腾讯轻量云LoopForge以SOP推动AI研发走向可交付
腾讯轻量云研发专家江露分享了LoopForge的云端实践。团队关注的重点已从代码生成速度和准确率,转向Agent能否理解完整需求、协同完成研发环节,并让结果经过验证后稳定交付。实践表明,接口约定、业务规则、测试数据和环境配置等非代码信息常未被Agent获取,需求歧义、验收标准模糊、测试环境不一致和旧报告复用,往往比编码本身更容易造成失败。模型能力决定上限,但多数问题仍需要依靠工程机制解决。
为避免长任务和多Agent协作失控,团队把“先分析、再实现、必须评审和测试”等共识固化为可执行SOP,并用DAG定义节点依赖、状态流转和回退路径。每次运行保留流程版本及产物快照,方案、代码变更和检查报告通过文件交接;脚本负责规则明确且可命令判断的工作,Agent负责需要理解和判断的环节,关键取舍和最终责任仍由人承担。SOP适合验收标准清晰的任务,但仍需持续维护,探索性工作则要保留更大灵活性。
在质量控制方面,实现、评审和测试使用独立上下文,评审依据原始需求建立预期,测试则通过可复现的运行事实验证结果。团队按风险组合使用五类门禁:单测与增量覆盖、面向变更的缺陷挖掘、异构模型交叉审查、每个MR独立环境中的E2E测试,以及产品体验走查。失败原因会反馈给修复Agent,代码变化后旧报告自动失效。由于测试环境无法完全等同生产环境,人工确认和上线后观察仍不可省略。
LoopForge还将流程延伸至生产运维,从日志、Kubernetes和慢SQL巡检中发现异常,经聚类去重后建单,并附带时间窗口、影响范围及相关提交。生产数据默认只读,修复遵循最小改动原则,需先复现原问题,再完成修复、回归检查和独立环境全量E2E验证。最终交付给人的材料包括根因、改动范围、验证位置、测试结果和剩余风险,由人决定是否合入;上线后继续观察指标,确认问题真正闭环。
随着Agent扩大跨岗位开发能力,团队强调“岗位边界可以打开,责任边界不能模糊”。专业经验应沉淀到Skill、检查项和评审规则中,并由模块负责人承担结果责任。研发人员的角色也从逐步推动任务,转向建设涵盖工具、上下文、任务运行、验证、观测和权限管理的AI基础设施,即Harness;人负责设定目标、观察过程、处理例外并对最终结果负责。
本文基于公开渠道信息整理,内容可能存在不准确或遗漏之处,不代表本站立场,如内容涉及侵权或错误,请联系我们处理。
阅读原文