开源社联合创始人刘天栋:社区重于代码,应避免“KPI”项目

导语 | 正处于井喷前期的国内开源项目,能从全球最大的开源基金会 Apache 学到什么?个人开发者应该如何参与到开源中来?腾讯云最具价值专家(TVP)刘天栋,专注开源发展,让我们一起来听听他的答案。(本文编辑:尾尾,戳——>「独家视频」查看本次采访视频。)

受访者简介:Ted Liu ,刘天栋。开源社联合创始人兼理事长,腾讯云TVP。开源社是2014年10月成立的,国内志愿者组成的非营利的开源组织联盟。Ted 的一半精力在国内的开源社区,也就是开源社,另外一部分精力是在国际开源社区,主要是在 Apache 软件基金会(Apache Software Foundation - ASF)。Ted 是 ASF 全球七百多名正式成员之一,是其开源项目孵化器委员会成员及项目孵化导师,也是其筹款委员会的赞助伙伴大使,负责服务中国的 Apache 赞助伙伴。是国内少数的全职的开源志愿者。

看国内开源现状:发展可喜,但依旧有需要进步的地方

从2000年开始,我就在Linux的一个发行版公司工作,后来我在甲骨文、微软的职业生涯中,也都跟开源都有直接或者间接的关系。所以,从2000年到现在,这将近20年时间,我也算是见证到国内开源的起起伏伏,对国内的开源有一定的了解。

记得开源社在2015年时,组织了第一次由中国草根主办的 Apache 中国路演。那时候中国只有三个项目是在Apache项目孵化器中孵化的,而且这三个项目全都是来自于 eBay 中国研究院的。大家可能很清楚这个项目,就是 Apache Kylin,它是中国第一个正式从 Apache 项目孵化器中毕业,成为顶级项目的。在2015年 Apache 中国路演之后,到现在2019年,已经有19个源自中国的项目在 Apache 项目孵化器里孵化,其中已经有9个正式毕业成为顶级项目,另外10个正在孵化中。这是非常可喜的发展。

我们可以看到,这些项目绝大多数都是包括腾讯在内的大公司在运营的,有一定的“领头羊”效应。大公司已经认识到,贡献开源其实就是成就自己,对自己公司的利益是有好处的。这在2015年之前是没有的。大家已经真正认识到开源对企业、对自己社区发展的好处。

另外就是,我发现国内对开源治理还有一些不理解的地方。什么叫做开源治理呢?第一点,包括开源相关风险的治理;第二点是开源社区的治理,怎么把社区治理好。第三点是开源项目的治理。国内很多都是专注在项目技术上,而不是在治理上。这部分是我觉得国内开源还不够成熟的地方,还需要不断学习不断成长的地方。由于不理解的关系,有些公司开源的目的实际上是想增长自己的用户,在这样对背景下开源的项目有个问题,就是对于项目核心贡献者之外的人来说,门槛较高。这样一来,该项目就很难成为多元化社区,凝聚力就会下降,一旦核心开发者离开,或者公司 KPI 更改,这个社区就分崩离析了,最后就进到仓库里面,或者就直接捐赠出去了。

对于一个开源项目,如果没有一个好的多元化的社区,那么它的发展是不可持续的。在2018年,开源社做了一个《2018中国开源年度报告》,指出了要从两个维度衡量一个开源项目的健康程度,一个是它的活跃度,从项目的提交数、拉取数、贡献者数来看,而不是从Star 数来看。第二个维度是,社区多元化的程度。例如,一个项目的贡献者邮箱后缀都是同一个公司,那么说明其多元化程度是不够的,很容易成为一个 “KPI” 项目。今年我们也会产出一个《2019年中国开源年度报告》,欢迎大家关注。

看国际开源优秀经验:公开透明,社区大于代码

国际上,我参与比较多的是 Apache 软件基金会,另外就是 Linux 基金会。这两个基金会的途径是不太一样的:Apache 软件基金会是由下自上的,以个人成员为单位的基金会。Linux基金会是以公司会员为主的,是自上而下的。

这两个基金会都发展非常好。我们可以看到,国内越来越多的公司都赞助、参与或者捐赠项目到这些国际顶级基金会,所以也有了非常多的互动,在这个过程中会学习到很多相关经验。

Apache 软件基金会是全球最大的开源基金会,它目前有300多个开源项目,所以有人说“从数据中心到手机,人类的生活离不开 Apache 软件基金会”。我个人参与 Apache 软件基金会比较多,也比较推崇 Apache 软件基金的方式。Apache 软件基金会叫做“社区的社区”(community of communities)。Linux基金会也与之类似,除了Linux 操作系统之外。它下面也是好多项目,有相应的好多基金会,所以国际大的基金会都是“社区的社区”、“基金会的基金会”。以 Apache 为例,它会为项目提供很好的帮助,例如品牌保护、项目推广宣传、基础设施等。

我个人觉得可以从 Apache 学到很多经验,这里我想重点说以下六点。

很重要的一点是“Apache之道”——它的开源治理方式、原则和文化。其中特别一提的是,“精英治理”(Meritocracy),也就是说当你贡献越多的时候,你的发言权越大,同时责任也会越大。有点像蜘蛛侠,能力越大,责任越大。

第二点是,Apache 认为社区重于代码。这一点对国内的开源建设是非常有启发的。国内原来是“我是代码英雄,我是老大,你们都要听我的”。但是Apache 不这样认为,它认为太完美的代码就不会有社区,个人英雄不是真正的英雄,帮助大家成为英雄才是真正的英雄。代码一般,没有关系,只要大家愿意贡献进来,愿意投入精力让这个项目越来越好,这样才是一个好的开源社区。社区重于代码这一点对国内来讲,还是有很多启发的。我认为国内做开源相关的公司或者个人,一定要将社区重于代码一点放到第一个考量中去。

第三点,在 Apache 社区中所有人都是平等的,不是说谁资深,谁就有大的发言权。这在传统企业中,是看不到的。

第四点,公开透明。它所有的事情都必须要在邮件列表中体现或者实现,有一句话是说“没有在邮件列表中发生的,就没有发生过”。邮件在72小时之内,全球所有时区的人都要看到并给出反映出来。私底下的沟通是不算的。

第五点,共识机制。这是传统企业中没有的文化,共识机制是减少投票。不是说5个人中有3个人投票,就可以忽略另外2个人的意见。任何人都可以提出自己的意见,只要有反对意见提出正当理由及/或替代方案,大家就会停下讨论,这是我在其他组织中没有看到的。

最后一点,社区自治。Apache 下的300多个项目社区都是社区自治的。Apache 提供品牌保护等横向的支持,但各个项目社区都是自治的,每个月交一个报告就可以,不需要董事会进行各种各样的批准。除非违反了品牌或者法律其他方面的原则,董事会才会出面。

国内开源项目正处于井喷前期,国际基金会的这些模式值得借鉴的点,对于国内正在做开源工作相关的人来说是有非常好的示范作用。很多企业也都在学习其治理之道。

看厂商参与开源:利益驱动是好事,但不能走偏

利益驱动对任何个人或者组织来讲都是好事。对于个人来讲,他们期望获得成就感和满足感,对于企业来讲,有其利益诉求也是好事。

但是推动企业参与开源来讲,最大的动力就是经济动力,是经济效应的动力和生产力动力。几年前,Henrik Ingo 做了一个《研究报告》,在国际九大开源基金会下运营的开源项目的规模是一般单一公司或单一组织下属社区所运营项目的经济回报的10倍;其生产力提升是5倍。这是他对很多项目进行调研而总结出来的。包括对项目对活跃度等进行的统一考量。

如果是在基金会下面,社区的活跃度和多元化程度都会更加健康。比如,将一个项目开源出去,会有各式各样的开发者来帮你提升这个项目,其质量会有显著提升,成本也会降低。所以大家发现,在一个好的项目社区,其经济效益会提升,成本会降低。

当然也会有一些走了弯路或者走偏的。比如我有问到一些公司,为什么要将项目开源,他们回答说“很简单呀,我要增加我的用户”——这其实在一开始就是走偏了的,很容易就被大家看穿手脚——并不是要吸引更多人参与,而是为了卖产品。这是不可持续的。

所以,有经济利益的驱动是好事,但是不能走偏,要用更合理的指标来衡量。

看国际关系对开源影响:无需过多担心,担心风险可做国内镜像

国际关系是否会影响到开源,今年对于这方面的讨论和争论是比较多的,我们也在开源社的公众号上做了比较多的阐述。国内其实还是有很多误解,我们第一时间和国际的相关组织,包括 ASF、GitHub 等取得联系并获得了正面回应。

以美国为例,开源基金会下的项目和代码属于出版物,是获得宪法保护的。只要在开源项目中不涉及加密算法,就可以自由进出口。即使有加密算法,只要先报备,影响不会太大。所以对于基金会中的项目,大家不需要担心太多。

如果大家对 GitHub 有一些担心,那么在国内做一些托管或者镜像,也是可以的。毕竟 GitHub 是一个商业公司,会受到美国法律的管束。GitHub 的CEO Nat Friedman 在2018年有参与过中国开源年会,他是一个非常年轻、阳光的小伙子,非常关注中国开发者的发展。

另外一点,关于国外一些厂商,或者说是开源项目的提供者,他们可能会修改证书或者为了自己的利益修改许可证的相关做法。我个人认为这是无可厚非的。我在最近一次参加北美的 Apache Conference (2019年9月,拉斯维加斯) ,我当时的美国室友说,他对开源项目做了很多贡献,但是很多企业不买账,不会给他支付相关的费用。所以他就说,应该发明一种 license(许可证),当你的公司市值达到某个上限后(比如10亿美金),就要开始对其所使用对开源项目付出一定的代价。所以我们可以看到,即使在欧美这种开源比较发达的地区,开源贡献者依旧会受到一些不太公平的待遇,这是为什么有人会想去修改许可证的原因之一。

商业利益驱动下,不可能会有一批人永远饿着肚皮给大家干活,开源项目的提供者也要生存。所以改变许可证防止非善意的商业组织单方获得他们的利益,却不贡献给社区。我不评价这个行为的好坏,但是我建议大家,有一些宽松型的开源许可证,大家在选用时可以采用或者参考。比如 Apache 许可证第2版、BSD、MIT,没有太多限制。至于新发明的一些许可证,对网络或者互联网服务的许可证,大家可以去了解和参考。

看个人参与开源:有想法就即刻参与,社区沟通注意礼仪

有些人会说,我比较累啊,没有时间,工作压力大,996,回到家还要带小孩等。但是我看到越来越多的人,他们在工作压力和生活压力很重的情况下还会参与开源中来。大家不再是衣食足而知荣辱这样的初级阶段,大家都更想去实现自己的价值,在获得很多的帮助之后,想要回馈给这个社会。这也是开源社这样一个非营利的草根组织,在成立到现在将近5年的时间,为什么能够快速成长的原因。我为此感到非常开心。如果想参与到开源中来,没什么好说的,马上加入某个社区,开始贡献!不管是组织、翻译、宣传,还是写代码。

另外就是想提醒大家注意社交礼仪。就是说社交礼仪在社区里是非常重要的,维持一个社区的凝聚力跟它的互敬互重这样一个很好的互动是非常关键的。有的人说:我不管,我这个人反正就是个性直,我搞技术,我什么都不用管,你错的话,我不但说你错了,我还要骂你祖宗八代。——这样就不太好了,大家应该就事论事,把问题给解决掉,而不是说非要对个人进行攻击,各种不雅的、不堪的什么都要在论坛上面骂。这是我看到的国内一些不太好的现象。

我给大家两个范例,可以去关注一下。有一位吴晟,是国内唯一的一个个人项目变成世界顶级社区的顶级项目,叫 SkyWalking,他今年在中国开源年会发表了一个主题演讲,讲述了如何从个人项目变成了一个全球顶级项目。他现在也是Apache 基金会好几个项目的导师,好几个都是中国项目。

另外一位是李辉,Python Web 开发框架 Flask 维护者之一,是《Flask Web 开发实战》的作者。关于个人如何参与到开源项目中,他分享了三个要点:不要工作、不要谈恋爱、多一点冲动,想到就开始做,而且开始做的时候就要广而告之,让所有人都知道你要做这个事情。他就是这样开始的,他当时有个朋友想做一个网站,虽然他只有一点点了解,但是就站出来说“我来做”,看他满口答应下来,人家觉得他很厉害,他就开始做了。接下来几个月的时间,他就强迫自己去学习,很快就把网站做好了。这个过程中,他花了很多时间去社区中请教大神问题,把相应的答案很快就应用起来。之后,他发现很多人还会跟他一样问类似的问题,他也会去回答一下,获得了一些满足感。回答多了之后呢,他也慢慢地成为了“大神”,就有出版社来找他,说,你这么厉害,来写一本书吧。他就又满口答应下来——这就是他分享的要多一点冲动,而且要广而告之——他告诉大家,自己要写本书,大家要注意看。最后书也顺利出版了。他作为一个90后,这种“不要工作、不要谈恋爱、多一点冲动”的观点还是非常有意思的。但是我并不是鼓励大家不去谈恋爱,因为实际上他从台湾 COSCUP 开源大会回来之后,就在朋友圈秀出了一个女朋友给他发的奖杯来秀恩爱。他在2019年中国开源年会也发表了演讲,感兴趣的同学可以去看下。

看腾讯开源:开源方向明确,和对的人一起加入开源运动

腾讯在以前一直是比较保守的,现在可以说开源的方向是非常明确了的。我参加了几次TVP的会议,都听到了腾讯开源已经确定了一些方向。在今年的Apache Conference,更是看到了腾讯宣布开源 TubeMQ,以及之后的腾讯云Techo开发者大会,更是一口气开源了Kona, TBase, TKEStack等4个重量级的项目。可以看出,腾讯开源的路线图是非常清晰的。

我对腾讯开源的建议是,要找到对的人,要找到真正深入参与过开源社区,有过真正开源贡献的实质贡献者,就像堵俊平这样对 Hadoop、Spark 等项目委员会中做过多年贡献的人。腾讯把他请回来,真正开始一步一脚印地推动了腾讯的开源之路。当然,腾讯还有其他的,像 Angel、Tars、TSeer 这种真正到了 Linux 基金会的项目。

总之,我对腾讯开源对建议就是找到对的人,找到真正了解开源、贡献开源的人,参与到腾讯的开源的运动中来。

看TVP:“贵宾级”礼遇,期望开源话题越来越多

我在TVP享受的是腾讯的“贵宾级”的待遇,我看到大家都非常愿意参与和贡献,愿意支持TVP相关的活动。未来,我希望TVP将来能够多谈一些开源相关的话题,因为腾讯现在在的很多方面的事情,不管是云计算、大数据、人工智能、区块链、物联网、车联网,甚至是 5G,如果没有开源,都谈不了的,因为这些所有的技术基本上都是开源的。腾讯要拥抱、优化、回馈开源,所以我希望TVP能够多谈一些开源技术,同时,在此之上我希望能够多谈一些开源的治理,例如社区治理,项目治理,风险治理等。

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 407

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 1168

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 426

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 715

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 719

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 1127

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 713

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 710

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 910

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 826

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 466

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 576

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 624

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 843

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 757

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 1171

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 1217

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 1204

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 1197

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 2636

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 627

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 608

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 584

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 874

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 892

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 761

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 419

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 711

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 674
上一篇: 开源社联合创始人刘天栋:开源​社区重于代码,应避免“KPI”项目
下一篇: 浅谈微视推荐系统中的特征工程
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 6291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