IPv4 地址已耗尽,IPv6 涅槃重生:腾讯云IPv6改造综述

引言:近日,全球 IPv4 地址正式耗尽的消息刷遍各大技术媒体,IPv6 再一次被推到人们面前。IP,作为网络世界的通行证,其重要性不言而喻。IPv4 地址枯竭,IPv6 作为IPv4地址枯竭的解决方案,其在中国的发展历程是怎样的?产品环环相扣的腾讯云,是如何进行大规模 IPv6 改造的?「云加社区」特别策划「IPv6」系列专题,为你揭秘。关注「云加社区」公众号,回复“IP”,获取更多内容。(本文作者:秦振华,编辑:尾尾)

一波三折:IPv6在中国的发展历程
IP,作为网络世界的通行证,其重要性不言而喻。IPv4 在设计之初,没能考虑到后续互联网爆炸式的发展,更没能预测到物联网的发展,其有限的地址空间,必然带来地址枯竭的问题。IPv6能让世界上每一粒沙子都能拥有一个IP,它作为IPv4地址枯竭的解决方案,在20年前就已经和移动互联网一起走进了人们的视线。然而,由于种种原因,IPv6在华夏大地上却未能和移动互联网一起璀璨绽放。如今,5G时代拉开帷幕,国家再次吹响IPv6的集结号。近日,IPv4 地址正式耗尽,这一次,天时地利人和,IPv6必将重新焕发出勃勃生机。

那么,IPv6在中国的发展历程是怎样的?IPv6能否成为中国下一代互联网的大动脉,为万物互联谱写出美丽的篇章呢?

1.遥想1999年:不尽如人意
RIPE NCC(负责欧洲、中东和中亚部分地区的地区互联网注册管理机构)于1999 年首次进行IPv6 分配,到2019年正好过去了20年。20年前,IPv6也进入了中国,在随后的几年,国家也曾试图大力推广IPv6,但是却因诸多因素导致IPv6发展不尽人意,IPv6仅在教育网得到了推广和使用,和大众生活息息相关的移动互联网却渐行渐远。中国IPv6的使用率常年维持在2%以下,与全球范围内以及亚太地区IPv6的火热发展之势形成鲜明对比。

2.回首2017年:《推进互联网协议第六版(IPv6)规模部署行动计划》印发
当大多数人慢慢淡忘IPv6的时候,国家和政府却始终坚持在背后默默的努力。2017年11月,中共中央办公厅 国务院办公厅印发《推进互联网协议第六版(IPv6)规模部署行动计划》:

“大力发展基于IPv6的下一代互联网,有助于显著提升我国互联网的承载能力和服务水平,更好融入国际互联网,共享全球发展成果,有力支撑经济社会发展,赢得未来发展主动。

推进IPv6规模部署是互联网技术产业生态的一次全面升级,深刻影响着网络信息技术、产业、应用的创新和变革。大力发展基于IPv6的下一代互联网,有助于提升我国网络信息技术自主创新能力和产业高端发展水平,高效支撑移动互联网、物联网、工业互联网、云计算、大数据、人工智能等新兴领域快速发展,不断催生新技术新业态,促进网络应用进一步繁荣,打造先进开放的下一代互联网技术产业生态。

加快IPv6规模应用为解决网络安全问题提供了新平台,为提高网络安全管理效率和创新网络安全机制提供了新思路。大力发展基于IPv6的下一代互联网,有助于进一步创新网络安全保障手段,不断完善网络安全保障体系,显著增强网络安全态势感知和快速处置能力,大幅提升重要数据资源和个人信息安全保护水平,进一步增强互联网的安全可信和综合治理能力。”

3.聚焦2019年:关键事件出现
2018年,当5G已经逐渐成为街头巷尾一个时髦词汇的时候,比5G还重要的IPv6技术却还在角落苦苦挣扎。然而,到了2019年年底,IPv6不再沉默,有了突飞猛进的发展。

2019年,出现了关于IPv6的几个关键事件:

2019年4月,工业和信息化部印发了《关于开展2019年IPv6网络就绪专项行动的通知》(下称《通知》),《通知》明确了到2019年底中国IPv6的实现目标。如:获得IPv6地址的LTE终端比例达到90%;获得IPv6地址的固定宽带终端比例达到40%;LTE网络IPv6活跃连接数达到8亿;完成全部13个互联网骨干直联点IPv6改造;公有云厂商完成70%产品的IPv6改造。
2019年7月,南沙开发区管委会和下一代互联网国家工程中心宣布成立的创新中心,并规划在南沙部署运营一台国际IPv6根服务器。
2019年7月,推进IPv6规模部署专家委员会在2019中国互联网大会期间举办了2019中国IPv6发展论坛,并隆重发布了《中国IPv6发展状况》白皮书。
2019年11月,欧洲网络协调中心(RIPE NCC)确认全球所有43亿个IPv4地址已全部分配完毕。

二、突飞猛进:中国IPv6发展现状
高铁建设八横八纵,而IPv6建设则是云、网、端三管齐下。运营商、公有云厂商、CDN厂商、互联网厂商、政府部门都是本次IPv6改造的中坚力量。大家从最初的观望和懵懂中逐渐变得主动,相互扶持又相互赶超。物联网时代悄然来临之际,处在互联网和5G全球领先位置的中国再次开始了浩浩荡荡的IPv6改造。

于无声处听惊雷。经过短短两年的努力,中国IPv6改造已经取得了非常巨大的进展,尤其是电信运营商的网络基础设施已经完成了90%的改造,为IPv6的规模部署奠定了坚实的基础。

2019年7月,推进IPv6规模部署专家委员会发布的《中国IPv6发展状况报告》显示:

“截至2019年5月,中国电信、中国移动和中国联通城域网出口总流量达398.43Gbps,LTE核心网总流量达508.87Gbps,骨干直联点总流量达75.74Gbps,国际出入口的IPv6总流量达到80.45Gbps。

截至2019年6月,我国IPv6活跃用户数已达1.30亿。我国基础电信企业已分配IPv6地址的用户数达12.07亿。”
截止到2019年12月4日,国家IPv6发展监测平台(https://v6cngi.6aas.com)显示,中国IPv6发展指数已经达到了49.67。

三、渐入佳境:腾讯云IPv6改造
1.困难重重:腾讯云产品环环相扣,IPv6改造挑战极大
腾讯在IPv6已经具备多年的实践经验和技术积累,是国内IPv6的实践先行者。2011年腾讯和教育网合作搭建了自己的IPv6实验平台,用于旗下各个业务进行IPv6的实验和试点。

但是,腾讯云的IPv6升级,面临着非常大的挑战:腾讯云有超过50个大类的产品、100多款子产品,涉及计算、存储、网络、数据库、安全、物联网、智能AI和大数据等等,有IaaS类产品,有PaaS类产品,还有SaaS类产品,产品迭代周期快,各个产品又相互依赖,尤其是对网络产品和平台的依赖。最大的难点是不同产品依赖的网络通信架构不同,尤其是对网络产品的依赖,而网络产品又依赖于底层网络,需要环环相扣,纵深前进。

于是,项目组认真梳理关联关系,制定了详细的Roadmap和实施计划,并逐步按照这个计划执行。腾讯云产品整体改造的Roadmap主要分成了以下四个阶段。

第1阶段:通过IPv6 NAT64过渡技术,结合DNS支撑IPv6平滑升级
第2阶段:私有网络、子网、云服务器、弹性网卡、负载均衡、内容分发支持双栈
第3阶段:DDoS高防、安全组、IP地址库、WAF、HTTPDNS支持双栈
第4阶段:CDB、COS、API网关等IAAS类,安全、大数据、物联网等PAAS类产品支持双栈

事实证明,这种纵深的打法非常有效,各个产品改造节奏清晰明快。在2019年6月前,我们完成了私有网络、子网、云服务器、弹性网卡、内容分发等产品的IPv6改造。

在2019年9月前,我们完成了DDoS高防、安全组、IP地址库、WAF等产品的IPv6改造。

2.厚积薄发:荣获科学技术一等奖
厚积才能薄发,2019年11月19日,中国通信学会公布2019年“中国通信学会科学技术奖”评选结果,腾讯和中国移动、中国信通院、华为的联合项目《移动互联网IPv6技术攻关及规模应用》荣获一等奖大奖,其中基于IPv4/IPv6双栈的超大型云平台的分布式SDN云网络技术、基于四维一体的双栈智能防御体系DDoS等安全防御技术等创新技术获得高度认可。

腾讯云目前已完成云主机、VPC网络、负载均衡、域名解析、内容分发、DDoS等40余款的IPv6产品改造工作,并计划在年底完成大数据、物联网、音视频等PaaS产品的IPv6改造。

业务层面,腾讯云目前已支撑腾讯视频、腾讯新闻、QQ浏览器等云上应用接入IPv6的用户数超过1.5亿,腾讯已经成为全球拥有最多IPv6用户的企业之一。
四、越战越勇:腾讯云平台IPv6改造的挑战与创新
1.挑战
所谓兵马未动,粮草先行,基础网络设施和支撑平台就是我们的粮草。IPv6产品改造前需要完成底层网络的改造。

2012年腾讯在深圳的BGP出口接入教育网IPv6 BGP,为自有业务提供IPv6服务。后来又在深圳、上海、天津等和运营商进行了对接,用于业务测试。只是当时受限于运营商网络和用户数量低,IPv6业务并没有大规模上量。

腾讯云目前已开放 25 个地理区域,运营 53 个可用区;仅国内就有数十个BGP出口、几十个园区需要改造,改造的工作量和难度非常大。但是很幸运的是,作为国内最早部署IPv6的先行者之一,腾讯云在核心网络和公网出口改造方面积累了比较多的经验。正是有了这些经验,让我们BGP出口改造进展较快,在2019年年初,已经基本完成国内主要出口的改造。在2019年下半年,我们又启动了部分海外公网出口的改造,力争能够在2019年年底完成部分海外城市的改造和产品上线,让出海企业更早的能够使用IPv6,迎接海外大量的IPv6用户。在BGP出口,我们和运营商通过BGPv6进行对接,而在内部的核心网的MPLS IPv6 VPN采用的是6VPE方案,流量模型和IPv4保持一致。

在基础网络改造的同时,我们又进行了10个支撑平台的改造。支撑系统包括了管理系统、IPv6自动化部署系统、网络监控系统、服务器监控系统、公网质量探测系统、网络规划建设系统、CMDB资产管理系统。

IPv6的优势是更大的地址空间和地址长度,但缺点是不易记忆,容易引入配置问题。在大规模基础资源的部署和实施,如果依赖人工方式操作存在明显的弊端。新的IPv6地址智能管理系统,通过可视化的平台和脚本工具实现IPv6地址录入、分配、配置、监控和回收的一体化智能作业;很好的解决了IPv6系统中部署实施和运维的难点,极大的降低整体的TCO。IP地址网管系统,和云平台、CMDB实现了联动,兼容overlay和underlay两部分的地址管理,并实现了基于业务属性的地址自动分配管理。

不管是IPv6机房自动化交付还是IPv6流量管理,在大型云平台系统中,仍然面临的最大挑战是大流量数据的采集、存储以及多维度的实时分析和展示,同时硬件设备存在厂商差异性,如何能够采用标准的方案进行一体化的操作。所以在IPv6流量监控和数据分析中,首先通过对不同厂商的硬件资源进行适配,将监控和采集标准化;然后引入大规模数据处理设计的Kafka、Spark等数据,对实时分析的各维度数据叠加汇总,通过API和图形化Web界面提供查询服务。

2.创新

IPv6升级是大型云平台整体升级的一次非常重要的良机。所以我们不但要升级IPv6,还应该借助IPv6持续创新,解决IPv6的一些挑战,并实现云平台的整体升级。

在大规模分布式云Overlay网络SDN控制器需要管理成百上千万的计算资源、IP地址资源和路由表项,支撑互联网通信、混合云通信、跨地域通信等多种场景。IPv6地址的引入不仅仅是带来超大规模IP地址数量和路由规格的问题,还对于多场景的通信模式、IP地址分配管理都提出了更多的挑战,因为IPv6不再区分内外网,也不再做NAT;我们基于IPv6开发了下一代SDN控制器,不但解决了IPv4/IPv6双栈网络的多场景通信以及双栈环境下的子机迁移、Fallback机制等,同时也面向IPv6的下一代支撑网络提供更加强大的管控能力,支撑千万级的用户VPC。在Overlay网络封装支持IPv6方面,Overlay包头(比如Vxlan,GRE等)都无法封装具有128bytes的IPv6地址,我们也通过映射技术很好的解决这个问题,并通过大规模分布式的SDN控制器完美的解决了路由表和映射表的规格和性能问题。

面向IPv6的DDoS攻击、CC攻击和DNS劫持等安全问题,构建四维一体的双栈智能防御体系,自主研发支持IPv6的宙斯盾安全系统。通过云平台统一的API,将DDoS防护检测、网络虚拟防火墙、网关应用层安全代理、云主机IPv6协议层安全进行统一联动,构建四维一体的智能防御系统,实现自动检测、预警、隔离等全方位的安全防护。DDoS防御系统完成了检测中心、接入中心、攻击清洗中心、统一管理中心等多个系统模块的IPv6升级,提供基于应用层的漏洞检测和入侵防护,基于用户的安全接入认证。以往IPv4的DDoS安全检测是联合CMDB基于识别每一个IP地址进行防护策略,无法适应/56的用户IPv6地址空间,每一个用户的安全防护都涉及到2的56次个IP地址的存储和查询。宙斯盾安全系统基于新的大数据系统和IPv6识别算法,按照/56的地址段进行存储和查询,可以极大提升检测查询的速度并减小存储的压力

在应用端的改造方面,腾讯自研业务积累丰富的经验,并积极向其他同行积极分享经验。在应用层APP改造方案中,腾讯多个自研业务基于Happy Eyeballs进行了优化,通过旁路配置接口,获取后台配置是否需要开启双栈网络优先IPv6的策略。当确认需要优先IPv6优先时,会发起对IPv6与IPv4接入赛马机制,通过配置对IPv6在赛马时进行一定的让步,以便达到IPv6优先的要求。当IPv6赛马胜出后,则用IPv6来请求后台;当IPv6接入访问失败时,则立刻fallback到IPv4访问。

五、新的开始
IPv6改造已经进入中场,但对于云厂商来说,这仅仅是一个开始,因为我们即将迎来更大规模的IPv6用户和IPv6流量的考验。

或许此时此刻的你正在使用IPv6网络在阅读这篇文章,世界上最遥远的距离莫过于IPv6已经来到你身边,而你却对他视而不见。

精彩预告
产品环环相扣的腾讯云,是如何进行大规模 IPv6 改造的?「云加社区」特别策划「IPv6」系列专题,为你揭秘。下一篇内容,将为大家分享腾讯云IPv6私有网络及IPv6负载均衡操作最佳实践,欢迎关注。

作者简介
秦振华,腾讯云资深产品经理,目前负责腾讯云网络产品的策划工作,致力于推动IPv6、DPDK、智能网卡、100G等下一代网络新技术的落地。

关注「云加社区」公众号,回复“IP”,获取更多IPv6相关内容。

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 710

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 574

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 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 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 886

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 760

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 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 673
上一篇: IPv4 地址已耗尽,IPv6 涅槃重生 | 腾讯云IPv6改造综述
下一篇: 汇聚八方技术力量, 腾讯云最具价值专家阵容不断升级!
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