Apex AI辅助编码助手的设计和实践|得物技术

一、背景

Apex以vscode插件为主要载体,接入SSO认证、打通CursorRules知识库、Webview远程UI、实现无感安装MCP、创建智能体、使用智能体等能力,帮助实现提示词撰写效率的提升,降低了使用过程的费力度。通过知识库、智能体等可实现在保障代码质量同时,进一步提升AI代码生成占比。

除了功能层面的能力,想必大家对Apex内部实现原理应该也很感兴趣,如何打通知识库、智能体使用时,MCP为什么自动安装了,下面将从技术实现角度,剖析Apex 如何将“AI 能力”工程化落地到 Cursor 开发流程中。了解Apex是如何激活装配、打通SSO认证,同步 Cursor Rules 知识库、通过远程dist包实现webview UI渲染,并提供智能体能力,实现无感更新,消息如何编排,如何识别大仓还是独立应用等。

二、架构设计总览

Apex 以插件为主控,Webview 承载 UI 与业务交互,服务层聚合认证、工程上下文、CursorRules知识库、埋点等能力,MCP 以“配置即工具”的方式进行边界的扩展。实现三端(插件-前端-服务端)通过版本编排解耦vscode插件的迭代周期,在安全(鉴权)、可观测(日志与活跃情况)、工程落地(规则知识库与智能体模板)之间取得平衡。

三、功能设计&落地

3.1 激活与装配流程

为实现插件的稳定启动,在插件注册过程中,出现异常失败也不污染后续状态,通过事件注册按需加载,避免了冷启动插件带来的抖动问题。

要点流程介绍:

  • 版本检查先行:防止低版本 Cursor 带来功能不兼容。
  • 早期守卫 workspaceRoot,避免在无工作区时继续初始化产生隐式 NPE。
  • 服务单例初始化顺序:ProjectService(工程上下文)→RuleSyncService(规则聚合/监听)→ StorageService(持久能力)→ AuthService.initialize()(异步认证获取 token 与 userInfo)。
  • 鉴权失败直接中断,避免后续埋点与 webview 的脏状态。
  • 命令注册分散在此处,MessageHandler负责Webview 指令编排。

// ...
VersionChecker.checkVersion();
const root = workspaceRoot(); 
if (!root) return;  // 早期守卫
ProjectService.getInstance();   // 工程上下文
const auth = AuthService.getInstance();
const logger = LoggerService.getInstance(context);
const user = await auth.initialize(); 
if (!user) return;  // 认证失败即止损
logger.watch();   // 可观测
// 注册 Webview/命令/规则监听 ...

3.2 认证与安全

(AuthService+Storage)

通过接入SSO实现可以单点登录闭环 + 本地仅存最少信息,降低泄漏面、失败可针对进行快速反馈。后期记录用户维度智能体的使用、记录用户的关键行为埋点,从而进一步实现及时私聊沟通解决告警出现的问题,另外,针对用户的使用习惯和使用情况可进行针对性的分析和需求收集。

令牌获取流程(嵌入端口监听 + 浏览器回调):

async initialize(){
  const saved = await storage.getAuthToken();
  const token = saved?.trim()? saved : await login();
  return await validateToken(token) ?? await login();
}

令牌回调服务器(端口探测 + CORS + 路由校验):

import http from 'http';
import * as vscode from 'vscode';
const LOWCODE_PLATFORM_API = 'https://xxx.yyy.zzz/ddd';
const PORT = 9527;


const findAvailablePort = (startPort: number, endPort: number = startPort + 10): Promise<number> => {
 //  端口监听逻辑
};


export const requestToken = async () => {
  // 验证token有效性
}
  • 数据结构与算法设计:
    • 端口探测算法:线性递增(最多 10 次),失败上抛;简单可靠,代价可接受。
    • CORS 与 OPTIONS 预检处理;路由严格校验zzz/ddd,仅取请求头 accesstoken。
    • 超时控制(5 分钟)避免悬挂。

  • 持久化:
// ... 省略若干
export class StorageService {
    // ...
    public async saveAuthToken(token: string): Promise<void> {
        await this.secureStorage.saveSecret(
            StorageService.CACHE_KEYS.AUTH_TOKEN,
            token
        );
    }
    public async getAuthToken(): Promise<string | undefined> {
        return await this.secureStorage.getSecret(
            StorageService.CACHE_KEYS.AUTH_TOKEN
        );
    }
    public async deleteAuthToken(): Promise<void> {
        await this.secureStorage.deleteSecret(
            StorageService.CACHE_KEYS.AUTH_TOKEN
        );
    }
    public async clearAll(): Promise<void> {
        for (const key of Object.values(StorageService.CACHE_KEYS)) {
           // 遍历清除key值
        }
    }
}
  • 在 secrets 中存敏感数据,安全性较高;clearAll() 同时清理多个状态缓存值,防止残留。

3.3 规则知识库工程化

(RuleSyncService)

通过Gtlab维护远程知识库文档,实现知识库聚合,模板/规则“一键对齐”,多包仓不会出现杂乱和上下文丢失等情况。大仓模式下实现批量并发拉取,非大仓模式下实现兜底向上拉取能力。

知识库规则拉取至各应用逻辑

模板拉取过程:GitLab 分批并发,chunk 化

export async function fetchTemplateFiles(
    projectId: number,
    templatePath: string,
    branch: string
): Promise<Array<{ path: string; content: string }>> {
    // git接口获取文件并进行分发同步
}
  • 数据结构:数组分块 + Promise.all 并发,有效权衡吞吐与限流风险(每批 5 个)。
  • 模板写入(按类型路由到 .cursor/rules/basic.mdc、notepads 或工程根):
export async function writeTemplatesToDisk(files, templatePath, targetRoot, type?) {
    for (const file of files) {
        // 处理模板写入
    }
    return true;
}
  • .gitignore 同步策略(追加不重复的规则):
export const syncGitIgnoreToPath = async (targetPath: string, ignoreRules: string[]) => {
    // 追加ignore逻辑
};

子应用规则同步至逻辑

监听与同步策略:

public startWatcher() {
  const pattern = new vscode.RelativePattern(this.workspaceRoot, '*/**/.cursor/rules/*.mdc');
  this.watcher = vscode.workspace.createFileSystemWatcher(pattern);
  
  this.watcher.onDidCreate(uri => {
    // 同步变更mdc
  });
  
  this.watcher.onDidChange(uri => {
    // 同步变更mdc
  });
  
  this.watcher.onDidDelete(uri => {
    // 移除指定mdc
  });
}

规则改写:

export function writeRelativePathToContent(content: string, relativePath: string) {
    // 相对路径注入 + 目标文件聚合为 .sync.mdc
}
  • 算法说明:
    • 提取 mdc 头中的 globs,对不含路径分隔符的 glob 自动加 /**/,再拼接相对路径前缀,确保规则定位到子包内。
    • 默认兜底 **/*.*,覆盖子目录所有文件,提升易用性。

  • 目标文件命名:
private getTargetPath(fsPath: string) {
  // 针对同步过来的所有mdc文件进行重命名
}
  • 将子仓的规则扁平化同步到根目录 .cursor/rules/*.sync.mdc,避免分散规则导致的遗漏。

3.4 远程 webview 与版本编排

(Webview+VersionChecker+Trace)

由于Apex插件的更新需要手动通过dx vs更新,修复问题或有新功能无法实时进行更新,新版本有问题无法回滚及时止损。

Apex通过DNF接口获取当前远程版本webVersion、coreVersion,对比当前local加载版本,实现无感更新或回退。

  • 重新加载方式:直接拉取最新版本。
  • Tab重新点开,实时检测最新版本,点击更新按钮实现更新。

远程加载逻辑(支持本地调试、回退远端 CDN):

const v = await fetchWebVersion() || 'latest';
const local = useLocal() && await ping('http://localhost:9527/...');
const js = local ? mapToExternal(local) : cdn(`@apex-plugin/web@${v}`);
return htmlWith(js, csp());
  • 关键要点:
    • 从DNF后端接口获取webVersion,优先 USE_LOCAL且本地可访问则映射本地端口。
    • 动态 CSP(当前较宽松,含'unsafe-eval'),满足构建产物运行,未来会按资源域名白名单收紧。
    • 版本编排:Web UI 可独立灰度;插件端仅负责加载版本号对应的资源。

Cursor 版本下限拦截:

export class VersionChecker {
  private static readonly MIN_VERSION = "0.46.0";
  
  public static async checkVersion() {
    const isCursor = vscode.env.appName.toLowerCase().includes("cursor");
    if (!isCursor) {
      return;
    }
    // ... 读取本机 Cursor 安装目录,比较版本,小于阈值弹升级引导
  }
  // compareVersions(v1, v2) 三段位点比较
}

版本注入的位置(可用于埋点/展示):TraceService.setPluginVersion(v)+ getPluginVersion() 默认读取core package.json。建议在宿主(packages/plugin)激活时注入真实发布版本,确保埋点准确。

3.5 项目服务(ProjectService):

Monorepo识别、模板拉取与写入

通过识别应用是否是大仓应用,便于后期进行不同类型应用的业务逻辑处理,如知识库同步在大仓下和单仓下的不同分支逻辑是不同的。大仓下子仓的规则会被自动聚合到顶层.cursor/rules下,实现规则命中率显著提升。

Monorepo 识别与项目列表收集方式:

public isMonorepo(): boolean {
    try {
        // 通过判断是否有`pnpm-workspace`判断是否是大仓
        // 获取 package.json 中 workspaces 进行判断是否大仓
    } catch (error) {
        console.error('判断monorepo失败:', error);
        return false;
    }
}

3.6 埋点与活跃情况记录

(LoggerService+UsageRecorder)

通过组合心跳与焦点事件,确保用户离开窗口也能形成完整闭环记录,便于后期进行用户行为画像等分析。

事件监听与活跃态判定:

start() {
  // 开启事件监听记录
  this.eventList = [
    // 多个事件记录绑定...
  ];
}
startInterval() {
  if (!this.walkClocker) {
    this.walkClocker = setInterval(() => { this.reportUsage(); }, this.walkInterval);
  }
}
  • walkInterval=30s 的心跳,配合窗口焦点事件强制上报一次,确保离开窗口时记录“单次活跃时长”。

埋点上报示例:

const reportTimenote = async () => {
  // 记录用户活跃情况、包含分支、版本、仓库等等信息
}

性能与可靠性:

  • 事件监听广泛但回调轻量(更新时间 + 定时器驱动),无重 IO。
  • 远端上报失败未中断主流程,可再考虑指数退避与采样策略。

3.7 Webview 消息编排

(MessageHandler)

MessageHandler 作为 Webview 与服务层的协调者,不承载复杂业务逻辑,单一职责,实现路由 Webview 消息到服务层,支持失败统一回发,前后端协作清晰,便于后期扩展和灰度,有良好的可维护性。

  • 获取插件/核心版本:handleGetPluginVersion(从 TraceService.getPluginVersion() + package.json.version)。
  • 生成规则:handleGenerateRule→.gitignore 同步 + 模板拉取写入+ AI 角色写入 + README 打开。
  • MCP 相关:handleHandleServerConfig、checkMcpList、fetchInstalledMcpList、initRuleMcpConfig。
  • 导入提示词:handleImportPrompt写入 .cursor/notepads/note-*.private.md 并辅助插入到 Composer。

四、总结&展望

Apex通过 RuleSync 与 ProjectService 实现CursorRules规则模板一键同步,依托配置化 MCP 加速工具集成和能力提升,以安全令牌与白名单机制强化治理,并借助 UsageRecorder 与 TraceService 提供可观测性,全面支持高效、安全、可控的使用交付与版本去迭代化管理。

Apex 的核心在于“把 AI 真正落在工程实践之中”,以插件为载体打通认证、上下文、CursorRules规则和Cursor;以 MCP 为能力边界实现“配置即扩展”;以可观测为保障推动插件能力持续演进。通过“单例化、配置化、远程化、工程化”的设计原则,让团队在享受 AI 编码效率的同时,最大限度保持工程可控与可治理。

但是受限于智能体执行需要手动触发,开发者可能会存在遗忘执行的情况等,下一步计划智能体执行支持命令行触发,预期试行添加到 git hook中commit提交代码后自动执行,避免遗忘,提升Apex更多可玩性。

#Agent #MCP #智能体

往期回顾

1. 从 JSON 字符串到 Java 对象:Fastjson 1.2.83 全程解析|得物技术

2. 用好 TTL Agent 不踩雷:避开内存泄露与CPU 100%两大核心坑|得物技术

3. 线程池ThreadPoolExecutor源码深度解析|得物技术

4. 基于浏览器扩展 API Mock 工具开发探索|得物技术

5. 破解gh-ost变更导致MySQL表膨胀之谜|得物技术

文 /凯

关注得物技术,每周更新技术干货

要是觉得文章对你有帮助的话,欢迎评论转发点赞~

未经得物技术许可严禁转载,否则依法追究法律责任。

相关推荐

压测AI Agent 治理与评测调优实践|得物技术

本文介绍智能分析Agent在压测调试中上线后的治理闭环建设:通过Langfuse记录完整执行链路,结合用户反馈与Trace还原问题根因;利用CLI Mock固化证据数据集,实现相同场景下的回测验证。基于固定案例与五档评分机制,持续评估方案质量、延迟与成本,确保修复有效且无新问题引入,推动Agent能力迭代优化。

SmartCodeTech的博客 311

从中心调度到自驱协作多 Agent 架构的三次反转|得物技术

本文探讨多Agent系统中的控制权分配问题,提出三大协作架构:Master Agent(中心调度)、任务看板(共享状态)与Advisor(轻量咨询)。通过划清上下文边界与模型边界,强调应以信息相关性而非职业标签划分Agent。三种模式分别将决策权集中于中心、下放至共享状态、再下沉至执行者,形成控制权逐步下沉的演进路径。案例显示,合理设计可提升复杂任务的并行性、弹性与可维护性。

SmartCodeTech的博客 420

Jev 实战:为AI工作流引入轻量决策层 x10倍提速|得物技术

完成这三个场景后,我对适用边界有了更明确的认识:它们都可以先定义答案范围,再根据判断结果驱动下一步操作。接入时,我会优先明确输入、选项、采纳条件和兜底路径,再评估Jev是否适合承担这一环节。结合这些实践,我更容易理解Jev(TypeSafe System One)作为专用结构化决策模型不生成自然语言,而是返回带概率的判断结果。后续接入时,我会继续从脚本中边界明确的判断任务开始,分别验证准确性、耗时和费用,再决定是否扩大使用范围。下面整理了相关能力、限制和接入要点,便于查阅。

SmartCodeTech的博客 346

国产算力·昇腾 910C 大模型推理优化(下):源码修改与算子优化,提速30%|得物技术

本文延续上篇,深入vllm-ascend源码优化:通过多流重叠实现MoE共享专家并行计算,消除冗余事件开销,并解除与FUSED_MC2的互斥限制,实现c=1下TPOT从8.2ms降至8.0ms;优化decode阶段host侧开销,引入状态跟踪跳过冗余拷贝;设计Block Table CPU快路径,规避小batch下NPU kernel启动延迟;针对GDN层融合L2Norm至recurrent kernel,减少算子调用与内存往返。综合优化后推理性能显著提升,形成可复用的昇腾910C大模型推理优化方法论。

SmartCodeTech的博客 245

国产算力·昇腾 910C 大模型推理优化(上):镜像更新与参数调优,提速 40%|得物技术

文中详细给出每一项优化的动机、实现(含具体源码改动路径与关键代码片段)、验证数据与踩坑记录(包括十余项实测无效或负向的尝试),希望为同样在国产算力上做推理优化的团队提供一份可直接复用的工程参考。

SmartCodeTech的博客 226

动态规则的 Agent 实践:用确定性工程驾驭 LLM 的资产智能验收

面对财务验收中规则多变、材料非结构化、核对复杂等痛点,传统规则引擎难以应对。系统采用“规则即配置”思路,由大语言模型(LLM)负责理解合同、扫描件等非结构化材料并执行语义比对,工程系统则保障流程编排与可追溯性。通过异步处理、幂等设计、三类流量隔离及双通道(文本/图像)处理,实现高效稳定运行。结合用户反馈构建自动标准答案,辅以试跑、回测与发布门禁机制,形成闭环质量体系。底层采用确定性工作流架构,确保行为可预期、可测试,真正实现灵活规则的快速迭代与安全上线。

SmartCodeTech的博客 344

发一张图,它居然“跃“出屏幕了?一文读懂得物 3D 空间图片技术实践

3D 空间图片功能的落地,涉及模型生成、内容分发、客户端渲染之间的一系列取舍。本文重点分享如何生产出高质量、小体积的模型,以及如何在手机上流畅运行。

SmartCodeTech的博客 555

别再只卷向量检索了,得物交易搜索如何用“生成式”实现召回范式跃迁?

你搜"af1",它得给你"空军一号"。这一年,得物交易搜索把召回从"做选择题"改成了"写答案"——不再从商品池里"找"最像的,而是让模型自己"生成"你真正想要的。从 LLM 语义索引到 HLLM、语义 ID,搜索是怎么从"检索"走向"生成"的?

SmartCodeTech的博客 594

指标平台:从语义底座到智能消费的实践路径|得物技术

这篇文章想做的,不是在本体化的宏大叙事上再叠加一层理论,而是把我们在真实落地中验证过的路径讲清楚:语义底座怎么从零建立起来、怎么保证质量不失控、怎么支撑 Text2SQL 和 AI Coding 两条消费主线,以及沿着这条路径往前走,下一步该往哪个方向发力。

SmartCodeTech的博客 317

企业级 MultiAgent 落地:Plan 模式与主子 Agent 协作|得物技术

基于 AgentScope Java 的企业级 MultiAgent 平台,为研发、数据分析和知识问答等场景提供统一的模型调用、工具接入、任务编排、流式输出与运行追踪能力。

SmartCodeTech的博客 302

得物小摊 AI Native 演进实录:用 Harness 构建可控 AI 交付

AI Coding 一个人用很顺手,进了团队就漏:指令没人审、经验难沉淀、过程看不见、链路不闭环。作者团队基于 Multica 做了 EP-Harness,把 Agent 当成员管,给它套一层可执行、可观察、可治理的 Harness,并让反馈闭环。成果:可追溯决策、多 Agent 协作,高频异常从每 4 小时 2400 多条降到个位数,对得物技术补上团队级 AI 协作关键一环。

SmartCodeTech的博客 543

企业级 MultiAgent 的记忆系统:短期上下文与四层记忆架构实现|得物技术

在 MultiAgent 平台中,Agent 的"记忆"能力是实现智能对话和个性化服务的核心资产。本文深入剖析 Agent 记忆系统的设计理念与实现细节,重点解析长期记忆架构的写入与加载流程,涵盖 LLM 智能判断、语义检索、Token 预算控制、冲突处理等关键技术,为开发者提供完整的技术实现参考。

SmartCodeTech的博客 502

EP-Harness:从个人 AI Coding 到团队级 Agent 工作流|得物技术

AI Coding 个人用得爽,一到团队就崩。EP-Harness 把 Agent 从聊天工具变成团队协作成员——可管理、可追溯、可闭环。落地后高频异常从 2400+/4h 收敛到个位数。

SmartCodeTech的博客 694

得物知识问答:复合检索 Agent 的系统设计实践

从"搜到什么用什么"到"搜→筛→挖→验"自主决策闭环——我们造了一个有判断力的 RAG Agent,不是套壳。

SmartCodeTech的博客 734

实战从零开始构建一个Coding Agent:Violin |得物技术

理解了 coding agent 的构建原理,也就掌握了理解其他 agent 的一把钥匙。笔者对每天都在使用的 agent 原理很感兴趣,于是决定自己写一个:violin。

SmartCodeTech的博客 927

AI Native 交易核心系统的研发范式|得物技术

如何改造旧研发流程适配 AI 编码?本文提出五道标准化关口治理思路,依托 Claude Code Spec-Driven 插件打通需求澄清、方案设计、TDD 落地、门禁管控与埋点监控,构建带人工确认门控的完整工作流,以五层自底向上架构实现 AI 编码规范化落地。

SmartCodeTech的博客 975

推荐系统体验的数字化突破:得物自动化评测平台的技术实践|AICon 文章整理

「得物推荐 AI Harness 工程化实践系列」的末篇内容,本系列共三篇连载。本篇(末篇)详解得物推荐评测平台的完整技术体系:从主观体验量化到大模型自动化评测流水线,涵盖多维度指标设计、人机协作提示词校验闭环、分布式任务调度与成本精控等核心工程实现,以及单周百万级审计需求下实现 91% 资源成本优化的工业级落地实战细节。

SmartCodeTech的博客 1495

RAG 核心概念与原理:Chunking、Embedding、相似度、HNSW 与多路召回|得物技术

决定 RAG 效果的关键不在大模型,而是文本切块、查询改写、多路召回与精排。合理切块存好知识库内容,向量匹配抓语义、BM25 匹配关键词互补。先优化用户提问,快速召回一批相关文档,再用精排模型精细筛选,整套检索流程配合到位,问答准确度才会明显提升。

SmartCodeTech的博客 1079

从“机械应答“到“服务伙伴“:得物高可控智能客服的 Agent 工程实践|AICon 演讲整理

本次分享围绕以下核心技术展开:客服 Agent 挑战与架构设计(Single-Agent→Multi-Agent→Harness);高可控性数据飞轮(PE 自动化 + DPO 训练);RL 策略训练和人工经验对齐;多轮半双工消息流控制。

SmartCodeTech的博客 751

得物推荐系统诊断 Agent:从 “调接口” 到 “会思考”|AICon 演讲整理

本文是得物技术专家在 AICon 上海演讲整理的技术实录。AICon上海2026_全球人工智能开发与应用大会暨大模型应用生态展_InfoQ技术大会「得物推荐 AI Harness 工程化实践系列」的中篇内容,本系列共三篇连载。本篇(中篇)进一步详解得物推荐复杂业务场景下,AI代码从生成、防护校验到安全上线的完整技术体系、自研AI Harness整体架构框架、全流程安全防护机制、混合智能体核心算法实现,以及工业级工程落地的实战细节。

SmartCodeTech的博客 1365

得物 OceanBase 落地实践

得物选型OceanBase多模数据库应对业务挑战,通过验证其高可用架构、存储压缩技术及混合负载处理能力。测试显示OceanBase在复杂查询场景性能较MySQL提升130-200倍,在高并发TP/AP混合场景表现优异,存储成本降低40%+。通过DBA内部报表业务试点验证其稳定性后,逐步推广至核心业务场景,优化数据库技术栈,实现性能与成本的双重收益。

SmartCodeTech的博客 1383

AI UITester:AI Native 的 UI 自动化测试新范式|得物技术

ai_uitester 代表了 AI Native 的 UI 自动化测试新范式:这不仅是工具的升级,而是测试范式的转变 ------ 从 "代码驱动" 转向 "视觉驱动",从 "人工调试" 转向 "AI 自愈",从 "三端分离" 转向 "统一抽象"。

SmartCodeTech的博客 779

从狂野代码到按目标生产:得物推荐 AI Harness 的工程化实践|AICon 演讲整理

本文是得物技术专家在 AICon 上海演讲整理的技术实录。「得物推荐 AI Harness 工程化实践系列」的开篇内容,本系列共三篇连载。将系统拆解得物推荐复杂业务场景下,AI 代码从生成、防护校验到安全上线的完整技术体系,逐一详解自研 AI Harness 整体架构框架、全流程安全防护机制、混合智能体核心算法实现,以及工业级工程落地的实战细节。本篇(上篇):将整体介绍团队自研的 AI Harness 体系,包括建设思路、全生命周期防护机制、混合智能体架构及落地效果。

SmartCodeTech的博客 1082

从表单到 Agent:得物社区活动搭建的 AI 实践之路

一场营销活动从策划到上线,运营要在三个系统间跳转 10 + 次、填写 40 + 个字段。我们用 AI 重新设计了这条链路 —— 从 “AI 帮你填表单” 到 “两阶段 Agent + 聚合工作台”。这篇文章记录的不是技术细节,而是这条路上的选择和反思。

SmartCodeTech的博客 745

从埋点需求到规则资产:Hermes Agent 重构得物数仓工作流

埋点和指标需求中,消耗数据承接方的不是生成答案,而是补齐证据链、对齐历史口径、识别下游影响,并在生产写入前留下可追溯的确认记录。本文数据承接方指承接业务需求的数据同学或业务合作伙伴;后文讨论内部研发、元数据、查询和门禁能力在流程中的角色。

SmartCodeTech的博客 657

让 Claude Code 拥有自我进化和记忆系统|得物技术

本文记录了为 Claude Code 构建的一套持久化记忆与自我学习系统的设计思路与实现细节。这套系统让 AI 助手能够跨越会话边界记住用户习惯,并在每次对话结束后自动提炼行为规律和系统信息,通过向量检索快速提取关键信息,下一次对话时主动应用,逐步进化为更懂你的编程伙伴。

SmartCodeTech的博客 994

用 LLM Agent 重构告警排查流程|得物技术

告警排查需频繁切换日志、APM、链路追踪等多个平台,耗时 10~30 分钟,且高度依赖个人经验。我们做了 Troubleshooter——用 LLM Agent 自动完成数据采集、根因分析和处置建议生成。上线后中位数排查耗时从 20 分钟降到 4.4 分钟,覆盖 11 个服务和 10+ 种告警类型。

SmartCodeTech的博客 1008

HorizonVault 技术深潜:如何在 HDD 上做出 100GB/s+ 级大吞吐分布式存储|得物技术

HorizonVault是一款面向Kafka远程存储的高吞吐分布式存储引擎,通过分布式并行写入和状态感知调度解决冷数据存储的三大核心问题:吞吐瓶颈、性能抖动和恢复能力。系统采用分层架构,Meta负责全局资源调度,Broker处理请求路由,Store实现本地磁盘管理,形成完整的写入治理链路。通过将HDD磁盘提升为一等资源,实现顺序追加写入、多盘并行和慢盘隔离,在保证高吞吐的同时控制延迟。存储结构采用DiskStore组织磁盘资源,LogSegment顺序写入数据,IndexSegment定位读取,Change

SmartCodeTech的博客 892

Claude Code Harness 工程:数仓侧落地方案|得物技术

Harness 工程通过职责分层实现研发流水线可靠性提升。Claude 负责需求理解与代码生成等语义层工作;hooks 负责规范检查等确定性执行;Subagents 隔离血缘查询、自测等高 token 操作;Memory 承载跨会话状态持久化。四层协同使数仓 AI 开发从"对话式辅助"转变为"规则驱动的自动化流程"。

SmartCodeTech的博客 1102

BP Claw 破解 AI 编码输入难题 ——FlinkSpec 需求智能化实践|得物技术

本文为 FlinkSpec 系列之开篇,亦是这场工程化变革的序章。BP Claw 所立之处,不过链路之源。FlinkSpec 所图,乃以 AI 之力,将实时数仓从需求落地至验收上线的全程工序,熔铸为一套精密自洽、生生不息的智能工程体系。宏图未竟,后续系列将逐章揭幕,敬请期待!

SmartCodeTech的博客 1039
上一篇: 从 JSON 字符串到 Java 对象:Fastjson 1.2.83 全程解析|得物技术
下一篇: 从一次启动失败深入剖析:Spring循环依赖的真相|得物技术
得物技术
得物技术 得物技术官方账号 得物技术官方账号
博客等级 码龄6年 2492粉丝 408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