重磅!腾讯5G探索地图揭秘

导语 | 近日,云+社区开发者大会(北京站)圆满落幕。腾讯未来网络实验室5G技术专家俞一帆老师对腾讯的5G探索地图进行了详细的讲解,本文是俞一帆老师演讲的整理(编辑:尾尾)。

关注「云加社区」公众号,回复「5G」可查看更多相关内容。

本文主要分三个部分:

  • 腾讯未来网络实验室简介

  • 腾讯未来网络实验室的具体实践

  • 腾讯在5G产业生态构建方向的规划

一、腾讯未来网络实验室简介


1. 理念:应用驱动网络演进

腾讯未来网实验室于2017年底成立,是中国互联网公司第一支5G技术和应用研究团队。

腾讯未来网实验室推崇的理念叫“应用驱动网络演进”,我们认为5G网络最终为应用服务。所以,我们会从腾讯业务的角度看待5G网络,去分析腾讯对5G网络有什么样的需求和下一步演进趋势是什么样的。

目前,我们主要是做技术研究,从底层技术角度提出我们的解决方案,基于前期的研究最终会形成两个能力输出:

  1. 对外,在标准领域(包括5G权威的国际标准组织3GPP和其他相关的IETF等),我们会把能力输出。另外,配合标准,我们会在开源社区做贡献。目前在基金会下面有一个开源社区在做开源项目,除此之外也有很多2B的业务,提供工程化可落地的架构和解决方案。成立将近两年时间,我们这个实验室和业内很多的合作伙伴,主要包括三大运营商,以及英特尔、诺基亚、商飞等,在5G技术和应用领域处于前沿头部的合作伙伴建立了多个5G联合实验室,专注于5G业务和技术创新方面。

  2. 对内,我们把5G技术服务于腾讯业务领域,分别是2B和2C领域。2B领域专注于智能网联汽车、工业互联网领域。在2C领域,会专注于云化多媒体,像游戏、视频类是我们进行能力输出的一个重要方向。上图中的这四个奖项是中国联通及中国移动授予我们的合作伙伴奖项,这也是腾讯未来网络实验室在5G发展初期和外部供应商、合作伙伴一起合作后,大家对我们的认可。


2.定位:打造腾讯业务与5G网络的连接器


刚才提到了腾讯做5G网络的理念是应用驱动网络,回到实验室具体定位,我们将自己看做腾讯业务和5G网络的连接器。

为什么这样说呢?大家之前对移动互联网很熟悉了,在移动互联网时代有一个非常重要的特征,在业界我们叫业务与网络分离。

怎么样理解这个特征呢?

目前,智能手机应用是构建在两个非常庞大的基础架构之上:一个是互联网界非常熟悉的云计算、数据中心,就是业务后台运行的一套系统。除此之外,还有一个非常庞大的系统一般叫做蜂窝移动通信网络。

前段时间如果大家在网上看到工信部发放的5G牌照正式文件时,里面提到这样几个词,第五代蜂窝移动通信,这就是经常所说的基站等。这一套系统相对于互联网、云计算来说是一个更为庞大复杂的系统。

在4G时代,业务和网络这两个系统是由两个不同圈子的人来做的,云计算主要是互联网界技术人员、工程师搭起这样的IT平台。像蜂窝移动通信网络是由电信行业大量的工程师和厂商搭建的,这两个系统在4G时代是各自独立运行的,二者之间只是进行简单的数据传输就可以。

到了5G时代,我们认为这两个系统会出现非常强烈的融合趋势,在5G时代很多大量在线服务和应用,不再单纯依赖云计算平台或者蜂窝移动通信网络,它可能会出现一种跨界融合发展的趋势。正是基于这样的判断,我们把腾讯未来网实验室打造成应用和5G网络的连接器。

3.关注方向:网络切片、智能边缘


网络切片和智能边缘是我们关注的方向。

为了给在线业务提供网络能力的调用,以前4G网络只是给应用提供一个数据传输的管道,到了5G网络之后,蜂窝移动通信网络将向上层业务提供这些能力,至少集中在这两个领域。

第一个是网络切片,所谓网络切片,用互联网界比较容易理解的概念是拉专线,现在主要是在数据中心之间拉光纤专线,到了5G时代这个专线会直接进入到移动终端,虽然又往前进了一步,把无线终端变成专线终端,即使是这样一个很小的动作,对整个IT架构和蜂窝移动通信网络影响也是非常大的。

除此之外,大家听到更多的一个词叫边缘计算、智能边缘。所谓智能边缘,用比较简洁的方式来说,就是我们把互联网公司经常用到的这些数据中心、云计算能力和架构植入到移动通信网络里面去,这是两大系统融合的问题,这当中需要相当多的底层技术来克服障碍。正是专注于这两大领域,我们实验室的具体技术输出首先是提出标准,其次是技术架构,以后渗入到5G内部的数据中心和云计算是什么样的?这是我们所说的技术架构。

两个系统融合完之后,业务在两个融合的系统上运行,必然会带来大量的运营技术。在现在的云计算和数据中心里面有很多专门定制的互联网业务运营体系,同样在蜂窝移动通信网络里面也有非常复杂的运营体系,到了5G时代这两大非常复杂的运营体系怎么样融合?是否有新的技术需要支撑这样的新形态?也是我们关注的重点。

4.澄清一个关于边缘计算的误区


这里给大家做个概念澄清,现在一提5G大家马上会想到一个名词叫边缘计算。今年资本市场也有一波边缘计算热潮,也有很多边缘计算的公司。在这里,我主要做一个技术普及,从我们近两年的研究过程来看,我们感觉边缘计算和5G并不是一个完全一对一等效的关系,下面这张图给出大家一个概念。

我们认为真正的边缘计算在运营商网络里面有两套,市面上更多谈的是底下这个,为什么会有不一样的地方?我们作为互联网业者对自己的数据中心很了解,但是对于运营商的网络并不是很了解。

从运营商网络来说,全国任何一家全业务运营商现在基本上维护着两张大网络,一张网络一般叫固定网络,这张网络通常接入到家里面的光宽带小盒子、光猫,这种设备一般接入到运营商固定网络。除此之外,运营商还有一个盈利能力非常强的网络管它叫移动网络,就是刚才所提到的蜂窝移动通信网络,这张网络通常连接智能手机,当我们没有WIFI,把蜂窝数据直接打开的时候,接入的是运营商移动网络。

我们谈到的5G边缘计算是在运营商移动网络里面,而不是固定网络传统的边缘计算。大家可能会觉得这两张离得很近,是不是一体的?——不是。在运营商非常庞大的网络运营团队里面,它们是独立运营的两张网络。国内很多运营商两张网络部署的物理机房、物理位置都是相互隔离的。也就是说我可能在传统的固定网络边缘计算这边具备很强的能力,但是这个能力没有办法被无缝迁移到5G网络里面去。相反,我为了适应5G网络,实际上我的边缘计算要针对蜂窝移动网络的特点,做大量的定制和改造,包括底层技术和运营技术,要跟运营商的网络维护部门大量对接。在这方面我们通过5G标准和开源社区的联合协作,才能打造真正融合在5G网络里面的云计算架构,基于这样才能提供好的服务。

二、腾讯未来网络实验室的具体实践


我们把工作放在三个大的领域:探索,生态及创新。

实验室会重点关注技术的探索,但并一定只专注于技术,我们还会关注生态。5G并不是简单的技术进步,不是把不同的技术融合在一起就解决问题,它带来复杂的生态问题相对于4G时代远远复杂得多。原因就是5G时代会把2B业务引入,把2B业务引入的话它整个的需求相对于4G时代有非常大的变化。而最终实现创新不光是技术创新,还包括产品和方案的创新。

下面给大家介绍一下我们在5G方面做的一些具体工作。


1.搭建中国互联网公司第一个5G商用实验室

第一个工作,腾讯在深圳的滨海总部大厦搭建了中国互联网公司第一个5G商用实验室。

在实验室里面我们直接把厂商用于商用网络的5G网络设备部署在腾讯滨海大厦的实验室机房里面,同时把腾讯需要在5G时代大力推广的业务,比如说典型的云游戏业务,也把这样一套腾讯自己的业务系统部署进去,和整个的商用5G网络形成了一个闭环端到端的体系。基于这样一套实验系统,主要是面对云游戏业务做了大量测试和技术验证。另外,也相当于从做互联网业务角度重新审视了一遍5G网络,我们感觉这个认知对目前传统媒体了解的5G,呈现的形态至少对于互联网业内来讲会不一样。


2.云游戏领域:通过5G实验网进行探索

实验室成立之初做的第一个服务业务是云游戏,云游戏大家听得非常多,前段时间谷歌也发布了它的云游戏服务。

而我们提到的云游戏专门是针对5G的,5G下的云游戏跟4G有什么不一样?基于5G的云游戏,对于骨灰级的游戏玩家,当玩一些大作级游戏的时候,可能骨灰级的游戏玩家会花大量的钱给自己配一套设备,而5G云游戏的目的就是要把这些重度的游戏在移动终端上跑起来,现在为什么跑不起来呢?一个很直接的原因为了玩这些重度的游戏,通常需要给PC配置非常昂贵的GPU,这种GPU不可能在移动终端上实现。

在5G时代会利用GPU集群将大量数据在云端做处理,把所有游戏的画面渲染出来变成高速的视频码流,利用5G的高速特性把它推送到终端上。这样一个好处以往门槛比较高的重度游戏在5G时代受众的门槛一下降低了。对于很多游戏来说,花好几万块钱配一台只能在家里玩的PC级别游戏平台会困难一些,如果告诉他花两三千块钱配一个比较好的手机,再加上5G网络就可以玩这个游戏,你的受众群一下就扩大了。基于这样的出发点,刚才提到在腾讯滨海大厦的5G试验网里面挑选了几款游戏做了一些试验。

3.多媒体领域:to C高清视频探索

除了游戏之外,我们还做了视频相关的探索。在视频方面,我们主要和腾讯的视频业务部门合作,评估了5G边缘计算对于在线视频业务的影响。在腾讯滨海大厦里面做了一个初步试验。今年下半年,我们和中国联通合作,搭建了一个规模化的基于移动边缘计算的试验站点,这个站点重大的意义在于腾讯已经把大量正在服务的在线用户的视频请求,导入到边缘计算的试验站点里面来做,现在这个站点每天服务用户播放量已超过1万,基于这样的实验,我们有两个发现。

第一个发现:把边缘计算引入到移动网络之后,的确对下载速率有一个很明显的提升;我们感觉对于传统1080P服务来说,整个边缘计算带来的好处还不在用户端,主要在视频提供商一侧,我们觉得利用边缘计算,视频提供商的带宽成本会得到下降,从用户体验来说并不会有非常明显的提升。

第二个发现:其实在5G时代我们听到很多的词高清视频也就是所谓的4K视频,我们在实验室里对4K视频做了测试,发现对于4K视频在线系统来讲,在移动网络里面移动边缘计算是一个必选项。

我们做了一个对比试验,把一个4K视频放在传统的腾讯云数据中心,同样一个视频放在边缘计算数据中心里,做了之后发现传统的中心化数据中心里4K视频在终端侧来看经常出现卡顿。碰到边缘计算流畅度明显提升,我们得到一个反馈,当在线视频提供的清晰度越高,用户对于卡顿的容忍度越低,你给用户看480P、270P的低清视频,稍微有一些卡顿,用户可能没有太多的不满感,因为本来就很模糊。如果你上来给他一个4K视频,从他的心理预期来说就会对你那个视频播放质量有很高的预期,在这个时候即使卡顿的数量比1080P还少,但只要出现了,用户对你的评价马上降低。

我们最后感觉在5G时代4K视频的在线向用户的推送,对于整个云计算的架构挑战非常大。目前初步的试验保证了单个4K视频情况下移动边缘计算还可以达到比较好的体验,一旦正式上线运营4K视频不只一个,可能是多个。在多个情况下怎么样保证整个视频的稳定性,那是下一步云化多媒体上去关注的,我们感觉这个不能单纯依赖数据中心云计算技术来解决,需要有5G网络的配合。

4. 自动驾驶领域:探索实现单车智能+5G网联的完美融合

接下来是自动驾驶和智能网联部分。

首先跟大家讲一下5G和自动驾驶的关系是什么?目前自动驾驶技术发展分为两个流派:

 

以北美厂商为主,更多是专注于利用单车的智能,单车需要加载非常强大的传感器,才能支持车的上路,比如说L3、L4级别。像国内以工信部、交通部联合提出的技术路线叫智能网联路线,这个路线相当于把单车的传感器配置降低,通过路边这些传感器的配置加强,通过路边的感知能力弥补单车的感知能力不足,这也比较符合国家目前整个汽车产业能力的情况。为什么这样讲?因为目前能够支撑比较好的L3、L4自动驾驶的车载传感器厂商基本都是国外的,这样一辆车做完之后成本会在600万以上,这个时候对国家面临什么问题呢?可能交通市场足够大,但是一旦按照国外路线量产汽车的话,发现大部分的利润还是被国外厂商赚走了。国内目前由于基础工业的限制,没有办法生产高端的车载传感器,相反智能网联,因为国家目前在5G技术上比较领先,可以利用网络能力的强大提升单车技术储备的不足,从国家目前来讲会这样做。

我们现在做的一个工作是车路协同,既然单车可以在路侧能力补充单车感知,必须要涉及到一个问题,就是路侧的基础设施怎么来建?下个月,我们会向Linux基金会下面的社区提交腾讯第一版车路协同开源平台。其中,我们做的核心工作是什么呢?针对目前中国特色的道路情况来定的,刚才提到车路协同,单车的感知能力不足,依靠路边的设施来补足。我们知道国家目前的公路建设基本是属地化运营,可能北京的这些路包括高速公路是由北京这些运营主体,比如说首发集团和各种各样的高速公路公司。同样这些路一旦进入到河北界的话,由河北公司来做。对于单辆车来说从北京开到上海或者开到深圳,希望获得非常一致的路侧感知能力支撑。但是整个路侧设施几千公里下来会涉及到几十个不同的道路运营主体方,怎么样把不同的运营主体方数据感知能力聚合起来,目前基于车路协同开源平台做一个路侧能力聚合再下发。这只是解决路侧能力分散的问题,我们跟很多的路方沟通交流时发现一个很特殊的需求,现在很多企业业务说不上云就不时髦,从路方得到的需求却是我的数据不上云、那么原因是什么?目前大量路侧系统的感知很多是以路边摄像头原始视频数据为主,这些视频数据对于很多路方因为有一定的信息安全制度限制,认为这些数据必须要在自己内部系统处理,这些原始数据不能上传到云端。

另外还有一个问题,这些路侧数据感知信息又需要被车感知到,这又得利用5G公共网络推送给车。这个时候开源平台利用移动边缘计算技术,开源平台是一种混合运营的方式工作,会把一部分私有云的能力部署在路方的内部机房里,对它的原始数据进行处理之后,通过边缘计算的形式和运营商的公网推送给车。在这部分我们觉得5G时代车路协同是非常典型的公网+专网工作形式,这对移动边缘计算会起到非常大的推动作用。

5.工业互联网领域:推动5G智慧园区和智能制造落地

下面是关于工业互联网的内容。在去年和很多工厂,尤其是以中国商业飞机制造厂为代表的工厂,也探索过5G智能制造的方向。这张图代表我们探索的情况,我们觉得在工业领域5G能发挥的作用大概有两个场景:

一个是智慧园区,智慧停车,这方面目前市场上有比较成熟的技术可以拿来用,这部分挑战不是很大。

6.生产制造领域:与中国商飞展开基于5G的战略合作

另一部分挑战非常大就是生产制造领域,这方面的挑战非常大,不光是对云计算的挑战,对于5G网络的挑战会更大。这里举一下例子,也就是在商飞这边做的情况。去年商飞找到我们的时候,我们给它设计了一个很完善的智慧工厂架构,当时设想利用5G网络覆盖,可以把各种各样的AI装配设备和智能机器人通过5G网络接入起来,利用腾讯的云计算处理能力,为商飞打造全智能工厂的方案,当时的愿景非常好。

但是具体和飞机制造厂、运营商、网络设备商对接的时候会得出一个结论,理想与现实差距明显。最终很多设想几乎没有落地,原因是什么?原因就是工业制造系统和移动终端系统完全不在一个世界,对于工厂来说可能会告诉你这条生产线有三台设备,三台设备来自于不同的厂商,三台设备通信协议、通信基础功能完全不一样,三台设备能处理的数据也完全不一样,还给我们提出一个很严格的要求,在做改造的时候三台设备不许停。当时做的一个工作先从业务层面、数据层面切入,感觉没有问题,可以处理。但是和运营商和网络设备提供商沟通的时候发现,现在的5G网络很难支持。5G网络是一个电信行业产品,电信行业产品有一个大的特点完全遵照标准来做,电信行业工作模式先有标准再有产品,不同厂商之间的产品差异性不是很大,但是工业领域完全反过来,先有产品再有标准。我们发现一个很痛苦的事情,当做完方案后提交给电信运营商,电信运营商给我们的反馈是,需要按照电信标准去调整工业设备。工业设备厂商告诉我们,这些设备是定型产品,很难改动,最后双方就卡在这个地方,很多方案没有推下去。

和其他工业领域接触的时候发现,其实这是一个共性的现象。工业领域很多系统和产品碎片化程度远远超过我们的想象。按目前5G网络、电信行业先有标准后有产品的思路,这种框架下很难满足需求。怎么做?目前也没有很好的答案,我们也在探索。我觉得难度越大、机会也越大,这给未来创业者来讲,如果能把这样非常基础的矛盾解决好的话,我们的机会是很大的。

同时,我们可以看到富士康已经走的比较靠前,也许大家理解富士康就是个代工企业,代工生产苹果手机的。其实不是,富士康已经具备研发生产5G网络设备的能力,它是针对代工行业打造了一个代工行业的5G解决方案,这对于创业者来讲是一个很大的机会,因为工业领域的网联化程度弱于2C领域,能解决其中一个点的话,发展空间是非常大的。

7.开源+标准双轮驱动

前面提的都是具体的技术案例、客户案例,后面是基于前面做的大量Case提炼、总结之后,形成向标准、开源领域进行输出的方式。腾讯已经参与了3GPP及5GAA相关的国际标准工作以及IMT-2020 5G推进组和CCSA等国内标准组织工作。与标准工作相配合,我们做了一些开源工作。

这是目前在开源领域刚才提到的一个最大工作,在今年11月份下个月会向Linux基金会提交一版车路协同的平台,腾讯内部本身就有一个先在数据中心运行的框架叫Tars,我们对它做了裁剪优化之后,让它具备可以在边缘部署轻量级的能力,基于这个打造了一个专门面向车联网、车路协同的开源平台,今年11月份就会对外发布。在这上面也得到像英特尔、诺基亚、Linux基金会和ARM的大力支持。

三、腾讯5G产业生态构建


1.侧重点:生态、开源

最后给大家介绍一下基于前面的工作,腾讯在打造5G生态上的考虑。这是目前打造的生态情况,从具体项目来说包括合作运营,和目前国内拿到5G牌照的4个运营商有合作运营的范畴。剩下是在标准开源,主要和业界领先的厂商和标准组织,另外是合作研发,这是国内主流的厂商,另外是基础研究,细节不谈了,最终从生态上来说我们的侧重点可以归纳为两个大的方向:

一个方向是生态。在生态方面,我们觉得标准开源是两个非常重要的领域,而且把它作为一个体系化的方式建立生态。为什么这样说?刚才提到5G网络主要是一个电信行业的产出,电信行业所有产品和系统围绕着标准来做。在5G时代我们的业务后台会和蜂窝网络深度融合,从腾讯做生态角度来说,必然离不开互联网行业和电信行业做一次跨界的整合。整合过程中间,我们觉得和电信行业合作伙伴,以对方能够理解的语言表达出我们的需求,在这部分主要是通过标准的形式,把腾讯对于互联网业务的需求以标准方式向电信行业进行输出,这样能够降低双方交流整合的难度,这是一个方面。

另外一个方向是开源。我们认为开源是一个辅助的作用,为什么这样说?因为电信标准的特点是专注最小功能集,追求功能越少越好,架构越精简越好。这必然会导致在实际很多业务推进部署时,会发现需求没有办法在某些领域支持,那怎么办?通过开源进行辅助。基于最小集需求的框架下,怎么样来支持业务需求?通过发布开源的功能最终促成业务的落地,这是生态领域。


2.技术关注点:网络架构、异构计算

技术领域是对外构建合作生态的另外一个方面,这也是非常基础性的一点。

我们在技术领域主要关注两个方向,一个网络架构,这个网络架构不单限于数据中心网络也包括5G网络,我们认为以后业务后台构建网络的基础必然是蜂窝网络和数据中心网络整合在一起的一种形式。目前来看业界还没有找到非常好的办法来做整合,我们之前在和腾讯视频合作过程中就发现,5G网络的确存在一些问题,不能很好的支持互联网业务的运营和管理,怎么做?也是我们未来探索的。

除此之外,我们认为异构计算技术会在5G时代发挥非常大的作用。异构技术今年听的比较多,前一段时间英特尔就发布了对异构计算的分类,认为异构计算分为标量计算、矢量计算、矩阵计算、空间计算。从业务的角度我们对异步计算也做了划分,划分为传统的计算有CPU的计算,还有基于GPU的计算,像媒体处理、AI等。另外两个部分,目前大家还没有关注到,一个叫网络计算,支撑整个的系统网络数据转化功能,还有一个叫信号处理的计算。为什么会把这两个加进来?我们知道在5G时代2B业务是非常大的一个蓝海,在2B业务领域我们认为这种形态的异构计算会不断的出现,最终变成我某个工厂,某个2B客户领域里部署系统时,现在需要专门买一批云计算的服务器放在这儿,还要招标采购一批基站和配套的交换机、路由器、网关,整个系统成本落下来成本非常高,而且剪裁性也不好,很难针对用户的需求做调整。

我们认为未来领域会出现这样一台设备,从外观看就是一台普通的服务器,内部整个处理功能可以通过软件方式进行灵活配置。如果这个用户本身的数据处理需求强的话,可以把这台设备大部分的计算资源变成计算功能,把剩下的资源变成通信和网络的功能。如果这个用户的场景对计算处理需求小,有非常强的无线信号处理、网络处理功能,可以通过软件配置变成无线信号处理或者是交换机的形式部署出来,相当于一个通用的硬件平台形式简单通过软件的配置可以灵活适应各种不同场景。这个技术成型之后对于2B场景来说会有非常大的作用。

以上就是我关于腾讯在5G方面的探索介绍,谢谢大家!

作者简介

俞一帆,腾讯未来网络实验室5G技术专家。于2006年在北京邮电大学获通信与信息系统专业工学博士学位。曾在英特尔,法国电信及NTT DoCoMo长期从事通信与计算机网络的理论与技术研究及设备开发工作。撰写了国内第一本5G移动边缘计算方面的著作。

---------下方更多精彩----------

活动推荐

关注「云加社区」,回复「加群」加读者群

点在看,一起探寻5G

相关推荐

大模型的Agent Skill功能,在LLM HTTP底层交互流中是怎么承载的?

网络文章文本的 skill,昨天我实现了之后也就开始好奇起 Skills 的底层原理了——相比起各种花里胡哨的 agrnt 应用,我一直以来都很对大模型在纯粹的 HTTP 交互层面是如何交互的更感兴趣。Skill 的全部"魔法"都发生在 system prompt 的措辞和 SKILL.md 文件的编写质量上——本质上是一种 prompt engineering + 文件系统的组合。但是各种天花乱坠的 skills,是如何在底层的 HTTP 中,与大模型——这个只会嘴遁的工具交互的呢?

QcloudCommunity的博客 402

万字入门AI Infra:深入理解大模型中的数学与Infra优化

关注腾讯云开发者,一手技术干货提前解锁👇AI Infra科普、入门或者进阶 ~~ 不到 5 万字,带你融会贯通理解大模型的数学、算法、硬件到系统工程。任何问题欢迎沟通交流。可怕,我竟然有点认同这句话。当然大概率是因为姚顺宇太懂AI了,而我则是因为无知者无畏。不过仔细想想,大模型推理中的数学逻辑确实不复杂,很多原理只需要高中数学知识就能看懂。但是为什么像 vLLM 这种推理系统这么复杂呢?本文将拆解大模型中几个核心操作(RMSNorm、Softmax、Causal Mask、Sampling)背后的数学与

QcloudCommunity的博客 1160

平平无奇的源码,竟藏着Agent的核心秘密?

System Prompt 是剧本,Skill 是剧本的扩展包,Agent Loop 是演员按剧本行动。欢迎留言,我们将邀请作者针对性回复你的评论,我们将选取1则优质的评论,送出腾讯云定制文件袋套装。,让 Agent 能主动"巡逻",而不只是被动等待用户消息。OpenClaw 的 System Prompt 分层结构。的"行为底线",任何 Skill 或用户命令都无法覆盖它。精华 2:Skill 的"按需加载"避免 token 浪费。精华 1:System Prompt 是"分层乐高积木"

QcloudCommunity的博客 424

QQ音乐Harness Engineering实践

一个看似简单的需求,背后可能牵动服务调用链、配置、灰度、埋点、错误码、接口契约和历史兼容性。当 AI 开始快速生成大量代码,真正的瓶颈就不再是"写不出来",而是"看不完、想不清、管不住"。在对话式编码阶段,一种典型的工作模式逐渐流行:开发者把需求丢给 AI,扫一眼输出"看起来对"就直接采纳,不审 diff、不追问逻辑、不验证边界。以音乐商业化业务为例,一个需求可能从 TAPD 单开始,经过需求评审、技术方案、服务影响面分析、IDL 契约变更、业务代码实现、测试验证、CR、灰度上线,最后才进入稳定运行。

QcloudCommunity的博客 713

从Prompt、Context到Harness,工程的三次进化与终局之战

同时,强制要求散落各处的决策记录(Slack、邮件、文档)全部迁移至代码仓库,确保 Agent 的唯一信息来源是可信的、版本受控的仓库。更坑爹的是,研究表明,当上下文过长时,模型会出现"中间遗忘(Lost in the Middle)"现象:它对开头和结尾的内容记忆较好,对中间大段内容的关注度大幅下降。这篇文章,我想带你完整走一遍这三次进化的逻辑:它们分别解决了什么问题,它们之间是什么关系,它们的边界在哪里,以及:当三者融合,AI 工程师的终极形态究竟是什么?大语言模型的本质,就是这位金鱼助理。

QcloudCommunity的博客 714

让Skill自己训练自己:8阶段Loop、3层评测、5维AND门控,从此实现自进化

所以每一轮改动都是有据可查的,不是「感觉这里可以优化」,而是「Case 41 挂了,因为 agent 把离职问题路由到了邮箱分类,但正确答案在通讯录,所以我改 root_index.md 加个易混淆提示」。但让我最后决定把它记录下来的,不是这的个「吸收」过程,而是它真的在替我探索我不想费脑力触达的边界,这看起来更像是一个机器智能应该有的样子。不准跨层,每轮只改一层的东西。但我经过这 19 轮之后觉得,更准确的描述是互补——你在明处看着,AI 在暗处替你试错,你看不见的那一半就是 AI 能贡献的地方。

QcloudCommunity的博客 1121

只加两行代码,为什么要两天?一文深度理解业务系统的复杂性

关注腾讯云开发者,一手技术干货提前解锁👇业务系统复杂性一直是令开发者头痛的问题。复杂的不是增加一个需求需要耗费多少时间,而是在增加一个需求后带来的蝴蝶效应:其它功能会不会受到影响、要如何去找到这些影响,最终如何实现系统正常运行......功能之间隐秘增加的耦合、不可避免的代码腐化在导致业务复杂性增加。大家都在说的软件开发提效到底在提什么?程序员日常工作中应该如何提升开发效率?敏捷开发、瀑布流式开发孰是孰非?欢迎阅读。业务背景与目标我依然非常清晰地记得某个时候,我所在团队 Leader 曾讲过一段话:“我担

QcloudCommunity的博客 709

从零设计生产级 Multi-Agent Harness:架构、评估、记忆、成本与 MCP 工具接入全拆解

在 AI Agent 领域,Multi-Agent Harness 指的是把多个 Agent 的能力、工具、状态、通信、编排、监控统一收束在一个运行时之内的框架。第三,Agent 路由。一个输入框,一个大模型,几个工具,一段写得很漂亮的 System Prompt,再配上一个炫酷的前端,看起来就像一个能干活的“数字员工”。Multi-Agent 完全不一样——它有计划、有中间步骤、有工具调用、有 Agent 协作、有重试、有反思、有最终合成。增加 Budget、权限、重试、压缩、轨迹评估、审计、回归测试。

QcloudCommunity的博客 706

拆完Hermes源码,我发现Agent的“自我进化“根本不需要训练模型

两个月 5.2 万 Star,Hermes Agent 用一个"LLM 审判官"机制实现了 Agent 的自我进化——不改模型权重,只改"怎么用模型"的策略。OpenClaw(社区昵称"龙虾"🦞)是 2025-2026 年最火的开源 Agent 框架,30 万+ Star,插件市场 ClawHub 里有数千个插件,能接入 Telegram、WhatsApp、Slack、飞书、企业微信——几乎是一个"个人 AI 操作系统"。Skill 是英语写的,Memory 是英语写的,审查 Prompt 也是英语写的。

QcloudCommunity的博客 905

AI Infra 其实没有多少新东西

传统 Infra 追求横向扩展,而 AI Infra 呈现 “AI 大型机”特性,是因为传统后台服务的可以容忍毫秒级延迟,但 AI 集群不行,GPU 的算力是 CPU 的数百倍,微秒级的延时等待也会造成很大的算力损耗,需要硬件的高度集成。在可预见的1-3年的未来,这样的专用硬件+网络的集中式架构很难发生比较大的改变。与之相似,模型推理的批处理就是将多个输入样本打包(batch),将原本串行的 N 次轻量的推理计算,合并为 1 次重量的计算,实现单位时间内处理更多的请求,提高了 GPU 利用率。

QcloudCommunity的博客 820

程序员越早想通这些越好

永远没有正确架构,你永远无法偿还完所有的技术债务,如同你永远不会设计出完美的界面,请避开完美主义的陷阱,永远没有完美的代码,能够满足当前需求,又为未来不管是自己还是他人留有扩展空间,就很好了。我们努力的方向就是将现实世界映射到有限的数据结构中,这就需要用户自定义类型,如果你的代码中包含类似 trader portfolio 这样的概念,你就可以使用他们的名称来建模,而不是使用基本数据类型复杂嵌套表述你的目的。从另一个角度看,代码里的注释都是补丁,是碎片化的,局部的注释很难推导模块整体的顺序及耦合关系。

QcloudCommunity的博客 464

RAG已死?不,是Grep回归了!

这样一来可以直接复用已有的计算缓存,只为新增的增量部分付全价,前面累积的大头按约 1/10 的缓存价计费。所以实际的工具组合方式是灵活的:Grep(默认模式)→ Read 是最常见的路径,但 Grep(content 模式)可以独立使用,LLM 也可以直接调 Read(如果已经知道文件路径),或者一次同时发起多个 Grep 并行搜索。它从零开始构建自己的对话历史,不继承主对话的消息,这意味着它搜索过程中产生的大量 grep 结果、代码片段都留在自己的 context 里,主对话只收到一段总结性的文本结论。

QcloudCommunity的博客 571

深入浅出Harness Engineerring之核心模式与理念

在智能体生命周期的关键节点(如会话开始、工具调用后)自动触发预设动作(如代码格式化),由系统确保关键流程被执行,不依赖可能被模型遗忘的指令。简单讲就是利用向量存储这个技术,来实现模糊检索,原理是:即使字面不同,但语义相近的文本,其向量在数学空间中的位置也很接近。根据命令类型、参数和影响,自动评估其风险等级(安全、有风险、危险),并采取自动执行、请求确认或直接拦截等不同策略。关键特性是可隔离、可重建、可扩展。不是一次判断就定终身,允许你改变、允许情况复杂,通过不断观察、思考、调整,越来越懂真实的你。

QcloudCommunity的博客 621

Harness Engineering实践心得:如何高效驾驭AI?

但如果这些经验被拆成一条条 Rule、一个个 Skill、一项项 Script 检查——"XAML 不能有中文"、"编译要用这个路径的 MSBuild"、"SVN 命令必须带认证参数"——AI 就能在秒级时间里"吸收"十年的踩坑经验。然后可以看到下方的图,我的PM会很顺利的调度其他agent分别负责不同的事项,遇到问题的时候也能准确的找到合适的agent。MCP 本质上是在扩展 AI 的"感知范围"——Rule 管"该怎么做",Skill 管"怎么操作",MCP 管"能看到什么、能碰到什么"。

QcloudCommunity的博客 838

从第一性原理思考 Agentic Engineering

需要注意的是,这一结论是有条件的:如果 AI 缺乏领域知识,过早介入反而可能引入 1.2 节所述的"似是而非"损耗——因此上下文供给(实践 1)是 AI 全链条参与的前提,而非结果。通过一个专门的自迭代 Skill 实现——当 AI 在协作过程中识别到自己被纠正(用户否定了 AI 的输出并给出了正确方向),它自动评估这个错误的根因,搜索现有的 Rules 和 Skills 中是否已有针对该类问题的处理规则。事实上,越是复杂的项目,工程师的认知负担越重(公理 3),AI 分担认知负担的潜在边际价值也越大。

QcloudCommunity的博客 756

万字干货!Harness Engineering如何工程化落地?

关注腾讯云开发者,一手技术干货提前解锁👇Harness Engineering 的概念已经火了有一阵了,全网很多文章基本都是在讲理念,讲为什么今天做 AI 开发,不能只靠一段提示词,也不能把模型当一个“更聪明的代码补全”。但与此同时,一个问题也在持续地发酵:这个问题特别重要。因为 Harness 这个词听上去很大,很像一个抽象的方法论,但它如果不能落到工程、目录、文档、脚本、工作流里,那它最后就只是一句漂亮的话。事实上,不同项目落地出来的 Harness,表面上可能完全不一样。有的项目是 CI 很强,有的

QcloudCommunity的博客 1161

全方位对比:Hermes VS OpenClaw

多账号矩阵运营 如果你的业务涉及同时管理多个社交媒体账号、多个平台的内容分发、多渠道的客户互动——OpenClaw是目前市场上的"无可替代的底座"。一个有专业背景的个人,现在可以快速构建一个垂直领域的AI助手:比如"财务分析Hermes"、"法律咨询Hermes"、"技术架构Hermes",直接通过微信提供服务,积累自己的专业IP。跨平台生态融合 如果你的工作流涉及飞书、Slack、Discord等多个平台的深度集成,需要这些平台之间的数据流转和联动——OpenClaw的生态支持是强大的。

QcloudCommunity的博客 1216

一文讲透:Harness Engineering即控制论!

而研发模式的升级我认为将会是一个飞跃的过程,之所以现在我们仍然需要需要参与编码,一个非常大的原因就是缺乏传感器和基建,仍然需要人来串流程,比如需要人来验证UI是否正确、需要人来告诉AI代码不符合代码规范,因此在有些场景我们仍然感觉 AI 完成的很吃力,但这不是 AI 能力不行,而是我们并没有为 AI 提供友好的环境……控制论中的突变理论介绍了矫枉过正和飞跃现象之间的矛盾,如果质变中经历的中间过渡态是不稳定的,那么他就是一个飞跃的过程,如果中间过渡态是稳定的,那么他就是一个渐变的过程。但是这些阶段要解决的。

QcloudCommunity的博客 1202

神级开源插件!一句话让QClaw变3D小镇,Agent工作可视化,赛博云监工

这个架构是翻了几次车才想通的—原有AI的实现机制是用 setTimeout 猜动画时长导致了幽灵 NPC、工位撞车、越改越崩,后面我停下来换了思路,推翻原有的架构,按照“意图+回传”的架构进行重构,之前的问题一次性全部解决。15 天,我和 AI 吵了 185 次架, 4.5 万行代码,开发了一款 QClaw / OpenClaw 的UGC游戏插件,这可能是人类跟 Agents 交互的新范式,插件已完全开源,有需要的欢迎自取~我天天用,用着用着我就在思考,Agent 产品现在的交互体验,基本都一个样。

QcloudCommunity的博客 1195

一文搞懂Hermes:新顶流Agent如何从经验中自我进化

Voyager 是一个能在 Minecraft 中自主探索、学习技能、无限积累能力的 AI Agent,它提出了 "Skill Library"(技能库)的概念——Agent 将成功的行为序列编码为可复用的技能函数,存储在一个持续增长的代码库中。如果 Skill 的名称和描述不够精准,或者用户的任务描述与 Skill 的触发条件有语义差距,Agent 可能会错过相关的 Skill。如果进程在写入过程中崩溃,目标文件要么是旧内容(还没被替换),要么是新内容(替换已完成),绝不会出现写了一半的损坏文件。

QcloudCommunity的博客 2628

自掏腰包一万元,拥抱AI这一年,我的工具、实践和思考

其实也很好理解,过往的每个领域(比如前端、后端、设计、测试等等)都主要是这个领域的从业者在为它添砖加瓦,但是大模型时代的 AI 应用领域却几乎是所有使用 AI 的人类一起在迭代,无分领域,无分文理,无分老少。因为每个时期的 AI 都有着不同的特点,很多时候当我费尽心思去钻研,自以为有点弄明白 AI 应该怎么玩的时候,基座模型和行业范式常常就会迎来颠覆式的变革,很多过往的经验都会倾覆,然后只能从头再来。过去一年多,被热议的 AI 范式大概是沿着四个阶段递进演化,每一个阶段其实都在解决前一个阶段的核心问题。

QcloudCommunity的博客 626

办公Agent的CI/CD时刻到来了

核心观点是:企业给员工配了一堆 AI 工具,试点跑了几百个,但真正拖慢 AI 转型速度的瓶颈不在模型能力,在"最后一公里":AI 输出和实际工作流之间的那道鸿沟。代码写完,打个 tar 包,开 FTP 传到服务器上,SSH 进去解压,改配置文件,重启服务,刷一下页面祈祷别 500。你复制,切窗口,粘贴到腾讯文档里,发现 Markdown 格式全乱了,手动调标题层级,代码块重新标记语言类型,表格散架了重排一遍。模型是越来越聪明了,但"生成"到"落地"之间那段路,还是你自己在走,一步一步,手动搬运。

QcloudCommunity的博客 607

4亿token买来5个教训:让6个AI Agent连写4天代码发生了什么?

Watchdog 检测到崩溃 → 启动诊断 Agent 分析原因 → 诊断 Agent 跑满 20 轮没搞定 → Watchdog 判定“已修复”,重启系统 → 重启的系统因为诊断 Agent 留下的环境变量被继承,连续 3 次拒绝启动 → 触发连续失败保护退出 → Watchdog 第 3 次巡检,发现进程和记录文件都没了,尝试手动重启,自己也停了。启动前我翻了论文、做了架构设计、写了监控+修复异常的脚本。这个发现让我的情绪从沮丧变成了兴奋——不是那种"终于修好了"的释然,是"我找到根因了"的快感。

QcloudCommunity的博客 583

赛博斗蛐蛐:9大模型决战三国志,天命在谁?

我猜是这样的,当Gemini面临决策的时候,一系列关键词比如 守城,劣势,粮草,三国等等,在语义层面的关联性中LLM发现了竖壁清野这个关键词概率非常高,所以以此为策略,然后再根据这个策略完美执行操作。MiMo 的外交是三方中最精明的。Kimi作为国产模型,也同样颠覆了我对他的看法,最后的比赛他甚至一度是优势者,存在很多夺冠的可能性,要知道他的对手可是claude和gemini,而他经常出兵慢,回过头来想想或许正是他的策略,毕竟中后期他的优势都来自于稳健的发展和较少的战斗频率(和claude比).

QcloudCommunity的博客 872

Claude Code是怎么知道你在骂他的?这 12 条发现值得关注

确实存在——5,500+ 行,集成了消息队列、工具装配、MCP 编排、会话状态、权限、分析、文件持久化和优雅关闭,基本上一个文件干了所有事。对抗虚假声明——"不要在输出显示失败时声称所有测试通过,不要压缩或简化失败的检查来制造绿色结果"。完整的 KAIROS 是一个持续驻留的守护进程,能感知你在不在电脑前、主动寻找有用的工作做,更像是住在终端里的全职同事。源码里藏着一个叫 "Buddy" 的电子宠物系统,完整度令人惊讶——这不是一个 TODO,而是一个从数值系统到 ASCII 动画都实现了的完整功能。

QcloudCommunity的博客 701

逆向深扒Claude Code源码,我发现了什么!?

Anthropic 内部用户获得更严格的质量控制 prompt、更好的验证机制(独立 Verification Agent)、以及针对 model 弱点的专门对策(如 Capybara v8 的 29-30% 错误声明率对策)。这不是代码混乱的标志——它是整个 Agent Loop 的心脏,所有的流式处理、工具调度、上下文压缩、子代理管理都在这个文件中协调。这种"胖核心"设计是刻意的:保持核心循环的原子性,避免分散到多个模块导致的协调复杂度。核心价值:Fork 代理的工具输出不会回到主代理的上下文窗口。

QcloudCommunity的博客 885

一文讲透如何构建Harness——六大组件全解析

本文将从"裸模型的四个硬伤"出发,逐一拆解 Harness 的六大组件——文件系统、Bash + 沙箱、记忆(AGENTS.md)、Web Search + MCP、上下文工程、编排 + Hooks——带你看清 AI Agent 真正的竞争壁垒,不在模型层,而在 Harness 层。如果你用过 Agent 做复杂任务,你一定有过这样的体验:一开始 Agent 的表现很好,但随着对话变长,它开始"变笨"——遗忘之前的约定,重复之前犯过的错误,甚至对同一个问题给出前后矛盾的回答。对于简单的问答场景,这无所谓。

QcloudCommunity的博客 759

Harness Engineering 来了,SDD 还有意义吗?

他们的解法是把「品味」编码进规则,然后用一个定期运行的「doc-gardening」Agent 自动扫描漂移、发起修复 PR——「技术债务就像一笔高息贷款,不断地以小额贷款的方式偿还,总比让债务不断累积要好」。代码仓库本地的、已版本化的工件,才是 Agent 所能看到的全部。在 Vibe Coding 模式下(即不做规划、随意向 AI 提需求的开发方式),大量设计决策、跨服务约定、「为什么不选另一个方案」的讨论,全部停留在一次性的 AI 对话里——下一个人,或者下一次 AI 会话,完全无从获取。

QcloudCommunity的博客 417

零废话!一文讲透从0构建AI Agent

每个工具都要写一套"定义→解析→执行"的胶水代码。上下文管理就是在"记住足够多"和"别超标"之间找平衡,常见策略包括滑动窗口、摘要压缩、RAG 检索增强。上下文窗口是 Agent 的"工作记忆",但它有硬性限制。LLM 负责"动脑"决策,代码负责"动手"执行。这是从"聊天机器人"进化到"Agent"的关键一步。每次调 API 都把完整对话历史发过去,LLM 本身是无状态的,"记忆"完全靠客户端的数组模拟。这样 Agent 一开始就知道自己"在哪里"、"手头有什么",不需要先花一轮工具调用去探索环境。

QcloudCommunity的博客 710

距离AI把小编我裁掉还有72小时

这是一个基于 OpenClaw 开源生态打造的本地化 AI Agent 助手,已于上周开启全量公测,无需复杂配置,三步即可上手,自带安全防护,支持微信直连绑定,内置多款优质国产大模型,现阶段也是完全免费使用,基本上前面提到过的痛点都可以靠它解决。对了,这里特别强调一点,上面的截图让产品同事汗流浃背,再三找我确认 QClaw 思考过程中优美的“草”字说法,不会是默认出现的吧?AI 好,AI 得学,但更重要的是,在你的工作和生活里,哪些东西是能结构化地被 AI 所接入的,不要死守着那些脏活累活不放。

QcloudCommunity的博客 673
上一篇: 微信官方小程序同构新方案Kbone全解析
下一篇: 腾讯有哪些技术值得关注?
腾讯云开发者
腾讯云开发者 企业官方账号 企业官方账号
博客等级 码龄10年 6290粉丝 1962原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值