GitHub Star数 4 万的贡献者教你如何做 Serverless 开发

导语 | Serverless 是云计算的自然演变阶段,它不再专注于底层基础设施,而是关注更高层级的通用解决方案,开箱即用、弹性计算,开发者无需再为闲置资源付费,极大提升了工作效率,并降低了运维成本。如何在 Serverless 的世界中更好地开发应用程序,提升开发者体验?本文由 Serverless.com CEO、腾讯云TVP Austen Collins 在 Techo TVP 开发者峰会 ServerlessDays China 2021上的演讲《Rethinking the Developer Experience:How to develop applications in the world of Serverless》整理而成,向大家分享。

点击可观看精彩演讲视频

一、Serverless Framework

今天我想和大家一起重新思考,如何在 Serverless 的世界中更好地开发应用程序,提升开发者体验。

我是Austin Collins(奥斯汀·柯林斯),在2015年我创建了一个很受欢迎的开源项目:Serverless Framework,它可以帮助开发人员更好地构建无服务器架构,并且从那时起,我也创办了一家名为 Serverless Inc 的公司,我目前是首席执行官。你可以在 serverless.com 上找到我们,我们有一个出色的团队,致力于提供在公司或组织中的团队开发能力,为开发团队提供构建、管理无服务器架构所需的一切。无论是创业公司还是世界500强,我们都可以提供服务。

首先也是最重要的,我是一名开发者,我一生中的大部分时间都是一名开发者。自从开始我的开发之旅以来,我常试图弄清如何将更多的精力投入到开发,并且简化管理工作。因为我更喜欢功能方面的创造性工作,而运维方面的工作更为基础,对我并不是那么有吸引力。正是这种对于开发新功能的渴望,牵引着我不断地在 Serverless 领域进行创造。

接下来,简单地介绍一下 Serverless Framework,它是一个非常受欢迎并且正在快速发展的开源项目。它目前在 GitHub 的 Star 数即将到达 4 万,总下载量约 5000 万次甚至更多。我认为,取得这些成就的原因是 Serverless Framework 给用户提供了一个完全平滑的应用开发体验,大大提升了开发人员的工作效率。

我从事这项工作已经有好几年了,从2014年 AWS 推出 lambda 的时候,我就开始使用 Serverless 技术,因此,在当前开发人员遇到不少开发体验问题之前,我就已经简要介绍过为什么要使用 Serverless。

当然,回过头来看,我之所以致力于 Serverless 应用程序或架构开发,与当前我们所处的时代相关性更高。具体来说,我们正处于一个高度竞争的时代。在你的左手边,是一些历史上的超大规模公司,在你的右手边,是大量的初创公司。我们所有人都在同一场创新竞赛之中,如果你想要独立构建和维护软件服务的每一个模块,你就很难赢得这场竞赛,甚至连跟上对手的进度都做不到。如果你想赢得创新竞赛,你必须学会把自己的业务进行拆分和托管。这就是云,也就是 Serverless 的作用,它甚至可以做得更好。

Serverless 在我看来,只是云计算的自然演变阶段。Serverless 服务不再专注于底层基础设施,而是关注更高层级的通用解决方案——Serverless 可以提供基于 API 服务,开箱即用的企业解决方案,具有完全弹性的计算能力,开发者无需再为闲置资源付费——大大提升了开发人员工作效率,并且极大地降低了运维成本。这就是我们使用云服务进行业务托管的意义所在。

云厂商们都已经认识到了这一点,它们也致力于提供更多不同种类的 Serverless 服务,让更多的开发者在这个基础之上,开发他们自己的业务。没有什么比这些新的 Serverless 服务更容易来构建软件并提高开发人员的工作效率了。对于开发者而言,这些基础的 Serverless 服务是有史以来最好的开发资源。因此我认为,在未来,针对每个实际的业务场景问题,我们都可以看到一个专门处理问题的 API 或服务。同时,也期待着开发人员将这些出色的服务组合在一起,制造出突破性的产品。

除此之外,如果你希望以最少的维护成本来提高开发人员的工作效率,那这就是 Serverless 为什么如此重要的另一原因。

Serverless 的架构究竟是怎样的?这是我谈到的将托管服务、Serverless 服务结合在一起的想法,我们应该尽可能在不同开发场景下使用它们,并将自定义代码集中在 FaaS 平台或容器中。并且,需要真正将应用托管到云服务平台,以提高开发人员的工作效率,并将维护成本降至最低。这就是 Serverless 架构的重要价值所在。

如果你想快点行动,赢得创新竞赛,而不是陷入困境。考虑到维护复杂的基础设施、成本管理、定期更新安全机制等,这一定是目前绝对最好的选择。现在,每一种新的架构、新的技术,没有绝对完美的。Serverless 当然也是一种新的架构,是我们还没有真正在市场上看到的东西。

一些挑战和差异也会随之而来。我把它们归类为三大领域,特别是在第一个领域,这些 Serverless 架构将由大量的云基础服务和复杂的部署单元组成。

如果你正在构建项目,把你的自定义代码放在函数上,你就是在做一个微服务架构。架构里的每一个功能都对基础服务有着一定依赖,比如云数据库中、消息队列、事件总线等,所有这些的结果就是你实际上在构建一个分布式系统,而分布式系统本质上更加复杂。

其次,这个分布式系统由专门在云平台运行的托管服务组成,因此,这些服务不像你习惯的那样,只需在本地笔记本电脑或本地机器上启动即可,它们只存在于云中。所以,这种开发方式破坏了很多开发人员习惯的传统工作流程。

第三,因为应用由很多云上托管服务构成,开发者可以更专注于配置的管理,有很多配置需要仔细考虑。同时,对于权限的管理也会更为复杂,因为每一个云上服务都有各自的权限控制机制,这些限制需要开发者重点关注。每个 Serverless 服务都会有自身的限制,你知道你可以用它做什么,我认为这是有帮助的,因为提前知道这些限制,远比正在构建或维护并试图自己扩展的应用时再发现它们要好得多。

我之所以提出这个问题,是因为这影响了我们对开发人员体验的思考,这些挑战从根本上挑战了我们现有的软件开发观念。作为一个开发者,知道 Serverless 的概念和价值是一个巨大的范式转变。我认为我们正处于“青春期的早期阶段”,仍然在尝试使用过去的很多东西,尽管范式已经发生了一些变化,事情也已经在我们脚下运转了。

为了明确 Serverless 开发和传统开发相比需要改变的内容,我调研了我们的公司团队之后提供了大量的解决方案,我们将其归类为三个不同的领域。

各式各样的解决方案都取得了不同程度的成功。从本地开发体验开始,我们提供了更简洁的开发方式,比如可以直接在本地创建云上基础服务,并将它们进行编排整合,集中开发,也解决了很多传统开发时遇到的挑战。

接下来,当开发者认为本地项目已经开发完成,可以直接更新云上应用。实际上,在一个开发团队中,每个开发人员都在自己本地的机器上进行开发工作,他们都在尝试进行项目的更新。当他们准备把项目推送到生产环境时,会通过 CD 把它推到指定的 stage。

我们团队从第一天就开始致力于这个场景的优化,因为我们了解开发人员的实际开发需求,我们提供了离线开发的能力以及本地模拟云上环境的能力,开发者可以通过屏幕上这个指令本地模拟开发环境,通过 node、python、ruby 等开发语言本地运行项目。

同时,也可以模拟 API 网关服务,让 API 在本地进行调用,这个功能十分成功,也是目前 Serverless Framework 最受欢迎的命令之一。

二、Serverless 开发的优缺点

这种方法的利弊是什么?

从2015年开始做到现在,我们学到了很多。我们已经看到从项目开发角度,开发者开始接受和使用这种方法理念,也看到不少开发团队使用这种方法理念进行团队的规模扩展。这种本地开发和运行的模式与传统开发方式一致,整个开发运行速度非常快,也广受开发人员欢迎。无论是代码修改,或者本地调用 API,开发者都可以快速获取应用的返回结果,比如运行日志、错误信息等,这个功能对于保持开发的高效率非常重要。

这些一定是本地开发的优势,但反之,这样的开发模式的不不足之处是什么?我认为,本地开发最大的问题是,对于个人的独立小项目或者分工十分精细的团队项目而言,这样的开发方式非常容易上手,但随着项目规模和复杂性,或者随着团队规模和数量增长,这种方式的局限性开始显现。

第一个问题,这个本地的模拟环境与实际的生产环境并不完全一致,它在很多方面都是不够精确的,具体地说,就是权限问题。只有在云上的实际开发环境下,我们才能知道项目是否拥有正确的权限配置。除非你处于云上环境,否则不会知道是否达到了某些 Serverless 服务的默认限制。因为开发与生产中使用的环境不同,当你尝试将其投入生产环境时,可能会遇到令人不快的意外。因此我个人认为,如果使用本地开发模式,你实际上并不能在只依赖本地环境完成全部开发工作,必须在云端环境继续开发工作,因为最后20%或某些功能必须通过部署到云上才可以完成开发。

第二点,目前并没有很多很好的本地开发工具,可以在本地完美模拟所有的云上服务环境,你做不到这一点。大多数人只能模拟函数服务或者 API 网关,或者其他的一些云服务,所以它是非常有限的。

另一个可能发生的情况是,Serverless 架构下的应用并不会只限于当前它们使用的云服务,往往会扩展得更多,一旦你开始为自己的应用接入更多的新服务,就会发现这些服务可能根本无法在本地进行维护或使用。在这种应用规模不断扩大的场景下,本地开发会带来大量的问题,最终导致极大的运维负担。

从我接触到的场景看,许多团队一开始怀着良好的意愿,从小规模项目扩大到复杂项目和大量的团队成员。他们的本地模拟环境极为复杂,并且需要花费大量时间来维护,太高的维护成本反而让他们失去了使用 Serverless 架构原本的优势,因为他们把所有空闲时间都花在了调研和维护本地模拟环境上。

这些都是本地开发的问题所在。

那么我们该如何应对?几年前我们就已经看到了这些问题,因此我们的目标就是专注于从本地开发到云上开发的迁移。

如果你仔细想想,就会觉得很有道理。你正在开发的服务只需要在云上运行,那么为什么不直接尝试在云中进行开发呢?只需要把应用的更新直接部署在云上,并且在云上使用和生产环境完全一致的服务进行开发,在理想模式下,这显然是一种更快的部署开发体验。但实际上,这种方案的部署速度往往会受到市场上的技术基础设施或架构的阻碍。

当开发人员试图将一行新代码部署到云中时,他们通常需要忍受30秒到几分钟的部署速度。要等那么长时间才能看到云上的变化,实在是太慢了,太乏味了。与我们所习惯的开发方式相比,这感觉太老套了。然后,从云上的日志服务中获得项目的日志又需要长达30秒的时间,加起来显然是一个非常漫长的开发流程。

所以云端开发的速度体验是这里的关键。我们和腾讯公司合作的 Tencent Serverless Framework 产品在这方面有很大的创新。

这个应用开发工具是我们和腾讯公司合作,专门为中国的开发者社区提供的产品。我们密切的合作伙伴关系让我们能够真正尝试在提升开发者体验方面,做一些开箱即用的有趣功能。在这里,你可以通过你的本地账号信息和 cli 工具,基于 serverless framework component 组件,构建云服务,并快速部署到腾讯云平台,我们花费了大量时间来确保应用的快速部署。

另外,你还可以快速地在命令行获取到应用的实时日志。我们也花了很多时间给开发者提供快速的云端开发体验,解决云端开发的问题:

  • 基于本地的应用更新,快速部署到云端;

  • 没有本地云端交互的差异;

  • 以及快速的输出运行日志,定位运行错误。

这些功能已经腾讯云上实现了,通过 Tencent  Serverless Framework,就可以快速体验这些能力。腾讯云团队在这里做了一些非常棒的工作,我认为这是一个很大的飞跃,解决了一些开发人员体验方面的挑战,真的很棒。它的优点在于,保持本地云端开发环境完全一致,可以在相同的基础设施上进行开发,但体验上,仍然感觉像是本地开发,而且还挺快的,只需要14秒部署。在5秒-14秒的部署时间和获取实时日志功能上看,这个体验已经相当不错了。

它非常好,可伸缩性也很好,你可以用它来建造复杂的项目,可以用很多云基础设施,因为使用的内容与生产中使用的内容相同。

现在我们用这种方法遇到的最大的问题是什么?那就是共享托管服务和云帐户。

你最终仍然要在整个开发团队中做很多这样的工作,这还是会导致冲突,需要团队协调如何在这些分布式系统之间共享所有云上资源。所有这些导致的最大的问题就是降低了开发的自主性,开发人员不能按照自己的开发节奏进行开发,不能在一个独立的开发环境中快速工作。

三、Serverless Cloud

因此,我们也一直在考虑如何解决这个问题。我们认为自己在这方面已经取得了很大的进步,但是也还在尝试一些其他的东西,试图成为解决所有这些挑战的银弹。

我们推出了名为 Serverless Cloud 的全新产品,想让开发人员能够在多云上进行开发。

这意味着开发人员可以在云上进行开发,但很容易克隆他们的所有代码、基础设施甚至数据,我认为这是前所未有的,以实现开发人员的完全自主。

当然,最好的介绍方式是展示它的功能,所以这里我打开了 VSCode 为大家介绍一下 Serverless Cloud 的体验。

我们可能需要不同的用例,比如 API、数据库、计划任务等等。我有一个待办事项应用程序将于周五发布,它有一个后端,全部建立在 Serverless Cloud 上。我的第一步是将其部署到生产阶段,过五秒钟,它就可以启动并运行了。

我有一个url,还有一个 Serverless 应用程序,我会在这里和Firefox上打开,在那里它有一个前端,还有一个 Serverless API,这些任务都是在后端持久化的。所以现在做一些任务,我也要改变这些任务的状态。

这一点很重要,因为接下来我将返回并输入另一个命令,将生产环境克隆到一个完整的独立应用程序中。这不仅仅是克隆代码基础设施,也是克隆数据。

五秒钟后,我就有了一个全新的url,指向另一个完全孤立的应用程序。你甚至可以看到数据的消耗与生产应用程序的状态一模一样。

同样,在几秒钟内,开发人员能够将一个环境、一个 stage 克隆到一个孤立的 stage、一个独立的基础架构或者自己的沙箱(自己的工作空间),在那里他们可以进行快速更改开发而不会被阻止,不会遇到多团队开发的冲突。

他们现在要做的就是运行 cloud start。在这里,他们可以观察变化,观察事件的保存;可以开始迭代应用程序。我只需要更新待办事项应用上的标题,按下保存键。

大约三秒钟后,这些更改就部署了,我将回到我的沙箱应用程序,你可以看到标题已经更改了,生产环境的应用程序仍然保持原样。

这种开发模式最终提供了高效率的云上开发体验,同时解决了维持开发独立性的问题。可能是除了最前沿的技术发展之外,我们在这里能做的最好的工作,通过这种方式解决开发人员的体验问题,完成开发方式的转变。

非常感谢大家的聆听,如果大家有任何问题,可以在 Twitter 上搜索 Austen Collins 找到我,当然你在 serverless.com 了解到更多的产品信息,谢谢。

讲师简介

Austen Collins

Serverless.com CEO、腾讯云TVP

Austen Collins是无服务器公司(Serverless.com)的首席执行官和创始人。该公司为在 serverless 云服务上构建应用程序的开发者和组织制作工具。他在2015年创建了 Serverless Framework,这是一个无服务器应用框架,后来发展成为世界上最受欢迎的开源项目之一。他也是CloudEvents(一种事件数据的标准格式)的创建者之一,并且是云原生计算基金会的 Serverless 的指定发言人。

推荐阅读

Serverless + 低代码,让技术小白也能成为全栈工程师?

左耳朵耗子:Serverless 究竟是什么?

“坑”这么多,为什么我们还要做 Serverless?

连接人与万物,腾讯云 Serverless 助力打造更友好的世界

点击观看峰会的精彩总结视频????


???? 错过了直播懊悔不已?本次峰会所有嘉宾的演讲视频回顾上线啦,点击「阅读原文」即可观看~

???? 看视频不过瘾还想要干货PPT?关注本公众号,在后台回复关键词「serverless」即可获取!

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: Serverless + 低代码,让技术小白也能成为全栈工程师?
下一篇: 热爱开源,为我带来了什么?
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