup、IRQ/SoftIRQ 延迟和内存回收共同覆盖了系统级停顿。它们能发现平均利用率无法描述的短时异常,例如某个 CPU 长时间关中断、D 状态任务堆积,或容器直接内存回收阻塞。

异常即捕获,而非事后猜测

指标适合观察趋势,事件更适合保留边界明确的异常现场。HUATUO 将 eBPF 程序挂到内核的异常路径或慢速路径:事件触发时,在内核态收集进程、调用栈、网络或硬件上下文,通过 Perf Event Buffer 交给用户态处理,再执行过滤、容器关联和持久化。

AutoTracing 自动捕获毛刺

很多性能问题既不是清晰的内核异常,也无法靠平均指标复现。例如容器 CPU 突然冲高 10 秒、磁盘 await 连续抖动、匿名内存快速增长,等工程师介入时已经恢复。

AutoTracing 的做法是:实时监测系统异常,通过滑动窗口、EMA、增量阈值或连续超阈判断异常。阈值并不是不可改变的常量:项目提供了生产经验默认值,但在不同 CPU 配额、磁盘介质和任务密度下,仍应根据基线进行校准。

火焰图把“CPU 高”进一步转换成函数和调用路径。左侧 Top Table 适合快速寻找热点符号,右侧火焰图适合分析调用关系。对沙箱节点而言,还可以把目标限制到对应的 VMM PID、线程组或 cgroup,避免全机聚合掩盖单个 Sandbox 的热点。

持续性能剖析,让现场可回溯

AutoTracing 解决“异常时自动抓一次”,持续性能剖析解决“问题在一段时间内如何演进”。传统临时采样把所有数据聚合成一张图,缺少时间线;持续剖析按窗口保留结果,使偶发慢变成可以搜索、对比和回溯的历史现场。HUATUO 的统一 profiler 目前覆盖:

其中 Off-CPU 剖析尤其适合分析“CPU 不高但请求很慢”的问题。它把线程离开 CPU 的时间归因到切出时的调用路径,并区分阻塞等待和 runqueue 调度等待:前者更可能指向 I/O、锁或条件变量,后者更可能指向 CPU 争抢。

原生内存剖析则区分三个经常被混在一起的概念:

  • virtual_alloc:申请了多少虚拟地址空间;

  • physical_alloc:采集窗口内实际分配了多少物理页;

  • physical_usage:采集时仍有多少物理页驻留。

图:物理内存驻留按进程与调用路径聚合,可以从“节点内存高”下钻到具体分配路径。

在单机现场,可以直接使用 CLI:

在平台侧(huatuo-apiserver),Profiling API 可以完成能力查询、创建任务、查看状态和结果、获取原始数据、停止及删除任务。由此,临时命令进一步演进成服务化、任务化的持续剖析平台能力。

从 RAS 到 GPU/NPU

AI 基础设施中,硬件问题并不总以“设备掉线”的方式出现。ECC 可纠正错误持续升高、PCIe 链路降宽、AER 错误、GPU 降频或 RoCE 重试,都可能先表现为吞吐下降或长尾延迟。

HUATUO 通过 Linux RAS 体系中的 MCE、EDAC、ACPI GHES 和 PCIe AER 捕获结构化硬件事件,进入告警与审计链路:

图 3:硬件错误从 CPU、内存、平台和 PCIe 设备进入内核 RAS 子系统。

这套能力主要服务于四类目标:
  • 提前预警:同一 DIMM 的 ECC CE 频率持续升高时,支持提前换件;

  • 故障隔离:GPU、HCA、PCIe 或网卡链路异常时,支持隔离节点和迁移任务;

  • 性能退化定位:把 NVMe/HBA AER 与 I/O 延迟关联,区分软件、设备和链路问题;

  • 审计复盘:保留时间、设备 BDF、严重级别和原始字段,形成可追溯证据。

关键不是增加一批孤立的硬件指标,而是把硬件事件与同一时间窗口内的调度、网络、I/O 和剖析数据关联起来。只有这样,平台才能判断一次 Agent 卡顿到底来自软件调用路径,还是来自底层设备退化。

Agent 沙箱层级关联

探针采集到内核栈之后,仍然要回答“这是谁的现场”。容器环境可以利用 cgroup CSS、网络命名空间和容器运行时元数据完成关联;微虚拟机沙箱还需要补充 Sandbox 与 VMM 的映射。

社区进展

HUATUO 华佗项目于2025年由滴滴公司正式开源,并捐赠给中国计算机学会(CCF),经过持续建设,项目已逐步从滴滴内部的技术实践走向更广泛的开源社区。

截至 2026 年 8 月,HUATUO 已发布 v2.3.0,拥有约 1.1k GitHub Stars、51 位贡献者和 1,310 次提交,镜像拉取量超过 15k,并已在 20 多家企业部署。与此同时,沐曦、华为昇腾社区等也持续向 HUATUO 社区贡献 GPU/NPU 相关能力,推动项目进一步拓展 AI 基础设施场景。

在开源社区建设与技术创新方面,HUATUO 也获得了来自产业与社区的认可。项目入选《CCF-光华青年开源专项基金种子计划重点级项目》,同时进入 CNCF Landscape,并被 eBPF 基金会列为新兴项目。

面向 Agent 和 AI 基础设施,HUATUO 社区也将围绕以下方向持续建设,欢迎更多开发者参与共建:

  • MCP 故障分析:以标准工具接口向 Copilot 和 Agent 暴露诊断能力;

  • 分布式链路分析:把单节点内核现场扩展到跨节点网络和任务链路;

  • AI 场景性能分析:继续深化 GPU/NPU 训练与推理的软硬协同分析。

往期推荐

跳转微信打开

  •  

Dify 全新 Agent 体验正式上线

原创 Dify 2026-08-31 15:31 江苏

让成熟的 Agent 能力从一次构建走向更多业务场景。

今天,我们正式推出全新 Dify Agent。

随着模型能力不断提升,企业对 AI 的期待也从完成单一任务,走向让 Agent 自主理解目标-规划步骤-调用工具,并在真实业务中交付结果。

麦肯锡 2025 年全球调研显示,62% 的受访企业已经开始探索 AI Agent。当 Agent 从概念验证走向生产,团队需要解决的不只是“能否完成任务”,还有如何持续优化、跨场景复用,以及在出现偏差时快速定位和改进。

因此,我们重新思考了 Agent 在 Dify 中的角色。

在全新的设计中,Agent 不再只是依附于某个应用的执行节点,而是成为拥有独立配置、完整生命周期的 Dify Agent:它可以被独立构建、调试、发布和管理,也可以通过 Web App、API 或 Workflow 灵活接入各类业务场景。

从 Agent 节点到独立 Agent

过去|Workflow 中的执行单元

  • 2025 年初,Dify 在 Workflow 和 Chatflow 中引入 Agent 节点与代理策略(Agent Strategy),让模型得以在编排中自主决策。但彼时,它本质上仍是一个执行单元。

详见:

Dify Agent 节点 - 当工作流学会「自主思考」

随着 Agent 进入生产环境,企业对 AI 能力的长期可维护性与跨场景复用提出了更高要求。

现在|可独立维护与复用的 Agent

  • 在全新的 Agent 体验中,Agent 不再只是一个节点,而拥有了独立身份、配置和生命周期。

每个 Dify Agent 均拥有独立的模型、指令、技能、工具配置。团队只需集中构建与维护一次,即可在全局场景调用,让业务经验得以持续复用与演进。

1

Build 构建

基于真实业务任务打磨与沉淀能力

Manage 管理

精准管控维护,实现跨场景复用

2

3

Track 追踪

覆盖单次排查与长期运行监测,实现白盒治理。

Build

  从真实任务出发

  持续打磨 Agent 能力

许多业务问题,往往始于一线团队那些高频、具体且结果可明确评估的任务。

Agent 运行后,编排初期未曾考虑的缺口、规则冲突和流程断点会更快暴露,也正是在这个过程中,团队才能精准迭代,把验证有效的工作方法沉淀为 Agent 的长期能力。

为此,全新的 Agent 提供了两种互补的构建路径:

在 Build Mode 中,对话产生的配置变更会先保存为草稿(Build Draft)。你可以查看改动并选择应用(Apply)或放弃变更(Discard),也可以切换至预览模式(Preview),在正式发布前验证 Agent 的回答效果与交互体验。

Agent 不只是一段 Prompt

随着任务复杂度提升,把业务规则、专业方法、参考资料和工具说明全部写进 Prompt,会让配置越来越冗长,也更难维护。

Agent 不应依赖单一 Prompt,而应由多个可独立维护的模块组成。

因此,Dify 将 Agent 的能力拆分为不同部分:

Prompt 定义 Agent 的角色与行为边界,Skills、Tools 和 Sandbox 则分别赋予其业务能力、工具调用能力与安全的执行环境。

模块化后,团队可以分别维护不同能力。你可以随时替换某个工具或优化某项技能,无需反复调整 Prompt,极大降低了长期维护与多人协作的复杂度。

三种方式扩展 Agent 的执行边界

要让 Agent 真正进入业务,仅仅能够调用模型还不够。它还需要连接外部系统、复用团队已有的工作方法,并根据任务灵活调用临时能力。

为此,Dify 提供了Tool、Skill和Sandbox CLI 三种扩展方式:

Tool:接入需要长期运行的正式能力

为你的 Agent 接入生产级集成能力。

团队可通过以下方式扩展功能:Dify Marketplace 下载拓展工具、连接自定义 API 或 MCP 服务器,或将现有工作流封装为工具。

工具在工作区层级进行管理,并可在多个 Agent 之间共享。

例如,生成图表工具仅需安装配置一次,之后不同的 Agent 便可使用它来分析数据、生成周报,或是为内部仪表板构建图表。

对于需要额外配置的功能,高级设置(Advanced Settings)可将环境变量集中保存在一处,并在沙箱中供代理使用。当默认值或 runtime 设置发生变更时,无需逐一查找其所有出现位置即可完成更新。

Skill:沉淀团队方法与实践

许多业务任务都有固定的判断逻辑和工作方法。

Skill 可以将操作指南、参考资料与执行脚本封装在一起,让 Agent 按统一方法完成任务。

例如,一个增长分析 Skill 可以包含指标定义、计算规则和执行脚本,让 Agent 按照统一的方法计算 CTR、CPA 与 ROAS。

脚本不会显示在 Tools 列表中,而是随 Skill 保存和维护,无需额外开发为独立插件。

随着团队沉淀出更多可复用的方法,Skill 也不应只存在于单个 Agent 中。

我们也同时推出 Skill Management 功能,让 Skill 成为工作空间中的共享资源。团队可以集中创建和维护 Skill、管理发布版本并查看引用关系,让同一套业务方法服务于多个 Agent。

当客服分级、销售跟进或员工入职流程发生变化时,只需更新对应的 Skill,即可实现跨场景的能力同步。

Skill Management 已在 Dify 1.17.0 自托管版本上线,更新试试:

https://github.com/langgenius/dify/releases/tag/1.17.0

Sandbox CLI:处理当前任务中的临时需求

部分任务仅需使用一次,无需将其添加至 Agent 的长期配置中,Agent 可直接在当前 Sandbox 中安装并运行 CLI 工具。

例如,当你临时需要根据当前项目获取一份方案演示文稿时,Agent 可以在 Sandbox 中安装所需工具并生成文件;日志解析、文件转换和数据处理等一次性需求,也可以用同样的方式快速完成。

如果相同的 CLI 配置反复出现,可以将安装和调用方法沉淀为 Skill。当该能力需要在多个 Agent 间稳定运行时,可通过 API、MCP 服务器、插件或工作流,将其打造为 Dify 的共享能力。

在这样的扩展架构下,团队可以先快速验证,再将成熟做法逐步沉淀为安全、稳定且易于维护的生产能力。

让修正成为下一次运行的起点

Agent 的构建不会在首次发布时结束。

真实任务会持续暴露新的问题,团队需要判断应该调整提示词、工具还是 Skill,并把修正放到正确的位置。

在一次商品比较测试中,Agent 曾混淆两款商品的营养字段。我们没有继续追加临时 Prompt,而是将商品知识拆分为独立记录,并把“逐项检索、交叉核验、缺失信息不作推断”保存为 Skill 规则。

再次验证后,Agent 已能稳定区分两款商品的数据,并在处理过敏原、库存、退款及隐私相关问题时均把握好了恰当的边界。

Agent 的价值,不止于完成一次任务,更在于能够随着业务反馈持续演进。团队可以把运行中发现的问题转化为对知识、规则或 Skill 的调整,让一次修正成为下一次运行可复用的能力。

Manage

  一处构建,随处复用

过去,同种业务类型的 Agent 被复制到多个应用和 Workflow 中,复制次数越多,更新维护越混乱。

新的 Agent 体验改变了这种依附关系,Agent 从具体应用和节点中独立出来,团队可以在 Agents 页面集中查看和维护工作空间中的 Agent,并按状态、创建者和更新时间快速筛选。

每个 Agent 都拥有清晰的名称、描述和配置来源,让团队知道它负责什么、目前处于什么状态,以及应该在哪里继续维护。

Agent Console

一份配置,多个使用入口

Agent 构建完成后,不会被固定在一种产品形态中。

在访问点(Access Point)中,团队可以查看 Agent 的所有使用入口。工作流访问(Workflow access)还会列出正在调用该 Agent 的流程、版本和更新时间,帮助维护者在修改配置前了解可能影响的业务范围。

进入 Workflow,只管理当前业务

同一个 Agent 进入不同 Workflow 时,可以承担不同工作。

流程设计者无需重新配置它的 Prompt、Skills、Tools,而是通过 Agent 任务(Agent Task)为当前节点补充任务说明:这一次要完成什么、可以使用哪些上游变量与预期结果。配合新增的声明式输出,Agent 的结果可以按照预设结构交付给后续节点。

我们来看一个示例:假设你已经搭建了一个增长分析 Agent,它能够解答增长相关问题、计算指标并生成图表。

你既可以单独使用它,也可以将同一个智能体接入到活动分析工作流中,为其分配更具针对性的任务(Task)。在此基础上,工作流可负责处理质量检查、分支逻辑以及人工审核环节。

对于仅限单个工作流使用的临时功能,可从空白 Agent 节点开始从零搭建。如果后续发现该功能在其他场景下也适用,可将其保存到 Agent 库中进行集中管理。

Agent 决定“会什么”,Workflow 决定“做什么”。

既保证了共享能力的一致性,又明确了不同流程的业务边界。

Track

让工作过程清晰可见

当 Agent 被多个入口和 Workflow 复用时,仅依靠最终回答已经不足以定位问题。

因此,Dify 提供了从单次运行到长期表现的三层观测能力:

单次追溯

完整还原用户输入、规划过程、工具调用与回复。每条日志均标明请求来源,帮助团队判断是局部流程问题还是 Agent 配置问题。

节点流转检查

当 Agent 在 Workflow 中运行时,最终结果还会流经各类节点处理。

单节点运行信息与变量检查可帮助团队检查执行步骤及节点间传递的数据,看是否发生在 Agent 内部?还是后续的质量检查?条件分支或人工审核环节,从而更轻松地定位代理或其关联工作流中的问题。

长期指标监测

团队可以按时间和调用来源汇总使用量、交互情况、响应速度、用户满意度、Token 消耗与预估成本,并持续比较不同版本和业务场景下的质量、性能与成本表现。

此外,Dify 新增了 Workflow 日志归档功能,支持按月整理和下载历史运行记录,便于长期问题追溯、运营分析与内部审计。

该功能暂不在社区版中提供,关于日志留存与归档,请参阅:
http://docs.dify.ai/zh/cloud/use-dify/monitor/logs#日志保留

为什么选择 Dify 构建企业 Agent

全新的 Agent 体验建立在 Dify 一贯强调的四项能力之上:

  • 模型中立:灵活对接主流与私有模型,摆脱单一厂商锁定,平衡性能、成本与合规要求。

  • 可视化构建:从真实任务开始,通过 Build Mode 逐步完善 Agent,既保留 Build Mode 的自然语言探索,又提供透明可视的结构化配置,打通业务与技术团队的协同障碍。

  • 灵活组合: Agent 可以独立使用、通过 API 接入现有业务系统,也可以进入 Workflow,与数据处理、规则判断、人工审批及其他节点协同工作。同一份能力只需集中维护,便能服务不同团队和业务场景。

  • 透明可控:覆盖 Logs、Tracing、Monitoring、版本控制、凭证隔离与 Human Input(人工介入),确保 AI 在安全可控的边界内运行。

对于企业而言,真正的挑战往往不是能否构建一个 Agent,而是能否让它在组织中被安全地复用、持续地维护,并以可观测、可治理的方式进入生产环境。

Dify 将模型、Agent、Workflow、API 与运行观测放在同一平台中,让团队可以围绕一份能力建立清晰的开发和改进流程。

即刻开始构建

Agent 负责动态判断,Workflow 负责流程结构与控制边界,在二者的结合下,让企业无需在上线前预设所有情况,而是能在真实业务场景中灵活迭代。

从一项真实业务开始构建 Agent,在运行中不断打磨,再将成熟的能力复用到更多业务场景。

马上开始使用 → 

https://cloud.dify.ai/agents

了解如何配置 Agent,请参阅 → 

https://docs.dify.ai/zh/self-host/use-dify/build/new-agent/build

跳转微信打开

  •  

我们为什么重新设计了 Agent?

原创 Dify 2026-08-31 15:31 江苏

了解 Dify 如何重新设计 Agent,让 Agent 与 Workflow 从独立能力走向协同工作。

自诞生起,Dify 一直在做一件有些拧巴的事。

我们试图在快速发展的模型浪潮中,提供一套成熟的企业脚手架。但这意味着,我们必须时常在释放 SOTA(state-of-the-art,最先进水平) 模型实力以及企业要求的:私有化部署、模型中立、权限管理、可解释和可审计之间做出取舍。

因此,年初龙虾热的时候,我们没有立即跟进,做一款 DifyClaw 那样的时尚热门单品类产品。但很让我们兴奋的是,这几波热潮推动了社会共识的形成:CLI Agents 的范式借此契机正在走出 Coding 场景,进入越来越多的企业,解锁越来越多业务场景。

基于这个变化,我们重新设计了 Dify 中的 Agent 系统,让 Dify 应用和工作流可以将一部分复杂任务交给 CLI Agents 来完成。

哪些任务适合交给新的 Agent?

如果你的团队已经沉淀了一套成熟的业务 Skills,希望快速转化为 Agent 的能力,让 Agent 接手业务中重复、耗时的工作;如果你遇到了 Dify 插件生态尚未覆盖到的集成问题;又或者,业务人员希望通过对话指导和打磨一个 Agent,并绕过晦涩难懂的技术学习。

那么,新的 Agent 值得一试。

熟悉的 Agent 内核,

Dify 把通用的轮子造好。

从原理上看,新的 Agent 系统和 Codex、Claude Code 等 Coding Agents 采用了相近的核心结构:由模型驱动的 ReAct Loop,通过 Bash 等工具在独立沙箱环境中完成任务。

但 Agent 能真正进入生产环境,仅靠能够循环调用工具是不够的。

幕后,我们把大量精力投入到了模型切换、上下文管理、运行环境管理、失败策略等基础能力中。

用当下时兴的说法,Dify 提供了一套相对完备的 Loop Engineering。这样,你不必再为每个 Agent 重复解决这些常见问题,而可以把精力投入到如何将这些 Agents 编排到你的业务流程中来。

在安全与合规方面,Dify 企业版为每个会话启动一个独立的 Sandbox 容器,实现 PID、FS和网络隔离,并支持配置自定义的网络策略和 Security Context。Sandbox 基于安全加固的基础镜像构建,并以非 Root 用户运行。

Agent 已经足够强了,

为什么还需要工作流?

近半年,我们经常被问到一个问题:

当 Agent 经历了三年的探索,如今终于形成被广泛承认的范式之后,Dify 是否还会继续做工作流?

我们的答案是:

当然会,因为 Agent 与工作流解决的是不同维度的问题。

Agent 解决的是个体能力问题,而工作流解决的是能力如何能被组织和调度的问题。

即使个体能力强如人类,我们依然发展出了如线上会议软件、企业 IM、OA 工具、OKR 等一系列的“协作基础设施”。其中,有一些服务于临时协作,另一些负责承载稳定、反复发生的流程。

我们认为工作流解决的问题,是企业如何把现有的固化流程,以一种合理的方式,转化为 Agent 与人的协作产物,并让该产物能便捷地发布并在一套企业级基建上以及长期运行。在 Agent 能力得到跃升的今天,这个需求不但没有消失,反而显得愈发紧迫。

从即兴发挥

到可长期运行的软件补丁

传统的软件,本质上由数据库、数据之上的函数、以及人与这些函数交互界面组成。今时今日,Agent 已经可以在大量的一次性场景中临时客串这套系统:即兴生成的脚本,开始替代一部分过去必须由严谨代码实现的功能。

但即兴发挥本身不是生产系统。

当我们把 Agent 放进前文所述的编排里,再用确定性的输出输入、调度机制、失败策略、权限和可观测性为它划定边界,就能把这些即兴能力固化下来。我们由此获得的未必是一套完整软件,更现实的形态是,为现有软件快速补上缺失的能力 —— 一块属于自己的软件补丁。

PM 实例:Calendly 会议强提醒补丁

和许多需要承担对外沟通工作的人一样,我惯用 Calendly 约会议。但预约跨度较长时,参会者经常忘记会议。

我只需要一个非常小众的需求:在会议当天再次自动发邮件提醒对方(这通常需要昂贵的付费订阅)。

理论上,这个需求从技术上看并不复杂。开发者可以让 Coding Agent 接入 Calendly MCP 和邮件客户端,编写一套自动提醒程序,再发布为一个 Github Action 实现云端定时执行。而对于非开发者来说,这依然是一个不大不小的工程。

在 Dify 里,这件事变得异常简单:安装 Gmail 插件,通过 Build Chat 教 Agent 配置 Calendly MCP。在完成测试后,将这个 Agent 作为 Agent 节点放入一个定时工作流中。这样,任何人都能在 10 分钟内,完成一个生产级的 SaaS 软件补丁。

接下来:Agent 与 SOP

新 Agent 解决了"有没有"的问题。接下来,我们会把重点转向两个方向:

  • 横跨多种 Agent 技术栈的集成,包括不同的 CLI Agent 和各类 Agent SDK;

  • Agent 与人的企业级协同,尤其是 Agent + Human 的 SOP 编排。

我们的目标不再是增加一个单独的 Agent,而是让不同的 Agent、与现有软件系统和真实的人,可以在同一套流程中协作

这只是一个开始,我们期待听到你对 Dify Agent 的反馈。

跳转微信打开

  •  

把开源项目带进真实场景,2026 上海开源软件应用创新大赛启动

原创 Dify 2026-08-31 15:31 江苏

从代码到场景,Dify 邀你参加 2026 上海开源软件应用创新大赛

一个开源项目的价值,不只在于代码被公开,更在于它能否进入真实场景,被部署、验证,并持续解决问题。

2026 上海开源软件应用创新大赛现已启动。Dify 将作为企业合作伙伴参与本届赛事,与开源社区、企业、高校及科研机构一道,寻找能够从技术构想走向实际应用的开源项目。

从开源出发,回应真实需求

本届大赛以「开源向实」为主题,设置三大赛道:

  • AI+ 工业软件:关注制造、能源、CAD/CAE、工业互联网等场景,探索 AI 与工程流程及产业系统的结合。

  • 智算云:覆盖算力调度、分布式训练、模型部署、边云协同与成本管理。

  • 开源 AI 工具:面向数据处理、模型训练与评测、RAG、Agent、MLOps 等开发与运行环节。

参赛者可以选择企业发布的真实命题,也可以围绕三大赛道自主选题。

本次大赛希望看到的不只是概念和 Demo,而是能够运行、测试并继续演进的开源作品。

这也对应着 Dify 一直关注的问题:AI 项目的挑战,往往不止是完成一次原型验证,而是如何将模型、知识、工具与业务流程组织成可以持续运行和改进的系统。

参赛信息

报名及作品提交

即日起至 2026 年 10 月 11 日

入围名单公布

2026 年 10 月 16 日

线下总决赛

2026 年 10 月 24 日,中国·上海

大赛面向企业、高校、科研机构、开源社区及学生团队开放,个人和团队均可报名,团队建议由 3–5 人组成。

参赛作品需要提供完整可运行的代码仓库、项目介绍文档和演示视频。三个赛道将独立评选奖项,总奖池累计 100 万元,奖励形式包括现金、算力与 Token、大模型 API 等开发者资源。获奖项目还将获得后续产业对接、技术验证和投融资咨询等支持。

从一个真实问题开始

好的开源项目,往往不是从宏大的技术概念开始,而是从一个值得解决的具体问题开始。

让 Dify 与你一起走进真实场景,组织你的团队,把代码、产品和判断带到真实环境中,在实践中构建、维护,并不断优化。

扫描海报二维码,或点击「阅读原文」进入大赛官网报名。

期待在上海,看到你们把开源能力带进真实世界。

阅读原文

跳转微信打开

  •  

旅程过半|十年之约 #41

原创 也谈钱 2026-08-31 13:30 德国

从 2021 年 5 月开始,到今天,十年旅程已经过半。

经常有读者把「财务自由实证」和「十年之约」搞混,这里解释一下。两个系列虽然都聊投资、聊财务,但视角其实不一样。

财务自由实证记录的是整个生活。它从 2019 年开始,记录投资,也记录收入、开支、储蓄、预算以及生活里的各种选择。最初想验证普通人通过工资理财能不能攒下一笔钱、实现财务自由(不是大富大贵那种,被动收入能超过生活开支即可)。攒钱目标实现后,继续观察投资收益能不能持续覆盖生活开支,以及自由以后,钱、生活和注意力会发生什么变化。

真实但更驳杂。

相比之下,十年之约这个账户更纯粹。从 2021 年开始,每月固定投入 1000 元,中间尽量少关注行情、不预测、不折腾、少花注意力,把精力留给工作和生活。看看普通人从零开始攒一笔钱、用于投资,中间又会经历什么,十年后能获得什么结果。

如果说财务自由实证记录的是钱与生活的全景,十年之约就是把镜头拉近,只看投资这一部分。

这次复盘的是后者,十年之约。

……

从 2021 年 5 月开始,到今天,十年旅程已经过半。

实证账户,目前的资金加权年化收益率是 6.48%。

如果是不择时、不预测、不追着行情跑,平时也不怎么消耗注意力取得这个收益,大伙感觉怎么样?

虽然数字没达到最初预期的 10%,但和 5 年前出发时相比,我们所处的环境也大不相同。

当初的 10%:那时大家对物价和房价充满焦虑。物价在涨,房价更快。可能投资实现了 10%,但如果没跑赢房价,还是会觉得白玩儿。

后来的 6.5%:物价变化小了,房价、房租还降了,长期定存利率变成 1 开头……

投资是为了更好地生活。我们原想通过 10% 解决的问题、放下的焦虑,放在现在可能 7% 也够。所以目前年化 6.5% 的收益我觉得也还好。

只看收益数字,看到的往往是「10% 太菜了,你看谁谁谁今年都翻倍了」。

但关注生活里具体的问题,怎么攒下一笔钱、怎么获得被动收入、怎么规划养老金教育金、怎么资产保值增值,更多人想知道的是「上哪找 7% 的理财」?

这是十年之约旅程过半,我对过去 5 年的复盘想法。

往前看

但往前看,我的预期变化不大——依然预期 10%,也做好实现不了的准备。

预期不变,因为预期不是线性外推。否则现在的房价应该比 5 年前再贵一倍。

十年时间,我们可能会遇到下行周期,也会遇到上行的繁荣。所以看更长时间尺度,兼顾两种可能性。这几年并没有改变股市的长期统计收益 👇 根据有知有行最新版《中国大类资产投资 2025 年报》,长期收益区间依然落在 10% 左右

也做好实现不了目标的准备,因为人要知道自己能控制什么,不能控制什么。

作为个体,我们无法左右经济周期,也很难直接控制收益这个结果。应该把更多注意力放在自己能控制的事儿上。

比如十年之约最初的计划是,每月投入 1000 元,选择不消耗太多注意力的投资方式,预期期间能获得 10% 的年化收益。

那么相比最终年化有没有 10%,更重要的其实是,有没有按计划每月固定投入,有没有选择符合目标的资产,有没有对意外的预案,如何管理好预期。这些才是我们能控制的。

我一直相信两个理念:

  1. 关注自己能控制的,接受自己不能控制的。

  2. 做好最坏的准备,坐等好事儿发生。

买什么,没有想象中那么重要

经常有读者问我,十年之约现在在买什么、还持有什么。

简单回答一下:新钱在定投长钱账户和海外长钱(海外长钱目前暂停申购,先现金备着),原来的主动基金继续持有。当时的思考分享在这里。

但,如果十年之约过去 5 年年化 6.5%、资金加权累计 37% 的收益率,大伙觉得可以接受,那么比起选到更好的几只基金或股票,更重要的可能是先成为一个合格的基金投资者。对十年之约而言,投资买什么没有想象中那么重要,更重要的是投资者自己的行为。

过去 5 年,我所选投资的整体表现其实和市场平均水平差不多。看时间加权收益率,还落后偏股基金指数一点点 👇

我并没有选到收益更高的基金和投顾。

更重要的收益来源是,每月定期投入、下跌时没有停止、买入以后长期持有。

从市场上相对分散地选 5~10 只不同风格的基金,整体表现大概率也会向全市场平均水平靠拢。再像十年之约过去 5 年一样定期买入、长期持有,最终结果可能差不多。

平均水平的投资 + 合格的持有人,可能胜过优秀的投资 + 反复折腾。

选到谁是未来的冠军很难控制。但能不能坚持计划、长期持有,是我们可以努力做到的。

……

不过这五年我也发现,这条路「简单,但不容易」。如果大部分投资者亏钱,想要成为赚钱的投资者,总要克服一些困难。

规则很简单,每月投入,不择时,不追热点,不因为新闻预测未来。

但一起经历过这段时间的伙伴可能更有体会,这些原则,实践起来并不容易。新伙伴也可以回顾下 2024 年最低谷时十年之约下的留言,比如这篇。那时候留下的都是“盲目乐观”,底部割肉才是“人间清醒”。

制定一个计划、选一只基金、想要持有十年,每一步都不复杂。但难的,是过程中一次次环境、情绪剧变中如何回答「现在怎么办?」

一个长期计划能否兑现,看的不是当初决心有多大,而是看我们如何应对一次次意外和挑战。

目前这个结果不算多惊艳,但确实可以让钱慢慢变多,解决很多财务上的现实问题。同时也没拿走太多关注生活的注意力。

旅程过半,继续往前走~

实证账户 2026-08-30

投资记账工具:有知有行
投资记账工具:有知有行

十年之约并非投资建议,更多是想以此给大家一个思考的起点——如何从零积累起一笔本金,不折腾、不挑时间、不高抛低吸、不看新闻预测未来、不盯盘,长期能取得什么样的结果,这一路我们会经历什么。

结合今天的内容,再看看这张图可能会有更多感受 👇 对投资而言,我相信更重要的是投资者自己的行为,其次是资产配置,选基金、看行情相对来说没那么重要:

  • 一位合格的基金持有人,理性思考、长期持有,哪怕选到了平庸的基金、也会有满意的回报;

  • 但不合格的基金持有人,禁不住诱惑,哪怕有幸选到了非常厉害的基金,也很可能赚不到钱。

感兴趣的小伙伴也可以一起读读之前几篇内容:

跳转微信打开

  •  

吴恩达来信:AI 工程技能图谱详解——软件工程基础

原创 DeeplearningAI 2026-08-31 12:45 北京

为什么软件基础对 AI 开发者仍然至关重要

Hi~新朋友,记得关注我们哟

亲爱的朋友们:

随着智能体式编码的出现,软件工程基础发生了怎样的变化?即使你使用编码智能体来编写全部代码,理解软件基础仍然很重要,因为这能帮助你引导智能体做出你希望的权衡——甚至让你知道有哪些权衡需要做。除此之外,在构建 AI 应用时,AI 核心通常会通过更广泛的软件应用来体现,而这一整体会由优秀的工程师来塑造。

一个在不理解软件基础的情况下进行 vibe coding 的新手,虽然也能创建简单应用,但这往往会导致编码智能体在延迟、可用性、一致性、可靠性、可维护性、简洁性和/或成本方面做出糟糕的权衡。大多数情况下,开发者甚至不知道这些权衡的存在,因此也就没有引导智能体针对其应用场景做出正确决策。

今天这封信阐述了我们对 AI 工程技能的研究所发现的软件工程中最重要的知识点。它要求具备以下能力:

✴ 构建全栈应用

✴ 管理数据

✴ 设计系统架构

✴ 构建安全可靠的系统

✴ 在生产环境中扩展并运维

构建全栈应用。智能体式编码使许多过去从事更专门角色(如前端开发或移动端开发)的开发者,能够承担更广泛的全栈角色。编码智能体可以帮助处理开发过程中你可能不太熟悉的部分。不过,理解整个全栈究竟是如何运作的仍然很重要。优秀的开发者理解前端和后端系统的关键组件与概念,包括 UI 组件、缓存、页面渲染、API 的选择与设计、身份认证、状态和会话管理、异步处理、数据持久化、测试、安全性以及可访问性。

管理数据。数据值得特别关注,因为它是软件所构建其上的基础,而且相对难以变更(即使智能体可以协助迁移也是如此)。当你知道如何管理数据时,你就能思考访问模式,并据此决定要存储什么以及存多久。你可以识别合适的数据模型,并选择适当的存储类型(如关系型表、文档、键值或图数据库)及基础设施,而这些又会影响速度、可扩展性、可用性、可靠性和成本。你理解事务、并发,以及如何确保数据干净、一致且最新。在需要时,你还能确保适当的隐私、治理和合规性。你知道如何管理数据生命周期。

随着应用演进,你也知道如何相应演进数据架构。决定如何管理数据需要大量由人提供的上下文。你的 AI 系统会从数据源中获得它自己的输入上下文,因此如果数据架构选择不当,AI 就不知道自己不知道什么。这也是为什么需要具备相关上下文并精通 AI 工程的人——也就是你!——对其进行专业干预,把它设置正确。如何为智能体而非仅为传统软件或人类构建数据基础设施,也是一个快速演进的领域,你应当随着领域发展持续调整最佳实践。

设计系统架构。当你理解了软件和数据全栈的主要组件之后,你就更有能力决定如何把这些部分组合起来。良好的系统设计要求理解软件的预期用途(有多少用户?延迟有多重要?成本有多重要?等等),以便你可以在应用平台、前后端边界、系统拆分、应用状态放置以及架构粒度(单体 vs. 微服务)方面做出选择。你还需要选择技术栈(编程语言、运行时、组件/前端/后端框架、数据技术)——有时还会先通过实验评估各种方案,再最终确定其中之一。

此外,合适的架构是一个不断变化的目标,取决于项目所处阶段。你为快速原型选择的简单架构,未必适合构建第一个生产系统,而随着应用规模扩大,这一架构也可能再次变化。做出这些决策需要对软件组件和应用上下文都具备深厚的技术知识,这样你才能对架构进行设计并持续演进,以做出更优的权衡。

构建安全可靠的系统。要构建可靠系统,你应当知道如何制定测试策略来验证系统的正确性:单元测试与集成测试如何搭配,使用哪些框架,以及需要达到怎样的覆盖率。你还知道如何围绕可能的故障进行设计——如何处理故障(例如 API 命中速率限制)、构建优雅降级,以及尽量缩小故障影响范围。此外,与其先写软件再后来考虑如何保护它,“左移”运动正把安全工作提前到生命周期更早阶段(在传统项目时间线中向左移动)。正如所有开发者都在向全栈开发者转变一样,如今许多开发者也正在部分承担安全工程师的职责。现在你可以使用 AI 工具扫描代码中的漏洞、检查依赖项是否存在供应链注入风险,并审查云配置中的攻击面。但要把这些工作做好,仍然需要一定的安全知识。

在生产环境中扩展并运维。为了服务真实用户,你必须知道如何将软件部署到生产环境。了解如何执行软件开发生命周期(SDLC)会对你有所帮助;该生命周期除了构建和测试之外,还包括配置部署环境、决定发布策略、实施部署自动化(CI/CD),以及理解基础设施即服务(IaaS)。

在生产环境中运维需要部署可观测性工具、设置告警并管理事件。最后,要扩展你的应用,你应当理解真实负载,并知道如何扩展服务器、进行负载均衡,以及通过调整数据基础设施(如分片、索引、复制)或进行架构变更,使系统能够适应规模增长。最后,理解版本控制、代码评审、依赖项维护以及如何管理技术债务等编码最佳实践,有助于你让系统持续演进。

编码智能体已经改变了我们构建软件的方式,包括那些不包含任何 AI 组件的软件。有些编码知识——比如记忆代码语法——正在变得过时。但深刻理解软件如何工作的开发者,远远优于那些在不理解的情况下仅凭感觉编程的人。

理解软件基础(以及 AI)也有助于你弄清楚软件能做什么、不能做什么。这使它们成为你使用编码智能体并塑造构建过程时的重要上下文。我会在接下来的两封信中讨论这些内容。

请不断构建!

吴恩达

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

  •  

基于 MiniMax H3 Max 的 24 小时 AI 直播网站上线了

原创 MiniMax 2026-08-31 08:36 上海

Fal 工程师 Alex Koumpas 在 Twitch 直播频道里,把聊天室变成了一个编剧室。

有人敲下 Prompt,想让镜头切到街头;下一位观众想看一条上世纪 60 年代风格的木偶广告;还有人要求画面突然变成一张被无数电线缠住的机器人脸。聊天框里不断涌进英语、西班牙语、日语、俄语,中文等,来自全球各地用户的点子。

Koumpas 给直播频道起了一个简单易懂的标题,“Chat Directs the Show with MiniMax H3 Max”。

Twitch - koumpas 频道(视频有加速处理)

这场直播,正是 H3 开源后开发者生态迅速生长的一个缩影。

H3 开源后,我们与生态伙伴围绕不同的使用场景,继续训练和优化模型,并在社区中开放,包括:

  • 与 Running Hub 打造 MiniMax H3 480P,满足多场景需求

  • 与 fal 选择面向实时生成做后训练和推理优化,推出了 H3 Max 768P、H3 Max 480P

  • 以及 FastVideo 通过稀疏化和硬件适配推出的 FastH3 等

今天,我们将 H3 Max 768P、H3 Max 480P 接入开放平台和 MiniMax Design 中。

H3 Max 生成一段长度 5 秒、768p 的音视频的时间不到 3 秒,已经跨过了实时直播所需的速度门槛,当上一段视频还在播放时,系统已经有时间把下一段视频准备好。

由此,海外开发者已经围绕 H3 Max 搭出了 Twitch 直播、24 小时“AI 电视台”,还有邀请观众实时改写剧情的创作实验。视频模型被接进一条持续运转的内容流,开始参与实时互动,观众的每一条指令都有可能改变接下来出现的画面。

3 秒生成,

观众参与实时共创

这一轮 AI 直播热潮里,fal 工程师 Rehan Sheikh 的 Twitch 直播最早引爆全网。Rehan 把 H3 Max 接进直播流,做成了一个没有固定节目单的“跨维度电视”。模型在几秒间不间断生成新的画面和声音,并接进实时直播,这份创意在 X 上的观看量已经近 350 万次。

随后,知名开发者 Pieter Levels 上线了一个 24 小时 AI 直播网站。网站首页只有一条很简单的规则:The chat decides what airs next。观众在聊天室里输入内容,AI 尝试把新的要求和上一段画面接起来,再生成下一段视频。在这座只有几秒库存的微型电视台里,直播可能突然从动画切到真人访谈,再跳进某个荒诞广告。观众的下一句话,就会把故事带到另一个方向。

相比提前录好一段演示视频后播出,完成实时直播需要同时处理陌生提示词、视频生成、队列衔接和持续推流等工作。模型的速度、指令理解和音视频能力都被放进了同一条公开链路里,每个人的指令都可以被直接观察:观众发出指令,模型生成片段,片段进入直播,新的指令再跟上来。也正因如此,生成速度决定了直播能不能持续进行。

生成快过播放,

解锁即时直播场景

H3 Max 能支撑这种直播玩法,首先是因为它跑得足够快。H3 Max 支持文生视频和图生视频,可生成 480p 或 768p、5 至 15 秒、24fps 的完整音视频。5 秒、768p 视频的生成时间不到 3 秒,15 秒视频也可以在约 15 秒内完成。

通过后训练和推理引擎的协同优化,H3 Max 的吞吐量约为 MiniMax H3 的 35 倍,在 Artificial Analysis、Design Arena 图生视频榜单中位居第一。

fal 在 MiniMax H3 开源版本的基础上加入了新数据和可验证强化学习,持续优化提示词遵循和画面表现,同时针对自有推理基础设施适配,为实时生成场景定向优化。

5 秒的视频内容在不到 3 秒内生成,理论上还能为排队、内容审核、编码和推流留出一点余量。尽管实时直播仍会受到并发和网络状况影响,偶尔出现卡顿的情况,但 H3 Max 已经满足了这类实时实验最基本的速度要求。

古希腊瓶画风格保持演示 - fal 官方网站

开发团队 FastVideo 沿着另一条路线改造了 H3。FastVideo、Nuva Lab 和 NVIDIA FastGen 联合发布的 FastH3,把原生 H3 的 49 次 Transformer Forward 压缩到 4 次,再结合 90%稀疏度的 VSA 加速。

FastH3 使用 8 张 B200,可以在 13 秒内生成一段 15 秒、768p 的视频;在单张 Blackwell GPU 上,相较同硬件运行的基础 H3,最高可获得 14 倍加速。目前,FastH3 已公开模型权重、LoRA 和推理方案,现有版本支持文生音视频。

FastH3 视频生成 - 创作者@kiyoshi_shin

开源开放,

让创造力涌现

我们欣喜地看到,基于 H3 模型开源,新的视频生成、交互形式不断在社区里出现。而对 MiniMax 来说,开源社区不只是 H3 的使用者,也是模型继续向前演进、落地场景不断焕新的重要参与者。

今天的 24 小时 AI 直播仍处于早期阶段,并发和长时间运行还需要继续验证。人物声音的稳定,画面能不能长时间保持一致,推理接口是否适合持续调用,这些在直播场景中真实使用的反馈,将会回到下一轮模型和系统优化中。

重要的是,在这场 AI 直播里,视频生成不仅仅是一次性的内容工具,而开始成为可以实时响应、不断生长的内容系统。MiniMax 与开源社区正在一起,把视频模型的速度、交互和应用边界继续向前推。

随着模型的持续迭代,相信会有新的互动内容、新的创作者工具,以及人们尚未设想过、还没有被定义过的产品从社区中出现。期待开发者和创作者们把 H3 带进更多具体场景,探索过去难以成立,甚至还没有被想象过的可能。

H3 开源三个多星期以来,下载量已经超过 2400 万次,产生超过 300 个公开衍生模型,成为 2026 年全球下载量最高的模型。我们会继续与开源社区和生态伙伴携手探索,降低开发者和企业的使用门槛,让 H3 进入更多真实商用业务中,并解决过去难以完成的问题。

API 接入 H3 Max:platform.minimaxi.com/docs/api-reference/video-generation-v2-create

MiniMax Design 下载:design.minimaxi.com

Intelligence with Everyone.

跳转微信打开

  •  

WorkBuddy、豆包工作、千问办公开战—企业AI的机会反而更清楚了

原创 这个男人来自千祥 2026-08-31 08:00 四川

AI 办公正在成为巨头的新战场。但让一个员工更快完成文档,不等于让一家企业更高效地运转。个人工作入口之外,企业知识、流程、权限与协同,正在形成更大也更难的市场。

“

导读:AI 办公正在成为巨头的新战场。但让一个员工更快完成文档,不等于让一家企业更高效地运转。个人工作入口之外,企业知识、流程、权限与协同,正在形成更大也更难的市场。

大厂的AI办公之战已经开启

2026下半年的AI 办公市场,突然变得拥挤起来。

腾讯持续升级WorkBuddy,并推出企业版AI工作台;阿里将多条产品线整合为千问办公,随后深度接入钉钉;字节跳动正式发布豆包工作,与飞书打通;钉钉自身也在把越来越多的组织能力变成可被 AI 调用的工具。

这些动作不是普通的产品更新。大厂正在收拢内部赛马的团队与产品,把大模型、办公软件、企业协作平台和云服务推到同一张牌桌上。AI 办公的竞争,已经从“给软件加一个对话框”,进入“由Agent 接收目标、拆解任务、调用工具并交付结果”的阶段。

这当然是一件好事。

过去两年,企业讨论AI时经常陷入两个极端:一边把大模型当成万能答案,另一边因为几个效果不稳定的 Demo,认定AI离生产环境还很远。WorkBuddy、豆包工作、千问办公等产品的大规模进入,会迅速降低使用门槛,让更多员工在真实工作中接触Agent。AI 不再只属于技术部门,也不再只是聊天、写稿和搜索,而会逐渐进入文档、表格、会议、调研、数据分析和跨软件操作,特别是沙箱的使用,你的要求马上会被Agent以现写代码的方式实现出来,这是大跨度的人机协作范式的提升。

当小区电梯广告一分钟可以播放三次Workbuddy,我就觉得市场教育由大厂们来完成,其实对整个AI大赛道都是好事情。

但另一个问题也随之出现:当巨头把 AI 办公推向白热化,其他产品和团队是不是就没有机会了?

恰恰相反。巨头越快把个人工作入口做成熟,企业AI中尚未被解决的问题就会暴露得越清楚。

一、这场战争首先争夺的是“个人工作入口”

观察几家产品的核心表达,会发现一条相当一致的路径:用户提出一个目标,Agent 自动规划步骤、调用工具,最后交付报告、PPT、表格、网页或其他可编辑文件。这比过去的 AI 助手前进了一大步。它不再只回答“怎么做”,而是开始替用户把工作做完。

WorkBuddy强调多专家协作、任务执行和文件交付;豆包工作主打自主拆解任务、持续推进复杂流程,并通过飞书获得更多企业上下文;千问办公则把数据分析、PPT、视频、网页和本地文件处理放进统一入口,同时接入钉钉的IM、日程、文档、审批和知识库。它们都在努力成为电脑上的新一层工作界面。

企业版、安全合规、权限管理和组织连接也已经进入这些产品的能力范围。因此,简单地说“大厂只做个人市场”,并不准确。更准确的判断是:它们当前最容易规模化的切入点,仍然是员工的个人任务。

原因并不复杂。个人工作场景高度相似,标准化程度高,产品可以快速复制。一名员工写方案、查资料、做表格、整理会议纪要,不同行业之间虽然内容不同,操作模式却很接近。把这些能力做成标准产品,通过订阅、积分或用量销售,可以服务巨大的用户群。

而企业真正复杂的部分,通常不在个人桌面上。

它藏在部门边界、审批链路、同一份制度的不同版本里,藏在“谁可以看、谁可以改、谁来负责”的责任关系里,也藏在那些跨部门、长周期、出了问题很难找到唯一责任人的事务中。

个人提效解决的是一个人能否更快完成任务,企业提效解决的是一群人能否持续把事情做对。两者相关,却不是一回事。

一家企业当然由一个个的人组成,但企业不是个人账号的集合。企业存在的价值,正是通过组织、分工、流程、知识和协作,把许多人的能力变成稳定、可复制的业务能力。

如果十名员工都用 AI 把周报写得更快,企业获得了时间收益;但如果产品口径依然冲突、售后经验依然沉睡、审批依然反复、知识依然散落在不同系统里,企业的核心业务效率并没有因此发生根本变化。

这就是 AI办公热潮中最容易被混淆的一点:员工提效 ≠ 企业提效。

二、企业提效的难点,是让 AI 进入组织系统

当AI从个人工具进入企业生产环境,问题会迅速改变。

一名员工可以接受AI偶尔写得不够好,修改后继续使用;一个面向客户的服务系统却不能随意引用过期制度。个人可以把文件拖进对话框临时分析;企业则必须知道文件来自哪里、当前是否有效、谁有权访问、引用过哪些内容。个人任务往往在几个小时内结束;企业的项目、客户服务、设备维护和合规管理可能持续数月甚至数年。

因此,企业 AI 真正需要解决的至少包括四类问题。

  • 第一类是组织问题。AI必须理解使用者属于哪个部门、承担什么职责、能看到哪些信息,又能执行到什么程度。同一个问题,由普通员工、部门负责人和审计人员提出,答案范围和可执行动作不应相同。

  • 第二类是流程问题。企业中的很多工作并不是生成一份文件,而是由多人、多系统和多个决策节点共同完成。合同审核、售后处理、采购评估、合规检查都存在明确的前置条件、例外规则、审批要求和失败处理机制。Agent可以加速某个节点,但只有进入完整流程,才能改变整体效率。

  • 第三类是知识问题。制度、产品、工艺、案例、项目经验和专家判断构成了企业自己的上下文。这些知识并不天然存在于大模型里,也不会因为上传了几份文件就自动变得可靠。它们需要解析、清洗、分类、切片、抽取、审核、版本管理和持续更新。

  • 第四类是协同问题。企业里最难推动的事务,往往横跨多个责任方。资料不完整时由谁补充,知识冲突时由谁裁定,制度临期时由谁更新,Agent 发现问题后如何形成治理任务,这些都不是一次对话能够解决的。

可以把这类涉及组织、流程、企业知识和多人协作的工作,暂时统称为“企业协同场景”。

它与传统 OA 意义上的协同也不完全相同。过去的协同系统主要负责让信息流转起来;AI 时代的企业协同,还要让机器理解信息背后的规则、权限、责任和业务语义,并在合适的环节参与判断和执行。

这是一块更重的市场。需求更难标准化,交付周期更长,需要进入客户现场,也需要同时理解产品、技术和业务。但它带来的价值不再只是节省几小时,而可能是缩短一条业务链路、减少一次风险事件、提高一类服务的稳定性,或者把少数专家的经验变成整个组织可以复用的能力。

真正的企业级AI,不只是给每个员工配一个更聪明的助手,而是帮助企业形成更强的组织能力。

三、大厂的最优解,不一定是每家企业的最优解

大厂进入AI办公,拥有其他团队很难复制的优势。

它们既有云和算力,又有基础模型、中间件、办公软件和企业入口。模型调用带动云资源消耗,办公应用扩大用户触达,企业协作平台提供组织关系和业务连接,最终可以形成从基础设施到应用的完整闭环。

从商业上看,这套路径非常合理。

标准化订阅和持续用量收入更容易规模化,也更符合大厂的成本结构。无论产品最终采用 Token、积分、套餐还是席位计费,背后的核心都是让智能能力像水电一样持续供应。客户使用得越深,调用量越大,云、模型和应用之间的集团作战价值就越明显。

“卖水卖电”并不是贬义。AI要大规模普及,本来就需要可靠、便宜且随取随用的基础服务。没有大厂建设基础设施,很多中小团队甚至没有机会进入市场。

但这种商业模式也有边界。

一些客户出于数据安全、成本控制、信创适配或内部架构要求,不希望使用公有云,也不希望核心业务长期调用在线模型。他们可能要求软件完整部署在本地,自主选择模型和硬件,完成既有系统集成,项目上线后按年度购买维护、升级和运营服务。

大厂并非不能承接这类项目。面对战略级客户或明确的合规要求,它们同样会提供专有云、私有化和定制方案。问题在于,当项目越来越偏向现场实施、知识整理、流程改造和长期服务,而云与模型用量有限时,它对大厂的规模收益就没有那么理想。

对客户来说,这可能恰好是自身的最优解;对大厂来说,却未必是优先级最高的生意。

市场空白由此产生。

中小服务商没有必要复制大厂的完整产品矩阵,也没有必要在通用模型和个人助手上正面竞争。更现实的方向,是围绕具体行业和企业问题,提供大厂标准产品难以覆盖的深度服务。

比如,帮助制造企业把工艺文件、设备手册和历史工单变成可治理的知识体系;帮助银行统一不同部门的小知识库,在细粒度权限下为多个 Agent 提供可信检索;帮助集团企业处理制度版本、跨部门知识和多应用复用;帮助专业服务机构管理法规时效、项目经验和证据链。

这类业务的收入不只来自软件授权,还来自实施、知识工程、系统集成、运营维护和持续优化。它不会按Token消耗量收费,而是围绕客户最终获得的业务价值设计产品与服务。

与其把它称为项目制,不如称为“客户价值商业模式”:客户购买的不是更多 Token,而是一个问题被真正解决,并且这套能力能够在组织中持续运行。

四、机会不在另做一个助手,而在建设企业上下文

AI办公大战不会停止,个人工作入口也会越来越集中。对于中小产品团队来说,机会并不在于再做一个功能相似的桌面助手,而在于补上通用 Agent进入企业之后缺失的那一层。

这层能力就是企业上下文基础设施。

Agent要完成企业任务,不能只知道公开世界里的通用知识。它还需要知道企业当前执行哪一版制度,某个客户处于什么状态,历史上类似问题如何处理,当前任务已经走到哪一步,以及操作者拥有怎样的权限。

模型决定 Agent能否理解和推理,工具决定它能否行动,企业上下文决定它能否做对这家企业的事。

企业上下文也不是把文档集中上传到一个知识库。它需要形成持续运行的知识供应链:资料从文件系统、业务系统和数据库进入平台,经过解析、清洗、抽取、校验和准入成为可信知识;知识按照组织责任进行维护,又能围绕项目和业务主题灵活组合;问答和Agent 在权限范围内调用知识;使用中发现的问题,再回到内容、版本、术语和审核环节持续修复。

TorchV AIS 的产品方向正是一个例子。

它首先是一套企业级AI知识引擎,重点不在“接入了哪个模型”,而在知识接入、知识工程、知识治理、知识应用和反馈优化形成的闭环。文件不是上传后就结束,而是要经过标准化加工和质量准入;答案不仅要生成,还要能够回到来源、原文和知识版本;知识不仅要能搜索,还要有责任人、权限、生命周期和健康状态。

在应用层,TorchV AIS既可以直接提供基于企业知识的问答应用、Agent 应用和 Agent 工作区,也可以通过 API、Skill、MCP 等方式连接其他 Agent,作为上层应用的企业上下文基础设施。企业已经选定 WorkBuddy、豆包工作、千问办公或其他 Agent时,专业知识引擎并不一定与它们竞争,反而可以为这些入口提供经过治理的知识和可追溯的上下文。

这也是TorchV AIS这类专业领域产品存在的现实意义:以一个标准化AIS 平台作为统一知识与 Agent 底座,配套实施服务、知识工程和维护运营三类服务,再进入金融、制造、集团、专业服务等不同场景。平台保证能力能够复用,服务解决企业差异,行业实践则缩短价值落地的距离。

这种模式不会像通用办公助手那样快速覆盖海量用户,却更接近企业 AI 的真实难题。

未来几年,AI办公很可能同时沿着两条路径发展。一条由巨头推动,让每个人都拥有随时可用的智能工作助手;另一条深入企业内部,把组织、流程、知识和业务系统改造成Agent 能够理解和参与的生产环境。

前一条路径提高 AI 的渗透率,后一条路径决定 AI 能否变成企业的长期生产力。

所以,大厂入场并不意味着市场结束。它只是把竞争的边界重新画了一遍。

个人桌面上的入口会越来越强,也会越来越集中;企业深处那些需要责任、规则、知识和长期服务的问题,却仍然分散在不同组织和行业里。这里没有一个模型可以包打天下,也很难只靠标准订阅完成交付。

巨头擅长铺设 AI 时代的水电网络。专业产品和服务团队要做的,是把水电接进生产线,并让它真正驱动业务。

这可能才是 AI 办公进入白热化之后,企业 AI 市场最值得重视的机会。


参考资料

  1. 腾讯云首发效率智能体工具集,发布 WorkBuddy 企业版 AI 工作台:https://www.tencent.com/zh-cn/tencent-cloud-debuts-productivity-agent-suite-creating-a-new-gateway-to-ai-for-users-and-enterprises/

  2. WorkBuddy 官方网站:AI Agent 办公新范式:https://www.workbuddy.cn/work/

  3. 豆包工作正式发布:让 AI 从生成内容到完成工作:https://www.news.cn/tech/20260825/1c13b806a0a946a9981e95f0c238e98c/c.html

  4. 阿里巴巴推出一站式办公 AI 智能体平台“千问办公”:https://ali-home.alibaba.com/document-2021039099929952256

  5. 阿里云:千问办公产品简介:https://www.alibabacloud.com/help/zh/qwenwork/qwenwork-intro

  6. 阿里巴巴集团 2026 年 6 月份季度业绩与 AI 业务战略调整:https://ali-home.alibaba.com/document-2026456290057781248

  7. 内部赛马暂停,腾讯、阿里、字节 AI 办公产品“合兵”对阵:https://www.eeo.com.cn/2026/0807/989093.shtml

  8. TorchV AIS 企业级 AI 知识引擎产品白皮书 v2.5:https://www.torchv.com/docs/manual/ais-wb/

  9. 企业 Agent 好不好用,关键不是模型,而是上下文:https://www.torchv.com/blog/encontext/

以往精彩:

你们的企业AI项目真的跑出真正的价值了吗?了解一下知识工程这个隐性共识

企业AI落地需要的不是一个知识库,而是一台“知识引擎”

企业AGENT好不好用,关键不是模型,而是上下文

做完一次总体设计后,我重新理解了企业级知识库

阅读原文

跳转微信打开

  •  

我做了一个 Lottie 插件:让动画可以被 Agent 持续编辑

原创 Phodal 2026-08-30 18:05 浙江

当动画已经生成以后,智能体怎样重新进入它,找到需要修改的对象,并在不破坏其他部分的前提下继续工作?

最近,我把 Lottie 插件的第一个版本 0.1.0 发布到了 Qoder Marketplace (从 https://qoder.com/marketplace?type=plugin 下载),它可以让智能体在 Qoder 中创建、编辑、打包、校验和预览 Lottie 动画。

从功能上看,这很容易被理解成另一个“AI 生成动画”的插件:用户描述一个加载效果,智能体生成一份 Lottie JSON,再通过播放器展示结果。

但真正把插件做完以后,我反而觉得,生成可能是其中最不重要的一步,因为一份动画只要进入真实的创作过程, 用户很快就会提出下一轮要求:让这个对象慢一点、让那段轨道提前出现,或者把循环接缝再处理得自然一些。

回头看,这个插件真正想解决的并不是“让智能体多生成一种文件”,而是另一个更接近创作过程的问题:

当动画已经生成以后,智能体怎样重新进入它,找到需要修改的对象,并在不破坏其他部分的前提下继续工作?

换句话说,我们需要的不是一个 Lottie 生成器,而是一套能够让动画被持续观察、定位、修改和验证的创作运行时,也就是:让 Lottie 成为 Agentic Loop 中的工作对象。

引子:生成产物之后,智能体如何重新进入一份动画?

在早期设计这个插件,主要还是延续复用之前的 Canvas 能力,以及 Codex 的启发

  • 在使用 Codex 的产物工具时,注意到它处理文档、演示文稿和表格的方式,并不是直接在对话里拼出最终文件,而是先编写一段程序,再由程序生成、检查和修改产物。

  • Codex 会把生成后的文件继续留在预览界面中,让人可以直接审阅、标注,再要求智能体完成下一轮修改。

文件不再只是对话结束时的附件,而开始成为协作过程的一部分。

但是,当工作对象从静态文档变成带有对象、轨道和时间轴的动画以后,仅仅把文件留在界面里还不够。

Lottie JSON 和 .lottie 很适合播放与分发,dotLottie 还可以在一个压缩容器中封装多份动画、图片、主题与状态机;Lottie Creator MCP 也已经证明,智能体可以读取动画文件、编辑图层并生成变体。真正没有被自然解决的,是智能体如何在连续多轮修改中继续引用同一个对象、同一条轨道和同一段时间。

当用户说“让左眼在 idle 阶段眨得慢一点”时,智能体需要的不是“画面左边那个眼睛”的屏幕坐标,而是一条能够在工程状态中重新解析的语义地址,以及这次修改所依赖的版本前提。地址负责回答“修改什么”,版本前提负责回答“现在面对的,是否仍然是刚才检查过的那一版”。

所以,可编程动画并不是“由代码生成的动画”。它更接近这样一种产物:

对象、轨道和时间状态拥有稳定身份,智能体可以基于明确版本持续修改,并通过验证确认修改范围的动画工程。

可持续编辑:在产物之外保留工程状态

如果动画只生成一次, .lottie 可以是终点;但只要它还会被人、另一个智能体或外部工具继续修改,问题就不再是文件能否打开, 而是系统能否重新识别同一对象、确认修改所基于的版本,并证明未触及的部分保持不变。

我们要做的不是保存所有对话,而是在产物之外保留可恢复的工程状态。 MotionProgram 表达期望变化, MotionProject 保存稳定身份与修订, MotionRuntime 负责计算差异、试运行、校验和提交, .lottie 只是某次提交后的交付结果;即使文件被外部修改,系统也应该先完成对象对账,而不是根据相似性自行猜测。

围绕这个目标,我们采用了三个相互衔接的实践:用 Agentic DSL 保留可重放的创作意图,用 CLI over MCP 稳定跨宿主的执行语义,再通过 Canvas 将人的视觉反馈重新转换为可寻址、可验证的工程状态。

Agentic DSL:用 JS API 表达完整的创作程序

设计 MotionProgram 时,我们没有重新发明一门动画脚本语言,而是选择把一套受到约束的 JS API 当作 Agentic DSL。

这里其实包含了一个很重要的判断:DSL 不一定需要重新设计语法。对于已经能够熟练编写 JavaScript 的智能体来说,变量、函数、循环、模块和组合能力都是现成的;我们真正需要重新设计的,是它能够表达什么、哪些对象必须拥有稳定身份,以及程序最终怎样被执行和验证。

因此,JavaScript 只是表达层, MotionProgram 的数据结构负责限定领域语义,真正的执行权限与状态变更则由 MotionRuntime 控制:

这里的关键并不是 JavaScript 本身,而是智能体提交的是一份完整程序,而不是一串散落在对话中的 createLayer、 updateTrack 和 exportFile 工具调用。

完整程序可以被检查、比较、试运行和重放;稳定键、随机种子和目标配置也可以成为程序的一部分。下一轮修改时,智能体重新生成完整的 MotionProgram,运行时计算前后差异,并证明除了指定对象、轨道和时间范围之外,其他内容没有被意外修改。

自然语言意图经过 Agentic DSL 与创作运行时生成动画

Vercel 在内部文本生成 SQL 智能体 d0 上删去了约 80% 的专用工具,转而让智能体通过文件系统和命令行探索已有语义层;后续实验又说明,Bash 并不适合所有任务。两次实践放在一起,真正值得关注的不是“工具越少越好”,也不是“Bash 可以替代一切”,而是智能体需要一个符合领域语义、可以组合、检查和验证的可编程环境。([Vercel][4])

对于 Lottie 来说,这个环境不是裸 Bash,也不是几十个原子工具,而是一份可以整体推演的动画程序。

CLI over MCP:先稳定运行时,再扩展协议入口

插件 0.1.0 没有一开始就把每一种动画操作包装成 MCP 工具,而是让 JS API 与 qoder-lottie CLI 共享同一套 MotionRuntime。对象身份、版本冲突、变更计划、验证和错误语义都在运行时中定义,CLI 只是把这些能力稳定地提供给智能体、自动化脚本和持续集成环境。

它并不是说 MCP 不重要,而是一种架构上的先后顺序:先让领域能力成为可以独立运行、调试、组合和复现的命令,再根据跨宿主发现、远程连接、权限控制和结构化工具描述的需要,为它增加 MCP 入口。

JS API、CLI 与 MCP 适配层共享同一套动画运行时

在这套分层里,MCP 负责连接,CLI 负责执行,真正的领域语义始终留在运行时。这样,无论能力最终被 Qoder、Codex、Claude Code、持续集成系统还是其他宿主调用,它们面对的都是同一套对象身份、事务边界与错误语义。

一项覆盖七种智能体脚手架、五个模型和一个固定软件任务的对照研究,也给出了一个很有意思的结果:13 组严格配对实验中的 MCP/CLI 成本比从 0.43 倍跨到 29 倍,主导差异的并不是接口形式,而是脚手架如何组织上下文、工具和执行过程。这个实验无法证明 CLI 普遍优于 MCP,却足以提醒我们,不应该在运行时语义还没有稳定之前,就把架构问题简化成协议选择。

Canvas 交互:让人的视觉选择回到语义地址

如果说运行时解决的是智能体怎样修改动画,那么 Canvas 解决的就是人怎样重新进入这份动画。

当前版本已经打通了从 MotionProgram 生成 .lottie、完成静态校验,再在 Qoder Canvas 中加载和播放的单向流程。验证器还可以进一步检查指定帧、场景状态和循环接缝,因为静态结构正确,并不意味着运动一定自然;一张截图看起来正常,也不意味着整段时序没有问题。

人与智能体围绕共享 Canvas 形成动画创作闭环

但是,Canvas 真正有价值的下一步,并不是增加更多播放按钮,而是把人的视觉选择重新转换成智能体可以理解的语义地址。

用户在画面中选择左眼,在时间轴上框出 idle 阶段,Canvas 将这次选择转换成对象、轨道、时间范围与当前工程修订,智能体再据此生成新的 MotionProgram,完成试运行、差异检查和重新预览。

到这一步,Canvas 就不再只是最终结果的预览器,而开始成为人与智能体共同操作产物的界面。人的视觉判断可以落回稳定对象,智能体的结构化修改也可以重新呈现为人能够观察的动画,两者围绕同一份工程状态不断循环。

小结:当动画不再只是文件,而成为可持续演化的产物

当一份动画拥有稳定身份、工程状态、版本约束和验证证据,并且人和智能体都可以重新进入同一份工作现场时,它才不再只是 Agent 的一次性输出,而真正成为 Agentic Loop 中可以持续演化的工作对象。

阅读原文

跳转微信打开

  •  

AI 专栏 | 代码改了,文档却“死”了?携程机票“代码即文档”实践,让隐性知识随代码共同生长

原创 Sheila/舟遥 2026-08-28 12:00 上海

破解知识熵增,让AI替你写“活文档”

作者简介

Sheila,携程资深研发经理,关注前端性能优化与 AI Agent 驱动的研发效能建设。

舟遥,携程资深前端开发工程师,专注前端工程化与AI应用落地

团队热招岗位:高级前端开发工程师

导读:在敏捷开发的浪潮下,代码与文档的割裂几乎是每一支研发团队的“灵魂之痛”。携程机票前端团队主动向这一顽疾“宣战”,提出了“代码即文档”的理念,并自研了 Lumos 平台。通过将 CI/CD 流水线与 Dify 工作流深度融合,不仅实现了代码改动触发文档的自动生成与更新,更构建了覆盖 74 个业务仓库的智能知识库。这套体系将人工维护文档的时间压缩了 80% 以上,让“信息孤岛”连成一片,真正实现了隐性知识的显性化与组织资产的沉淀。

一、背景

二、问题分析

2.1 信息分散与检索困难

2.2 文档更新滞后

2.3 代码改动影响难以追踪

三、解决方案

四、技术实现

4.1 AI驱动的“代码即文档”模式

4.2 知识库整合与智能检索

4.3 代码改动追踪体系

五、实践与应用

5.1 自动化文档生成

5.2 模块文档总结

5.3 代码改动影响分析

5.4 智能问答与实时协作

5.5 实践效果

六、下一步规划

七、结语

一、背景

随着携程机票业务的快速发展,项目复杂度持续攀升,信息分散、文档更新滞后等问题日渐凸显。项目相关信息散布在多个异构系统中,开发者在进行代码修改时,难以快速追踪改动对业务逻辑的具体影响,导致开发效率显著下降。

在传统开发模式下,文档维护高度依赖人工操作,往往在项目压力下被边缘化。开发者需要在多个平台间切换以获取完整的业务背景,而文档与代码的不同步进一步加剧了团队协作的复杂性。当功能逻辑发生变更时,相关文档可能仍停留在旧版本状态,造成团队成员对业务理解的偏差。

为解决这一系列问题,携程机票前端团队提出了"代码即文档"(Code as Docs)的理念,并基于此构建了 Lumos 平台。通过持续集成流水线、Dify 工作流和智能问答系统的深度整合,实现代码改动与文档生成的自动化联动,确保文档与代码的实时同步。本文将详细阐述机票前端团队在这一自动化文档与代码分析体系上的构建过程与实践经验。

二、问题分析 

在携程机票前端团队的开发实践中,以下问题尤为突出,成为制约项目推进效率的主要瓶颈:

2.1 信息分散与检索困难

在大型软件项目的生命周期中,知识与信息的有效管理是确保开发效率和协同质量的关键。然而,在现有研发体系中,缺乏统一的知识管理工具,项目相关信息分散在多个异构系统中,直接导致了信息检索效率低下与上下文获取困难。项目信息,包括但不限于产品需求文档、技术设计方案、会议纪要、代码实现、合并请求记录以及线上问题复盘,分别存储在项目管理平台、文档知识库、代码托管仓库和企业 IM 等多个独立的系统中。这些系统在数据结构、存储方式和访问接口上各不相同,形成了一个个“信息孤岛”。

这种分散化的状态,为开发者的日常工作带来了具体且可量化的挑战,主要体现在以下三个方面:

认知负荷的增加:当开发者需要对某个模块进行修改或排查问题时,必须构建一个完整的“心理上下文模型”。这意味着他们需要在多个系统之间频繁跳转,拼凑零散的信息。例如,为了全面理解某个功能的背景,开发者可能需要追溯一条繁琐的链条:“原始需求文档 → 技术设计文档 → 代码的多次迭代历史 → 企业即时通讯群聊中的相关讨论”。这一过程不仅耗时费力,还容易因信息遗漏而导致对业务逻辑的片面理解,从而影响决策的准确性。

检索效率的瓶颈:当前的检索机制大多依赖于基于关键词全文搜索。然而,这种方式在处理海量、异构数据时显得力不从心。开发者常常面临搜索结果“噪音”过多的问题,难以精准定位到核心信息点。更为棘手的是,许多关键的设计决策和逻辑演变过程,往往隐藏在非结构化的讨论记录或已归档的文档版本中,常规检索手段几乎无法触及。这种低效的信息获取方式进一步加剧了开发者的负担。

信息一致性的风险:由于缺乏统一的数据源和同步机制,各系统之间的文档状态常常不一致。例如,某个在文档平台上已被标记为“废弃”的设计方案,可能仍然被新成员误认为是有效信息;某个在代码中已被重构的接口,其对应的文档可能仍停留在旧版本。这种不一致性不仅容易导致开发决策失误,还可能引入潜在的缺陷,成为项目质量的隐患。

综上所述,这种分散化的状态不仅增加了开发者的认知负担,还显著降低了信息检索的效率,并带来了信息一致性方面的风险。这些问题若得不到有效解决,将对开发效率和项目质量产生深远的负面影响。

2.2 文档更新滞后

在敏捷开发和持续交付的背景下,代码迭代速度远超传统文档的维护能力,导致文档与代码实现之间的脱节成为普遍且棘手的问题。携程机票前端团队同样面临这一挑战,其根源在于现有流程高度依赖人工维护,缺乏自动化同步机制。文档滞后性主要体现在以下方面:

维护优先级低:在紧张的项目排期和交付压力下,开发者将主要精力集中在功能实现与代码质量上,文档更新被视为“非紧急”任务,优先级被人为降低。新功能上线或代码重构后,文档更新常被延误甚至遗忘,导致“技术债务”不断累积,进一步削弱文档的实用性。

静态内容的局限性:传统文档本质上是静态的,无法动态反映代码库的真实状态。例如,接口的请求参数或返回结构发生变化时,若 API 文档未能同步更新,将直接误导调用方,引发集成错误。这种静态性使文档在代码持续演进中迅速失去参考价值。

缺乏与代码的上下文关联:文档与代码存储在不同系统中,缺乏原生的双向关联。开发者阅读代码时无法一键跳转到对应的设计文档,阅读文档时也无法快速定位到具体代码片段。这种上下文缺失不仅增加了理解成本,也使 Code Review 过程中评审者难以基于最新设计意图评估代码的合理性。

文档更新滞后问题若得不到解决,将严重影响开发效率和代码质量,亟需通过流程优化和技术手段加以改进。

2.3 代码改动影响难以追踪

在大型、长生命周期的项目中,任何代码改动都可能引发连锁反应,准确评估和追踪这些影响是保障软件质量和系统稳定性的关键。然而,在携程机票前端团队的现有研发流程中,由于缺乏自动化影响分析工具,这一过程高度依赖人工,导致效率低下且风险增加。这一挑战主要体现在以下两方面:

2.3.1 对业务逻辑的隐性影响

在高度耦合的系统中,模块间的依赖关系复杂,一次看似局部的代码修改可能波及远超预期的范围。开发者在提交改动前,通常依赖“代码搜索”和“个人经验”判断影响范围。这种方式对显性的函数调用关系尚可应对,但对于通过事件总线、配置文件或动态调用等方式建立的隐性依赖,则几乎无能为力。

此外,由于无法全面识别受影响的业务场景,回归测试的范围难以精确界定。这不仅增加了测试成本,还显著提高了线上问题的发生概率,为系统稳定性埋下隐患。

2.3.2 对非功能性指标的影响

代码改动不仅影响功能正确性,还直接关系到用户体验和技术健康度。以页面加载时间为例,当某次改动导致性能下降时,开发者通常需要手动对比修改前后的数据,逐步排查问题根源。这种方式不仅耗时费力,还容易因人为疏忽遗漏关键细节,影响诊断准确性。

因此,引入自动化工具实时监控代码改动的影响并生成分析报告,不仅可以显著提升开发效率,还能帮助团队快速响应潜在问题,确保代码质量和性能始终处于可控状态。

三、解决方案

为应对传统开发模式中的信息分散、文档更新滞后和影响追踪困难等痛点,携程机票前端团队提出了“代码即文档”的核心理念,并通过三大策略来实现这一目标:统一知识库、自动化同步和智能分析。

统一知识库策略通过将代码与需求描述整合到同一平台,团队落地了“代码即文档”的理念。利用 Git 进行版本控制与同步,确保文档与代码的统一存储和版本管理。每次修改都被精确记录,支持追溯历史版本,解决了代码与文档脱节的问题。所有文档变更通过 Pull Request 或 Merge Request 机制进行,集中存储于统一的代码仓库,打造单一可信的知识中心,降低协作成本,帮助新成员快速上手。

自动化同步策略团队设计了一套事件驱动的自动化机制,确保任何代码改动都能被系统捕捉,并自动生成和更新相关文档。这种机制不仅解放了开发者的手动维护工作,还确保文档与代码保持实时一致,杜绝因信息过时引发的误解与决策风险。

智能分析策略引入即时、量化、数据驱动的影响评估机制,自动评估代码修改对业务逻辑、系统性能、代码规范性等多个维度的影响。分析结果以结构化报告呈现,帮助开发者迅速洞察改动的潜在后果,优化决策,降低风险。

三大策略协同配合,从信息整合、流程自动化和智能决策三个层面全面提升研发效能。

四、技术实现

为了支撑携程机票前端团队在文档管理中的解决方案,我们设计了一套完整的系统架构,涵盖信息分散与检索、文档更新滞后、代码改动影响追踪等核心问题的解决。以下是整体系统架构图,展示了各个技术模块的组成及其交互关系:

基于该架构,我们将从以下三个核心问题出发,分别设计针对性的技术模块:信息分散与检索困难、文档更新滞后、代码改动影响难以追踪。每个模块通过自动化工具、智能分析和知识库整合,确保文档与代码的高度一致性,提升团队协作效率。

4.1 AI 驱动的“代码即文档”模式

在技术实现层面,AI 驱动的“代码即文档”模式通过智能代码分析、自动文档生成和动态更新机制,具体解决了文档与代码脱节的问题。以下是每个环节的技术细节和实现方法:

4.1.1 智能分析:解析结构与依赖

智能代码分析是"代码即文档"模式的基础环节,其核心在于通过 AI 模型解析代码结构、注释和函数签名,识别模块间的依赖关系、功能逻辑和接口定义。具体实现如下:

1)从项目入口文件(如 index.js 或 main.ts)开始,利用静态代码分析工具提取模块间的依赖关系。

2)分析入口文件中的 import 语句,构建模块依赖图,明确各模块间的调用关系。

3)深入挖掘代码的语义信息,结合代码注释生成详细的功能描述。

4)基于分析结果,生成包含功能描述、输入输出定义以及依赖关系的文档。

5)结合历史版本信息,补充版本历史和改动说明。

这一过程将代码中的隐性知识显性化,形成对项目模块分区和核心逻辑的清晰描述。系统实现了从代码到知识的自动化转化,为开发者提供直观的项目概览,同时为后续的代码维护和协作奠定基础。

4.1.2 动态机制:变更触发文档更新

为解决文档更新滞后的问题,团队通过 CI/CD 流水线与 Dify 服务 API 的结合,构建了一套自动化文档生成机制,确保每次代码改动都能实时更新文档。具体实现如下:

CI/CD 流水线触发:每当有新的合并请求(MR)时,CI/CD 流水线会自动触发 Dify 服务 API,启动代码改动分析流程。这种机制确保文档更新与代码改动同步进行,避免了传统文档管理中的人工干预和滞后问题。

Dify 工作流分析:Dify 工作流根据 MR 的 IID(合并请求 ID)进行内容分析,生成包含以下内容的 Markdown 格式文档:

    • 产品需求描述:从 MR 描述中提取需求背景和目标。例如,通过分析 MR 描述中的需求任务链接或标准化字段,提取需求的背景和目标。

    • 开发逻辑梳理:分析代码改动对业务逻辑的影响,生成业务逻辑的详细描述。

    • 代码分析:生成代码改动的详细分析,包括新增、修改和删除的代码片段。

    • 改动影响评估:结合性能指标(如 TTI、代码大小、ESLint 规则评分等),评估代码改动对系统的影响。例如,通过分析代码改动对页面加载时间的影响,生成性能指标的变化报告。

标准化 MR 描述:为 MR 定义完整的标准格式(如包含需求背景、改动范围、性能指标等),帮助 AI 更准确地评估和总结本次改动内容。标准化的 MR 描述不仅提升了自动化分析的准确性,还为团队协作提供了统一的规范。

文档存储与整合:生成的代码改动总结以 Markdown 格式存储,并整合到向量知识库中,支持后续检索和复用。团队成员可以通过知识库快速查询某次代码改动的详细分析和影响评估,显著提升信息获取效率。

通过上述机制,实现了文档与代码的实时联动更新,确保了信息的准确性和一致性,同时大幅提升了团队协作效率。

4.1.3 文档优化:实时与准确的平衡

在自动化文档生成的基础上,团队通过结合手工调整机制,确保文档的实时性与准确性之间的平衡:

自动化保障实时性:自动化生成文档是核心手段,通过 CI/CD 流水线触发 Dify 服务 API,确保每次代码改动都能实时更新文档。这种机制显著减少了文档更新的延迟,提升了团队协作效率。

手工调整保障准确性:尽管自动化生成文档能够满足大部分需求,但文档平台也支持手工调整,团队成员可以根据实际需求对自动生成的文档进行修改和优化,确保最终内容的准确性。例如,当自动化生成的文档未能完全反映复杂业务逻辑时,团队成员可以通过手工调整补充细节。

标准化与灵活性的统一:通过标准化 MR 描述提升自动化分析的准确性,同时保留手工调整的灵活性,满足不同场景的需求。这种结合方式既保证了文档的实时性,又确保了最终内容的高质量。

4.2 知识库整合与智能检索

生成的文档以 Markdown 格式存储,并通过向量化处理整合至知识库中,从而实现高效的检索与信息定位。向量化存储技术使团队成员能够通过自然语言查询快速获取目标信息,例如模块功能描述、依赖关系分析以及代码改动的影响评估。这种技术不仅显著提升了检索的准确性与效率,还支持复杂语义理解,满足多样化查询需求。

智能问答系统基于向量化知识库,能够处理自然语言查询并结合上下文语义分析,返回精准结果。例如,团队成员可通过提问“XX 模块的功能是什么”获取相关技术细节;针对模块改动对系统性能的影响,系统可综合历史版本数据与性能测试结果,生成详细分析报告。此外,智能问答系统与团队日常协作工具深度集成,通过企业群聊机器人实现实时信息共享。当团队成员在群聊中提出技术问题时,机器人可即时从知识库中提取相关信息并返回结果,同时附带相关文档链接,便于进一步查阅。

通过仓库管理系统与 AI 技术的结合,团队实现了文档与代码的同步更新,解决了信息分散与检索困难的问题。智能问答系统与实时协作工具的集成显著提升了团队沟通效率与问题解决速度,同时支持多维度查询与复杂语义分析。这种体系不仅优化了文档生成与检索的智能化水平,还为团队协作与项目推进提供了强有力的技术支撑,确保信息的高效流转与利用。

4.3 代码改动追踪体系

代码改动影响追踪体系旨在全面评估代码变更对系统的影响,包括性能指标分析、代码质量评估及多维度分析。通过与内部性能监控平台的指标关联,可以实现以下功能:

性能指标分析:实时监控关键指标,如首次内容绘制时间(First Contentful Paint, FCP)、可交互时间(Time to Interactive, TTI)、累积布局偏移(Cumulative Layout Shift, CLS)以及 JavaScript 包大小变化。结合 AI 生成的性能分析报告,可快速定位性能瓶颈并提供优化建议。这种机制有助于提高问题排查效率,确保代码改动对系统性能的正面影响。

代码质量评估:通过静态代码分析工具(如 ESLint、SonarQube 等)与 AI 助手的结合,全面评估代码改动对圈复杂度(Cyclomatic Complexity)、代码重复率(Code Duplication)、潜在漏洞(Potential Vulnerabilities)及代码异味(Code Smells)的影响。AI 助手可基于分析结果生成代码质量报告,帮助快速发现并修复问题,提升代码的可维护性。

多维度分析:围绕用户行为埋点分析、A/B 测试评估及综合影响分析等方面,可以开发多种 AI 辅助工具。这些工具采用模块化设计,具备强大的数据整合能力,可关联分析性能指标(如服务器响应时间、API 调用频率)、用户体验指标(如用户停留时间、转化率)以及系统健康指标(如 CPU 使用率、内存占用),为未来拓展更多分析维度奠定基础。

通过这种体系,可以实现对代码改动影响的全面追踪,为智能化支持的进一步拓展提供灵活的技术框架。它有潜力显著提升开发效率、代码质量和系统稳定性,同时为持续集成/持续部署(CI/CD)流程中的自动化决策提供数据支持。

五、实践与应用

5.1 自动化文档生成

通过将 CI/CD 流水线与 Dify 工作流相结合,实现了代码改动的自动化文档生成。这一实践大幅提升了文档更新的效率,确保文档始终与代码保持同步,减少了手动维护的工作量。

5.2 模块文档总结

借助模块化代码解析 AI Agent,团队从入口文件自动生成模块文档总结,全面梳理了仓库中所有模块的功能描述与依赖关系。这一能力帮助开发者快速掌握模块的核心逻辑,降低了新成员的学习成本,同时为跨团队协作提供了清晰的参考。

5.3 代码改动影响分析

通过自动追踪代码改动对业务逻辑和性能指标的影响,团队能够生成详细的性能分析报告。这些报告涵盖关键指标,如可交互时间(Time to Interactive, TTI)以及代码包大小变化(Bundle Size Change),帮助开发者快速评估改动的潜在影响,确保系统性能和稳定性。

5.4 智能问答与实时协作

携程机票前端团队接入了智能问答系统和企业群聊机器人,实现了信息的实时共享与问题的快速解决。这一实践显著提升了团队的协作效率,减少了沟通成本,同时为开发者提供了即时的技术支持。

5.5 实践效果

5.5.1 规模化落地:从机票前端走向全研发体系

Lumos 平台由机票前端团队自主研发,目前已从最初的前端场景验证走向跨团队规模化落地。当前已接入  74 个业务仓库,覆盖 7 个事业群/业务线,累计生成 1063 篇业务与变更文档,实现了知识库的跨团队、跨技术栈统一覆盖。

5.5.2 知识库质量:从"有文档"到"可用文档"

文档不仅是数量的积累,更是质量的迭代。Lumos 产出的文档分为两大类:

  • 业务文档:模块分析、技术实现、需求设计等,共 989 篇

  • 变更文档:CI/CD 流水线自动生成的代码改动分析,共 74 篇

头部仓库的文档深度已达实用级别——最高单仓库累计 126 篇文档,4 个仓库文档总量超过 50 篇,为 AI Code Review 和新人 onboarding 提供了充足的上下文支撑。

向量知识库覆盖:51 个仓库已同步至向量知识库,每个仓库拥有独立的数据集,支持基于语义的精准检索。检索阶段使用平台侧预配置的 Embedding 模型,在检索精准度与响应速度之间保持平衡。

全局 AI 问答能力:5 个核心仓库已开通全局 AI 问答,开发者可通过自然语言直接查询仓库级业务知识。其中 2 个高频仓库还配备了专属对话机器人入口,提供仓库级别的深度对话体验。

5.5.3 技术架构:Lumos-Skill 的检索增强管线

Lumos 的知识库检索能力已产品化为 Lumos-Skill,可直接集成至 AI Code Review 流水线,实现"业务上下文 + 代码变更"的联合审查——通过让 AI Reviewer 在审查时自动查询业务知识库,弥补了单纯代码审查缺少业务视角的问题。

5.5.4 效能提升:从人工到自动化的范式转变

Lumos 的核心价值在于将开发者的"信息获取成本"趋近于零,具体体现在:

  • 文档维护成本:传统模式下,开发者需在功能开发之外额外投入 20-30% 的时间维护文档;Lumos 通过 CI/CD 自动触发工作流,MR 合并即生成文档,人工维护时间下降 80%+。

  • 新人 onboarding:新成员加入项目时,通过 Lumos 知识库可在 1-2 天内建立完整的模块认知,相比传统的"读代码 + 问老员工"模式,上手周期缩短 60%+。

  • Code Review 质量:通过 Lumos-Skill 为 AI Reviewer 提供业务上下文后,review 意见的"业务逻辑正确性"维度检出率显著提升——Reviewer 不再仅关注代码风格,而是能基于业务背景判断改动的合理性与风险点。

  • 知识沉淀:散落在个人头脑中的隐性知识,通过 Lumos 的系统化采集、向量化存储,转化为团队共享的组织资产,实现从"人走知识丢"到"知识随代码生长"的转变。

六、下一步规划

基于当前平台的能力,机票前端团队在代码改动影响追踪方面已经取得了显著成效,未来将沿此路径持续深耕,并进一步将前端侧的实践经验推广至更广泛的集团研发场景:

  • 知识库从检索到推理的能力升级

在现有通过代码反推业务需求的基础上,逐步引入图谱化关联,将代码实体、推导出的业务规则与变更历史形成结构化语义网络。目标是让 AI 不仅能还原单点需求,还能理解需求之间的依赖与演进脉络,在影响分析时提供更完整的业务上下文。

  • AI Code Review 与业务语义的深度结合

在现有代码审查辅助的基础上,融合代码所承载的业务语义进行审查——不仅检测代码层面的缺陷,还能识别改动是否与既有业务规则产生冲突。逐步覆盖安全合规、性能风险、跨模块业务一致性等场景,使审查建议从"代码规范提示"演进为"业务风险诊断"。

  • Harness 范式下的产出校验与效果度量

重点建设 AI 输出质量的量化评估体系,包括需求还原文档的准确率(precision)与覆盖率(recall),以及 Code Review 的发现率与误报率等核心指标。通过与人工审查结果的交叉验证,形成度量反馈闭环,驱动模型持续迭代,确保 AI 产出稳定满足工程质量标准。

七、结语

通过自动化工具与智能技术的深度结合,携程机票前端团队初步践行了"代码即文档"的理念,在代码改动影响追踪与逆向需求还原方面取得了阶段性成效。从最初解决前端团队自身的文档痛点,到如今 Lumos 平台服务于多个事业群的研发体系,机票前端团队以工程实践证明了"代码即文档"理念的可行性与可推广性。

下一步,我们的重心将从"能力建设"转向"质量收敛"——在 Harness 范式下建立系统化的输出校验机制,量化评估需求还原文档的准确率与完整性,持续度量 AI Code Review 的检出率与误报率。

我们相信,只有将评测体系做扎实,才能让 AI 辅助研发从"可用"走向"可信赖",真正成为团队日常工作流中稳定可靠的一环。

【推荐阅读】

 “携程技术”公众号

  分享,交流,成长

跳转微信打开

  •  

pnpm 12 正式发布:用 Rust 重写,开始接管整个 JS 开发环境

原创 CUGGZ 2026-08-28 09:09 浙江

、

pnpm 12 正式发布了。

如果只看技术实现,这次最大的变化很直接:pnpm 几乎整个用 Rust 重写了。

但相比 Rust,我觉得 pnpm 12 更值得关注的是另外两件事:它开始摆脱对 Node.js 的依赖,同时也开始不满足于只做一个包管理器。

pnpm 正在逐渐变成一套 JavaScript 开发环境管理工具。

pnpm 自己不再依赖 Node.js

过去 pnpm 本身运行在 Node.js 之上,所以想安装 pnpm,通常得先有 Node.js。

pnpm 12 改成 Rust 原生实现之后,通过 standalone script 或 @pnpm/exe 安装时,机器上可以完全没有 Node.js。

也就是说,现在可以:

先安装 pnpm → 再让 pnpm 安装 Node.js。

甚至在一台没有 Node.js 的机器上,如果运行的 JavaScript 包管理器需要 Node.js,pnpm 还可以自动提供一个受管理的 Node.js LTS 环境。

这其实已经改变了 pnpm 和 Node.js 之间原来的关系。

它甚至开始管理 Node、Bun 和 Deno

pnpm 12 新增了更完整的运行时管理能力。

项目指定 Node.js 版本之后,全局的 node 命令可以自动跟随当前项目要求的版本。

默认支持:

Node.jsDenoBun

也就是说,以前需要 nvm、Volta 这类工具解决的一部分问题,现在 pnpm 自己也开始做了。

而且它不需要 shell hook,也不用每次进入项目之后手动执行类似 use 的命令。

更夸张的是,它还能管理其他包管理器

pnpm 12 甚至开始负责安装和运行其他包管理器。

现在它可以直接管理:

npmYarn ClassicYarn BerryYarn 6Bun

比如:

pnx yarn@4 installpnx npm@11 cipnx bun@1.3.0 installpnx node@22

以前 pnx yarn@4 更像是在 npm Registry 里找一个叫 yarn 的包。

现在 pnpm 知道:

你要的不是一个 npm 包,而是真正的 Yarn 4。

甚至一个使用 Yarn 构建的 Git 仓库,在机器上只有 pnpm 的情况下,pnpm 也可以根据项目声明自动准备对应的 Yarn 环境。

这就很有意思了。

pnpm 开始从“package manager”,向“package manager manager”发展。

Rust 重写当然也带来了性能提升

底层换成 Rust 后,性能同样有明显改善。

官方给出的一个比较典型的数据是,在存在大量依赖环的大型 Workspace 中:

•

Peer Dependency 解析速度提升 2~3 倍

•

内存占用降低约 25%

•

lockfile 更小

同时 pnpm 12 重新处理了循环依赖解析的确定性问题。

同一套 Dependency Graph,无论 importer 或依赖顺序怎么变化,都可以生成 byte-identical 的 lockfile。

对于大型 Monorepo 和 CI 来说,这个变化比单纯快几十个百分点更有价值。

当然,它并没有要求大家重新学习 pnpm

虽然底层几乎换了一遍,但 pnpm 官方刻意保持了兼容性。

pnpm 11 的命令、参数、配置以及 lockfile 格式基本都被保留下来了。

所以这并不是一次“换了一个包管理器”的升级,而更像是:

外面还是那个 pnpm,里面的发动机已经换成 Rust。

而 pnpm 12 真正有意思的地方,也恰恰在这里。

以前我们通常把 pnpm、npm、Yarn 看作几个互相竞争的 JavaScript 包管理器。

但 pnpm 12 开始做 Node.js / Bun / Deno Runtime 管理、其他 Package Manager 管理、项目级版本切换,甚至还在尝试跨机器的构建缓存。

所以 pnpm 接下来竞争的,可能已经不只是 npm 和 Yarn 了。

它正在尝试成为 JavaScript 开发环境的统一入口。

跳转微信打开

  •  

《HelloGitHub》第 125 期

原创 HelloGitHub 2026-08-28 08:15 北京

兴趣是最好的老师,HelloGitHub 让你对开源感兴趣!每月 28 号更新

兴趣是最好的老师,HelloGitHub 让你对开源感兴趣!

简介

HelloGitHub 分享 GitHub 上有趣、入门级的开源项目。

这里有热门 AI 项目、入门教程、黑科技、开源书籍、大厂开源项目等,涵盖多种编程语言 Python、Java、Go、C/C++、Swift...让你在短时间内感受到开源的魅力,爱上开源!


以下为本期内容|每月 28 号更新

C 项目

1、RetroArch:一站式复古游戏模拟器。该项目是 libretro 官方开发的跨平台模拟器,可动态加载各类游戏机模拟器和游戏引擎。它提供多种着色器、即时存档、手柄操作和视频录制等功能,支持 Windows、Linux、macOS、Android、iOS 以及 PS、Xbox、任天堂主机等平台。

地址:github.com/libretro/RetroArch

C# 项目

2、DeskBox:让 Windows 桌面井然有序。这是一款开源的 Windows 桌面整理工具,为桌面加入具有 Windows 原生质感的文件格子和日常工具。它内置待办、随记、搜索、天气和音乐控制等小组件,支持映射现有文件夹、自动整理桌面文件和 QuickLook 预览等功能。

地址:github.com/Tianyu199509/DeskBox

3、DiscordChatExporter:Discord 聊天记录导出工具。这是一款用 C# 编写的 Discord 消息导出工具,可将私信、群聊和频道消息导出为文件,支持 HTML、TXT、CSV、JSON 输出格式,并保留 Markdown、附件、表情等内容,导出结果可离线查看。

地址:github.com/Tyrrrz/DiscordChatExporter

4、tubatools:Windows 电脑硬件检测工具。该项目是采用 C# 和 WinUI 3 开发的 Windows 装机工具箱,集成硬件检测、装机助手、网络诊断和垃圾清理等功能。

地址:github.com/luolangaga/tubatools

C++ 项目

5、EUI-NEO:轻量级 C++ 跨平台 UI 框架。这是一个面向 C++ 应用的轻量级声明式 UI 框架,无需引入 WebView 或脚本运行时。它支持 GLFW/SDL2 窗口后端和 OpenGL/Vulkan 渲染后端,内置布局、动画、事件、异步、网络请求和图片加载等功能,以及键盘、串口等可选模块。来自 @keokeo 的分享

地址:github.com/sudoevolve/EUI-NEO

6、fooyin:可自由定制界面的音乐播放器。这是一款界面可自由定制的桌面音乐播放器,可从空白画布或预设布局中自由编排界面。它支持 FLAC、MP3、Opus 等主流音频格式,提供无缝播放、标签编辑、音频转换、歌词同步显示和网络电台等功能,还可通过插件和内置的 FooScript 脚本扩展功能。

地址:github.com/fooyin/fooyin

Go 项目

7、casos:开箱即用的云操作系统。该项目是基于 Kubernetes 构建的云操作系统,将 API Server、Controller Manager 和 Scheduler 集成到单个可执行文件。无需搭建集群和编写 YAML,即可拥有一个带 Web 管理界面和应用商店的云操作系统。

地址:github.com/casosorg/casos

8、dbmate:轻量级数据库迁移工具。这是一款用 Go 编写的数据库迁移工具,可让数据库结构在多名开发者和生产服务器之间保持同步。它开箱即用、纯 SQL 编写迁移脚本,不绑定任何编程语言或框架,支持 MySQL、PostgreSQL、SQLite 和 ClickHouse 等数据库。

地址:github.com/amacneil/dbmate

9、devpod:开源的云开发环境。该项目是基于 DevContainer 标准的客户端开发环境工具,可在本地、K8s、远程机器或云服务器中创建一致的容器化开发环境。它支持 SSH、VSCode 和 JetBrains 接入,并提供预构建、闲置自动关机、凭据同步等功能。

地址:github.com/loft-sh/devpod

10、hister:个人浏览记录搜索引擎。该项目是用 Go 开发的个人搜索引擎,可全文检索你浏览过的网页和本地文件,支持 Firefox/Chrome 扩展自动收录新访问的页面、浏览器历史导入、字段过滤、通配符和语义搜索等功能。

地址:github.com/asciimoo/hister

Java 项目

11、droidVNC-NG:Android 远程桌面工具。这是一款专为局域网设计的远程查看和控制 Android 设备的工具,打开浏览器即可操控手机,无需 Root 权限。支持鼠标键盘操作、剪贴板共享、文件传输和屏幕缩放等功能。来自 @KongQi 的分享

地址:github.com/bk138/droidVNC-NG

12、grimmory:自托管的电子书漫画有声书库。这是一款开源的数字书库,支持管理电子书、漫画和有声书,可在浏览器里阅读、标注和查看进度,并提供智能书架、全文搜索、元数据抓取和一键发送到 Kindle 等功能。

地址:github.com/grimmory-tools/grimmory

JavaScript 项目

13、flint-chart:为 AI 而生的可视化语言。这是一种面向 AI 智能体的可视化中间语言,可通过简洁、人类可编辑的代码生成美观、准确的图表。它能自动处理布局、坐标轴、标签等参数,推导出更合适的图表配置,并提供 MCP 服务方便智能体直接调用。来自 @gaofer 的分享

地址:github.com/microsoft/flint-chart

14、gpu.js:让 JavaScript 代码跑在 GPU 上。这是一个 JavaScript 的 GPU 通用计算加速库,能够将简单的 JavaScript 函数转换为适配不同后端的 Shader Code,实现在 GPU 上并行执行,从而显著提升计算速度。

地址:github.com/gpujs/gpu.js

15、LinearAbiltyCastingThreeJS:炫酷的技能特效沙盒。这是一个用 Three.js 和 GLSL 实现的技能特效沙盒,内置冰霜、闪电、陨石、光束和陷阱 5 种技能,所有效果均由程序生成,并支持箭头瞄准、点击释放、暂停调整等功能。

地址:github.com/achrefelouafi/LinearAbiltyCastingThreeJS

16、prehistoric-animal-museum:陪孩子在线逛史前动物博物馆。该项目是专为儿童设计的 3D 史前动物博物馆,收录了海陆空 18 种动物,支持旋转缩放、中英双语旁白和设置探险形象等功能。来自 @Leon Made This 的分享

地址:github.com/s010s/prehistoric-animal-museum

Kotlin 项目

17、ZenConverter:开源的安卓文件格式转换工具。这是一款无广告、免费的 Android 文件格式转换工具,所有转换都在手机本地完成,文件无需上传到服务器,支持音视频、图片、PDF、字体和字幕等文件。来自 @Jason8RwWd 的分享

地址:github.com/Jasonzhu1207/ZenConverter

Python 项目

18、airllm:仅需 4GB 显存就能跑 70B 大模型。这是一个通过分层加载大幅降低推理显存占用的 Python 库,无需量化、蒸馏或剪枝,仅需 4GB 显存即可运行 70B 大模型。它支持 Llama 3.x、Qwen3、DeepSeek 等主流模型,并提供预取加速、8bit/4bit 量化和 macOS 支持。

地址:github.com/lyogavin/airllm

19、PYAS:Python 写的杀毒软件。这是一款用 Python 和 C++ 开发的 Windows 杀毒软件,通过机器学习和行为监控拦截威胁,支持 PE 文件扫描、云端检测、签名校验,以及文件、进程和注册表等系统防护功能。来自 @WBT907 的分享

地址:github.com/87owo/PYAS

20、ServerKit:轻量级的服务器控制面板。这是一款采用 Flask 和 React 构建的服务器管理面板,运行时仅占 180MB 内存,可统一管理网站、数据库和 Docker 等服务。它内置 100 多个一键安装应用模板,支持多机监控、HTTPS 证书自动续签、定时备份和文件管理器等功能。来自 @Juan Denis 的分享

地址:github.com/jhd3197/ServerKit

21、watermarks-remover:清除 AI 水印的工具。这是一款用于删除 AI 生成内容里的来源标记和隐形水印的工具,可处理 Claude、Gemini、OpenAI 等水印,支持文本、图片、文档和视频等多种内容类型。

地址:github.com/guillaumemeyer/watermarks-remover

Rust 项目

22、floral-notepaper:轻量优雅的跨平台桌面便签工具。该项目是基于 Tauri 2 和 React 构建的桌面便签工具,按下全局快捷键即可随时唤出便签窗口。它支持 Markdown 编辑与实时预览、小窗多开、磁贴模式等功能,适用于 Windows 和 macOS 系统。

地址:github.com/Achilng/floral-notepaper

23、tuicr:方便在终端里做代码审查的工具。这是一款支持 Vim 快捷键的终端代码审查工具,可在命令行中连续浏览所有变更并添加评论。评论可作为正式 Review 一键提交至 GitHub、GitLab 或 Bitbucket,也能导出为 Markdown,兼容 git、jj 和 Mercurial。

地址:github.com/agavra/tuicr

24、WindInput:Rust 写的开源中文输入法。这是一款用 Rust 编写的轻量级中文输入法,资源占用低、启动速度快,支持五笔 86、五笔拼音混输、全拼和双拼。

地址:github.com/huanfeng/WindInput

Skills

25、dashi-ppt-skill:让 AI Agent 帮你做 PPT。这是一个能够生成可编辑 PPT 的技能包,把文档丢给 Agent 即可生成网页版 PPT,支持在浏览器里直接修改文字、换图片、调布局,以及一键导出为可编辑的 PPT 文件。

地址:github.com/chuspeeism/dashi-ppt-skill

26、effective-html:让 AI 用 HTML 画原型和图表。该项目能够让 AI 智能体生成可直接在浏览器中打开的 HTML 可视化内容,包括报告、交互式原型、计划路线图、架构和流程图等。

地址:github.com/plannotator/effective-html

27、i-have-adhd:让 AI 直接说重点的技能。该项目以《The Adult ADHD Tool Kit》一书的方法为准则,制定了 10 条输出规则,包括行动优先、步骤编号、列表不超过 5 项等,并省去开场白、回顾和客套结尾,让 AI 直接输出重点。

地址:github.com/ayghri/i-have-adhd

28、ian-xiaohei-illustrations:为文章生成手绘配图的技能。该项目是用于生成中文文章配图的 Agent 技能,能够提炼文章中的判断、流程、状态和隐喻,画成白底、手绘、有趣和清爽的 16:9 正文配图。来自 @Jie Chu 的分享

地址:github.com/helloianneo/ian-xiaohei-illustrations

Swift 项目

29、Crisp:免费的 macOS 外接显示器管理工具。这是一款用于控制外接显示器的 macOS 菜单栏应用,所有功能完全免费。支持调节亮度/音量/排列、HiDPI 缩放、配置预设、虚拟显示器等功能。

地址:github.com/didriksg/Crisp

30、MacPacker:免费的 macOS 压缩包管理器。这是一款免费开源的 macOS 压缩包管理工具,无需解压即可像浏览文件夹一样查看内容、直接拖出所需文件,支持 40 多种压缩包和磁盘镜像格式。来自 @Stephan Arenswa 的分享

地址:github.com/sarensw/MacPacker

人工智能

31、book-to-skill:把技术书变成智能体技能。这是一款可以将技术书籍和文档转化成 Agent 技能的工具,让 AI 编程助手按需加载并基于原书内容回答。它会自动生成 SKILL.md、按章节拆分的文件、术语表和速查表,让 Token 消耗比直接把整本书塞进上下文少 20-50 倍,支持 PDF、EPUB、DOCX 和 Markdown 等文件。

地址:github.com/virgiliojr94/book-to-skill

32、deepseek-harness:DeepSeek 开源的智能体框架。该项目是 DeepSeek 官方开源的智能体框架,采用一切皆插件的设计理念,模型适配器、工具、会话日志和智能体循环都是可替换的插件,并提供开箱即用的 Web 界面。

地址:github.com/deepseek-ai/deepseek-harness

33、oh-my-pi:把 IDE 能力接入终端编程智能体。这是一个采用 TypeScript 和 Rust 开发的终端 AI 编码智能体,由开源项目 Pi 演化而来,主打把 IDE 能力引入智能体。它将 LSP 深度集成到每次代码修改中,重命名会同步更新所有引用,还能调用 lldb、dlv、debugpy 等调试器定位问题,适用于 macOS、Linux 和 Windows 系统。来自 @ghost_him 的分享

地址:github.com/can1357/oh-my-pi

34、pipecat:实时语音 AI 智能体的框架。这是一个用于构建实时语音和多模态对话智能体的 Python 框架,可将语音识别、大模型和语音合成编排成可组合的处理管道。它通过 WebSocket 或 WebRTC 实现超低延迟交互,每条管道即一个 Agent,支持任务交接、并行分发和跨进程分布式部署等多智能体协作方式,适用于语音助手、在线客服和陪伴应用等场景。

地址:github.com/pipecat-ai/pipecat

35、plannotator:批注 AI 编码智能体输出的工具。这是一款本地运行的 AI 编程智能体审阅工具。当 AI 输出计划或写完代码后,它会自动在浏览器中打开审查界面,支持批注计划、评论 diff 和 PR,反馈会直接回传给 Agent 执行,兼容 Claude Code、Codex、Copilot CLI 等。

地址:github.com/backnotprop/plannotator

其它

36、bee-write-back:用树莓派自制一台数字打字机。该项目是用树莓派、5.5 英寸屏幕和机械键盘制作的专注写作设备,作者最初是为了解决睡前写日记助眠、又不想被旧日记勾起情绪的困扰而打造,成本约 200 美元。

地址:github.com/shmimel/bee-write-back

37、IHaskell:在 Jupyter 中运行 Haskell 代码。该项目能让你在 Jupyter Notebook 中交互式编写和运行 Haskell 代码,支持 GHC 8.4-9.14 所有版本。它提供 Hackage、源码编译、Docker、Nix 等多种安装方式,也可以通过浏览器体验。

地址:github.com/IHaskell/IHaskell

38、Lithe-IDEA:轻量级的 Java IDE 编程工具。这是一款面向 Java 和 Spring Boot 开发者的轻量级 IDE,运行时内存占用仅 300-400 MB,支持全局搜索、代码跳转、Maven、断点调试、数据库管理等功能,适用于 macOS 和 Windows 系统。来自 @Lichenkang 的分享

地址:github.com/1lck/Lithe-IDEA

39、mhabit:跨平台的习惯养成应用。这是一款用于培养和跟踪个人习惯的应用,通过每日打卡帮助用户更高效地养成习惯。它不只统计连续打卡天数,还提供成长曲线量化长期坚持情况,支持 WebDAV 多端同步、自定义颜色和习惯分组,适用于 Android、iOS、Windows、macOS 和 Linux 平台。来自 @ewiro 的分享

地址:github.com/FriesI23/mhabit

40、newtab-naivetab:可视化键盘新标签页。该项目是用键盘布局展示书签的浏览器插件,可将书签和指令绑定到按键,在新标签页中按下对应按键即可直达网站。它内置多种实用小组件,支持拖拽布局、专注模式和云同步,兼容 Chrome、Edge 与 Firefox。来自 @GXFG 的分享

地址:github.com/GXFG/newtab-naivetab

最后

感谢参与分享开源项目的小伙伴们,欢迎更多的开源爱好者来 HelloGitHub 自荐/推荐开源项目。

希望本期内容有你感兴趣的开源项目,兴趣是最好的老师,它能点燃你对开源的热情、勇敢地迈出第一步,随时欢迎你加入开源的大家庭!如果还没看过瘾,点击阅读 往期内容。

图片

点击阅读原文可按照编程语言浏览项目

阅读原文

跳转微信打开

  •  
❌