开发小游戏,云开发真的是银弹吗?

| 导语 8月17日,“小程序·云开发”系列沙龙(小游戏专场)圆满落幕。本期沙龙云+社区携手微信 & 云开发官方团队为大家揭秘爆款微信小游戏背后的技术,全面讲解小程序·云开发、实时数据库库及小游戏联机对战引擎,助力小游戏开发。

下面是杨航老师针对云开发带来了哪些便捷能力,使用云开发是怎样一种体验以及云开发又有哪些银弹助力小游戏场景的开发的分享。主要从历史情况,为什么有云开发?云开发是怎么样的?以及我们落地和规划、思考这几个方面来讲解。

小游戏的发展现状

最先认识到小游戏是从跳一跳开始的,2017年12月份上线,大家的朋友圈、群里转发,产生了这样的营销效果。在小游戏形式之前,我们在游戏方面传播比较广的是传统的H5游戏,在我那个时候,《围住神经猫》这种游戏在短时间内有很大量的传播。

根据跳一跳来看一下小游戏的特点,你在微信中可以直接使用,加载速度比普通H5快很多,随点随用。在底层封装屏蔽了不同平台差异,暴露相同的接口,基本上一次开发接后,可以在安卓、IOS两端的微信运行环境下直接运行。

有H5开发经验的同学可以知道,H5基于浏览器,根据不同的场合、不同的机型,甚至不同应用webview内核不同,有很多需要兼容的地方,小游戏没有这样的问题。小游戏基于微信是天然可分享的,很方便的分享到图文平台、群聊等等。小游戏的底层基于canvas的,这个canvas是原生webgl上的一层封装,所以它的性能会好很多。另外,基于微信,你可以随便的扫扫码,搜一搜,也可以根据朋友的推荐很方便的获取。

正基于这样的特点,出现很多场景的小游戏,最左边是进博会官方的小游戏,配合展会进行推广。口袋工匠是故宫为了推广文物做的小游戏。最右边是腾讯的《灯山行动》,很有影响力的公益小程序。这些小游戏休闲游戏居多,随走随用。从轻量的角度来讲,很便于利用等地铁、车、电梯的碎片化时间。在文化方面,通过小游戏也可以做到很好的传播,这些都有非常丰富的文化属性,用有上千万的用户量。

小游戏的生态,有数十万的开发者,小游戏月活达到4亿,4亿的数量与传统移动游戏的用户量相当。小游戏有很大的潜力,58%以上是30岁以上的用户,31%是40岁以上的用户,之后父母辈会成为小游戏的主力。我们过年回家看到爸妈在那里玩各种小游戏,玩跳一跳,而且他们的水平比我们好很多。

上图左下方分别是次留,7留,月留数据,达到这样的留存很不容易。在安卓内购流水超过千万级别有10款小游戏,小游戏有丰富变现的能力,有很多的商业潜质。

生态丰富来自于基础能力,从最初的canvas,到现在的各种引擎的适配,从标准的图形库到引擎,门槛在一步一步的下降。还有一些硬件接口的暴露,像刚才提到的陀螺仪、重力感应,它都拓展了游戏开发的边界。

基于微信的关系链、图文安全、动态消息、内购等这些特有的能力,及数据运营、资金结算能力的更完善,整个生态都进入了良性的循环,开发者可以通过其完善自己的小游戏,并且从游戏中获得利益、推广。

为什么要有云开发?

除了小游的基础能力,开发层面上还有云开发,云开发是基础架构层面更加轻量创新的服务端研发模式,可以降低开发门槛,使开发者专注于业务内容创作。

为什么要有云开发?在传统的开发模式上,我们感觉有很多痛点没有解决。首先,你要发布一款生产级别的应用,除保证业务逻辑没有问题以外,有很多内容需要自己处理,像高并发、弹性伸缩、负载,每一个项单拿出来都要讲很多,很难。作为业务开发来讲,很难cover住所有这些。从现代软件工程来讲,让更专业的人来做更专业的事,才能让你的服务更加稳定,这个逻辑是高效。

在传统模式下,从物理机托管,有自己的IDC机房,然后到上云,使用云上的服务云主机,到PaaS级别的服务,像容器、监控,这些都在减少资金投入成本和人力投入成本,云上的封装层级越高,暴露出来的越少,就需要更少的人去关心这些事情。即使走到PaaS这一步,你也需要专业的运维人原来跟进刚刚所讲的内容。人力的引入和自动化能力相比,可能会带来更多引入错误的风险。

现在应用开发比较现行的是BS、CS架构,前后端分离已经提了很多年,大家都在说前后端分离,这个事很好,大家各干各的,最后联调就行了。但开发者在真正的开发过程中,经常会遇到各种权责划分、反复沟通的问题。时间成本很高,导致整个开发进度缓慢。

我们想,有没有一种开发模式让开发者可以更多地专注业务逻辑,让开发者自己可以包揽更多的业务,从而减少沟通上的成本。从小程序的技术栈来看,主要限定在JS上,是前端开发的主要技术栈,大多数的前端也都听说过Node.js,通过Node.js可以在一定程度上Hold住后端业务逻辑。如果我们只有前端开发来负责JS与Node.js,这样就可以降低沟通成本,减少甚至免除与后端服务交互,做到更彻底的前后端分离。

运维搭建各种环境,网络打通,组件维护相关的工作,对于大多数人来讲,是很复杂耗费精力的。我作为普通的开发者,我希望要有一个稳定、高效、安全的环境,在自身逻辑正确的前提下,服务会稳定安全高效的跑下去,不受环境的影响。

基于这样的想法,我们总结了整个开发流程中普适性的基础能力,做了一些封装,把运维层面上的工作都屏蔽掉,暴露了一些函数式的接口来操作各个远端服务,像DB、存储等,推出一种无服务的全栈应用开发中台。

什么叫做无服务?

Serverless不知道大家有没有听过?是这两年很火的概念。Serverless分为两部分:BaaS,后端即服务;FaaS,函数即服务。

在开发过程中,开发者不感知服务器的存在,传统开发要自己买服务器,在服务器上搭建DB,再买服务器,作为专门的存储服务器,实例搭建完需要编写服务作为中转,操作实例。在无服务的概念下,这些工作完全隐藏掉了,通过提供API的方式来直接操作资源,COS、消息队列、存储等后端实例,都作为一个服务,直接通过API来调用。Faas是Serverless的核心,也就是无服务器云函数,这个使serverless能做的事情更多,在云函数中可以跑真正的业务逻辑,覆盖了各种各样客制化的开发场景。

无服务是未来开发的发展趋势,从物理机到云上的Iaas层、主机、PaaS的开放架构,一步一步释放了人力,让开发者更专注于自己业务能力的开发。

云开发是什么?

1. 云开发的特点

云开发是一个支持小程序、Web、安卓等多端的应用服务中台。其整合了微信公众平台和腾讯云的核心技术,提供云数据库、云存储、云函数、日志和监控等开发运维能力。通过“小程序·云开发”,开发者可无缝安全调用小程序的开放服务,提升开发效率,快速试错和落地产品。

云开发的重要优势之一就是简化后台配置,开箱即用,存储、数据库和云函数,环境创建时都已搭建完成,提供域名和备案,免除繁琐的流程,开发者只需编写核心逻辑代码,无需关注后端配置与运维,专注于业务开发。

云开发集成在小程序的IDE里,免认证登录,在IDE里面有云开发,云相关API不需任何安装。我们和微信通过私有协议实现了更高效的鉴权方式,在微信客户端SDK中可以直接调用云上的资源,在云函数中,还可以通过云调用来调用微信的开放接口。这点是云开发的独有能力。

在运维方面云开发稳定可靠,云开发后面是各种腾讯云的基础设施,稳定、安全且高效,具备快速拓展能力,满足不同业务场景和需求。

2. 云开发模式与传统模式的区别

在传统开发模式下,在小程序端使用了其他的服务,需要自己编写SDK,或者引入额外的SDK来调用到你的后端服务,后端服务需要自己来搭建、写框架、写路由、写接口,操作更底层的DB资源、COS资源,在环境上需要打通网络,以及加速等额外的工作。对于开发者来讲,你需要关注的内容很多的。若使用云开发,可以直接使用小程序原生接口,wx.Cloud。这个命名空间下有一系列的接口,通过这里面的接口就可以操作云开发上的这些资源。

在传统的模式下,你想实现简单的图片上传,小程序端、客户端都是一样的,chooselmage+wx.uploadFile,但是整个后端服务搭建需要选择一个合适的框架,设计路由,你接收到这个文件上传到cos,运维要负责性能安全。若使用云开发的模式,在小程序端就只需要这个代码,wx.Cloud.uploadFile,把File ID传进去,整个过程都完成了。你要上传这个文件,自动上传到cos上,在链路上,我们会保证链路的一致性、鉴权及相关的操作。以前需要1000多分钟,最少三个人做的事情,现在前端4分钟就搞定这件事。

插入数据,也是很高频、很常见的操作。在小程序端,你需要wx.request来请求后端接口,开路由,写逻辑代理,接收到数据之后,存到MongoDB,整个流程包括中间沟通的时间,1000多分钟都过去了。你用云开发模式,前端工程师一个人,直接调wx.Cloud.database,通过这个add可以直接插入一条数据,直接操作远端数据库的服务,很方便。这段代码既可以跑在小程序端,也可以跑在云函数,从前到后都由一个前端开发来编写,统一的技术栈,后面也只需要一种技术栈的人来维护。

3. 云开发有哪些功能?

云函数是serverless的核心,也是云开发功能中很重要的一点。云函数,你不需要服务器,也不需要配置域名,调用方式通过wx.cloud.function来调用的,开发者工具有一键上传的入口,你可以将自己的代码一键上传到云函数的运行容器中。整个运行环境,由腾讯云保证安全和隔离性。

云函数有一个很便捷的特性,你不需要自己写逻辑来获取到小程序的appid、openid,我们通过私有协议将其置于云函数的上下文中,云函数中直接获取,不需要鉴权解密等额外行为。我们在前层,有一层自己封装的鉴权服务,所有到达云函数的完全是安全的,携带微信的正常登陆态。

运管方面,云函数可以实现秒级的弹性伸缩,当请求量、并发量大时,可以快速进行扩容,防止服务崩溃。此外云函数与云主机不同,其按运行时间,只有请求处理时才产生一定的费用。

4. 云函数具体的运行原理

在传统的服务器模式下,你的代码部署在远端服务器上,若想要做的更好些,可能需要考虑服务的拆分、服务的分层,多个模块通信,包括之间传递的私有协议链路上的鉴权。你自己从零开始搭建负担蛮重的。现在用云函数的方式,通过方便的部署手段,将云函数部署到远端容器中,在运行的时候,每个容器之间是隔离的,容器自身无状态。这样事件触发的机制,比较适合定时器和单功能接口的请求,请求到来即时处理,即时回收资源,没有冗余。函数容器,接收请求完成生命周期创建,请求返回时,生命周期结束,容器销毁。

云调用是云函数中很好用的一个功能,如果大家有经常进行小程序开发的话,需要使用服务端API,这些API的鉴权,通过access_token来做权限标志,云调用屏蔽了这件事情,你在云函数中直接使用cloud open API调用微信开放能力。这是发送消息的示例,直接调用这个API,并不需要传入access_token,整个调用链就可以直接下来。

Access_token,虽然保证了安全,但在使用过程中有很多问题。开发者要维护过期时间与申请节奏,若多个服务在多个地方同时用到access_token的话,一般需要一个中转服务器来专门维护access_token的过期与申请。若使用云调用,则完全不用care这件事情,开发者是很方便的。在小游戏中,包括内容安全级、动态消息,这7个很实用的云调用的接口,在刚刚的示例中,直接用Cloud open API点什么来调用这个能力,并不需要access_token。

云调用的开放能力,比较常见的微信运动、用户信息、分享信息,若使用微信官方HTTP API开发方式,则需要签名进行鉴权,签名所需要的一个重要的参数是sessionkey。其维护起来像access_token一样,需要专门分散大块的精力来维护,且一旦没有维护好,将影响所有使用其的服务。

在云函数中使用云调用的能力就像这样,这是获取微信运动的信息,直接通过微信的内置接口获取,但信息经过了加密,只能得到一个CloudID,需要自己解密才可以解出它具体的信息。而在调用云函数的时候,可以直接用wx.Cloud.CloudID,传出cloudID。

云函数端接收到的参数就像这样,刚刚传入的cloudID被自动解析成这样一个包,中间并不需要自己来解cloudID,整个调用对云函数是透明的。

云调用还可以用在实时语音中。实时语音有很多API,但关键的几个API都需要签名,通过API的房间ID,然后随机串、时间戳,以及sessionkey,通过固定算法计算出来的签名。使用云调用,可以直接调Cloud上的getVoIPSign的接口,只传入业务相关的groupId,传入时间戳,以及一个随机串,接口就可以直接把签名吐出来。

使用云调用免除了sessionkey 和 appid 维护,及签名算法,统一由官方内置的SDK来维护。业务方无感知签名方法的具体内容,当签名算法变更或扩展时,内置SDK自动支持,减少开发者负担。

云数据库,大家应该经常用到,云开发提供的是一个文档型的数据库,它的格式类似于JSON。前端开发的会更熟悉,每个JSON的对象,实际上数据库中的一条记录,我们提供各个简单的API来实现增删查改,在客户端很方便的构造查询,或者构造插入,直接通过API来做,并不需要为DB搭一个专门的后端server层的中转服务。

在小程序端,我们提供了4种力度的权限控制,可以实现collection级别的权限控制,基本上能完全覆盖公/私有读写搭配,通过权限控制可以做到细类目客户身份的划分,在云函数端具有最高的管理员权限。未来还将提供更细致的doc级别的权限划分,创建安全规则满足更细粒度C端访问云资源权限管控的需求。

文件存储,小程序提供了云端的存储空间,在云函数、小程序端,通过API就可以上传对象到存储中。同样有基于微信登录态的安全控制,带权限管理的云端下载。此外提供了公用网的域名,天然CDN加速,可以从公用网通过HTTP的方式访问。

安全方面,云函数可以秒级弹性伸缩不同容器对文件 、资源的操作权限,以及运行配置进行限制,服务有负载防御大流量攻击,全链路上一致性校验,保证服务在链上的安全。

云开发案例

1. 分享二维码优化

二维码解出来的是一堆数字信息,开发可以往里面添加信息生成新的二维码,云开发也提供简单的云调用的方式来快速的生成二维码。因为小程序码受限于复杂度,在现实环境中,扫码环境多变,很不稳定,存储的信息月多,图像越复杂,识别出错的概率也越大。腾讯相册小程序二维码中包含了name, ownerid, page等大量信息,在某些机型上无法有效识别。云开发解决方案下,小程序码只需记下一个ID,具体信息存储在小程序云的数据库中,大大提升识别度大幅。

在云函数中获取到携带信息之后,把信息存入到DB,得到记录ID,通过云调用生成小程序码,生成图片传入cos中,得到临时url,你在分享的时候,小程序端通过临时url进行分享。

2. 乐享花园

类似于农场的小游戏,可玩性很高,但整体后台很重,脱离后台脱离了后台开发,没有办法获取到授权、access_token,没办法也就无法使用内容审查这样的能力。而使用云开发,云函数中很方便的可以获得用户信息,关于access_token也可以使用云函数来维护,access_token 7200秒有效,可以通过触发器的方式来定时的触发。这样无需为需要调用到微信的接口来准备一个专门的服务器,服务端不关心客户端不同平台定制化的需求,只关心核心的业务能力就行了。

3. 基于实时数据推送的多屏互动

最后一个案例,基于实时数据推送多屏互动的能力,这是最近刚推出的,适用于即使通讯及多人对战。你通过watch方法新建数据库数据监听,每当db变化的时候,都会实时在onChange里面捕获到变动快照,开发者可以根据变动快照来进行下一步的操作,完成多端信息同步。

总结及展望

我们的目标打造多端全栈的应用开发平台,现在云函数支持node语言,我们将支持更多的服务语言。SDK方面已预先支持了Java、php。在多端方面,除小程序平台外还支持web,安卓平台,打造更全面的能力。在能力建设上,除基础开发能力外,在质量上会加入日志监控,监控告警等运维能力,方便开发者的管控了解自己的应用。

杨航

腾讯云前端工程师,负责过腾讯云控制台以及云开发相关业务,涉猎广泛,在前端组价化、以及工程化构建方面有一定的经验,持续关注前端技术发展方向。

 点击观看视频回顾 

关注云加社区公众号,回复“小游戏沙龙”,获取完整PPT!

---------下方更多精彩----------

活动推荐

9月7日

上海市长宁区Hello coffee

云+社区邀您参加《AI技术原理与实践》沙龙活动

聚焦AI技术前沿实践

共话AI发展的机遇与挑战

把握现在,展望未来

点击阅读原文即可免费报名

关注云加社区,回复 3 加读者群

点在看,让更多人看到!

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 1167

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 714

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 718

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 909

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 825

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 465

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 842

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 1169

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 1196

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 2635

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: 沙龙报名中】集结腾讯技术专家,共探AI技术原理与实践
下一篇: 前端工程化实践总结 | QQ音乐商业化Web团队
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