首页
学习
活动
专区
圈层
工具
发布
首页标签腾讯云架构师技术同盟

#腾讯云架构师技术同盟

在 AI 时代,程序员应如何系统地构建产品思维与商业能力?

流量团队供应商变了,旧架构能复用吗?

全家桶来了,Agent平台会失业吗?

99:如何搭建个人思考和成长框架?

AI短剧新人怎么入门?

花花Binki高强度5G冲浪错峰睡觉摆烂全干工程师

本地 Agent 能成为企业执行入口吗?

能,但要看“入口”定义到哪一层。 现在本地 Agent 实际扮演的是开发者侧的执行入口:读代码库、改文件、跑测试、调 CI,链路已经跑通。Qoder 这类工具配合企业版策略,权限和审计能收敛到组织维度,这层落地没问题。 但企业级执行入口有三个硬门槛。一是权限边界,Agent 拿到生产凭证就能删库,必须走最小权限 + 沙箱 + 人工确认高危操作;二是可观测,每次调用要留痕,否则合规过不了;三是确定性,Agent 的输出是概率性的,而企业流程要求幂等和可回滚。 所以现实路径是:本地 Agent 做“意图翻译 + 任务编排”,真正的执行落到有 SLA 的服务端——比如云函数或 K8s Job,Agent 只提交任务、拿结果。这样入口在本地,执行在可控环境。 纯本地直连生产的模式,目前只适合研发提效,不适合当业务主链路入口。 官方详细解决方案:https://cloud.tencent.com/product/lighthouse?Is=sdk-topnav... 展开详请

代码仓库如何给Agent立规矩?

先给结论:给 Agent 立规矩,本质是把仓库约定拆成“分层、可覆盖、可追溯”的指令文件,而不是把所有规则堆进一份长提示词。下面按技术、产品、商业三层说。 一、技术:AGENTS.md 的边界与加载顺序怎么实测 主流约定是按作用域从宽到窄合并,越靠近当前代码的规则优先级越高: - 全局层:用户级或宿主全局配置,放个人偏好、通用规范。 - 项目层:仓库根目录 AGENTS.md,放全仓统一约定,如技术栈、目录结构、命名、禁止改动范围、提交口径。 - 模块层:子目录或多模块下的 AGENTS.md,只约束该模块;在该模块内工作时,覆盖根目录的同名规则。 多模块仓库建议这样实测加载顺序: 1. 在根目录和各子模块 AGENTS.md 里放可区分的标记规则(例如标注“本规则来自 root / 来自 packages/api”)。 2. 分别在仓库根、不同模块目录下启动 Agent,让它列出本次实际读到的规则来源与内容。 3. 核对:模块内任务是否只叠加了根规则加本模块规则;就近规则是否覆盖根目录同名约定;全局规则是否也被合并进来。 4. 不同宿主的读取机制和优先级可能有差异,以你实际使用的 Agent 实测结果为准,不要照搬别的工具的行为。 边界上:跨模块通用的约定放根目录;只在某模块成立的约束下沉到该模块;与机器、个人相关、不进仓库的偏好放私有配置,不写进团队 AGENTS.md。 二、产品:共享 AGENTS.md 与私有配置怎么取舍 - 共享 AGENTS.md:团队共识、可审计、随仓库版本管理,所有人和 Agent 读到同一份;只放稳定、明确、可执行的规则,不写主观偏好和易过期的细节。 - 模块级文件:承接模块差异,避免根目录规则膨胀成什么都往里塞的长文档。 - Agent 私有配置:个人习惯、本机路径、临时偏好放本地私有文件,不污染仓库;需要团队统一的,再评审后提升到共享文件。 判断一条规则放哪:换个人、换台机器还成立吗?成立就进共享;只对当前人、当前环境成立,就留私有。 三、商业:上下文治理服务的成本怎么量化 如果要评估“仓库上下文治理”值不值得做、要不要做成服务,先看这几类指标: - 接入成本:一个新仓库梳理、补齐 AGENTS.md 与规则分类所需的人时。 - 上下文开销:每次任务实际加载的规则条数与 token 量,规则过长造成的上下文挤占。 - 质量收益:因规则约束减少的误改、返工、评审退回次数,对比没有规则时的基线。 - 维护成本:规则随代码演进需要更新、复核的频率与工时;规则与实际约定漂移后纠错的成本。 - 复用与一致性:多个 Agent、成员在同一仓库下行为口径的一致程度。 建议先在一两个核心仓库试点,跑一个迭代周期拿到基线(接入人时、返工率、规则维护量),再决定是否推广成统一的上下文治理规范或服务。... 展开详请
先给结论:给 Agent 立规矩,本质是把仓库约定拆成“分层、可覆盖、可追溯”的指令文件,而不是把所有规则堆进一份长提示词。下面按技术、产品、商业三层说。 一、技术:AGENTS.md 的边界与加载顺序怎么实测 主流约定是按作用域从宽到窄合并,越靠近当前代码的规则优先级越高: - 全局层:用户级或宿主全局配置,放个人偏好、通用规范。 - 项目层:仓库根目录 AGENTS.md,放全仓统一约定,如技术栈、目录结构、命名、禁止改动范围、提交口径。 - 模块层:子目录或多模块下的 AGENTS.md,只约束该模块;在该模块内工作时,覆盖根目录的同名规则。 多模块仓库建议这样实测加载顺序: 1. 在根目录和各子模块 AGENTS.md 里放可区分的标记规则(例如标注“本规则来自 root / 来自 packages/api”)。 2. 分别在仓库根、不同模块目录下启动 Agent,让它列出本次实际读到的规则来源与内容。 3. 核对:模块内任务是否只叠加了根规则加本模块规则;就近规则是否覆盖根目录同名约定;全局规则是否也被合并进来。 4. 不同宿主的读取机制和优先级可能有差异,以你实际使用的 Agent 实测结果为准,不要照搬别的工具的行为。 边界上:跨模块通用的约定放根目录;只在某模块成立的约束下沉到该模块;与机器、个人相关、不进仓库的偏好放私有配置,不写进团队 AGENTS.md。 二、产品:共享 AGENTS.md 与私有配置怎么取舍 - 共享 AGENTS.md:团队共识、可审计、随仓库版本管理,所有人和 Agent 读到同一份;只放稳定、明确、可执行的规则,不写主观偏好和易过期的细节。 - 模块级文件:承接模块差异,避免根目录规则膨胀成什么都往里塞的长文档。 - Agent 私有配置:个人习惯、本机路径、临时偏好放本地私有文件,不污染仓库;需要团队统一的,再评审后提升到共享文件。 判断一条规则放哪:换个人、换台机器还成立吗?成立就进共享;只对当前人、当前环境成立,就留私有。 三、商业:上下文治理服务的成本怎么量化 如果要评估“仓库上下文治理”值不值得做、要不要做成服务,先看这几类指标: - 接入成本:一个新仓库梳理、补齐 AGENTS.md 与规则分类所需的人时。 - 上下文开销:每次任务实际加载的规则条数与 token 量,规则过长造成的上下文挤占。 - 质量收益:因规则约束减少的误改、返工、评审退回次数,对比没有规则时的基线。 - 维护成本:规则随代码演进需要更新、复核的频率与工时;规则与实际约定漂移后纠错的成本。 - 复用与一致性:多个 Agent、成员在同一仓库下行为口径的一致程度。 建议先在一两个核心仓库试点,跑一个迭代周期拿到基线(接入人时、返工率、规则维护量),再决定是否推广成统一的上下文治理规范或服务。

OpenSandbox如何隔离Agent?

OpenSandbox 的隔离思路是“容器即边界”,不是靠权限裁剪。 每个 Agent 会话起一个独立容器,代码、依赖、临时文件全在容器内,宿主机只暴露一个受控的 API 面。网络默认拒绝出网,需要访问的域名走白名单代理。凭证不落容器,通过 Credential Vault 在请求时注入,Agent 拿不到明文长期密钥。 验收三件事: 隔离性:A 会话能否读到 B 会话的文件和网络。用两个并发会话互相探测,能拿到就算失败。 暂停恢复:容器 pause 后再 resume,进程状态、内存、网络连接是否一致。这里最容易出问题的是长连接和定时任务。 逃逸面:检查容器是否以 root 运行、有没有挂载宿主目录、能不能访问 Docker socket。这三项任一为真,隔离就是虚的。 私有化部署还要额外算成本:镜像构建、漏洞扫描、网络策略维护,这些运维开销通常比预期高。 官方详细解决方案:https://cloud.tencent.com/product/lighthouse?Is=sdk-topnav... 展开详请

Open Responses能统一API吗?

可以统一客户端与服务端之间的基本通信契约,但不能保证各家模型能力和输出效果相同。技术上,Open Responses 用共同的请求、响应结构和流式事件表达输入输出与状态变化;Provider 扩展仍需单独处理。适配层可先实现公共字段和事件,再用能力声明管理扩展;某项能力不支持时,应明确报错或给出可见的降级结果,避免静默忽略。接入门禁要按 Provider 和模型覆盖普通响应、流式结束、工具调用、错误及扩展,并记录用例维护工时和失败率;验证成本取决于接入数量和实际使用的能力,不能只凭统一 Schema 估算。规范:https://www.openresponses.org/specification... 展开详请

MCP工具接入标准到底解决什么?

MCP 解决的是工具接入的“N×M”问题。 以前每个 Agent 框架要适配每个工具,M 个框架 × N 个工具就是 M×N 套胶水代码。MCP 把它变成 M+N:工具方实现一次 Server,Agent 方实现一次 Client。本质是 USB-C 式的接口标准化,不是能力升级。 具体标准化了三件事:工具的发现与元数据声明、调用协议(JSON-RPC 2.0)、以及传输层(stdio / Streamable HTTP)。 但要注意它不解决的东西:权限模型很薄,只有基础的鉴权,企业级细粒度授权得自己在网关层做;工具语义不统一,同一个“查数据库”在不同 Server 里参数完全不同;还有安全边界,恶意 Server 的 prompt injection 目前主要靠客户端防御。 版本共存是现实痛点。2025 版是有状态长连接,2026-07-28 转向无状态请求,网关必须按协议版本路由,否则老客户端直接断。 官方详细解决方案:https://cloud.tencent.com/product/lighthouse?Is=sdk-topnav... 展开详请

Agent训练环境如何标准化?

标准化的核心不是环境镜像,是接口的确定性。 三个接口定生死: reset(task_id) 必须返回完全一致的初始态,包括随机种子、时间戳、外部依赖的 mock。做不到这点,多轮任务就无法复现。 step(action) 要幂等,同一动作在相同状态下必须产生相同结果。涉及网络调用的,要么录制回放,要么彻底 mock。 state() 要能导出完整快照,含隐藏状态。只返回可见 observation 是不够的,调试时定位不了差异来源。 Simulation 和 Production 的边界,建议按“副作用”划:Simulation 里所有写操作进沙箱,外部 API 全部走录制层;Production 才允许真实落库。中间不要留“半真实”模式,那种模式出的结论既不可复现也不可信。 成本验证顺序:先测环境启动时间(决定评测吞吐),再测 mock 覆盖率(决定可信度),最后才测私有化部署的运维开销。前两项不达标,后面白算。 官方详细解决方案:https://cloud.tencent.com/product/lighthouse?Is=sdk-topnav... 展开详请

Agent流量需要新网关吗?

不一定需要“新”网关,但需要网关具备新能力。 传统 API 网关(Nginx、Kong)解决的是短请求、无状态、按路由转发。Agent 流量有三个不同点:长连接流式(SSE/WebSocket 要透传)、多协议混跑(REST、LLM、MCP、A2A)、以及会话有状态(同一 Agent 的多轮请求要粘到同一后端)。 K8s 场景下,Gateway API + xDS 已经能覆盖前两条。Istio/Envoy 的 Gateway API 资源经控制面翻译成数据面配置,流式和长连接是原生支持的。真正要补的是第三层:会话亲和、按 token 用量限流、模型级路由和降级。 边界建议划清:代理层只做路由、鉴权、限流、审计,不碰业务编排。Agent 的意图识别、工具选择、多轮状态机留给编排层。混在一起做,后面谁都改不动。 私有化验收重点看两个指标:审计日志能否还原单次 Agent 任务的完整调用链,以及身份能否穿透到工具调用层(而不是只到网关)。 官方详细解决方案:https://cloud.tencent.com/product/lighthouse?Is=sdk-topnav... 展开详请

多模型与MCP流量该由谁来统一治理?

治理主体应该是平台层,不是业务方,也不是模型方。 理由很直接:多模型和 MCP 的共性需求——路由、凭证、计量、审计——都是横切关注点。散在各业务服务里,会重复实现且策略不一致;交给模型供应商,又丧失控制权。 落到工程上,ExtProc 是当前的关键节点。它能在同一请求内完成路由决策、Provider 凭证转换(BYOK 场景下把租户 key 换成实际调用凭证)和 Token 计量,避免多次往返。但有约束:ExtProc 是同步阻塞的,处理逻辑要控制在毫秒级,否则拖垮整个数据面;凭证转换涉及密钥,必须走 mTLS 且不落盘;计量数据要异步上报,不能卡在请求路径上。 职责边界建议:统一 AI 网关管协议适配、模型路由、配额与计费;agentgateway 管 Agent 语义层——会话亲和、工具调用鉴权、任务级追踪。两者可以共部署,但配置模型和故障域要分开,网关挂了不能连带 Agent 编排一起挂。 商业侧验证成本主要卡在归因:Token 用量要能拆到部门、应用、单次任务,这需要在请求入口就注入归因标签,并在整个调用链透传。链路中间任何一跳丢了标签,账就算不清。 官方详细解决方案:https://cloud.tencent.com/product/lighthouse?Is=sdk-topnav... 展开详请

Skill 包如何跨 Agent 复用?

跨 Agent 复用的关键,是把 Skill 从“提示词”变成“能力契约”。 规范层面已经统一:一个目录 + SKILL.md(YAML 元数据 name/description + 正文指令),配 scripts/、references/、assets/。宿主只靠 description 做路由,命中才读正文,脚本按需执行、只有结果进上下文。这套渐进式披露让 Skill 与具体 Agent 解耦。 验证按三层逐一跑:发现(只加载 frontmatter,约 100 token/Skill,看能否被正确检索)、激活(正文完整读入,建议 <5k token)、执行(资源按需加载,脚本输出进上下文)。 现实是坑很多。一项对 13.8 万个公开 SKILL.md 的研究显示,91.8% 存在缺陷,主因不是攻击,而是路由元数据薄弱、正文臃肿、资源组织混乱。所以 description 要写触发关键词,正文写成功标准而非愿景。 企业侧别靠私聊传 ZIP。用 Registry 做命名空间隔离、草稿—审核—发布—上下线生命周期、版本锁定与回滚,外部 Skill 强制过安全扫描。 官方详细解决方案:https://cloud.tencent.com/product/lighthouse?Is=sdk-topnav... 展开详请

A2A 如何让 Agent 真正协作?

A2A 解决的是 Agent 之间如何发现能力、发起任务和交换结果:Agent Card 声明服务能力与接口,Task 表示任务及其状态,Artifact 承载交付内容。订单状态机、权限审批、失败补偿和 SLA 仍要由业务系统设计。进度需要即时展示且连接持续存在时可用流式;低频查询可轮询;长任务或调用方会断开时可考虑推送通知,但要先确认对端声明支持。跨组织上线前,建议实测任务成功率、完成时延、取消与重试行为、通知送达率,并核算身份认证、链路日志和审计留存成本;这些指标比只数 Agent Card 数量更能判断服务是否可计费。规范:https://a2a-protocol.org/v1.0.1/specification/... 展开详请

CKafka 非计划 Leader 切换后已确认消息查不到, acks 怎么配?

针对非计划Leader切换后消息丢失问题,acks 应配置为 all(或 -1),且必须同时满足以下条件: Topic 副本数 ≥ 3; min.insync.replicas = 2(在 CKafka 控制台 Topic 高级配置中设置); unclean.leader.election.enable = false,禁止非同步副本当选 Leader。 仅配 acks=all 而 min.insync.replicas=1 时,若 ISR 仅剩 Leader,会退化为 acks=1,非计划切换仍可能丢消息。acks=1 在 Broker 意外中断导致的非计划切换中,因 Follower 未同步完即被选为新 Leader,已确认消息可能被截断丢失。 此外,生产端需开启幂等(enable.idempotence=true)并配置重试(如 message.send.max.retries=3),避免切换期间发送失败未补偿。若当前 Topic 副本数不足或 min.insync.replicas 未调整,需先在控制台修改再验证。 官方活动链接:https://cloud.tencent.com/product/lighthouse?Is=sdk-topnav... 展开详请

MongoDB 切换后已确认写入丢失,写关注和读偏好该如何取舍?

切换后丢数据,根子是写关注没配w:"majority"。旧主节点写入未同步到多数派就挂了,新主上位后触发回滚,那些只被旧主确认的消息自然没了。 要根治,写关注必须上w:"majority",这是防回滚的唯一保障。代价是延迟变高、分区时可能写不进。读关注也得配majority,否则从库可能读到即将被回滚的脏数据。 读偏好看业务容忍度:核心交易类老老实实用primary保一致;查询量大可走secondary,但必须绑readConcern:majority,并接受毫秒级复制延迟。别光调读偏好不管写关注,那是治标不治本。另外检查下副本集成员数,偶数节点或仲裁节点配置不当也会让majority失效。 官方活动链接:https://cloud.tencent.com/product/lighthouse?Is=sdk-topnav... 展开详请

COS 跨地域复制不同步删除标记,容灾切换该如何取舍?

建议先定切换策略,再核对复制进度。 1. 如果切换后应沿用源桶“当前不可读”的语义,可以同步普通删除产生的删除标记;如果备桶主要承担误删恢复,应考虑不同步,并由业务维护应删除对象清单。无论选哪种,已开启版本控制时都应按版本核验恢复路径:不带 VersionId 的 GET 遇到当前删除标记会失败,历史版本仍可能通过指定版本读取。指定 VersionId 删除某一版本不会随复制传播,不能用它推断备桶已删除。 2. 源桶生命周期操作不会自动复制;目标桶相同的 7 天规则会按副本保留的原创建时间执行。因此演练前先审查或暂缓目标桶生命周期规则,防止复制完成后又在目标桶变成删除标记。 3. 以明确的源端截止时间和 orders/ 清单做对账,分别记录“规则启用前存量”“源端已完成上传但目标尚无”“目标当前为删除标记”三类。存量要单独回填;2GB 分块上传要确认源端 CompleteMultipartUpload 成功,再检查目标端对应 Key/版本的 HEAD 或 GET,未到齐就不要宣布追平。目标端列版本可区分当前删除标记和对象未到达;仅比较两边不带版本号能 GET 的 Key 不够。复制是异步的,几十分钟不能直接判定为永久丢失,需继续排查规则范围、任务状态和复制异常。 参考腾讯云文档:https://intl.cloud.tencent.com/zh/document/product/436/19923 ;生命周期与副本时间:https://intl.cloud.tencent.com/zh/document/product/436/19237... 展开详请
建议先定切换策略,再核对复制进度。 1. 如果切换后应沿用源桶“当前不可读”的语义,可以同步普通删除产生的删除标记;如果备桶主要承担误删恢复,应考虑不同步,并由业务维护应删除对象清单。无论选哪种,已开启版本控制时都应按版本核验恢复路径:不带 VersionId 的 GET 遇到当前删除标记会失败,历史版本仍可能通过指定版本读取。指定 VersionId 删除某一版本不会随复制传播,不能用它推断备桶已删除。 2. 源桶生命周期操作不会自动复制;目标桶相同的 7 天规则会按副本保留的原创建时间执行。因此演练前先审查或暂缓目标桶生命周期规则,防止复制完成后又在目标桶变成删除标记。 3. 以明确的源端截止时间和 orders/ 清单做对账,分别记录“规则启用前存量”“源端已完成上传但目标尚无”“目标当前为删除标记”三类。存量要单独回填;2GB 分块上传要确认源端 CompleteMultipartUpload 成功,再检查目标端对应 Key/版本的 HEAD 或 GET,未到齐就不要宣布追平。目标端列版本可区分当前删除标记和对象未到达;仅比较两边不带版本号能 GET 的 Key 不够。复制是异步的,几十分钟不能直接判定为永久丢失,需继续排查规则范围、任务状态和复制异常。 参考腾讯云文档:https://intl.cloud.tencent.com/zh/document/product/436/19923 ;生命周期与副本时间:https://intl.cloud.tencent.com/zh/document/product/436/19237

TKE 空闲节点因 emptyDir 不缩容,保护该如何取舍?

TKE 默认把含 emptyDir 的节点列为“不缩容”,因为驱逐会丢数据。取舍看业务能不能接受重建: 若 emptyDir 只是临时缓存、日志中转,丢了无所谓,给 Pod 加注解 cluster-autoscaler.kubernetes.io/safe-to-evict: "true" 放行缩容;或者改用 medium: Memory,CA 不把它当本地存储,自然不阻止缩容,但数据随 Pod 消亡且占内存配额。 若数据有状态价值,别硬开缩容。要么换 PVC/COS 持久化,要么在控制台勾选“含有本地存储 Pod 的节点不缩容”兜底,牺牲弹性保安全。 注意:safe-to-evict 是 Pod 级注解,只对明确标记的 Pod 生效;全局关闭保护会让所有 emptyDir Pod 面临驱逐风险,生产环境慎用。尚无法确认您集群当前 CA 版本是否支持该注解,建议查 TKE 控制台组件版本或文档核验。 官方详细解决方案:https://cloud.tencent.com/product/lighthouse?Is=sdk-topnav... 展开详请

Redis 集群单分片被热 Key 打满,加分片和副本只读该如何取舍?

先分清是读热还是写热,这决定了取舍。 副本只读(读写分离)适合读多写少、且业务能容忍主备延迟的场景。腾讯云这块目前免费体验,Redis 4.0 以上标准/集群架构都能开,在节点管理里配置只读路由策略即可。但它有个硬伤:写请求永远落在主节点,如果热 key 本身带写,或者大量用 SCAN 这类固定转发主节点的命令,主节点 CPU 照样高。而且副本延迟会带来脏读,一致性敏感的场景别硬上。 加分片解决的是容量和整体吞吐,对单 key 热点基本无效——一个 key 只会落一个分片,加再多机器流量还是集中在那。加分片要低峰期做,Slot 迁移有失败风险。 真解法还是拆:热 key 复制成 N 份(带随机后缀分散到不同 Slot),读时随机选,写时同步更新;再叠一层 Caffeine 本地缓存挡掉绝大部分读。多副本一致性不好保证,属于应急+过渡手段,最终靠本地缓存收口。 顺序建议:本地缓存 → 副本只读 → 拆 key → 最后才考虑加分片。 官方详细解决方案:https://cloud.tencent.com/product/lighthouse?Is=sdk-topnav... 展开详请
领券