鹅厂程序员的9个生存法则

f61b8050ce2520daef94d593de2bd394.png

9b0fe314c4c62e14cb4b78fc8b9e8e8b.gif

👉腾小云导读

本文作者在腾讯多年,主要从事的是腾讯云CDN、EdgeOne产品的后台研发工作。作者在云计算领域遇到了不少代码设计和程序设计的问题,他对于如何把项目中的代码标准化、提高开发维护的效率,做了总结梳理。本篇为各位分享作者总结的代码设计、架构设计原则和工作思维。欢迎阅读~

👉目录

1 万物皆可抽象

    1.1 遵循DRY原则

    1.2 SOLID 原则

    1.3 应用设计模式

2 高可用设计

    2.1 设计高可用的系统架构

    2.2 日志和监控,包含服务级和业务级

    2.3 做好容灾设计
    2.4 系统稳定是一名后台开发的生命线

3 想尽一切办法“偷懒”

    3.1 优化重复流程、一切自动化

    3.2 使用模板和标准化流程

    3.3 应用项目管理工具和流程

4 从价值出发,专注于最重要的事

5 沟通与协作也是身为开发的必备技能

6 凡事有交代,件件有着落,事事有回音

7 保持开放和学习的心态

8 职业发展

9 横向发展

01、万物皆可抽象

   1.1 遵循 DRY 原则

DRY 原则(Don’t Repeat Yourself),中文直译为:不要重复自己。将它应用在编程中,可以理解为:不要写重复的代码。

或许有些开发者会想当然地认为,只要代码有重复就是违反 DRY 原则了。真的是这样吗?答案是否定的。实际上,重复的代码不一定违反 DRY 原则,而有些看似不重复的代码也有可能违反 DRY 原则。

DRY 原则的典型代码重复情况有三种:实现逻辑重复、功能语义重复和代码执行重复。下面我们简单分享。

   1.1.1 实现逻辑重复

以下是一个实现逻辑重复的例子:

class Calculator:
    def add(self, a, b):
        return a + b

    def subtract(self, a, b):
        return a - b

    def multiply(self, a, b):
        return a * b

    def divide(self, a, b):
        if b == 0:
            # ...throw DivideByZeroException...
        pass
        return a / b

class AdvancedCalculator(Calculator):
    def power(self, a, b):
        result = 1
        for i in range(b):
            result *= a
        return result

    def square_root(self, a):
        if a < 0:
            # ...throw InvalidInputException...
            pass
        return math.sqrt(a)

在这个例子中,AdvancedCalculator 继承了 Calculator,但是在 AdvancedCalculator 中实现了 power 和 square_root 方法,这两个方法的实现与 Calculator 中的 multiply 和 divide 方法有很多重复的逻辑。例如,power 方法中的循环可以使用 multiply 方法来实现,square_root 方法中的判断可以使用 divide 方法来实现。这种重复的逻辑会导致代码冗长、难以维护,并且容易出现错误。

   1.1.2 功能语义重复

功能语义重复是指代码中存在相同的功能语义,但是代码的实现不同。例如,以下代码中的两个函数都实现了计算一个数的平方,但是它们的实现方式不同:

def square1(x):
    return x ** 2

def square2(x):
    return pow(x, 2)

可以看到,这段代码中存在相同的功能语义,即计算一个数的平方,但是代码的实现不同。如果我们遵循DRY原则,可以将计算一个数的平方抽象成一个函数,然后在需要计算平方的地方调用该函数,避免了功能语义的重复。

def square(x):
    return x ** 2

   1.1.3 功能语义重复

UserService 中  login() 用来校验用户是否登陆成功,如果失败就返回异常,否则返回用户信息。

class UserRepo:
    def __init__(self, db):
        self.db = db

    def check_if_user_existed(self, email, password):
        if not EmailValidation.validate(email):
            # ...throw InvalidEmailException...
            pass
        if not PasswordValidation.validate(password):
            # ...throw InvalidPasswordException...
            pass
        # ...query db to check if email&password exists...
        
    def get_user_by_email(self, email):
        if not EmailValidation.validate(email):
            # ...throw InvalidEmailException...
            pass
        # ...query db to get user by email...

class UserService:
    def __init__(self, user_repo):
        self.user_repo = user_repo

    def login(self, email, password):
        existed = self.user_repo.check_if_user_existed(email, password)
        if not existed:
            # ...throw AuthenticationFailureException...
            pass
        user = self.user_repo.get_user_by_email(email)
        return user

从上面代码可以发现,login() 调用 UserRepo 的 check_if_user_existed() 和 get_user_by_email(),这两个函数都校验了一次 email 。我们可以将校验代码放到 login() 即可。

另外还有一个隐藏的执行重复问题,login()并不需要调用check_if_user_existed(),只需要调用一次 get_user_by_email() ,从数据库中获取用户的 email、password 等信息跟用户输入的 email、password 信息做对比,依次判断是否登陆成功。

实际上,这样的优化是很有必要的,因为两个函数都查询了数据库,数据库 I/O 操作是比较耗时的,在写代码的时候应当减少这类 I/O 操作。

按照刚刚的思路把代码重构一下:

class UserService:
    def __init__(self, user_repo):
        self.user_repo = user_repo

    def login(self, email, password):
        if not EmailValidation.validate(email):
            # ...throw InvalidEmailException...
            pass
        if not PasswordValidation.validate(password):
            # ...throw InvalidPasswordException...
            pass
        user = self.user_repo.get_user_by_email(email)
        if user is None or password != user.password:
            # ...throw AuthenticationFailureException...
            pass
        return user
class UserRepo:
    def __init__(self, db):
        self.db = db

    def check_if_user_existed(self, email, password):
        # ...query db to check if email&password exists...

    def get_user_by_email(self, email):
        # ...query db to get user by email...

这样做以后,整个代码结构变得更清晰了,类的职责也更加统一。

身为一名合格的程序员,要时刻谨记不干“重复”的事情,能抽象的都做抽象,对后续系统的维护有很大的帮助。

   1.2 SOLID 原则

在程序设计领域, SOLID(单一功能、开闭原则、里氏替换、接口隔离以及依赖反转)是由罗伯特·C·马丁在21世纪早期引入,指代了面向对象编程和面向对象设计的五个基本原则。当这些原则被一起应用时,它们使得一个程序员开发一个容易进行软件维护和扩展的系统变得更加可能。

   1.2.1 单一职责原则(Single Responsibility Principle,SRP)

一个类应该只有一个职责。通过将职责抽象成不同的类或方法,我们可以更好地组织和管理代码。

所谓职责是指类变化的原因。如果一个类有多于一个的动机被改变,那么这个类就具有多于一个的职责。而单一职责原则就是指一个类或者模块应该有且只有一个改变的原因。

很多人认为这个原则是针对一个类进行描述,在我看来这里使用模块这个更加抽象的名词更为合适。在设计中,小到一个方法,大到一个模块我们都应该尽量去遵循单一职责原则。

相信在我们日常开发中,每个人都遇到过改了一个问题经常会引起另一个问题。其原因大多都是因为在设计上违背了单一职责原则。

如果一个类承担的职责过多,就等于把这些职责耦合在一起了。一个职责的变化可能会削弱或者抑制这个类完成其他职责的能力。这种耦合会导致脆弱的设计,当发生变化时,设计会遭受到意想不到的破坏。而如果想要避免这种现象的发生,就要尽可能地遵守单一职责原则。

此原则的核心就是解耦合增强内聚性,是为了实现代码高内聚、低耦合,提高代码的复用性、可读性、可维护性。

还是上面的例子:

```
class UserManager:
    def __init__(self, user_repo):
        self.user_repo = user_repo

    def create_user(self, name, email, password):
        if not EmailValidation.validate(email):
            # ...throw InvalidEmailException...
            pass
        if not PasswordValidation.validate(password):
            # ...throw InvalidPasswordException...
            pass
        user = User(name, email, password)
        self.user_repo.save_user(user)

    def get_user_by_email(self, email):
        if not EmailValidation.validate(email):
            # ...throw InvalidEmailException...
            pass
        user = self.user_repo.get_user_by_email(email)
        return user

class UserRepo:
    def __init__(self, db):
        self.db = db

    def save_user(self, user):
        # ...save user to db...

    def get_user_by_email(self, email):
        # ...query db to get user by email...
```

还是类似的例子,UserManager 类负责用户的创建和获取,而 UserRepo 类负责用户的存储和查询。这两个类各自承担了不同的职责,符合单一职责原则。如果将这两个职责合并到一个类中,就会导致这个类的职责过于复杂,难以维护。

   1.2.2 开闭原则(Open-Closed Principle,OCP)

当我们在软件开发中添加新功能或修改现有功能时,我们希望这些更改不会破坏现有的代码。这就是开闭原则(Open-Closed Principle,OCP)的核心思想:软件实体(类、模块、函数等)应该对扩展开放,对修改关闭。

换句话说,我们应该通过添加新的代码来扩展软件的功能,而不是修改现有的代码。这样做的好处是,我们可以保证现有的代码仍然能够正常工作,同时也可以避免引入新的错误。

以下是一个符合开闭原则的例子:

class Shape:
    def area(self):
        pass

class Rectangle(Shape):
    def __init__(self, width, height):
        self.width = width
        self.height = height

    def area(self):
        return self.width * self.height

class Circle(Shape):
    def __init__(self, radius):
        self.radius = radius

    def area(self):
        return math.pi * self.radius ** 2

在这个例子中,Shape 类定义了一个抽象方法 area,表示计算形状的面积。Rectangle 和 Circle 类继承了 Shape 类,并实现了 area 方法来计算矩形和圆形的面积。如果我们需要添加一个新的形状,例如三角形,我们只需要创建一个新的类并实现 area 方法即可,而不需要修改现有的代码。

这个例子中的代码符合开闭原则,因为它对扩展开放(我们可以添加新的形状),对修改关闭(我们不需要修改现有的代码)。

遵循开闭原则的好处是,我们可以编写具有可扩展性和可维护性的代码,从而提高软件开发的效率和质量。如果我们的代码不具备这些特性,那么在软件开发过程中就会遇到很多问题,例如:

当我们需要添加新的功能时,我们可能需要修改现有的代码,这可能会破坏现有的功能或引入新的错误。

当我们需要修改现有的代码时,我们可能会影响到其他部分的代码,这可能会导致其他功能出现问题。

当我们需要维护代码时,我们可能会发现代码难以理解或难以修改,这可能会导致维护成本增加。

遵循开闭原则是非常重要的,它可以帮助我们编写具有可扩展性和可维护性的代码,从而提高软件开发的效率和质量。

   1.2.3 里氏替换原则(Liskov Substitution Principle,LSP)

里氏替换原则(Liskov Substitution Principle,LSP)是 SOLID 原则中的第三个原则,它强调了子类应该能够替换其父类并且不会影响程序的正确性。

里氏替换原则强调的是设计和实现要依赖于抽象而非具体;子类只能去扩展基类,而不是隐藏或者覆盖基类,它包含以下4层含义

子类可以实现父类的抽象方法,但不能覆盖父类的非抽象方法,父类中凡是已经实现好的方法(相对于抽象方法而言),实际上是在设定一系列的规范和契约,虽然它不强制要求所有的子类必须遵从这些契约,但是如果子类对这些非抽象方法任意修改,就会对整个继承体系造成破坏。

以下是一个符合里氏替换原则的例子:

class Rectangle:
    def __init__(self, width, height):
        self.width = width
        self.height = height

    def get_width(self):
        return self.width

    def set_width(self, width):
        self.width = width

    def get_height(self):
        return self.height

    def set_height(self, height):
        self.height = height

    def area(self):
        return self.width * self.height

class Square(Rectangle):
    def __init__(self, size):
        self.width = size
        self.height = size

    def set_width(self, width):
        self.width = width

    def set_height(self, height):
        self.width = height

在这个例子中,Rectangle 类表示一个矩形,它有一个 width 和一个 height 属性,以及一个计算面积的方法 area。Square 类继承了 Rectangle 类,并重写了 set_width 和 set_height 方法,以确保正方形的宽和高始终相等。

这个例子中的代码符合里氏替换原则,因为我们可以用 Square 类的实例替换 Rectangle 类的实例,并且程序的行为不会受到影响。这是因为 Square 类继承了 Rectangle 类的行为,并且没有改变它。

   1.2.4 接口隔离原则(Interface Segregation Principle,ISP)

接口隔离原则也叫Interface Segregation Principle、ISP,要求程序员尽量将臃肿庞大的接口拆分成更小的和更具体的接口,让接口中只包含客户感兴趣的方法。2002 年罗伯特·C·马丁给“接口隔离原则”的定义是:客户端不应该被迫依赖于它不使用的方法(Clients should not be forced to depend on methods they do not use)。

该原则还有另外一个定义:一个类对另一个类的依赖应该建立在最小的接口上(The dependency of one class to another one should depend on the smallest possible interface)。

以上两个定义的含义是:要为各个类建立它们需要的专用接口,而不要试图去建立一个很庞大的接口供所有依赖它的类去调用。

感觉可能与单一职责原则很像,接口隔离原则和单一职责都是为了提高类的内聚性、降低它们之间的耦合性,体现了封装的思想,但两者是不同的:

单一职责原则注重的是职责,而接口隔离原则注重的是对接口依赖的隔离。

单一职责原则主要是约束类,它针对的是程序中的实现和细节;接口隔离原则主要约束接口,主要针对抽象和程序整体框架的构建。

简单来说接口隔离原则与单一职责的定义的规则是不相同的,单一职责要求的是类和接口职责单一,注重的是职责,没有要求接口的方法减少,例如一个职责可能包含 10个方法,这 10个方法都放在一个接口中,并且提供给多个模块访问,各个模块按照规定的权限来访问,在系统外通过文档约束不使用的方法不要访问,按照单一职责原则是允许的,按照接口隔离原则是不允许的。

   1.2.5 依赖倒置原则(Dependency Inversion Principle,DIP)

依赖倒置原则(Dependency Inversion Principle,简称DIP)是面向对象设计原则之一,它强调高层模块不应该依赖于低层模块,而是应该依赖于抽象。换句话说,依赖关系应该建立在抽象层次上,而不是具体实现层次上。这样可以降低模块间的耦合度,提高系统的可扩展性和可维护性。

依赖倒置原则主要包含以下两个方面:

  • 高层模块不应该依赖于低层模块,两者都应该依赖于抽象。

  • 抽象不应该依赖于具体实现,具体实现应该依赖于抽象。

为了更好地理解依赖倒置原则,我们可以通过以下几个步骤来应用它:

识别模块间的依赖关系:在设计系统时,我们需要识别出各个模块之间的依赖关系,以便确定哪些模块需要遵循依赖倒置原则。

定义抽象接口:为了实现依赖倒置原则,我们需要定义一个抽象接口,让高层模块和低层模块都依赖于这个接口。这样,高层模块就不再直接依赖于低层模块的具体实现,而是依赖于抽象接口。

实现抽象接口:低层模块需要实现抽象接口,这样高层模块就可以通过抽象接口与低层模块进行交互。这种方式可以确保高层模块与低层模块之间的解耦,提高系统的可扩展性和可维护性。

依赖倒置原则是一种有效的设计原则,可以帮助我们构建更加灵活、可扩展和可维护的系统。通过将依赖关系建立在抽象层次上,我们可以降低模块间的耦合度,从而提高系统的整体质量。

   1.2.6 小结

原则

含义

单一职责原则

(Single Responsibility Principle,SRP)

一个类应该只有一个职责。通过将职责抽象成不同的类或方法,我们可以更好地组织和管理代码。

开闭原则

(Open-Closed Principle,OCP)

一个类应该对扩展开放,对修改关闭。通过使用抽象类或接口来定义通用的方法或属性,我们可以更好地实现代码的扩展性。

里氏替换原则

(Liskov Substitution Principle,LSP)

子类应该能够替换父类。通过使用抽象类或接口来定义通用的方法或属性,我们可以更好地实现代码的可扩展性和可维护性。

接口隔离原则

(Interface Segregation Principle,ISP)

一个类不应该依赖于它不需要的接口。通过将接口抽象成不同的类或方法,我们可以更好地组织和管理代码。

依赖倒置原则

(Dependency Inversion Principle,DIP)

高层模块不应该依赖于低层模块,它们应该依赖于抽象。通过使用抽象类或接口来定义通用的方法或属性,我们可以更好地实现代码的可扩展性和可维护性。

d196cfe29a1e92ccefc635ca16ea94ee.png

   1.3 应用设计模式

设计模式是一种常见的代码设计思想,它可以帮助我们解决常见的代码设计问题。通过使用抽象思维,我们可以更好地理解和应用设计模式,以便更好地组织和管理代码。

抽象思维在代码设计中非常重要。通过使用不同的代码设计思想和准则,我们可以将具体的事物抽象成一般性的概念或模型,以便更好地组织和管理代码。一堆抽象度很低的代码,很容易就会成为我们项目当中人人唾弃的对象(简称代码“屎山”)。

这里总结了23种常见的设计模式,在做系统设计时,可以根据需求,使用对应的设计模式:

类别

设计模式

简要介绍

创建型模式

单例模式

确保一个类只有一个实例,并提供一个全局访问点。

工厂方法模式

定义一个创建对象的接口,让子类决定实例化哪一个类。

抽象工厂模式

提供一个接口,用于创建相关或依赖对象的家族,而不需要明确指定具体类。

建造者模式

将一个复杂对象的构建与其表示分离,使得同样的构建过程可以创建不同的表示。

原型模式

通过复制现有的实例来创建新的实例。

结构型模式

适配器模式

将一个类的接口转换成客户期望的另一个接口。

桥接模式

将抽象部分与实现部分分离,使它们可以独立地变化。

组合模式

将对象组合成树形结构以表示“部分-整体”的层次结构。

装饰器模式

动态地给一个对象添加一些额外的职责。

外观模式

为子系统中的一组接口提供一个统一的接口。

享元模式

使用共享技术有效地支持大量细粒度的对象。

代理模式

为其他对象提供一个代理以控制对这个对象的访问。

行为型模式

责任链模式

为请求创建一个接收者对象的链。

命令模式

将一个请求封装为一个对象,从而使您可以用不同的请求对客户进行参数化。

解释器模式

给定一个语言,定义它的文法的一种表示,并定义一个解释器。

迭代器模式

提供一种方法顺序访问一个聚合对象中各个元素,而又不暴露该对象的内部表示。

中介者模式

用一个中介对象来封装一系列的对象交互。

备忘录模式

在不破坏封装的前提下,捕获一个对象的内部状态,并在该对象之外保存这个状态。

观察者模式

当一个对象的状态发生改变时,其相关依赖对象会被自动更新。

状态模式

允许一个对象在其内部状态改变时改变它的行为。

策略模式

定义一系列算法,把它们一个个封装起来,并且使它们可互相替换。

模板方法模式

定义一个操作中的算法的骨架,而将一些步骤延迟到子类中。

访问者模式

在不改变数据结构的前提下,定义作用于某种数据结构中的各元素的新操作。

02、高可用设计

   2.1 设计高可用的系统架构

高可用的系统架构是实现系统高可用性的基础。因此,我们应该设计高可用的系统架构,包括负载均衡、集群、分布式、异地多活等特点。例如,我们可以使用腾讯云CLB来实现负载均衡,使用Kubernetes来实现容器集群,使用分布式数据库来实现数据的高可用性,使用异地多活来实现系统的容灾和备份。

在系统设计之初,一定要避免出现服务单点问题!

   2.2 日志和监控,包含服务级和业务级

监控是保证系统高可用性的重要手段。我们应该做好各路的监控,包括系统的性能监控、服务的健康监控、网络的流量监控、日志的收集和分析等。通过监控,我们可以及时发现系统的异常和故障,快速定位和解决问题,保证系统的稳定性和可用性。

在做日志和监控设计时,应该考虑以下因素:

可读性:日志和监控应该易于阅读和理解,以便快速定位和解决问题。

可靠性:日志和监控应该具有高可靠性,以确保监控结果的准确性。

可扩展性:日志和监控应该能够轻松地扩展,以满足未来的需求。

实时性:日志和监控应该具有实时性,以便快速发现和解决问题。

   2.3 做好容灾设计

容灾设计对于一个系统的稳定性来说至关重要。从系统和架构设计的角度,做好服务容灾需要综合考虑多个方面,包括分布式架构、多数据中心冗余、数据备份与恢复、容灾预案、监控告警、容量规划等。通过这些措施,可以提高系统的可用性和容错能力,确保在发生灾难时能够快速恢复服务。

对于部分系统,在发生故障时,选择性地进行服务降级,也是一种有效的手段:牺牲掉不重要的服务,保证核心服务的正常运行。

下面有一些容灾设计的准则,供大家参考:

分布式架构:采用分布式架构可以提高系统的可用性和容错能力。通过将服务拆分成多个微服务,并部署在不同的服务器上,可以降低单点故障的风险。同时,分布式架构还可以提高系统的伸缩性,以应对不同的业务需求。

多数据中心和地域冗余:为了应对自然灾害或其他不可抗力因素,可以将服务部署在多个数据中心和地域。这样,即使某个数据中心出现故障,其他数据中心仍可以继续提供服务。同时,通过使用负载均衡和智能路由技术,可以确保用户请求被分配到最近的可用数据中心。

数据备份和恢复:定期对关键数据进行备份,并将备份数据存储在安全的地方,以防数据丢失。同时,需要制定数据恢复计划,并定期进行恢复演练,以确保在发生灾难时能够快速恢复数据。

容灾预案:制定详细的容灾预案,包括灾难发生时的应急响应流程、责任人、通讯方式等。并定期组织演练,以提高团队在应对灾难时的协同能力。

监控和告警:建立全面的监控体系,对系统的各个环节进行实时监控,包括服务器、网络、数据库、应用等。一旦发现异常,立即触发告警,通知相关人员进行处理。

容量规划:根据业务发展趋势和历史数据,进行容量规划,确保系统具备足够的资源来应对未来的业务增长。同时,需要定期进行容量评估,以便及时调整资源分配。

   2.4 系统稳定是一名后台开发的生命线

稳定是后台开发的生命线。我们应该注重系统的稳定性和可靠性,从设计、开发、测试、部署、运维等各个环节,都要注重稳定性和可靠性验证。我们应该遵循“稳定优先”的原则,保证系统的稳定性和可用性,为用户提供更好的服务和体验。

10d9b4419239a077dfbeec26181bb61c.png

此外,腾讯云开发者公众号也分享过不少关于高可用系统的建设思路和经验如工作十年,在腾讯沉淀的高可用系统架构设计经验、腾讯专家10年沉淀:后海量时代的架构设计。

03、想尽一切办法“偷懒”

这里说的“偷懒”并不是让大家真的去偷懒,而是一种思考问题的方式。

打个比方,产品经理经常会要求我们导出近期一段时间内,用户的活跃数据、用户的付费意愿、域名的带宽增长情况、某个新上功能的使用情况等,每次的要求都有所不同,非常耗费和占用研发的时间。后面我们想了个办法,我们将这些运营基础数据(用户纬度、域名纬度、功能纬度),通通上报到公司的BI系统(类似于一个运营报表生成平台),让产品自行决策需要哪些数据、怎么使用这些数据,这样研发既不需要再给产品经理导出数据,又可以让产品经理自己随意“折腾”,双方的效率都得到了很大的提升。

下面这些方法论可以供给大家参考。

   3.1 优化重复流程、一切自动化

在工作中,我们经常需要处理重复的流程,例如手动导出数据、手动处理数据等等。这些重复的流程不仅浪费时间和精力,还容易引入错误和漏洞。建议定期复盘近期一直在重复做的事情,主动优化掉这些重复的工作内容。

   3.2 使用模板和标准化流程

模板和标准化流程是另一种避免重复流程的方法。例如,我们可以使用标准化流程来处理数据,使用模板来生成重复的文档或报告等等。举个例子,我们需要每周向客户发送一份报告,将每周的运营数据和相关情况同步给客户。其实我们完全可以创建了一个标准化的报告模板,并使用自动化脚本来生成报告,这样大大减少了手动编写报告的工作量,提高了工作效率。

   3.3 应用项目管理工具和流程

项目管理工具和流程是一种常见的管理方法,它们可以帮助我们优化重复流程,提高工作效率。例如,我们可以使用项目管理工具来跟踪任务和进度,使用流程图来优化流程等等。

04、从价值出发,专注于最重要的事

我们应该始终坚持从用户价值和需求价值出发,关注用户的需求和痛点,为用户提供有价值的产品和服务。同时,我们也应该多问一些为什么,思考这件事是否是当下最重要的事情,这个事情不做或怎么样,当前我最重要的是做什么。只有选对了方法和方向,才能做出有意义的事情,为用户和整个产品创造价值。

在我过去的经验里面,很多时候前方接触客户的同学经常会叫着说“XX客户要求实现一个怎么怎么样的需求,我们赶紧搞起来”,但往往这个时候,我会反问一句:“这个事情不做会怎么样?做了又能带来什么收益?我们是不是应该从整个系统设计的角度,提前就满足好这类客户的需求,而不是临时抱佛脚?”。其实我们会发现,往往就因为这么多问一句,会发现其实这个需求并没有那么重要,更重要的是我们需要提炼出更多通用化系统化的能力,提前满足到这类用户/客户的场景,对于我们整个系统和产品的长远发展来说显得尤为重要。

如果我们总是在干一些快速和短期的事情,就需要思考我们是否真的在朝着我们的目标在进发了。

05、沟通与协作也是身为开发的必备技能

在软件开发中,沟通能力是非常重要的技能。很多开发同学会直接把自己简单纯粹地定义为“一个只负责写代码的人”,这其实是一个思想上的误区。在开发过程中,程序员其实需要与团队成员如产品经理,甚至用户或客户进行大量的沟通,以便更好地理解需求、协同工作、解决问题等。

  • 更好地理解需求

程序员需要与产品经理,甚至用户进行沟通,以便更好地理解需求。只有理解了用户和客户的需求,才能开发出符合需求的软件产品。如果程序员没有良好的沟通能力,就很难理解用户和客户的需求,从而导致开发出的软件产品与用户和客户的需求不符。

  • 协同工作

稍微大点的项目开发,往往是一场“团战”。程序员需要与其他同事进行沟通,以便更好地协同。只有通过良好的沟通,团队成员才能理解彼此的需求和想法,协同完成项目的开发和交付。如果程序员没有良好的沟通能力,就很难与团队成员进行有效的沟通和协作,从而导致项目的延误和质量问题。

  • 解决问题

在软件开发中,问题是难以避免的。程序员需要与团队成员、用户、客户等进行沟通,以便更好地解决问题。只有通过良好的沟通,才能及时发现和解决问题,保证项目的顺利进行。如果程序员没有良好的沟通能力,就很难与团队成员、用户、客户等进行有效的沟通和问题解决,从而导致问题的滋生和扩大。

  • 推动和解决

在大公司里面,推动沟通能力也是一种掌控资源的能力,我们往往会发现,沟通不好的人推动事情总是很慢,总是获得不到他想要的资源,导致事情一直难以获得落地。

打个比方,TEAM A 的小 X 是一名程序员,虽然技术能力很强但不善言辞,他在项目上有一个获取 IP 地理位置的需求,刚好另一个团队 TEAM B 有这块的一些积累,小 X 希望能调用他们的接口,获取到 IP 的一些地理位置信息。但奈何 TEAM B 的同学对这个事情提不起兴趣,觉得这不是他们的义务,也没什么收益,所以不管小 X 怎么努力,TEAM B 的人就是不予理睬,不配合。这时候小 X 的一位同事小 Y 发现了这个问题,并协助他一块解决,小 Y 是怎么做的呢,首先小 Y 拉上了 TEAM A 和 TEAM B 团队的领导,并说明了这个事情的重要性、对公司的意义、对双方团队的收益,很快,TEAM B 的领导马上就安排了一名团队核心骨干同学参与支持,并解决了问题,小 X 对小 Y 佩服得五体投地。

所以,沟通能力对于程序员来说也非常重要,千万别小看沟通这项技能,毕竟身为程序员,除了写代码以外,还有很长的时间都在和人在打交道。

06、凡事有交代,件件有着落,事事有回音

“凡事有交代,件件有着落,事事有回音”,其实翻译过来就是“做事靠谱”,负责的事情一定会认真负责到底,及时反馈和响应。

成为一位靠谱同事,你的行为准则就是你个人的铭牌,同事会十分愿意与你合作。职场本质上也是一个互相支持的过程,你对别人工作的支持,在你有求时别人也会积极支持你。

成为一位靠谱的员工,上司会非常喜欢这类员工,工作认真负责,交办的事可控。你的行事风格,会让上司看在眼里,记在心里,在上司打考核的时候也会考虑到这一点。

遵循“凡事有交代,件件有着落,事事有回音”原则,能够更好地完成自己的工作任务,提大家整体的协作效率,在我看来也是非常重要的一项行为准则。

07、保持开放和学习的心态

在当前技术更新迭代速度非常快的时代,程序员需要时常保持有一颗学习的心态。

  • 技术更新迭代速度非常快

当前的技术更新迭代速度非常快,新技术和新工具层出不穷。如果程序员不保持开放和学习的心态,就很容易被淘汰,无法适应新的技术,从而影响长期的职业发展。

  • 学习是程序员的必备技能

作为程序员,学习是必备的技能。只有不断学习新的技术和工具,才能保持自己的竞争力和创新能力。比如最近火爆全网的chatgpt,如果不及时跟进学习类似的AI工具,相信很快就会有不少的人被淘汰掉。

  • 学习可以提高工作效率和质量

学习新的技术和工具可以提高程序员的工作效率和质量。新的技术和工具通常都有更高效的解决方案和更好的性能,可以帮助程序员更快地完成工作任务,提高工作效率和质量。 比如GO语言在1.18版本新推出的泛型支持,可以很好地解决GO中缺乏泛型,导致一个相同功能的函数,需要为不同的变量类型重复写很多遍函数的问题。

总体来说,程序员我认为是一个需要保持终身学习的职业,知识永远都在往前更新迭代,我们需要做的,就是保持一颗开放和学习的心态,对技术保持敏感和热度。

bf1115bfea28ba33f27b912c071d3cad.png

08、职业发展

职场中难免遇到不好的团队、不好的项目,这种时候该怎么办?从三个角度出发:

是否工作得开心。

在这里工作是否能持续得到自我提升和自我满足。

金钱方面是否能够满足。

如果三个里面有两个都是“NO”,那么你可能需要考虑一下换份工作了,换一个更广阔的平台,找到一条合适自己的道路。每个人都是一个自由而独立的个体,我们大可不必吊死在一棵树上。

09、横向发展

作为一名开发,往往会将自己的视野仅仅聚焦在手头在做的事情上面,忽略了自己身份是一个职业人的事实。因此,多做“横向发展”非常重要:

  • 增强职业竞争力

除了技术能力之外,软性技能也非常重要。例如沟通能力、团队合作能力、领导力等,都可以帮助我们更好地完成工作任务,提高工作效率和质量。如果程序员只关注技术能力,而忽略了软性技能,就会在职业竞争中处于劣势,毕竟我们的工作内容可不只有敲代码这件事。

  • 拓宽职业发展道路

多元化发展可以拓宽职业发展道路。程序员可以通过学习其他领域的知识和技能,拓宽自己的职业发展道路。例如,学习产品设计、市场营销等知识,可以帮助我们更好地理解客户需求和市场趋势,从而更好地完成工作任务,实现职业发展。

  • 未来的选择更多样化

多做一些其他领域的知识储备,可以在我们未来无法继续胜任开发工作的时候,有更多的职业选择。拥有技术背景的我们,转到其他岗位上也会有如虎添翼的感觉。

以上就是本篇文章的全部内容啦,如果觉得内容有用,欢迎转发收藏~

856ff676a1e8a02e9306130f2960d0c8.png

聊一聊令你受益的职场思维(点这里进入开发者社区,右边扫码即可进入公众号)。我们将选取1则最有创意的分享,送出腾讯云开发者-马克杯1个(见下图)。5月31日中午12点开奖。

2674cd308eef756cbcb12a0dcfd7514b.png

feb31d513c30a588eef003dc301ef4ad.png

67a8a3247ddeb649baab48c3f6296eaf.png

f3d71b73e48eebafe3f9e38aff070a78.png

8116f6c299b4112c7d4bfa989105623d.png

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 1170

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 1219

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 1198

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 762

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 712

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: 让AI替你打工?GPT提升开发效率指南
下一篇: QQGC?揭秘QQ的AI绘画大模型技术
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