Loli_Wolf-优快云博客

原创如何从 AI 编码助手升级到 AI 原生研发闭环？

企业AI编码工具落地路线：从个人助手到研发闭环重构摘要：AI编码工具正从个人提效转向研发体系改造。本文提出五阶段落地路线：1）个人编码助手；2）团队知识库与质量门禁；3）异步coding agent；4）pipeline-native agent；5）观测到需求闭环。关键发现是：AI会放大组织既有优势与短板，需先建立治理系统再推进自动化。效能评估应结合DORA、SPACE等多维指标，而非仅看代码量。工具方面，agent正从IDE插件发展为可治理系统，需关注权限、审计等控制面能力。最终目标是将线上信号回流至

2026-05-31 07:00:00 511

原创阿里、腾讯、百度、华为 AI 走到了哪一步？

摘要国内AI研发工具已进入第二阶段，阿里、腾讯、百度、华为等大厂的产品正从代码补全向AI IDE、CLI Agent、企业知识库等方向演进。当前国内工具在"编码现场"和"企业知识增强"方面表现突出，但与GitHub Copilot等国外产品相比，在研发控制面打通方面仍有差距。2024-2026年竞争焦点转向工程级变更、企业治理和研发闭环。阿里通过通义灵码和云效构建编码Agent+DevOps闭环；腾讯CodeBuddy整合Craft、Cloud Studio和TAPD生态；百度Comate向开放平台扩展；

2026-05-30 09:45:00 1239

原创 AI SRE：从报警、根因分析到自动生成下一轮需求

AI SRE 的核心价值在于将线上信号与产品研发闭环打通，实现从报警到修复的全链路自动化分析。主流工具如 Datadog、PagerDuty、Sentry 等各有侧重，但都致力于整合可观测数据、事故协同和AI分析。关键差异在于：可观测平台侧重telemetry分析，协同工具聚焦响应流程，而代码平台专注错误修复。企业落地时需构建统一的incident dossier数据层，将AI生成的RCA作为调查草案，经多方确认后拆解为修复、观测补齐和架构改造三类任务，最终沉淀为产品需求或技术债治理项。这一闭环能有效避免系

2026-05-29 13:00:00 539

原创让 Agent 进入 CI/CD

AI赋能交付链路的治理闭环当前AI正从代码生成向交付链路渗透，核心挑战在于构建可审计的自动化闭环，而非单纯修复CI问题。主流平台进展： Harness：AI深度集成DevOps平台，支持流水线编辑、策略生成及GitOps操作，但全自动发布仍处预览阶段 GitLab：通过Duo Agent实现CI/CD修复流，需经MR流程确保修改合规 GitHub：Copilot Agent依托Actions治理底座，结合环境规则与制品验证保障安全关键原则：AI可加速低风险操作（如回滚、验证），但涉及生产变更必须保留人工

2026-05-29 00:15:00 427

原创代码生成越快，质量门禁越要硬

AI时代研发质量体系的转型挑战随着AI编码工具普及，软件研发面临新的质量困境：代码生成速度提升的同时，质量保障的复杂性正从编写环节转移到测试、评审和运维阶段。当前AI测试与评审工具可分为三类能力：生成类：如Harness AI、通义灵码的测试生成，GitHub Copilot的评审建议分析类：如Sentry Seer的线上错误追踪，GitLab Code Review Flow的上下文感知自愈类：如mabl、BrowserStack的测试自动修复核心矛盾在于：AI可以快速产出代码和测试，但无法承担

2026-05-28 12:15:00 490

原创从 PRD 到技术方案：Agent 如何做调研、拆任务、写设计文档

AI技术方案生成的新范式：从需求到落地的工程化路径摘要：现代AI编码Agent正在改变传统技术方案生成模式，不再依赖人工代码审查和经验判断，而是通过系统化的仓库研究、证据收集和结构化分析来形成技术方案。本文提出了一套企业级落地流程：需求输入后，Agent首先执行代码库调研，生成包含调用路径、依赖关系、历史问题等维度的证据包；然后基于证据产出技术方案草案和任务拆解；最后通过人工审核风险和执行顺序。调研显示，GitLab、GitHub Copilot等先进工具都在推动"先研究-再执行"的工作流，强调环境隔离、

2026-05-27 11:00:00 535

原创产品提需与 PRD 自动化

产品需求自动化的核心不是“让 AI 替产品经理写 PRD”，而是把客户反馈、支持工单、会议记录、销售线索、线上指标和历史研发记录变成可追溯的证据链。PRD 只是最后的表达形态，真正的价值在前面：信号采集、去重归一、主题聚类、影响评估、优先级判断和验收标准结构化。从 Productboard Spark、Atlassian Rovo/Jira Product Discovery、DevRev、Linear、Aha!

2026-05-26 12:30:00 425

原创 Harness + Agent：让 AI 从聊天窗口进入可治理的软件交付流水线

文章摘要 AI编码助手正从聊天窗口走向软件交付流水线，这一转变带来了治理挑战。Harness.io等平台通过构建agent harness（治理底座）来解决这些问题，包括权限控制、沙箱执行、审计追踪等关键能力。GitHub、GitLab和Atlassian等厂商也推出了各具特色的解决方案：GitHub采用issue到PR的异步协作模式，GitLab将agent嵌入SDLC全流程，Atlassian则从Jira任务直接生成代码。企业需要建设的不是简单的API接入，而是一套完整的agent治理体系，包括上下文管

2026-05-25 00:11:17 655

原创 AI 编码 Agent 的工程实践：Issue 到 PR 的自动化不是魔法

产品经理：写更可执行的 work item，给出验收标准和业务边界。工程师：拆任务、选择适合 Agent 的工作、审查实现和测试证据。Tech Lead：维护规则文件、架构边界、review 标准和代码所有权。平台团队：提供沙箱、权限、CI、日志、成本和安全策略。安全团队：定义 Agent 可访问的数据、secret、网络和高风险目录。

2026-05-25 00:09:34 700

原创 AI 原生研发闭环：从提需到线上监测，再自动回到提需

过去两年，企业采用 AI 编码工具的主问题已经从“能不能补全代码”转向“能不能进入真实研发系统，并对结果负责”。单点 AI 助手提升的是局部效率：写代码、写测试、总结 PR、解释报错。AI 原生研发闭环要解决的是系统效率：从客户反馈、线上指标、产品洞察、PRD、技术方案、代码变更、测试评审、CI/CD、发布治理、线上观测、事故复盘，再把证据沉淀回下一轮需求。本文把这个闭环称为。

2026-05-25 00:02:57 527

原创 JVM内存划分

JVM定义了运行时数据区，这是一个JVM逻辑上组织管理内存的模型，并不代表物理存储结构。线程共享，线程私有各自的。

2024-01-26 13:49:01 484 1

原创机器学习整理

有监督学习：从有标记的样本中学习，如决策树。无监督学习：从不含标记的样本中学习，如K均值算法。线性回归是一种用于预测和建模的统计方法。线性回归的目的是找到一个线性关系，用来最好地预测一个因变量基于一个或多个自变量的值。给定数据(X1,y1),(X2,y2),…,(Xm,ym),此处X可以是多维向量。线性回归的目标为学习合适的参数w和b使得损失函数：用于度量yi和f(xi)的差异均方误差：最小二乘法：基于均方误差最小化来求解模型参数通过计算E(w,b)对w。

2024-01-23 16:43:20 1247

原创 RabbitMQ学习笔记

Broker：接受和分发消息的应用，例如RabbitMQ ServerVirtual host:出于多租户和安全因素设计的，把AMQP的基本组件划分到一个虚拟的分组中，类似于网络中的namespace概念。当多个不同的用户使用同一个RabbitMQ server提供的服务时，可以划分出多个vhost,每个用户在自己的vhost创建exchange/queue等Connection:生产者/消费者与broker之间的TCP连接。

2024-01-13 16:15:38 1504

原创【操作系统】xv6源代码分析

fs.c entry.S xv6初始化代码。

2024-01-13 15:56:26 1478 1

原创【计算机网络】内容整理

维护网络状态信息通过北向API与“上面的”网络控制应用交互。通过南向API与“下面的”网络交换机交互。网络控制应用eg：ryu。

2024-01-12 15:13:43 2953 6

原创使用WebClient发请求

更多可以看https://blog.youkuaiyun.com/weixin_35688430/article/details/119750922。header和cookie的设置可以通过实现Consumer接口传集合。非阻塞式获取相应(异步获取结果)加在builder的注册上。

2024-01-08 23:54:45 822

原创使用RestTemplate发请求

SpringCloud提供的注解，用于实现客户端负载均衡。加在注册RestTemplate时。可以如上新建factory后直接给restTemplate setfactory。post传表单：数据放在LinkedMultiValueMap里。用*ForEntity,返回整个响应的各个部分。使用*ForObject,直接返回相应页面。post传body：直接传实体Bean。get传参：直接拼接url。

2024-01-08 23:53:48 457

原创 @Async基本使用

Bean//设置线程池的基本大小为2，即使线程池中的线程空闲，线程池也会保持至少有这么多的线程//设置线程池的最大大小为2，这表示即使排队任务的数量增加，线程池也只能增加到这个数量的线程//设置线程池的队列容量为500。如果所有的线程都在忙，新来的任务会被放在队列里面，等待有线程空闲出来//初始化线程池注入使用。

2024-01-08 23:49:14 487

原创 SpringCache基本用法

配置类配置，关键字是缓存的name(value)，而不是整个key@Autowired@Bean// 对 'tests' 设置 1 分钟的 TTL// 对 'cache2' 设置 5 小时的 TTL.build();//Duration格式转换，生成配置。

2024-01-08 23:47:38 582

原创 Mybatis缓存

一级缓存是 MyBatis 的基础缓存，粒度是一次会话，也被称为 SqlSession 级别的缓存。每当我们执行查询时，查询结果会被存放在一级缓存中。二级缓存是 MyBatis 的高级缓存，也被称为 mapper 级别的缓存。这个缓存是跨 SqlSession 的，这意味着多个 SqlSession 可以共享这个缓存。标签的属性来配置你的二级缓存，例如 eviction（淘汰策略）、flushInterval（刷新间隔）、size（缓存大小）和 readOnly（是否只读）。或其他清除缓存的操作。

2024-01-08 23:46:32 497

原创【操作系统】11考研题

空座位的有、无影响等待顾客数量，顾客的有、无决定了营业员是否能开始服务，故分别设置信号量empy和full来实现这一同步关系。另外，顾客获得空座位后，需要等待叫号和被服务。在装载阶段，操作系统将可执行文件从磁盘加载到物理内存中，并将程序的逻辑地址转换为物理地址。抖动：进程过多时，很多进程都要用内存，但是内存不足，然后页面高频率置换，导致CPU大量时间被用于页面置换，导致计算机性能下降。在链接阶段，编译器将生成的目标代码与程序所需的库函数和其他目标文件进行链接，生成最终的可执行文件和该文件的逻辑地址。

2024-01-08 23:39:46 559

原创【操作系统】10考研题

饥饿是指系统不能保证某个进程的等待时间上界，从而使该进程长时间等待，当等待时间给进程推进和响应带来明显影响时，称发生了进程饥饿。中断是指计算机运行过程中，出现某些意外情况需主机干预时，机器能自动停止正在运行的程序并转入处理新情况的程序，处理完毕后又返回原被暂停的程序继续运行。当操作系统接收到创建新进程的请求时，它会分配必要的资源、设置相关的数据结构，并在系统中启动程序的执行。当一个进程长期处于就绪队列中无法得到调度执行时，该进程饥饿，为了让该进程能够得到响应，应该提高该进程优先级，而不是降低该进程优先级。

2024-01-08 23:38:24 982

原创【操作系统】09考研题

设自行车生产线上有一个传送带，其中有 N (N≥3) 个位置，每个位置可存放一个车架或者一个车轮，设有3名工人，进程P1表示工人1每次加工一个车架并放入传送带，进程P2表示工人2每次加工一个车轮并放入传送带，进程P3表示工人3每次从传送带上取出一个车架和两个车轮并组装成一辆自行车。第二步：建立F1的硬链接文件F3，F1所在的索引结点的引用计数加1，硬链接文件F3与F1共享相同的索引结点和数据块，两者引用计数值相同，此时F1和F3的引用计数值均为2。一次正常的访问，如果要转换一个虚拟地址，需要查页表的时间。

2024-01-08 23:35:49 1204

原创【操作系统】知识点整理

操作系统知识整理

2024-01-08 23:33:37 2239

原创【计算机网络】SDN实验整理

计算机网络SDN控制平面实验视频学习及实验过程整理

2023-12-16 01:15:03 3689 2

原创【多媒体技术】题目整理

而欠采样定理允许在特定条件下，用低于这个标准的采样率采样信号，但这通常适用于带通信号，即信号的能量集中在一个高于零的频率范围内。在这种情况下，可以利用信号频带的位置来使用较低的采样率，同时避免混叠。首先把整个消息读一遍，总结出不同值的概率区间，然后遍历整个消息，调整当前编码上下界，最终得到一个非常小的区间，可以描述整个消息的符号序列。线性预测编码(LPC)是通过分析语音波形来获得语音生成模型的参数，以及利用该模型重构语音的参数，于是对声音波形的编码就转化为对这些参数的编码，达到压缩语音数据的目的。

2023-11-21 13:57:03 317 1

Loli_Wolf的博客