腾讯程序员:从做管理转回写代码,我所理解的工程师文化

图片

👉目录

1 契机

2 我们遇到的挑战

3 我们的终极目标

4 建立团队共识

5 找回写代码的乐趣

6 释放提升效率的天性

7 自我成长

8 顺势而为

如何实践工程师文化带领出一群靠谱的程序员,并在不确定性的条件下争取成功,是过去几年我在持续思考的事情。团队的工程师文化能不能提升成功的确定性,一定要有吗,它来自哪里,又能带来什么?本文尝试解答这些问题,并期望通过更系统和全面的解剖,可以减少有极致追求的程序员们的纠结和内耗。

关注腾讯云开发者,一手技术干货提前解锁👇

01

契机

高价值的成功具有高度不确定性,相比靠谱的个人和团队,时代的趋势以及产品顶层战略的设计是更大的决定性因素,但这两通常不是个体和小团队所能控制的。在这个前提下,我期望在我们能控制的范围内做到极致,以尽量提升成功概率。一年前写的《如何成为一名靠谱的程序员:职业素养入门指南》、《代码写得好,绩效却不高?程序员的沟通和思考有多重要?》引起不少程序员的共鸣,我一直还期望能从团队视角阐述我们能做的最大努力,将程序员们的确定性事项拼图完整。

最近一年因产品萎缩,我经历两次较大的组织调整,最终在半年前解散小团队并离开了基层管理岗位,在新组织半年左右的时间里,对项目成功也有更深刻的思考,有更高层次的认知。本文一些基干视角的内容,主要来自之前负责《中台已死,平台长青》和 QQ 浏览器搜索基础架构时的积累,但更多的内容还是来自一名热爱编程、追求极致的程序员的日常思考。

02

我们遇到的挑战

让自己成为一名靠谱的程序员是一件简单的事情,它有明确的路线图,而让一个团队都成为一群靠谱的程序员,则稍显复杂,大家的认知有高有低,经验有深有浅。我们先来看一些案例。

   2.1 失去写代码的乐趣

小 A 是一名热爱编程的年轻程序员,但最近从代码中获得的乐趣越来越少,他感到一丝倦怠。几个月的冲刺,他做了很多需求,写了很多代码,每天过着朝 9 晚 11 的充实生活,但项目的成功也没有冲淡写代码时的紧张和迷茫,这是之前他不曾遇到的。写代码是确定性 100% 的事情,但最近总是出现意想不到的效果,他写出了几次线上小事故,在周围的同事看来,出现一些小事故是很常见的事情,他的领导也很宽容,但他感到很自责,更重要的是他失去了写代码的乐趣。

   2.2 沉浸在事务性工作的舒适区中

小 B 是一名勤奋的程序员,他对工作充满热情,每一天都过得很充实,今天他又接入了几个团队的业务数据,这里有很多细致的工作:配置业务数据的格式映射,申请设备资源,部署后台服务等等,需要各个平台的人沟通协调,他极限发挥自己的多线程并行工作能力,一天下来疲惫而充实。坐在安静的深夜班车上,他不禁思考:每天这样的工作当然是有价值的,但对我来说是有挑战的吗?

   2.3 我们一直是这样做的

小 C 接手一套祖传系统,这套系统还用着二十年前编译环境,做起需求来缓慢和低效,他问之前维护这套系统的同事 X 为什么不升级?小 C 和 X 来回聊了很久,各种各样的原因,最后一句是:“又不是不能跑”。小 C 很纠结,接手过这套系统的每一个人都没有去改造它,我应该改吗?

   2.4 稳定的协作关系和不会骑马的骑兵队长

小 D 是一名经验丰富的后台开发工程师,在接到某个新产品需求时,他发现之前的协作分工模式不高效,客户端无论是当前还是未来,都只需要后台提供简单的数据存取能力,但后台按照之前约定的协作分工,却要拆分为两个服务由两个团队负责,X 团队负责开发 nodejs 服务提供 API 接入,Y 团队负责开发 C++ 服务提供 DB 的存取,他提出这类简单的需求应该在 nodejs 服务里搞定,效率更高,但这个建议却陷入了争执,部分团队不想改变协作模式,最后大家一致认为需要更专业的人来裁决,于是由共同的领导来做决策,但这位领导却没做过后台业务系统,并且已脱离一线架构和编码多年,本着团队稳定的原则,他维持原来的协作模式。

   2.5 我们是创业团队

小 E 是一名技术实力很强的工程师,最近被抽调到了新团队继续做业务系统开发,他熟悉业务的过程漫长而痛苦,很多定制的业务信息没有文档,代码混乱且到处都是看不懂的补丁策略,问周围的同事,他也忘记了。这已经是发展了多年的大团队了,怎么大家都不写文档,代码质量也挺低下呢?周围的老同事告诉他,我们是永远在创业的团队,没有时间写高质量的代码和文档。小 E 很困惑,创业精神和代码质量是一对矛盾吗?

以上种种案例,我们总会遇到一些,我们会疲惫、困惑和不满,这是不良的情绪,但却是挺好的事情,意味着我们看到了问题,我们不甘沉沦,如果你正好也有解决的办法,那可以享受解决问题的快乐。如果你没有,那也要恭喜你,下面我的思考和实践可能对你有帮助。

03

我们的终极目标

我们的终极目标不是建设一支有工程师文化的团队,它只是过程,只是成功的加速器,我们的终极目标是持续成功。一个高效务实的团队,更能实现我们的终极目标,而工程师文化是高效务实团队所展示出来的特质,所以我们才追求工程师文化。

文化是一种朦胧的感觉,它只有在我们做事的时候,才能感受到它的存在和力量,下面的章节,我会从团队共识、代码文化、效率意识、自我成长等方面讲解我对建立团队工程师文化的思考和实践。

04

建立团队共识

2019 年我们刚开始做搜索中台的时候,CodeReview 执行得很辛苦,部分同事 CR 流于形式,或者没有能力 CR,又或者不给 CR 安排时间。后面我们设立一系列的规范和配套工具,在团队建立“写好代码”的共识,并由我和模块负责人带头严格执行 CR。我几乎 review 过核心项目的每一行代码,之前在内网回答其他人提出的 CR 推广困难问题时,曾记录到我 2021 年发出 1800+ 条 CR 评论。建立共识,CR  的情况才慢慢好了起来。如果没有写好代码的共识,我们不会投入时间,有追求的程序员也会忙于说服他人而筋疲力尽。不仅仅是 CR,在团队的方方面面都需要有共识,这些共识就是团队的工程师文化和凝聚力所在。这下面我从导向和细节两个层面来介绍我是怎么建立团队共识的。

   4.1 团队导向

在我们做事之前,需要先了解团队做事的行为准则,它是对错的标准,是指南针,它不一定是每个人认可的做事方式,但它是集体的标准,需要无条件执行。通常越大的组织,导向会越抽象和泛化。譬如:我们公司的“用户为本-科技向善”,BG 层面如 WXG 14 年发布的 7 条价值观。到一个小团队内部,通常会更细致,譬如,2020年左右我给小团队设定的导向:

  • 执行和创造

    • 按部就班执行得好是底线要求。

    • 做事有思考,不做“提线木偶”。

  • 协作

    • 积极,要有沟通协作意识,及时反馈,积极推动。

    • 高效,沟通方式高效、逻辑清晰。

  • 分享精神

    • 鼓励积极编写高质量技术文档。

    • 鼓励多种方式的分享知识。

  • 持续进步

    • 个人、团队、产品、代码和架构,都是可持续改进的。

    • 不固步自封、不得过且过,对一切高标准高要求。

前面提到,我们的终极目标是持续成功,而成功只有 YES 或者 NO,看不见过程就无法评判路径是否高效,也无法优化,因此我们需要去看更细致的过程,并让过程持续改进,成功才有持续的保障。为什么会设立这四个导向:

  • “执行和创造”,你完成了一个需求,这是一种成功,剖开完成过程,发现导师给你设计了方案,而你只是做执行,或者是说你最终完成了需求,但和你协作的同事给你做了很多的辅助,那这个成功的含金量就较低了。很多同事执行能力很强,但创造力稍弱,这条规则,期望让大家看到执行好只是底线,能创造才是优秀。

  • “协作”,有些程序员眼里只有自己的核心项目,和他人配合工作的事情,就推三阻四,或者是有些人理解能力偏差,一个简单的需求要花很大的精力让他理解,这些人即便能把需求做出来,也是需要大幅度提升心态和能力的。

  • “分享精神”,利他是很难得的精神,如果做成了一件事,又有利他的分享输出,是我们要鼓励的。同时分享精神,也有利于建设个人和团队的品牌,这对他个人成长和团队品牌建设都有好处。

  • “持续进步”,个人、团队、产品、代码都是可以成长的,这是一种开放心态,拥有这种心态的人,会持续的改进,更有机会获得持续的成功。

   4.2 细则共识

团队导向是抽象和泛化的,到具体执行层面,需要可执行的步骤,否则容易沦为喊口号,它可以是强制流程,也可以是一种提效方法。譬如我就整理过很多这类流程制度:

  • 《需求开发标准流程》,以公司内的 tapd 为信息同步载体,串联从需求提出到发布上线全流程。

  • 《XSearch 代码评审手册》,设计代码合入主干之前的评审制度,让 CodeReview 变成固定的环节,确保代码质量和系统稳定。

  • 《XSearch 新手开发环境配置》,建议采用的统一研发工具和代码格式。

  •  还有很多,不一一列举。

导向指引和执行细则是我们程序员团队的“法律条文”,让我们减少非必要的讨论和内耗。在落地执行时,最好是大家都能理解和执行,但大家的工程师素养参差不齐的,写好代码超出一些人的能力范围,因此有时候需要团队一把手的强力支持,并有节奏的推进。没有一把手的支持容易沦为表面功夫,而操之过急则容易给团队日常需求迭代带来太大压力,导致主次颠倒。

05

找回写代码的乐趣

解决问题是件快乐的事情,用代码解决问题也是。如果你感到不快乐,大概你遇到了一些不正常的现象。譬如上述 2.1 例子中的小 A,如果每次改代码、发版本都要精神高度紧张,时刻提防八竿子打不着的地方出故障,内心是不可能对写代码产生乐趣的,只会有畏惧,最后变成了厌恶。

以前我们的团队接手过多套老系统,多数时候也会碰到和小 A 类似的情形,甚至更严重。譬如 22 年底接手搜索内容架构,每天收到成千上万的告警消息,大家忙得焦头烂额,无法根治系统稳定性缺陷的同时,还需要继续承接新业务需求,而新业务又继续暴露系统缺陷,陷入不断恶化的负反馈,没有人有信心去承诺系统稳定性和需求交付时间,团队的口碑和开发者的信心都处于崩溃边缘。但我们还是度过了这个阶段,并输出两篇分享《如何避免旧代码成包袱?5步教你接手别人的系统》、《微服务回归单体,代码行数减少75%,性能提升1300%》,详细介绍我们是怎么接手并改进复杂老系统的,在做事方法层面,最核心是建设一套可持续运转的研效流程。

这种做事方法我们在多套老系统上做过验证,即便在团队最后的一两年里多次被动拆散重组,我们也能保持攻坚能力,设计清晰的系统,写出简单的代码,从代码中找到乐趣。下面介绍这套方法论的核心:流程、工具、人。

   5.1 建立流程制度

流程制度也是团队共识,前面第四章我笼统描述了我们要建立团队共识,本章节聚焦在代码层面做更细致的介绍。每个产品都有研发流程,不同时期有不同要求,产品时期和研发流程不适配会带来各种乱象。譬如,在做 MVP 产品的“小黑屋”团队,去做细致的 CR、限制上线时间、严格执行 case review 等等,最终收获的可能是高质量的废弃代码和高稳定的 0 流量服务,这失去了做事的意义;而在稳定时期,没有严格的代码审查,可能导致线上事故频发,进而影响产品效果。举两个我之前建立流程制度的例子:

  • 做搜索基础架构时,我们日常的研发流程:

技术方案评审、单元测试、CodeReview、文档建设,确保代码和系统是可持续发展的。

  • 接手老系统,我们也有一套流程:

这套流程让我们能先稳住系统,然后逐步改进。

  • 在做探索产品时,我们也有一套研发流程:

需求 --> 开发 --> 合入 master --> 发版。不需要单元测试,不需要 CodeReview,更没有文档,需求也是口头沟通的,这是“小黑屋”的 MVP 时期,产品的时间周期很短,不需要考虑长期主义,此时极短时间内的“快”更重要。

研发流程应该跟随产品发展而演进,避免教条主义和经验主义。当产品有多人参与,要持续迭代数个月以上时,就不能和 Demo 产品使用同样的研发模式,否则产品会有体验不佳的风险,开发者也会失去写代码的乐趣。

   5.2 搭配自动化工具

工具保障流程能顺畅落地,只有流程没有配套工具,流程就会非常依赖人的自觉,这是不可靠的,流程只会沦为弄虚作假的口号。我们使用和建设了这些工具:

  1. 统一的开发环境

  • 统一开发镜像,避免人员在切换开发服务时,切换镜像和开发语法带来效率损耗。

  • 统一开发 IDE,方便好用的开发插件的分享传播,对新人友好。

  • 统一的工蜂仓库配置

    • 保护 master 分支,代码经过评审才可合入。

    • 规范分支和 tag 命名,便于查 case 追溯。

    • 规范化 commit 信息,确保信息可读,有条理。

  • 多种类型的蓝盾流水线

    • MR 流水线,提交 MR 时执行的流水线,涵盖代码静态检查、单元测试、接口测试。

    • 发布流水线:发布上线的流水线,执行固化的逐步灰度,减少人工误操作。

  • 大模型工具

    • 使用工蜂的 AI 代码评审和 Copilot,减少人工代码评审时的工作量。

       5.3 选择合适的执行人

    有理想化的流程设计和良好的适配工具,是实现研效进步的必要不充分条件,必须还有“人”。我们团队成员是使用工具执行流程的主体,如果我们“人”的因素跟不上,是没办法做好的,可能陷入“自欺欺人”的乱象,譬如前几年所看到的:

    • 低质的文档:难以读懂,也没有组织,散乱在各处。

    • 流于形式的 CR:永远只有一句评论——LGTM。

    • 和业务脱节的“高效率”:技术研效指标很高,业务 case 层出不穷。

    在我们看来,“人” 包括三个方面:能力、意愿、授权。

    • 能力,他需要有能力去执行这套流程,譬如 CR,他必须是一直在做系统设计和代码编写的程序员,而不是那些具有高阶头衔的人。能力不是天生的,来自培训和实践,譬如 PCG 的技术战略中心做了很多培训的课程和鼓励宣导,这给我们带来很大的帮助。

    • 意愿,他需要有愿意帮助他人提升编程技能、帮助项目代码更优雅的的利他心态。

    • 授权,他需要得到足够的授权,可以给 CR 预留时间,可以只看代码不看职级的提评论。

    团队一把手是最合适的执行人,在我们团队研发流程落地过程中,我带头执行了全流程,特别是那些需要做出改变的事情,由我先去尝试,我能感受到这里的缺陷,才能更好的改进流程,去创造一个舒适有安全感的写代码氛围,让团队的产出更靠近终极目标。

    06

    释放提升效率的天性

    人类从使用石器到使用金属,再到各种高阶的工具,每一次变革都是在提升效率,而作为个体,我们从爬行到走路奔跑,再到各种交通工具的使用,也都体现出效率的提升。因此我认为提升效率是人的天性,但在一些不合适的文化氛围下,我们抑制了天性。譬如,前文例子中的小 B,他重复的点鼠标、填配置、拼 SQL,日常繁忙的工作和过去的经验习惯,让他很少能去思考怎么用“智力劳动”替代“体力劳动”。再有前文例子中的小 C,他意识到有更高效的编译环境,但“又不是不能用”的周围环境也阻碍了他的发挥。我认为务实的团队,应该营造一种提升效率的文化,去释放人的天性,我们天生就是爱偷懒(提效)的。下面介绍我们是怎么做的。

       6.1 开放和平等

    前文中例子里的小 D,他提出来一种更高效的做事方法,但协作的人却因为地盘意识而不愿意做出改变,上级领导也不懂技术无法判断,最终采用了“稳定”的决策,这个需求对于整个产品来说是一件小事,但这对突破传统、鼓励创造的文化是一种打击,如果好的想法得不到认可,那以后也不会有更好的创意出现。这个例子从协作者角度,我们看到的是封闭的做事态度,这种态度除了来自地盘意识,还有很多其他类型的,譬如,停留在过去的成功经验,无法与时俱进的成长;对新的人员、新的技术、新的方法论持排斥态度等。这个例子也反应出来不平等,尽管决策者的职级更高,但他不应该在他不擅长的领域做决策,本来是一个技术问题,他按照管理问题来做决策,技术面前应该平权,由懂得更多、思考得更深的人来做决策。

       6.2 保持在线和思考全局

    “保持在线”对大多数程序员来说是很简单的事情,只要他愿意,任何头衔的人都可以做一些简单的、基础的工作,但我们也经常见到不愿意“弄脏自己的手”的高阶程序员,更愿意在高层思考,而不愿意做一些基础事项,确实更高层次的思考是高阶程序员最能发挥价值的地方,但如果不能深入一线,可能错过很多高价值的创造。很多年前我经常听到产品经理的领导说,“产品经理需要体验产品,如果你连自己做的产品都不体验,是不可能做好的”。对产品设计者提这样的要求我们都觉得很合理,而对程序员群体,我们很少听到这样的要求,我觉得我们也应该有同样的要求:体验自己写的代码、体验自己设计的架构、体验自己做的平台、体验自己的文档...总之,保持在线。

    “思考全局”则不是那么简单,但也不是难以做到,给项目设计留更多的时间、导师给予更多的指导,都是能提升全局思考的因子,除了这些常规因子之外,我觉得最重要的一点是“透明”,组织各种决策信息需要透明,方便大家阅读和学习,团队成员可以了解到更广泛的信息,才能站在更高的位置考虑全局。

    当我们在谈某个系统可以怎么优化以提升效率的时候,最好是你真的用过这个系统,否则很可能陷入空谈,或者以过去的经验来优化现在的系统。当我们在做某个局部优化时,又应该看到全局,否则得到的可能只是局部最优。那些脱离一线又很有全局观的人,可以称为“不会骑马的骑兵队长”,那些深入一线又不会全局思考的人,可以称为“不想成为元帅的士兵”,这都不是务实的工程师团队所鼓励的,我们需要鼓励那些保持在线又能思考全局的程序员,去释放他们做出更大贡献的热情。

       6.3 利他思维

    我们在提要求或者评价他人时,经常讲到团队协作,我觉得更高层次的东西是“利他”。今天小 A 和我合作一个项目,我们沟通接口、联调项目都很顺利,最后项目顺利完成,我们感觉小 A 很高效,这时候我们会评价小 A 是“善协作”的,但我们不会说小 A 是“利他”的,还没有到那个层面,他只是完成自己的本职工作。如果小 A 设计的接口既给本项目使用,也可以给未来的项目使用,并且他还写了高质量的设计文档、接口文档,我会觉得他符合“利他”标准的,他做事情不仅仅着眼当前和他利益相关的项目和人,还考虑了本项目之外的事和人,这时候我们对小 A 的评价会更高,他长期做下去,就会形成自己的个人品牌。

    利他既可以提升个人品牌,也可以提升团队的效率。譬如,我们写新人入门文档,团队的新人上手会更快,提升团队整体的效率,而且好处也不仅仅是新人入门效率,它可以帮忙我们较少的去考虑某些事务性的工作要怎么做,我们可以把思考的精力更多放在有创造性的事情上,这对营造团队的创造氛围是有利的。

    从利己的角度讲,我们的工作是无限次囚徒困境,而这种困境又驱使我们变成利他的,我们想要建立自己的品牌、想要获得更多可持续的收益,因此利他团队的氛围也是可建设的,利他的团队可以进入利他的正循环,好的架构、好的文档、好的体验都能成长出来,这也是我们提升团队效率的天性。

    07

    自我成长

    团队管理的教材通常会建议管理者或者导师要定期和下属交流,要当教练引导下属成长,这些显然是有价值的,我也这么干。经过很长一段时间的实践之后,我发现成长更重要的还是程序员的自驱,不是上级或者导师的指导和推动,指导只能是在现阶段让他能做一些对项目、对自己有利的事情,过了这个阶段,很多人还是回到他本来的自己。譬如,我期望小 A 能写高质量的代码,在高频辅导和相关课程的支持下,他确实能写挺好的代码了,但是他也就仅停留在写好代码这个环节,其他与时俱进的知识还是需要其他人去指导,被指导和自我成长不是矛盾,但我们会更期待有自我成长意识的人,这样的人才更有创造力。

    务实的程序员团队是追求自我成长的,我们不希望遇到那种需要持续手把手教才能做好事情的人,这样的人缺少创造力,而创造力才是程序员能产生最大的价值的点。什么样的人才算是能自我成长呢?可能是聪明的、能坚持的,有很多特点,我觉得最重要的点是“热爱”,愿意花更多的时间去锻炼自己的技能,可能是去做代码练习,或者是去了解行业趋势,甚至就是在工作中投入更多的业余时间。当团队里有越多自我成长意识很强的同事时,大家互相分享新的技艺,在学习和分享中获得成长的快乐,团队也更容易产出新的想法。

    08

    顺势而为

    以上便是我对建设务实的工程师文化团队的思考和实践,是过去我们团队建设技术产品、做基础设施的经验总结,经过多次项目验证,我认为是比较高效的团队做事方法,但当一个团队做到了这些时,它仍然可能是失败的。因为这些方法论只是高度不确定性的成功里很小的一个因子,如果用一个三位数来为成功的可行性打分,时代的趋势是百位、产品的战略是十位,而做事方法只是个位数。我们程序员团队尽全力去营造的工程师文化,也仅仅影响到个位数上的打分,因此,“它其实没那么重要”,如果它不能成为自然而然的事情,那么也不一定要去勉强,你可以减少日常工作中的内耗,你可以把精力放在最重要的事情上,有时候它是产品的创意思考,有时候它是一套简单的系统和清晰的文档,甚至有时候它是什么事也别干。

    -End-

    原创作者|吴银光

    感谢你读到这里,不如关注一下?👇

    图片


    📢📢月月来领开发者专属福利!点击下方图片直达👇

     图片

    你所憧憬的工程师文化是什么样的?欢迎评论留言补充。我们将选取1则优质的评论,送出腾讯云定制文件袋套装1个(见下图)。4月15日中午12点开奖。

    图片

    图片

    图片

    图片

    图片

    图片

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: 李建忠:智能体正将互联网从信息网络重构为行动网络
下一篇: 支付系统设计入门:核心账户体系架构
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