大漠穷秋:如何快速构建一款SCRM小程序?

导语 | 9月21日,云+社区技术沙龙“小程序·云开发”北京站圆满落幕。本期沙龙腾讯云联合猫眼、即速应用、白鹭引擎等企业,将从小程序·云开发后台技术、云开发实时数据推送实践、云开发AI智能客服实践等方面揭秘云开发应用实践,带来更多技术实战分享。本文是大漠穷秋老师带来的Workshop环节,讲解了SCRM的相关技术发展和原理以及如何实现,然后带领大家进行上手编码实操。

章小飞,网名大漠穷秋,腾讯云TVP,全栈开发者,先后参与过公司多个技术和业务系统的设计和研发。对技术拥有无限热情,热爱分享,最近2年为超过50家各种类型的企业提供过技咨询和培训服务,犀利的讲课风格,完善的内容和案例,受到客户的一致好评。

内容一共分成五个部分:

1.小程序云开发是什么

2.SCRM的商业理解

3.界面设计:定义产品功能

4.云端:定义数据结构和云函数

5.小程序端:编写界面实现功能

 

小程序云开发是什么

小程序云开发是经典的serverless的实现,小程序端提供了完善的组件库和开发工具,开发者可以聚焦自己的业务实现。云端提供了基于MongoDB的数据库、对象存储和云函数,以及运维工具等功能。这样一来,整个开发、部署、运维就可以全部一站式完成,借助于微信和腾讯云强大的功能帮我们节省了大量的时间,节省了大量的钱,这就是它的本质。

云端有很多的能力可以在界面上看到,我打开界面给你们看一下。云端有运营分析的界面,当一款小程序上线之后就可以在运营分析界面上看到用户量和资源使用的情况,包括监控的图表都可以看到。

目前这款小程序还处于开发状态,所以没有人使用它,只有我一个人孤独在使用。在“数据库”管理界面上可以对小程序的数据做管理,“存储”用来存非结构性数据,比如说图片、文件。“云函数”是在云端提供的公共函数。在这些界面上面,我们要的功能基本上已经比较完整了,包括各种数据权限的设置都有。

 

SCRM的商业理解

这款小程序的名字是“客流”,本质上就是SCRM(Social CRM)。

 

我们先理解一下什么是SCRM?大家已经比较了解CRM系统的概念和背景,截一张Wikipedia上面的完整定义给大家看一下:

 

CRM系统在传统企业里面用的非常多,比如:电商、金融、餐饮、教育、电信、医疗……。所有巨头企业都有自己定制版的CRM系统,因为他们客户量非常大。比如说典型的电信业,像中国移动、中国联通他们全国都有几个亿客户,这些客户的资料,客户的关系都需要大型的CRM系统进行维护。

CRM是一个很大的概念,这种系统一般会有很多功能,比如说sales、marketing、customer、employee support等等,下面是大概的结构图。

有人会问,既然我们在桌面端已经有了这么庞大的CRM系统,为什么现在要向微信小程序上做迁移呢?典型的几个原因如下:

    

1. 微信背后是巨大的用户量,现在微信已经有11个亿的用户,月活数量非常恐怖,有几个亿的月活。

2. 另外我们在微信上有非常完善的营销渠道,很多人在利用朋友圈、公众号、小程序来进行裂变式的营销,这是巨大的优势,是其它的平台不具备的。

3. 微信背后有微信支付,在国内移动支付领域,支付宝和微信是两个最大的巨头。我们用微信做小程序,在支付这层面会更加的通畅。

 

所有的传统的巨头他们都会开发自己专用的CRM系统,他们会投入大量的金钱和人力。比如说电力、电信、金融、交通这些领域,不管是国内还是国外,都是这样的。

 

但是,除了这些巨头之外,我们日常生活里面很多的小生意,做小生意的小老板、小店也需要维护自己的客户关系,比方说:

1. 家门口的小五金店每天也有很多客户来买东西,他服务的是周边一公里到三公里范围的人,一年下来来买东西的人也不少,他也需要来维护客户关系。

2. 还有一些小超市,每天也有很多顾客来买东西,这些也是他的客户关系。

3. 还有一些小吃店,他也要维护客户关系。

很明显,这些小生意,小老板不可能自己开发小程序,也不可能招几个程序员投十万二十万来开发一个CRM系统,这是不可能的。那么,这些小店、小老板是怎么维护自己的客户关系的呢?看这个:

所以在这种场景之下,SCRM的概念就变得更加重要,我们需要更加普惠的SaaS实现,让海量的做小生意的老板也能维护、管理自己的客户关系。同时,我们还可以让这些小老板可以借助微信庞大的社交关系来进行营销,从而提升自己的营业额。

OK,这就是这款小程序在商业上的理解。

 

但是,SCRM小程序跟传统的CRM系统还是有很大区别的:

1. 首先,我们不能把传统CRM系统上的所有功能都照搬过来,那样的话就不是小程序是大程序了。

2. 第二,SCRM更加侧重利用微信的社交功能来进行客户关系的建立和维护,让服务提供者能在小程序上面维护他和客户之间的关系。比如,当那些小店的老板想做一些促销的时候,他能够利用小程序让老客户第一时间看到。

3. 第三,SCRM更加侧重使用微信支付的功能。

 

目前市面上还有一些同类产品,我们来做一下简单的对比。比如说微信的企业版、还有钉钉,他们也在推SCRM的功能。但是,我们在微信上用小程序来实现SCRM会更加轻、更加薄,传播性更好,跟用户也更贴近。我们不需要让用户安装独立的APP,打开微信就可以直接使用。

 

界面设计:定义产品功能

我们再来看怎么设计产品的界面,通过界面来梳理产品功能。

 

这个地方我们用草图绘制工具来画一下小程序需要实现的功能,首页要放一个名片告诉大家我是谁,我有什么店,我的联系方式是什么。详情页上面放一些图文介绍,甚至放一些视频,用来告诉别人我有一些什么样的产品和服务,它们是什么样子。

 

还有基本的客户关系的维护、沟通交流的渠道,比如说可以跟客户发消息、打电话等等场景。同时还可以有一些图表统计界面,告诉我现在有多少客户,我和客户之间的关系是一种什么样的结构。下面这些是设计草图,我们没有办法拿到很详细地人际关系链,人际关系链是微信的核心资产,我们最多拿到一些子图(Subgraph)。

我们大概一共有30个页面需要实现,得到界面之后就可以来定义云端的数据结构和云函数了。

 

云端:

定义数据结构和云函数

在微信开发者工具里面点云开发按钮就可以打开云开发相关的界面,我们在数据库页面上可以定义数据结构。

小程序的数据库背后实际上是MongoDB,“客流”这个小程序一共定义了7个集合,集合的概念类似于关系性数据库里的一张表,我们所有的数据都放在不同的集合里。

 

但是,NoSQL里面的集合跟传统关系型数据库有很多不一样的地方。除了刚才有人问的事务问题之外,实际开发过程中还有一些比较麻烦的地方。比如,多个集合的关联查询写起来比较恶心,没有传统的SQL语句那么方便。

 

对象存储这块可以建立不同的目录,用来放不同的上传文件,根据不同的业务模块建一些文件夹,把同一个业务模块相关的文件都放在对应的目录里面。

 

云函数用来定义云端调用的方法,提供了定时器之类的工具函数。我们可以利用云函数来实现很多业务功能,比如说定时把数据库里面某些用来做统计的集合生成数据。

 

我们一共定义了7个集合,分别解释如下:

 

这样我们得到了基本数据结构的定义,有了这些之后我们就可以开开心心来实现界面了。

 

小程序端:

编写界面实现功能

你们这里面有多少已经注册号云开发appid,如果注册好了就跟着我一起尝试做一个界面出来,如果还没有的话就听我解释代码里面比较关键的点。

 

刚才有人关注开发过程中有没有坑,我会把一些坑解释一下,实际上我踩了很多坑。

 

1. 我们一起来创建一个项目,然后导入一些组件库、样式库,编写一些全局的样式。

2. 把四个主入口页创建起来,然后创建一些可复用的组件。

3. 在写界面的过程中怎么找到好看好用的图表,怎么在小程序实现图形的界面,像曲线图、柱状图。

4. 再看云函数和云数据库访问的过程,怎么调用云端的数据库和云函数。

5. 然后给大家讲一些避坑指南。

6. 最后一部分是把所有写好的代码链接给你,如果你对这个小程序感兴趣,可以自己继续往前开发,最终得到一个完整的小程序。

以下是开发过程中的一些注意点和小坑,给大家解释一下:

1. 第一步要在微信开放平台注册一个账号,邮箱只能注册一个小程序,这是开发过程中遇到的第一个小坑。账号注销掉邮箱也不释放,你肯定要准备好几个邮箱,所以这里请小心一点。

 

小程序起名字是有讲究的,有自动校验的,比如说你起一个很奇怪的名字或者上传很奇怪的logo是肯定审核不通过,所以要预先准备好。

 

走完注册过程之后会拿到一个很关键的较appid,它是唯一的,有了appid之后就可以创建小程序了。

 

2. 打开微信开发者工具,开发者工具也需要登陆的,创建一个项目。创建项目的时候有两个关键点,你可以选择不适用它的云服务,如果不用就选第二个小程序开发。然后这里有一个appid,你在注册小程序的时候系统给你的,这样就创建一个界面出来。

    

创建完之后会自动生成一个默认的界面,还会生成一些代码,这些都是默认的,你在开发的时候肯定是要把它删掉的,删掉之后会得到一个比较干净的项目结构。

 

你不一定要在微信开发者工具里写代码,因为这个开发者工具虽然集成了很多功能,部署、版本管理都可以在这里面完成,但是写代码的能力实在太差了。比如说没有智能提示,然后也没有插件。所以,推荐大家还是用VS Code去写代码,在VS Code里面打开小程序项目的根目录就可以了。

 

3. 虽然是小程序,但我们在写的过程中代码的量并不小,所以目录和文件数量还是比较多。这个项目最关键的是两个根目录,一个是cloudfunctions,一个是minprogram。minprogram是小程序端的代码,cloudfunctions是云端相关的代码。

 

minprogram会里面放三个字目录,assets里面放一些静态资源,pages目录里面放页面,components里面放组件,这是一个经典的目录划分方式。

 

4. 接下来注意一下app.json里面的关键配置,第一个是appid,这个ID一定要用你自己申请到的小程序ID,不能用别人。

    

5. 在开发小程序的过程中因为要写前端代码,写界面,明显要用到一些样式。这些样式可以自己写,如果CSS足够好或者足够有耐心就自己写没有问题,写一些风格出来。如果想快一点的话用市面上成熟的组件库,比如说WeUI提供给我们的,微信官方团队提供一组官方样式的实现叫WeUI。目前是2.0.0,把它放在assets里面,还有CSS也可以引来过来。

    

WeUI提供哪些功能?

    

你可以访问一下他们的官方网站,里面有一个体验版的小程序可以扫描看一下。它把基础的表单、导航条、基础的grid都提供给你了,这些代码可以直接抄过去使用,不用自己写这些结构。另外,它还定义了层级规范,告诉你应该怎么组织界面的层次结构,这些都是很好的功能。

    

除了WeUI之外,在小程序文档上面还可以找到内置的组件。小程序内置了很多内部的组件,比如说图表、文本,这是已有的组件库。

    

我们在全局的app.wxss里面引入WeUI相关的样式。这些样式文件的后缀都是wxss,实际上是CSS的子集,并不能支持所有的CSS规范。大家注意wxml和wxss虽然他们都支持基本的HTML和CSS的语法,但并不是全集,所以在写的时候还是有一些坑的,要特别翻阅一下官方的文档。

    

6. 我们有了样式之后就可以构建主入口四个主入口页,四个主入口野是在app.json里面改的,有一个配置项叫tabBar,list就是主入口的四个。

 

如果你不想用这个方式,可以把整个应用指向index,然后在index里面用其它布局模式来构建页面,就像你开发其它WEB应用那样。

 

我们主要功能是首页、用户之间的关系还有统计数据的图表和图形,最后是用户自己全局的设置页。

    

7. 我们来看index里面的写法,这一些文件它们互相之间的关系,如果刚好做前端开发就明白这里面的,一个常见文件,一个js文件,一个是json文件,再是json是微信配置。这里要声明一下用的导航条的颜色还有标题的文本、标题的样式这都是微信特有的地方,必须写,不写不行。如果用到外部的功能必须要声明在里面才行。

    

我在index.wxss里面就可以使用微信所提供的基本的视图的标签来写我的结构,这个是微信里面小程序所提供的顶级的器类,可以类比与DIA,它也可以写glass,这些语法大家都比较熟悉就不多说了。

    

这些结构都可以逐层嵌套,我们再看怎么定义组件。

    

8. 我们的界面上有很多是可以复用的内容,比如说首页有名片的区域,实际上在我编辑名片的地方也有这个界面,可以选择名片的模板,很明显我把它要定义为可复用的。

 

组件只能定义在components目录里面,我可以定义一个可复用的card-default组件。请注意,定义组件和定义页面的方式是不一样的,组件里面声明的类型是component而不是用page,在微信小程序这里是严格区分开的,跟其它前端框架不一样。

 

page本身是不能互相嵌套和复用,如果某个界面需要复用,必须定义成组件。

 

我们获得组件之后可以用组件名称作为标签使用,同时也可以给组件传递参数。比如说组件里面可以定义一些需要接收的参数,这个可以定义在component,如果你是(reart)的开发者,别人可以给传参数给它,参数可以传各种各样的类型,就是传一个大对象给它也是OK的。date都可以放在wxml文件里面取值都没有问题,这是组件的定义方式。有了之后就可以装出一大堆适合你的组件,可以复用的组件。

    

9. 再来看图标,我们的界面上有一些看起来不错的图标,扫一扫、预览、编辑,等等。这些图标在我们做小程序的过程中也是很实际的需求,你可以找一组很好看、很和谐的图标。

 

给大家一个神器叫iconfont,https://www.iconfont.cn ,这里面所有的日常能想到的图标都有,比如说交易、朋友圈全部都有。当然也可以选择fontawesome,但fontawesome在微信小程序里面用起来有点麻烦,主要是字体文件的嵌入问题。我尝试了一下,没有成功,如果你有兴趣,可以自己尝试一番。

 

10. 再来看图表,我要在小程序里面展现一些分析性的界面,我要描述客户之间互相的关系,要展现一些带地理信息的东西,我要展现一些曲线图,怎么办?

 

在WEB开发里面,我们有Echarts这个神器,在小程序这块,有一个ec-canvas,它是基于Echarts封装的。ec-cavas专门针对微信小程序做了封装,所以请使用它。

 

11. 我们再看怎么进行前后端的数据交互,比如说列表页和云函数是怎么用的。

    

在关系页面上只要用wx.cloud.database就可以拿到db对象,整个过程和以前操作关系的数据库还是比较类似的。在操作关系数据库的时候一般会拿一个connection对象,然后就可以用SQL进行数据库操作,做完这些操作之后可以提交事务或者回滚。

 

在云开发这里,你需要拿到一个db对象,然后利用db对象所提供的API进行数据库操作。你要搜索哪个集合,你告诉它集合的名称。下面的语法很好了解,提供一个where条件,限定取多少行,也可以orderby,提供这些语法之后就可以get到数据,提交一些函数如果成功怎么样,失败怎么样。这是操作数据库的方式。

 

操作云函数的方式也是类似的,它有对应的API,只要调用就行了。

  

12. 在实际开发过程中,还有一些小坑需要注意。比如说在做界面的时候经常用九空格来构造排列的图标,这些图标扫一扫点一下就开始扫一个图片或启动相机。但是很可惜,微信小程序只在button对象上增加了open-type属性,我们可以利用这个属性来打开相机,但是其它组件是没有open-type属性的。那怎么办呢?一个比较常见的方式在图标下面藏一个button,把它搞成透明的,这样就可以绕过去。

13. 另外客服这部分,我们做小程序经常会出现这样的需求,当别人加我为好友之后,我希望能跟他聊天。我希望有一个微信聊天一样的组件,可以发语音、发文字、发图片,但是实际上没有这样的组件,微信小程序没有提供。所以,如果你需要这样的聊天组件,可以自己封装,或者到市面上去找开源的。

 

14. 图文详情页这边的坑也要注意,小程序提供了一个叫richtext的组件,但是它能支持的HTML标签是有限的。

 

15. 富文本编辑器也很难实现,虽然小程序里面提供了一个RichEditor,但是功能还比较有限。所以,你可以发现,任何一个产品,当你做深入了之后,总能发现各种各样不爽的地方。对于这些东西,如果能绕开的话就尽量绕开,除非你的老板全力支持你,不限制你的时间,也不卡你的KPI,否则你可以需要花费大量的时间进行研究开发,出来的效果还不一定好。

 

接下来给大家看最终完成的代码,我提交了两份,在github和gitee上面都提了一份,我把路径发给你们,如果有兴趣可以自己下载下来继续研究。

 

注意,千万不要用我的appid。

 

我把云端的数据结构也给你们,这样你们就可以在本地把项目创建起来了。

 

这个小程序的主体框架我已经都实现了,总共有31个界面,总共花了4个完整的工作日,后面我找时间把它全部做好然后上线。

 

最后,请看这张图,“如何画马”?

先画两个圆圈,然后再画四条腿,然后面目表情,再画马鬃,再加一点细节,于是我们就得到了一匹好看的马,哈哈哈。

 

没办法今天现场的硬件有些限制,非常感谢大家坚持到现在。

 

完整的代码已经提交到GitHub和Gitee上:

1. https://github.com/damoqiongqiu/scrm

2. https://gitee.com/mumu-osc/scrm

---------下方更多精彩----------

 

 

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 404

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 1162

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 715

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 1125

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 708

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 906

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 821

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 2631

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 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 873

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 889

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 418

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: 5G风起,CDN边缘计算将乘风破浪
下一篇: 基于腾讯云TKE的大规模强化学习实践
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