技术创业者必读:从验证想法到技术产品商业化的全方位解析

导语 | 技术创业之路往往充满着挑战和不确定性,对于初入创业领域的人来说,如何验证自己的创业想法是否有空间、如何选择靠谱的投资人、如何将技术产品商业化等问题都需要认真思考和解决。在「TVP 技术夜未眠」第六期直播中,正马软件 CTO、腾讯云 TVP 沈淦老师和腾讯云企业中心总监 赵九州老师分享了他们关于技术创业的观点和建议。

本文为直播内容的精华摘选,详细内容可关注视频号「腾讯云 TVP」观看直播回放。无论您是准备创业或是初入创业领域,还是已经有一定经验的创业者,希望本文能为您提供有用的信息和启示。

技术创业者的定义与目的:体现价值还是追求财富

沈淦:

个人开发者、创业公司核心角色、大公司独当一面的负责人都可以算作创业。我们 TVP 有个很感动我自己的一个 Slogan ,就是「用科技影响世界」,我觉得很多搞技术的同学都会被感染这句 Slogan 感染,就是说只要坚持用技术影响世界的事情,它本身就是一种修行,就是一种创业。

我这一次创业其实心里怀着一个想法,就是希望通过自己的参与,将中国的 SaaS 能力推向商业上的成功,并尽自己的一份力推动 SaaS 行业的发展。我觉得创业除了财富回报,更多的是追求成功和价值感。

赵九州:

也说明我们沈老师还是对中国的 SaaS 领域还是非常看好,其实跟现在的环境还是有一些不谋而合。我自己之前的创业经历是基于个人兴趣和觉得酷而进行的,但随着时间推移,意识到创业的最大价值在于给行业或社会带来的革新和变化。当完成这个目标后,获得的财务收益只是对自己价值的体现,这其实是一个健康和可持续的创业思想。

如何验证脑中idea的创业可行性

沈淦:

我自己还有另外一个身份,就是一个创新领教,就是说也接触到中国很多中小企业的创业者,我的一个感受是要验证一个创业想法是否有空间,首先要看这个事情是什么。如果是偏业务的,核心点就是商业模式或者客户,这时候用户思维的角度可能更重要一些。如果是面向大众消费市场的话,第一个要突破的就是要把技术思维和产品思维抛弃,转换成用户思维的角度去思考。

但对于一些特别硬核的技术,它本身就有价值,创业者可以坚持初心,将重心放在产品的价值上。先有榔头再有钉子,成立的可能性比较高。要根据自己的情况判断,是一个硬科技还是一个消费市场的东西。如果是后者我们可能就要先放弃「手上有活就能有客户」的这种想法。

赵九州:

我也蛮认同,如果只是基于商业层面的商业模式创新,可能在中国现在的环境里已经没有大的赛道了。所以更多的还是要看技术是否先进,是否有极强的不可替代性,技术的领先性可能还是比较重要的。

技术创业者如何看待热点技术

沈淦:

对于技术同学来说,元宇宙、Web3、ChatGPT这些热点技术浪潮是一个好机会,可以选择成为卖水者,而不是淘金者,因为卖水可以帮助我们更清醒地判断现在所处的阶段和自己的能力,提高成功概率。如果卖水卖得好了,时机成熟也可以跳进来当淘金者,这是我对技术浪潮的理解。

同时,我认为所有这些浪潮背后都遵循着一些客观规律,比如必然有早期的极客、小众市场和大众市场等等。我觉得技术同学也更能清醒地判断现在是什么阶段,我们手上有什么样的能力去匹配这个阶段,这也是能提高成功概率的一个方法。最后回到根本,我们也要热爱自己所从事的事情,这才是最重要的。

赵九州:

没错,热点当然是个好事,但跟随热点创业也有负面的坏处。以前我也在市场上观察到很多,许多人会被热点所吸引,从早期的种子轮、天使轮融资时,可能因为过于容易而忽略了自己的短板。当需要跑数据、验证规模时,甚至到了后面的 B 轮 C 轮可能会面临更大的挑战。所以如果在热点退出之前没有获得足够多的技术或商业上的优势,可能会在退潮后比较难堪。

因此,创业者还是要修炼自己的内功,而不是仅仅依靠热点。

高阶职场进行职业选择应注意问题及如何评估是否适合创业

沈淦:

我自己就简单的谈一下个人的感受,然后九州老师也可以谈谈,我觉得我俩可以互补一下。

我觉得在进行职场选择时,重要的是要认清自己擅长什么,不只是技术和产品,还需要了解市场营销、财务、投融资等方面。我见过很多同学在大厂里面待的时间长,他们对一件事情的理解力是相当深。但创业是一个横向的事情,需要拼齐团队里的各个板块才能成功。所以,如果想要在初创团队里创业,先要确保自己的板块拼得够好。

赵九州:

我也有一些想补充的点。创业公司的成功不仅取决于技术和产品的长板,更重要的是能否快速从技术领导者、产品经理转变为 CFO、人力资源总监、融资选手等角色,能否把短板补起来。

例如一个程序员想创业,他能不能克服自己不善于销售的问题,去与客户交流和推销产品。如果他做不到这一点,他应该集中精力提高自己的技能,要么把技术做好,要么把本身那个公司里面的规则掌握好,然后做踏踏实实的在自己的舒适区里面把它做得更优秀,这个可能是个选择。

因此,职场人/管理者在进行职场选择时,要考虑两点,一点是在现有的职场环境中是否有提升的空间?例如本身技能的稀缺性,另一点是自己的性格和逆商是否适合创业。

留在大公司还是去小公司创业,二者该如何选择

沈淦:

我个人觉得这个事跟你处在哪个阶段是特别相关的。对于年轻人来说,去大厂工作的目的是为了学习和积累技能,而创业则是一种尝试和冒险,可以输得起,也可以通过失败来积累经验。但是对于已经有家庭责任的人来说,创业需要考虑更多的因素,如生活保障和家庭责任的承担,需要更加谨慎和理性地做出决策。再往后到了家庭负担较轻,也比较稳定的阶段,则可以更多地依据自己的兴趣和热爱去选择自己的道路。

赵九州:

我也是创业后回到职场工作,发现创业经历是一个优势,因为在面试时,公司会看重我的创新思维和冒险精神。但一开始进入职场还是比较难受的,因为在创业时我可以自己做决定,而在职场中需要遵守规则和流程,需要更多的协调工作。这让我感到进展缓慢和气馁。

但是熬过一段时间后,我发现在正常的职场中规则和流程都更加规范,加上之前的创业经历,我可以在这些规则中找到一个舒适的区间,然后把它做得更好。因此,我认为创业失败并不是一件坏事,只要在创业中有过思考、总结和技能提升,回到职场后仍然会有帮助和优势。

所以我觉得我们的人生还是需要多的体验,即使创业失败也能从中获得经验和提升,对于全面协调和格局观的提升有帮助,创业经历至少不是劣势。

沈淦:

我也特别认可九州老师的观点,我的经历是在大厂工作后创业,然后又回到职场。我深刻地感受到,在创业后再回到职场,对业务和生意的理解要比没有创业经历的同事更深入,这是一个明显的优势。虽然有些同学从事基础研究或技术领域,但大多数技术同学都与业务和生意相关,因此更深入地理解业务和生意,对于技术的发展也是很有帮助的。虽然这个道理听起来很简单,但要真正做到,没有亲身经历的同学很难理解这种差异。

创业公司递来合伙人的橄榄枝,该考虑哪些因素

沈淦:

我认为,如果我们将创业公司定义为一个比较宽泛的概念,可能会因为创业公司的大小而产生不同的判断。

如果是早期的创业公司,判断相对来说会更容易,因为我们需要关注创始人的初心和想要做的事情是否靠谱,以及他的人品是否可靠。我认为衡量一个人的可靠性可能只能依靠我们自己去感受和做更多的功课,比如行业分析和国外类似的经验参考,尤其是在技术领域。

然后我们需要判断这个事情是在国内是否是一个大赛道还是一个小赛道,这是基础判断的第一点。第二点是需要考虑创始人和我们之间是否互补,不仅是能力上的互补,还有个性上的互补,比如内向和外向、奔放和稳重等等。如果两个人性格都比较强势,那就需要慎重考虑。虽然在早期,很多人的合作还不错,但是经过一段时间的磨合后,不能继续合作的例子也很多。

赵九州:

就我个人而言,当我作为一名职场人接到创业公司的邀请时,我觉得第一步要看这个公司处于什么阶段。

如果它是一个种子轮或天使轮的早期创业公司,那么未来的赛道和经营情况都充满了极大的不确定性,此时更多需要考虑自己对这个事情的热情是否足够。

第二个方面是要看你与合伙人或创始人的能力和性格是否互补。

即使你们是技术加销售的搭档,但如果两个人都很强势,早期很难证明谁的道理是对的,因为没有数据、行业和竞争环境的参考。如果你加入的是一个比较成熟的 B 轮或 C 轮公司,那么你可以客观地去论证这个公司的产品、数据和市场,人的因素就会好很多。

还有一个方向是看公司是否选择了一个靠谱的赛道。

有时候即使你和合伙人或创始人能力和性格都很互补,但如果产品的赛道很窄,可能会遭遇到一些不可抗力的黑天鹅事件而夭折。所以,公司所处的阶段和赛道选择都是需要考虑的。

当我创业的时候,我早期在种子轮和天使轮阶段,现在回过头来看,我那个项目可能不太靠谱。但是那个时候团队的气氛和热情还是蛮好的,技术也不错,产品也不错。后来做了一个跟大公司的竞品,等到大公司来做我们就关张了,但不管怎样,我们当时的那些朋友们还是都蛮开心的,因为我们都还很年轻。但是如果你到了 30 岁左右,有老婆孩子的时候,就需要慎重考虑加入 20 多岁的小年轻们的欢乐公司了,这是我个人的感受。

从大公司管理者到创业公司合伙人,我们该如何调整适应

沈淦:

我认为创业可能会面临个人生活上的落差,但我们既然选择了长期的赌注,就需要看中未来而不是眼前的困难。虽然创业的人心理上做好了准备,但实际上可能会遇到许多困难,如团队素质不高、基础设施和流程制度都不完善等。我也有类似的感受,但我逼自己看到缺点时就会找三个优点来平衡心态,这样能更好地适应新环境。我认为创业者需要学会看到缺点并找到优点,因为每个团队都有它的优点。

创业公司如何招聘合适的人才,应看重哪些条件

沈淦:

我认为在创业初期,招募和管理团队是至关重要的。作为技术负责人,需要把招募和管理人员看作一项技术活动,通过建立模型、拆解、优化流程和跟踪结果来解决这个问题。与此同时,需要注意匹配度,即找到最适合团队需求的人,而不是只注重技能水平。虽然这个过程具有挑战性,但只要有清晰的目标和匹配度,就可以克服困难,让团队更好地发展。

赵九州:

在团队招聘方面,沈老师已经总结得比较全面了,我也补充一些个人经验。

如果创业公司是一个早期公司,很难招到特别优秀的高学历人才,一方面是因为条件待遇不好,另一方面是人才匹配和待遇方面难以接轨。在这种情况下,更多的是靠热情、气氛和环境的驱动来吸引人才。我在早期创业的经历中发现,公司刚创业的时候很穷,但大家有着兄弟般的氛围和明确的目标,这是非常重要的招聘因素之一。

如果是一个成熟的创业公司,更需要有一个明确的路线图,让人才清楚地知道公司的发展方向和自己的职业发展路径。当人才相信公司的路线图是可信且可落地的时候,他们会更愿意为未来的前景加入公司并共同前行。

沈淦:

对,我也再补充一些。我认为那些做技术时间比较长的人相对于做技术时间比较短的人来说,虽然年龄上有劣势,但是在招揽人才方面有很强的优势,因为人脉这一能力是可以积累的。如果有很多人信任你并加入你的团队,那么你的团队就会很快壮大。这也会带来更好的回报,包括资本市场和业务增长的快速提升。在团队结构调整和吸引更多优秀人才方面,不再是靠早期的光环和刷脸,而是需要更实际的东西。因此,我期待那些 35 岁以上或快 40 岁的有创业热情的人,因为他们在人才吸纳方面有非常大的优势。

怎样的管理方式比较适合高速成长阶段的企业

沈淦:

我的几段经历对于团队成长速度和规模方面还是有些意思的。比如在我曾经去过的某家公司,研发团队只有 100 多人,然后在一两年内就迅速增长到 300 人,第二年 600 人,第三年 900 人。

我认为大规模团队和小团队最大的区别在于刚开始时不要过度强调架构和技术的好坏,而是要在团队小的时候就把业务快速做起来。业务优先级是非常高的,不要追求技术上的好坏、漂亮与否、架构完备性等等,这些都不是最重要的。重要的是把业务做到一定规模后再考虑架构问题。

比如在团队达到一定规模时,技术管理者需要有非常强的判断意识,既要保证业务,也要把架构变得更合理,因为架构是提升管理效率的一个重要手段。康威定律告诉我们,系统架构的不合理会导致团队分工不合理,从而导致一些问题。

同时我觉得技术管理者在管团队时应该比其他管理者更有优势,因为团队真正产生价值的载体是代码,而不是人。所以技术管理者不能把管理团队仅仅看作是管理人,而是要看重系统和代码。

因此,管理一个团队是一个复杂的事情,需要根据不同阶段采用不同的管理手段,而不是仅仅关注管理人这个角度。当然,我主要从技术管理的角度来看待这个问题,即在不同阶段采用不同的管理策略是非常重要的,还有就是不能仅仅站在管理人这个角度来看待问题。

赵九州:

我认为沈老师说得非常有道理。因为人会越来越多,每个人都有不同的性格、技能、经验和方法,如果一直只关注管理人这一方面,系统会变得极其复杂。每个人因为同样的事情做法不同,会有不同的结果。

因此,在刚开始阶段,可以通过人去驱动业务,先把业务跑起来,等到业务增长到一定规模后,再去解决一些短板问题,如财务、税务、法务、人事等。这个时候业务优先,可以通过效率或速度来解决这些问题。

等到业务进入稳定期,发现瓶颈已经到了,这个时候才需要回过头来梳理架构、流程和机制。这个时候机制一旦明确,不管人的个性化程度如何,都可以把机制运行得很好,产出更好的结果。这是许多创业公司的基本定律。所以我非常认同沈老师的观点,先做业务再做架构。

低成本、低门槛的数字化营销方法推荐

沈淦:

我认为对于创业团队来说,做好基本动作是关键,尤其是在营销方面。通过官网、搜索优化、公众号等方式,做到细致扎实,就可以获得很好的回报,而且不需要花费太多的钱。但是在面向消费市场时,还需要根据业务形态来选择适合的营销方式,例如名单制、代理等。最重要的是吸引优秀人才来帮助建立与大客户的连接渠道。

赵九州:

创业公司在增长方面通常只有几种选择,一种是做品牌营销,但这需要很大的投入和专业能力;另一种是做产品市场,需要解决痛点、有爆点和痒点。如果这两种方式都不可行,可以选择做内容营销或 CEO 营销,以最低成本获得话题性和关注度。最终,还是要做相应的内容营销和产品市场,并在公司成熟后考虑花钱做品牌营销和其他营销方式。这些方法虽然不能解决核心问题,但在营销层面仍然有一定的价值。

沈淦:

我再做一些补充,同时我们要明确的是,营销并不是产品的根本,而是产品的附加品。我们要重视消费者对产品的认可,而不是自己的自我感觉。如果产品本身足够好,消费者会自然而然地对其认可,这才是真正的营销。因此,我们可以注重不怎么花钱的流量渠道,以观察市场反应和收集商机线索,并将这种渠道视为一面镜子,从中发现产品的优点和不足之处,进一步提升产品的质量和竞争力。

赵九州:

我非常认同沈老师的观点,即要想获得持续的成功,必须要把产品本身的能力和特性做好。即使你今天做了一个还不错的噱头,获得了一点流量,但如果没有持续性的产品价值输出,就很难获得持续的成功。我在第一次创业时,因为没有钱投广告,就跟我的创业伙伴一起专门输出行业观点和文章,通过虎嗅等媒体吸引了潜在的早期客户和投资人。我们在文章中谈到了 H5 和小程序是趋势,这些文章吸引了很多潜在客户和投资人的留言和互动,因为他们觉得我们是有思想有干货的 CEO,所以产品也肯定不差,这也吸引了最优质的客户和投资人。这个做法跟沈老师的经历有一些共同点。

初创企业可用哪些工具/服务完成必要任务

沈淦:

其实我喜欢自己动手倒腾很多东西,尤其是营销工具和数据分析方面。但我觉得我的经验可能不具有普遍代表性,如果真要推荐一个工具的话,我觉得最赞叹的还是一款数据分析工具,叫做 Metabase。

虽然它是开源的,但我认为它非常适合技术人员用于营销和经营分析,甚至技术管理分析。我认为我们技术人员的优势在于能够自己动手,尤其是那些喜欢写代码的人。但是我也认为这种方式并不适合所有人。

赵九州:

我认为,不同领域的创业者可能需要使用不同的 CRM 工具来管理客户和商机线索。在我之前的创业经历中,我们使用的是免费版或者一些创业公司提供的体验版,然后我会提出一些改进意见和小技巧。市面上有很多不错的 CRM 软件,创业公司可以选择免费版或创业公司专用的体验版。

腾讯也提供了不错的工具和优惠,如腾讯企点,它是面向需要与消费者互动的公司提供的 CRM 软件。还有初创企业上云特惠,可以帮助创业公司实现数字化转型。未来中小企业数字化工具、数据能力和服务将越来越重要,各大平台公司也将提供相应的福利。创业公司需要根据自身行业和产品场景选择适合的工具。

腾讯在远程协作的领域有非常不错的免费的面向企业的 SaaS 化的工具,如腾讯文档、腾讯会议、企业微信。

我们创业者应该注意周边工作的重要性,并且需要关注不同领域的工具和资源,以确保业务的顺畅运营和避免潜在的问题。

沈淦:

赵老师的话让我感慨很多,我们技术人在创业过程中解决的问题大多数都是数字化方面的问题。有趣的是,我们给别人提供数字化的能力往往比我们自己的技术数字化能力要先进。因此,我建议技术创业的同学们在早期就要建立起自己的数字化能力,尽早布局,使用一些开源或低成本工具来实现数字化,但不要偷懒。我们不能只用裸奔的方式来提供数字化服务,而是要武装自己。这一点非常重要,否则在后面可能会出现很多问题。

技术创业如何做好PMF和商业化,是否需要做定制化项目赚钱

沈淦:

我觉得这个话题非常有意思,因为它涉及到将我们手上的技术变成商业价值的过程。

首先,我们需要明确卖什么和怎么卖是两回事,卖什么需要细分市场、了解客户需求和创造价值,而怎么卖需要认真思考和分析。

初创企业不要过于纠结定制化和大客户,抓住机会并守住初心很重要。

此外,现在有很多技术工具可以帮助实现定制化,如低代码工具和 Serverless,这些工具可以帮助我们发挥技术优势并推动标准化。我自己也在实践这些工具,发现它们符合预期并有助于沉淀标准化能力,这是一个持续循环迭代的过程。我期待和更多同行一起探讨这个话题,因为它对于 SaaS 能否成功非常关键。

赵九州:

我认为沈老师提到的经验很有价值,因为这是亲身经历过的。我们曾经有很多朋友在创业时,只想做自己想做的事情,坚持到底,但随着市场和融资环境的变化,他们很可能会面临资金链问题。如果没有商业化相关的经验积累,很容易陷入尴尬的境地。

因此,如果创业公司有机会获得收益,一定要去尝试。

这是一个健康的现金流,有助于事业的长期发展。但是,一定要保持初心,避免最终变成一个项目公司或乙方公司,否则会非常辛苦,永远没有尽头。我之前自己创业失败了,因为我没有做好商业化准备,每年都要靠融资来烧钱,最后陷入困境。后来我们转向做项目赚钱,又出现了新问题,因为等到投资人来看你审视你的项目时,你本身的 SaaS 平台其实反而没有什么增长。

所以,初心要保持,能够对未来有帮助的项目可以尝试,但一定要知道主次。过去几年互联网环境和监管环境比较严格,创业机会不多,但我观察到最近有一个新的浪潮正在兴起,创业热情再次被点燃,资本也开始回暖,这是一个机会。

创业公司何时考虑融资,如何找到可靠的投资人

沈淦:

我觉得我看待事情可能会比较乐观。

在找投资人方面,匹配和要做的事情是最重要的,因为投资人的目的通常是提供资金、资源和方法。

我的建议是不要只关注钱,因为技术创业者通常需要寻找资源和方法,尤其是在商业方面短板明显的情况下。如果你要寻找投资人,你需要站在自己的角度,看看自己需要什么,并多与投资人沟通。针对钱的需求要根据生意模式来定,如果生意模式能够实现现金流稳定,那么对钱的需求可能不是那么强烈。

但如果需要大量资金烧钱,那么钱的需求就更加重要了。在资本市场,你需要回答好如何保证你的烧钱进程,包括定一个目标现金流,如何保证产品的打磨和市场份额等等。这些都是非常实际的问题,需要在与投资人的沟通中得到解决。

回答好盈利模式的问题对融资也很有帮助。

赵九州:

根据我的经验,创业任何时候都要融资,不管是初创还是扩张阶段。但是融资并不是唯一的成功要素,产品、项目和赛道同样重要。

如果你的这些方面足够优秀,投资人会愿意给你钱。一般来说,建立 100 个投资基金,会有 20-30 个愿意跟你谈,最后可能拿到 4-5 个 term。我第一次创业时,为了融资见了很多投资人,最终选择了创新工场的李开复老师。他们相对谨慎,但愿意给我一个 term。

事实证明确实会少融资一些钱,但好处很明显。我得以进入到一个创新工场的体系中,其中有 300 多个职业的阵营,提供了很多商业机会,通过各种商学院资源的对接,我很快就获得了业务上的帮助。即使我后来创业失败了,甚至到了腾讯上班,开复老师给我的投资背书也起到了很大的作用。因此,在选择投资基金时,除了钱之外,要看看他们背后提供的资源和商业机会。在 A 轮和 A+ 轮的融资中,我也有一些感受,投资人的靠谱取决于他们提供的条款和与项目之间的信息同步。

关于现金储备的问题,我觉得创业公司需要至少 12 到 18 个月的现金储备才能比较安全,因为资金少会使做决策变得更被动,而有足够的现金流可以让决策更加从容。

针对不同阶段的创业者,有哪些建议或经验分享

沈淦:我认为最大的挑战是懂不懂市场和客户。

我遇到了许多中小企业,有些是科技创业,有些不是,但他们都面临同样的问题,就是不知道自己的客户是谁。即使你挣了一些钱,如果不知道自己的客户在哪里,你可能还是会走冤枉路,这是创业里面遇到的最大挑战之一。另一个挑战是如何持续做对一件事情,很多人可能只是逮到了一个机会挣了一笔钱,但不知道如何持续做下去。所以,抓住机会和持续经营是两个不同的事情。

赵九州:

如何做健康的收入和增长,这一定是最核心的要素。

结语

技术创业是一项充满挑战和机遇的事业。通过掌握营销策略、数字化能力和工具资源,以及深入了解市场需求和用户体验,技术创业者可以更好地实现自己的愿景并获得成功。我们相信只有坚持初心、追求价值和革新,才能在技术创业的道路上走得更远。希望本次直播能够为技术创业者提供有益的参考和启示。

TVP技术夜未眠

TVP 技术夜未眠 —— 技术畅言,夜深不眠。聚焦最新、最热、最受关注的技术话题,邀请各领域资深专家对话 TVP 大咖,深度剖析技术原理,洞察互联网技术走向,碰撞出思维火花,照亮技术之夜。

 

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 1169

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 716

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 1128

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 911

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 625

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 1218

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 2637

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 875

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 702

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 893

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: 腾讯会议10秒编译百万代码|鹅厂编译加速标杆案例公开
下一篇: 专访同程王晓波:探一座古城,寻一位技术大侠的内功心法
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