异常≠错误,正如Bug≠事故,详解业务开发中的异常处理

2d103dd281bd2a081c041d7c6c42e8a5.png

ce6c484b7e23a53514d0a4c25b9c5154.gif

👉导读

软件开发中遇到异常才是正常,很少有人能写出完美的程序跑在任何机器上都不会报错。但极为正常的软件异常,却经常出自不同的原因,导致不同的结果。怎么样科学地认识异常、处理异常,是很多研发同学需要解决的问题。本文作者根据自己多年的工作经验,撰写了《异常思辨录》系列专栏,希望能体系化地帮助到大家。本文为系列第三篇,本篇文章将主要聚焦业务开发对异常处理的需求点和一些优秀的异常处理案例,欢迎阅读。

👉目录

1 业务开发对异常处理的需求点

2 优秀的异常处理方案

    2.1 异常的建模

    2.2 异常的兜底

    2.3 其他人性化的思考

01

业务开发对异常处理的需求点

站在业务开发角度,编写一段异常处理的代码需要考虑诸多问题,而作为框架开发者,帮忙解决这些问题或给出明确的指导意见,是一名务实的框架开发者的责任。

《持续交付 2.0》中提到高效率交付的关键要求,我觉得是每一个务实的业务开发关注的自身业务的在使用中都会思考的。

b032d2986e7b23fa3c74161d17e34c19.png

   1.1 需求点  1:内存安全性

线程安全和协程安全永远是 C++ 开发者关心的话题,好的异常处理方案应该首先摆在前面的就是内存数据的安全性。

首先我们需要明确何种问题是异常处理内存安全性的问题,即抛出的异常和捕获的异常应该是同一个异常对象,如下述代码:

static std::atomic<int> thread_counter;


void foo() {
  thread_local int tid = ++thread_counter;
  try {
    throw MyException("Data from thread", tid);
  } catch (const MyException &ex) {
    assert(ex.tid == tid);
  }
}

如果在多个线程中使用 foo ,C++ 11 已经能够保证 throw 的异常和捕获住的异常是同一个对象,不会出现线程读写冲突,因为每个 std::current_exception() 都是线程变量而非全局变量。C++11 还有更高级的用法,使用 std::current_exception() 和 std::rethrow_exception(),可以将一个线程的异常获取保存下来并在另外的线程抛出。

如果使用 C++20 的 coroutine 来实现协程的业务代码,完全不用担心异常的内存安全性问题。因为编译器已经将你的 return_value 和 return_void 函数包装在了 try/catch 中,所以你不需要再这么做。

如果 svrkit-like 框架,其协程切换是通过 hook 系统调用来进行协程切换的。根据 colib 的源代码,对于非网络操作、IO 读写根本就不会触发协程切换。即在你抛出异常时,也是编译器使用 __cxa_allocate_exception 分配异常对象的内存,在 catch 之后使用 __cxa_free_exception 来释放内存,而通过分析也可知道异常对象的内存是在栈上保存的,不存在异常抛出时协程切换导致异常对象被其他协程修改。

   1.2 需求点 2:关注点分离

对于一个负责任的程序员,时刻要保证自己的代码干干净净,用最小的代码量做最多的事情。

由于目前使用错误码的思想来对异常进行处理,所以对于复杂的业务逻辑,需要每次有返回错误码的时候都需要完成很多代码的编写:

  • 断言错误发生的时机

    • 如果是原发性逻辑错误,需要对逻辑进行判断

    • 如果是转发上层错误,需要对返回值进行判断

  • 设置需要返回的错误码

  • 打印日志,日志中需要包含可能的上下文信息

  • 做 Oss 上报,用于分钟级曲线监控,以便对该异常做全局监控或报警

  • (可选)做 mmdata 上报,用于同时上报场景信息(如发生的商户号、用户 Uin等),以便对该异常做分场景的上报,为 KA 商户等场景做特殊告警等

  • (可选)接入层模块中还会对最终用户的文案进行错误码转义或组装

由于对于金融系统的谨慎,所以在错误码的指导思想下,每一层带有错误码的都需要完成上述每一步操作,哪怕是一个简单的参数校验,都需要层层校验返回码,层层上报,层层打日志,这对于一线的业务研发简直就是反人类的做法,因为对于他们来说对于某一个他无权处理也无权关注的异常也也必须老老实实按照规范来做,否则到时候定位异常时,就无法通过层层的日志来欢迎最根源的异常场景。

同时这样的冗长的代码,对于代码审阅者而言也是极大的痛苦,根据 RAII 的思想和面向对象的分析与设计,代码审查时只应该关注对象自身能够处理的异常,而非所有的异常,其他组合的对象在发生异常后会被编译期优化的代码自动析构,关联的对象的则会减少关联引用。

开发者盼望着有一种异常的机制可以实现真的关注点分离:

  1. 在抛出异常时记录调用帧的信息,这样就在回溯时可以拿到完整的调用链路;

  2. 业务只需要关注自己能够处理的异常,对于无法处理的异常,交给上层来处理;

  3. 在抛出异常前可以对异常的错误码、监控、上报进行统一的处理;

  4. 错误信息或日志完全可以在捕获异常时进行处理,如果不能捕获,框架应该统一处理。

   1.3 需求点 3:框架兜底行为

对于一个合格的框架,应该是对异常友好的,而非交由操作系统来处理。

  • 开发环境:框架的行为应该是尽可能暴露问题,为开发者提供完整的错误上下文,使得开发者可以快速定位问题修复代码。如 Windows 下的 Debug 编译的 exe 文件可以显示友好的异常上下文,配合 pdb 文件可以直观的显示源代码中调用帧和异常发生的位置。

  • 生产环境:框架应该尽力兜底错误,恢复职能。保证自身框架的稳定性,不应影响其他并行的业务接口。

比较好的做法是在编译时确定兜底行为。若编译配置为生产环境,兜底报错写日志,立即恢复工作进程处理下个请求;开发配置,放过异常捕获,直接让进程异常终止。这样开发者在开发环境就可以直接使用 gdb 进行异常现场的恢复并调试。

目前普遍优秀的后端框架(如微信后端开发框架)都支持服务端调用的拦截器,如果需要设计一个异常,那么与之对应的,还需要准备一个服务器端拦截器,用于将该异常中的错误码转换为函数返回值,并自动填充错误信息到回包中。

   1.4 需求点 4:使用简单

一个优秀的方案,一定是能够让使用者感觉非常方便的,并且可以非常和其他的相关系统交互良好的。

使用 C++ 语言中的宏在此时可以发挥一些简单的优势避免业务开发这边写过于冗余的代码。

  • 使用宏可以将一部分代码判断直接变成字符串文本常量,用于形成错误提示的一部分。gtest 中 EXPECT_EQ 和 Google Protobuf 中 CHECK_EQ 都用了此类技术。

  • 使用宏可以在不使用调试函数(如获取调用帧信息、通过调用帧信息获取当前代码位置等)下,将异常的抛出代码位置信息直接在编译器展开时记录下来。

同时基于 C++ 类的 ADL 特性,可以将不同类型的数值或对象通过统一的方式展现出来,ADL 是由编译器在查找函数调用时自动进行的。ADL是一种名称查找规则,它会根据函数参数的类型在特定的命名空间中查找函数。例如下列代码:

static constexpr int fake_result = 1;
std::string test;
UCLI_ASSURE_GT(fake_result, 9)                  // ASSURE_XX 之类的宏用于保证某个条件一定能实现,否则就触发异常
    << 503                                      // int 或 枚举类型会翻译成错误码
    << UnifiedControlCode::UCC_UNCERTAIN_BUSY   // UnifiedControlCode 会被视为设置控制码 
    << "The server is busy, try later"          // 字符串类型会被视为附加的错误信息
    << DoReport<OssCheckPoint<123, 1>>()        // DoReport 指令用立即上报一个和框架相关的数值(框架相关)
    << WithReport<tags::InvalidTradeNo>()       // WithReport 指令用于对 InvalidTradeNo 标记进行上报(框架无关)
    << WithRes<MyString>("My Additional Text")  // WithRes 指令用于抛出异常时附加其他数据
    << [&]() { test = "Oh god!"; };             // 可接受一个 Callable 用于执行附加的操作

如果有其他的对象可以集成使用 operator << 这样的运算符,也只需要配合示例特化 UnifiedExceptionApplier 即可。

既然是考虑用到了异常,就应该提供一种方案可以让某段代码安全的运行,如果这段代码抛出了特定的异常,可以通过特定的对象获取这个异常的上下文信息。例如:

UnifiedRpcController controller;
int a = controller.SafeCall([]() {
  UCLI_ASSURE_EQ(101, 102) << 500                                      // 错误码
                           << UnifiedControlCode::UCC_UNCERTAIN_RETRY  // 表示是可重试的错误
                           << "Server down!"                           // 错误文本
                           << WithRes<int>(123456);                    // 其他附加资源
  return 100;  // 如果成功就会走到这一步
});


a;                              // 0        出现了错误,直接返回默认值
controller.IsOk();              // false    控制信息记录错误
controller.IsDone();            // true     控制信息表示代码块完成
controller.IsUncertainRetry();  // true     控制信息表示是结果不确定需要重试
controller.error_code();        // 500      控制信息包含的错误码
controller.ErrorText();         // "Check failed: (101) == (102): Server down!"   断言文本+错误提示
controller.Options<int>()       // 123456   其他附加资源

上述代码可以安全执行一段可能会抛出异常到代码,并将异常信息记录到 controller 中,这样业务方也就没有心智负担的调用其领域服务的逻辑了,当然也可以直接使用 try..catch.. 来处理异常。

既然 UnifiedRpcController 已经包含了异常的所需的错误码、控制码、错误信息等,那么也应该有一个方法可以让一些含有异常信息的对象转换为异常抛出。例如:

UnifiedRpcController contorller;
contorller.SetResult(UnifiedControlCode::UCC_UNCERTAIN_BUSY, 504, "Server busy");
UCLI_ASSURE_OK(contorller);  // 将抛出一个异常,错误信息控制码错误码都来源于 controller
   1.5 需求点 5:面向运营和监控

优秀的方案在使用初期就应该需要面向运营和监控来设计,而不是充分得暴露扩展性给开发者,最终只抛出一句我们可以来共建啊打发对方,而是我们在设计之初就应该为监控而设计我们的组件。

这里一点我们可以吸取错误码的一些优势,错误码作为一种简单的数据类型,如果能被治理好,保证全局唯一,作为一个全局的面向运营和监控是一个非常好用的手段。

  • 如果这个错误码被运用到某个领域系统的业务逻辑中:因为此错误码关联住了系统和领域,那么当这个错误码发生次数出现异常时(例如和上一个工作日周期做比对),就可以非常快速了解到某个业务逻辑是不是出现了异常。

  • 如果这个错误码被运用到某个基础组件中:错误码被全局管控,可以知道某个机器的特性出现问题,比如某个机器的 KV server 磁盘读写失败次数升高。

  • 如果这个错误码被运用到某个边界系统中:边界系统网网会有比较完善的监控,那么就可以非常快速的知道,在某个业务下的某个边界系统出现问题,这时候为动态运营提供了强有力的切换决策理由。(比如某双路消息订阅系统,在分布式事件中心的压力太大时,事件中心的错误码上报增加,此时可以准备预案切换到某些流量到本地消息队列以缓解事件中心生产者端的压力)。

  • 错误码还可以被简单的集成到模块最终和调用链分析中:通过错误码管理系统可以为模块调用系统提供具体接口级别调用的异常控制聚合分析,对这样的特性异常进行配置告警,并针对这些告警推测可能出现的问题,制定 BCP。

传统的异常管理由于基于语言的特殊性,不具备有普适的通用型,故现有的系统的监控告警机制都依赖错误码,如果业务要做到自己业务的异常也面向监控而设计,那么我们异常组件也应该可以支持这样的能力。

所以在我们设计的系统中,错误码和控制码被设计成一种通用能力用于在抛出异常时提供给上层框架上报运营异常的能力。

当然这里也必须提醒一句,就算使用了抛异常来处理业务错误,也必须要做好错误码的管理,包括全局唯一性的分配、场景的描述,统计运营等才能构建好业务系统。

   1.6 需求点 6:方便调试

面对层层的 if return 出错了居然还有人忍受,一步步去看日志,一步步去跳转代码查看错误原因?

现在使用错误码最多让人诟病的就是 if return,看到一个错误码就懵逼了根本就不知道是哪个错误条件引起的。所以我们在设计之初就为方便调试做了诸多规划。

之前为了避免使用异常,早在 2020 年规划构建微信支付后端开发框架时,就使用了错误栈来记录每一层的源代码位置,使其可以通过一个调试界面拿到完整错误发生到捕获的全部的每一层的源代码信息,不过后来发现还是很多人对这样的一种记录方式感觉非常疑惑,往往在转发一个错误时并不需要记录任何转发层的错误信息。而且由于中途还可以修改错误码或控制信息,导致最终其他组件不得不在最顶部的错误码还是最底部的错误码进行选择。

01f99d921771e67a86942236a8ab268b.png

上图是对应一个普通业务开发遇到的场景,对应编写 ProcessInBusiness 函数。

  1. 调用某组件开发者开发者的一个功能(可能是函数或对象),对应示例中调用 ProcessInComponent 函数;

  2. 编写自己的业务逻辑;

    1. 如果属于自己的业务逻辑,(比如查找某数据不存在,下一步可能是需要插入数据),那么进行逻辑处理,此时无论如何,都表示自己已经对 ProcessInComponent 处理完成了,按照异常处理流程,如果在自己的处理的业务逻辑中,此时应该引发一个新的错误,而不是对上次异常进行重新抛出;

    2. 如果不属于以自己的业务逻辑,自己的业务流程不能处理,则需要将这个错误码进行转发,并加入自己当前的代码位置以方便调试;

  3. 框架一般是将某些虚函数暴露给业务实现,或使用依赖注入的方式将业务处理的函数注入到框架中,此时框架一般都只是转发错误码,并记录转发的代码位置。

上述基于 OpenSSL 的错误码处理思想在一定程度上解决了在调试时追踪错误发生链路的问题。

  • 调试器可以拿到一个完整的错误链,每个错误链都是由代码中的代码显式上报的;

  • 虽然不是必须的,每次调用链都可以对其中的节点进行错误码转义、甚至是状态码、错误信息都可以添加记录,以保证完整链路中的上下文信息可以完整被捕获到;

但在实践中,由于业务开发的误用,导致出现一个非常蹩脚的结果。

  1. PushForward 和 SetFail 在语义上由非常大的区别,一个用于在错误信息中添加一个节点的记录,一个表示完全清空错误链信息;

  2. 某些开发在应该使用 SetFail 时错误使用了 PushForward 并转义了错误码,导致只是在错误链中增加了一行源代码记录信息(如上图中右下的 错误码 -2:❶ 基础组件报错 没有被清除);

  3. 最先被插入的错误信息的依然是组件开发者提供的错误码,因此最终框架把 错误码 -2:❶ 基础组件报错 作为错误的源头,把此组件的错误码作为错误信息返回给主调方,其实业务的想法应该是把 错误码 -1001:业务转义错误码 报告给主调方;

  4. 最后框架不得不作为妥协,将 错误码 -1001:❸ 框架转发错误码 中的错误码 -1001 和 错误码 -2:❶ 基础组件报错 中的错误信息 基础组件报错 这样一种畸形的结果报告给主调方,因为错误码的误解造成的危害远远比错误信息造成的误解要来的严重。

所以作为一个新的框架需要考虑的重点不再是功能的强大,而是要让各个业务方都能无忧无虑的在毫无压力的情况下正确使用,使用异常显然完成可以满足这样的新设计的需求。因为异常的处理核心就是不会让业务在在自己不熟悉的领域编写错误转发代码,同时,通过自定义的业务异常,可以拿到调用帧的数据,无感的获取调试信息。

   1.7 需求点 7:具备扩展性

虽然在某些情况下使用继承是合理的,但总的来说,组合提供了更好的封装性、代码复用性、灵活性和可维护性,因此通常被推荐使用。

由于 C++ 异常在设计时是可以继承的,很多开发者都认为是不是所有的业务异常都应该分配一个唯一的类的名字,然后再外层进行捕获。这样的思想可能来自于早期 Java 思想,Java 可以显式在每个函数中定义处那些异常是可抛出的,那么在调用方就可以非常清晰的列出,也就是说我在不知道对方代码实现的情况下,调用者可以知道抛出的异常的类型,并对其中的自己能够处理的类型进行处理。

但随着业务的发展和 Java 框架的成熟,在Java设计中,对每个业务都分配一个唯一的异常子类并不是必要的。一种常见的做法是使用一个全局异常处理类来处理所有异常。全局异常处理类使用了 @ControllerAdvice 或 @RestControllerAdvice 注解,这两个注解都是Spring MVC提供的,作用于控制层的一种切面通知,可以进行全局异常处理、全局数据绑定以及全局数据预处理。

我们可以自定义一个异常类(如GlobalException),这个异常类可以用于处理项目中的异常,并收集异常信息。这个全局的异常处理类(如GlobalExceptionHandler)内部使用了 @ExceptionHandler 注解去捕获异常,包括处理自定义异常。总的来说,虽然我们可以为每个业务创建一个唯一的异常子类,但在实践中,这可能会导致代码过于复杂和难以管理。更常见的做法是定义一些通用的异常类,如GlobalException,并通过全局的异常处理类来捕获和处理这些异常。

其实对所有业务异常都使用一个全局的业务是实际上是对异常建模之后去泛化的结果。所谓 去泛化 就是在最初设计的带有继承的类图中将像似的子类合并到同一个基类,使用属性来代替继承来实现模型表达的过程。

在去泛化之后,我们发现某些异常可能需要带有原始的异常信息,这些信息也许是结构化的,并非直接从错误信息可以获取的,如:

  • 框架 Xcgi 在解析 Json 数据包中可以提供哪些字段因为哪些规则导致数据解析失败;

  • 组件频率限制组件中可以提供频率出错的规则编号和违反条件;

  • 某分布式业务在使用幂等查重时,发现某个任何正在执行的前置条件未满足而提前终止时前置条件的值。

这些自定义信息则可以使用C++ 类型擦除的方式存储到异常对象中,从而使得只有关注此异常信息的代码才需要这个异常对象的定义。例如如下代码:

struct MyString : public string {
  using string::string;
  std::string ToString() const { return *this; }
};


try {
  static constexpr int fake_result = 1;
  UCLI_ASSURE_GT(fake_result, 9)
      << 503 << UnifiedControlCode::UCC_UNCERTAIN_BUSY
      << "The server is busy, try later"
      << WithRes<MyString>("My Additional Text");
} catch (const UnifiedException& ex) {
  ex.Res<MyString>();
}

可以设计一个 WithRes<T> 的模板函数,将某些特定的数据类型在抛出之前放置到异常对象中;当需要关注此异常数据的使用方捕获住异常后,使用 Res<T> 获取抛出时异常对象中的特定数据。

02

优秀的异常处理方案

一个优秀的方案并不是一句话需求,我认为任何一刀切不要使用 C++ 异常或必须返回 int 这样的话术都是及其不负责任且低级的,所以我们需要提出一个对于业务错误的综合的方案,包括从最初设计异常模型开始,到最后上线成为一个业务开发真正可用的系统。

   2.1 异常的建模

我们可以通过通用的设计工具来设计一个通用异常的类图。

0016bbe8ba1cec37a0c56e2955f3260b.png

上述的类图使用太复杂了,面对技术需求,我们需要把其中的异常类进行去泛化,将某些子类的属性通过组合的方式压缩,收敛到通用的基类中。通过去泛化我们可以得到基于组合设计的通用异常类。

eaaa4fe3fafcb684ce0bf7d7a4f96877.png

  • 错误码:错误码可以作为面向运营和监控的手段,也可以通过集中的管理平台用于集中化的管理和分配,满足 需求点 5 ;

  • 状态码:通过状态码,细化组件、框架、业务代码中的错误的具体的行为,也和 HTTP 状态码保持兼容性,解决 缺点 1;

  • 错误信息:异常抛出方可以使用在异常抛出时自定义错误内容详情,解决 缺点 2;

  • 调试信息:异常抛出方可以记录当前调用帧的指针地址和当前代码行,用于未来通过调试代码的二进制文件获取完整调用帧,解决 需求点 6;

  • 资源池:异常抛出方或捕获者,只有需要用到附加数据时,才需要依赖资源池中的具体头文件,满足 需求点 7。

有了上述异常的基类,分别在基础组件、业务代码、基础框架中就可以非常简单的使用抛出异常。

d3b36e86239561f094c00639796a1ee1.png

   2.2 异常的兜底

早期的异常处理语言还存在语言设计层面的自动恢复的功能。在一些编程环境中,特别是像 Visual Basic for Applications (VBA)——继承于老式的 Visual Basic——这样的环境,提供了一种方式可以在出现错误时让程序自动“恢复”,即跳过错误并继续执行后面的代码1。然而,需要注意的是,On Error Resume Next 并不是在所有情况下都是最佳的错误处理方式。因为它仅仅是忽略错误,而不是解决错误。如果错误涉及到的是关键任务或者数据,这种做法可能会导致程序在后续运行中出现更严重的问题。因此,应该谨慎使用 On Error Resume Next,并确保在使用它时能够在适当的地方处理或记录错误。

e6e6c8a290a061fe5fae9dac9322d9ea.png

随着时代的发展,越来越多的程序员发现,应该给应用程序自动恢复的异常的能力。“自动异常处理”是一个计算术语,指的是计算机化的错误处理。运行时系统(如 Java 编程语言或.NET 框架的运行时引擎)本身就支持异常或错误的自动处理模式。在这些环境中,软件错误不会导致操作系统或运行时引擎崩溃,而是生成异常。这些运行时引擎的最近进展使得专门的运行时引擎附加产品能够提供独立于源代码的自动异常处理,并为每个感兴趣的异常提供根源信息。

在发生异常时,运行时引擎会调用一个附加到运行时引擎(例如,Java 虚拟机(JVM))的错误拦截工具。基于异常的性质,例如其类型以及发生异常的类和方法,以及基于用户偏好,可以选择处理或忽略异常。

ea70ad9872a87e9a181aa0b1063cbfb8.png

这样的异常一般出现在 GUI 应用程序中,因为最终用户非常有可能重试一下自己刚刚的操作,或简单的重启应用程序并重做刚才的操作。因为 GUI 程序中有大量的 UI 交互,开发人员非常难把所有的异常状态都捕获住(特别那些多线程的程序),所以这时候保留异常的现场就变得尤其重要。

但对于一名务实的代码工作者,像这样底层的、兜底的错误不应该被最终用户所看到,虽然框架(或某些插件 Delphi 中的 madExcept) 可以提供一定的兜底措施,但如果确实是领域逻辑中会出现的异常,还是应该给出友好的错误提示,并提供可被验证的恢复方案。

对于一个运行在后台不间断的运行的服务时,不可避免的会遇到某些错误,这些错误根据分类可以进行不同程度的处理:

  1. Error 不能被捕获、可以声明、不可恢复。此类问题常见的场景是内存不足:

    1. 如果本身是 IO 进程工作进程多进程模型(绝大多数 svrkit 服务、mqworker),其实可以简单的直接让进程终止(即不处理 std::bad_alloc 这样的异常);

    2. 如果是多线程模型(所有的mqsvr),因为忽略错误依然无法让已使用的内存得到释放,故这里也没办法处理这样的错误,最好 做法是直接让进程异常终止,再由 CK 脚本重新拉起服务;

    3. 如果是通用的二进制工具,这是由于也是无法恢复的,直接 abort 也是一种兜底策略

  2. RuntimeException 应该被捕获、可以声明、可恢复的错误。C++11 之后绝大多数类型的基类是 std::runtime_error

    1. 对于生产环境,这些可恢复的错误应该被捕获,同时快速的记录上报大致的信息(如类型 ID 错误信息等),也可以为不同的接口分配专用的错误码,用于此类异常点的监控和运营。切记,此时的任务是尽快恢复服务,而非记录现场或开启交互式调试模式;

    2. 对于调试环境,职责是尽可能的让程序员找到出现异常问题的代码、上下文、调用帧,以便编写逻辑代码将运行时异常通过添加错误码、上下文信息转换为逻辑异常,例如将 mysqlpp::ConnectionFailed 捕获住,为当前场景添加合适的错误码、带上下文的错误描述等。而由于 C++ 的语言特性,一旦 catch 住异常后,再也没有办法可以获取异常发生时的上下文信息、包括调用帧、代码位置等信息,所以框架此时应该直接让操作系统接管,并生成 coredump 文件用于排查调试模式下的可能出现的运行时异常;

      1. std::bad_cast:使用 dynamic_cast 向下转换时失败引发的异常;

      2. std::bad_any_cast:使用 std::any_cast<T> 进行拆箱时引发的转换错误;

      3. std::bad_optional_access:使用 std::optional<T>::value() 获取没有值时引发的错误;

      4. google::protobuf::FatalException:可能由于使用了不正确的反射获取不匹配消息字段引发;

      5. boost::bad_lexical_cast:使用 boost::lexical_cast 进行类型转换引发的异常;

      6. fmt::format_error:使用 fmtlib 对目标对象进行格式化时,由于格式化串错误引发的异常;

      7. Json::LogicError:使用 JsonCpp 获取不到值时,或无法将 Json 类型进行转换时引发的异常(非常常见);

      8. mysqlpp::ConnectionFailed: 使用 MySQL++ 库连接 MySQL 客户端时无法连接上引发的异常;

    3. 对于大多数程序而言这些错误的发生并非是自身引起的,有可能是因为环境或调用异构系统时触发的异常,例如:

    4. 在我们编写业务代码时,应该随时保持警惕,对于这些异构系统的的异常,应该在第一时间捕获并转换为逻辑异常(对应 Java 中 Checked Exception 概念)。比如使用 MySQL++ 时,对于数据连接不上,应该将 mysqlpp::ConnectionFailed 及时捕获,并在专用系统中登记明确登记错误码,将这个运行时异常转化为逻辑异常(表示这个异常是我已经预期到的,可以被正确的处理的,异常的收敛的也是处理方式之一);

    5. 框架对于这样的异常,对于框架而言是可恢复的。但由于框架运行的环境和职责不同,所以对待这样的异常应该有所区分:

  3. Checked Exception 必须被捕获、必须声明、可恢复的错误。C++11 之后绝大多数的基类是 std::logic_error,本方案中的对应 UnifiedException。即对于不同框架制作一个适配层用于捕获业务异常,再将其转换为框架的能返回回去。

    1. Svrkit 在调用具体的业务函数时捕获 UnifiedException ,将其中的错误码转换为返回码、错误信息注入的回报的 error_message 中,其他的信息可以使用 RespCookie 返回;

    2. Xcgi/Xwi 支持拦截器,对于 Xcgi 可以将拦截到的异常转为 HTTP 状态码,其他字段转化为回包包体;Xwi 则可以无感的添加组件对所有的事件处理函数进行异常处理转换为 Xwi Context 中的错误状态;

    3. 作为框架已经拿到了业务开发的完整上下文了,所以作为框架,完全可以把这个异常集中捕获,根据里面所携带的信息进行集中化处理;

    4. 对于支持安装拦截器的框架(如标准 svrkit、Xcgi、Xwi 等),提供拦截器的库,将 UnifiedException 在执行工作函数时将异常捕获,并按照框架的需求返回

    5. 对于不支持拦截器特性的框架,只能业务方使用 UnifiedRpcController::SafeCall 函数先包一层,再进行到 MeshRet 的转换(WxMesh),或在每次调用时使用 try...catch... 手动进行异常处理。

   2.3 其他人性化的考虑

需求点 4 中提到了一些对于业务开发的一些痛点,比如每次都要重写一遍断言表达式,比如很多 if 造成干扰。这一点其实对于一个务实的框架码农是非常容易完成的,我们提出的一些更更加人性化的考虑会重点放在调试和运营阶段。

比如最痛的一点是在服务的开发过程中如果发现了一个业务异常,根本就没办法知道发生异常的调用帧,以前的做法是一层一层的打日志进行排查,Xwi 的做法是一层一层的增加错误栈用于调试。

未来人性化的考量可能会通过调试环境、生产环境来实现差异化的功能:

  • 调试环境:调试环境可以将调用帧信息直接显示在界面中,解析调用帧信息可能需要比较长的时间(差不多需要 1s)左右,计划是在调试编译条件下启用新的调试命令字,对返回的调用帧指针进行名称的转化;

  • 生产环境:生产环境将异常发生时调用帧信息输出在日志中,并提供统一的入口将帧指针转化为可读的名称,可以在日志系统中留下入口,将某一条错误日志定义到调用帧的每一帧的代码位置(注意:生产环境二进制和调试符号是分开存放的)。

本文为《异常思辨录》系列第三篇,第一篇:《降本增笑的P0事故背后,是开猿节流引发的代码异常吗?》

第二篇:《累了,代码异常!》

在下一篇文章中,我们将主要介绍一些上层的决策点,感兴趣的记得关注收藏,不错过后续文章更新。

-End-

原创作者|陈明龙

  c03a4df952793d5c8d08a476accc109d.png

为什么要使用异常处理?异常处理对项目有什么好处?欢迎评论分享。我们将选取1则优质的评论,送出腾讯云开发者社区定制鼠标垫1个(见下图)。2024年1月10日中午12点开奖。

79d12ae5a5850423f62a4fdda0846cfb.jpeg

📢📢欢迎加入腾讯云开发者社群,社群专享券、大咖交流圈、第一手活动通知、限量鹅厂周边等你来~

088f4aa321d92ea0f3336befb906ac42.png

(长按图片立即扫码)

62d9d41f93202d1ab5aa70e462361e42.png

1d9d821ae65150eaf9e346b671fe083f.png

bbe4aded647fe1ecf4b402232f1093c4.png

8b3e43b3bc1c0c763189d75d9f31ab19.png

6bcae89fa9a4146e84e7cb34dcf8cae9.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 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: “AI+低代码”推动高等教育变革:腾讯云携手同济大学共探数智化
下一篇: 我是如何实现Go性能5倍提升的?
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