腾讯团队用 Harness 重构 90 万行旧项目：3 个月实战经验与踩坑总结
腾讯技术工程团队用 Harness 工作流重构一个内部视频在线剪辑项目，3 个月内把 90 万行旧代码重写为约 12 万行代码、15 万行文档和 6000+ 测试用例，测试覆盖率 86%。
#腾讯
#腾讯
今日 0 条腾讯技术工程（公众号）AI 评分6262
腾讯技术工程（公众号）AI 评分5050 腾讯技术工程拆解 REA：把逆向工程交给 Agent 的 MCP 架构原理
REA（Reverse Engineer Anything）通过 MCP 服务器将 Hopper、Ghidra、IDA、JADX 等逆向工具封装为 Agent 可调用的接口，让 Agent 自主完成"搜索字符串→追 XRef→反编译→重建功能"的调查链。
腾讯技术工程（公众号）AI 评分3838 Agent、MCP、Skill、CLI、Model 一次讲透：老系统接入 AI 的概念地图与三条路径
腾讯技术工程团队面向某大型整车集团研究院 IT 团队，梳理了 Agent、MCP、Skill、CLI、Model 五个概念的关系，并给出老系统接入 AI 的三条路径：API 封装为 MCP、CLI 包装、浏览器自动化或 RPA 兜底。文章指出 MCP 官方标准传输方式只有 stdio 和 Streamable HTTP 两种，SSE 自 2025 年 3 月起已被取代，仅用于存量迁移。
腾讯技术工程（公众号）精选AI 评分7474 腾讯 OK 平台端到端 AI 研发实践：254 条需求中 68% 由 AI 自动交付
腾讯技术工程公开 OK 平台端到端 AI 研发实践，该平台让 AI Agent 走完需求评审、技术方案、编码、Code Review 到部署的全链路。2026 年 4 月下旬至 6 月，安全中心项目空间提交 254 条需求，AI 端到端完成 172 条（68%），51% 的需求在 2 小时内完成，而传统模式下简单需求中位耗时 3~5 个工作日。
推荐理由：腾讯 OK 平台公开了端到端 AI 研发的九阶段流程与真实运营数据，可对照自身研发流程判断哪些环节能被 AI 承接。
腾讯技术工程（公众号）AI 评分6262 腾讯 SRE 如何用 Agent 把错误码排查从 3～8 小时缩短到分钟级
腾讯技术工程团队基于智能体编排平台搭建错误码治理 Agent，把知识库、代码关系图谱、可观测平台和代码托管平台四类能力挂载到同一个 Agent，将单个错误码排查从 3～8 小时缩短到分钟级。
腾讯技术工程（公众号）AI 评分3434 腾讯15年资深后台工程师，转战大模型推理的抉择
腾讯一位工作15年、2022年晋升T12的资深搜索后台工程师，2025年初主动卸下管理头衔，转入大模型推理工程团队，从性能评测、服务部署等基础工作做起，并深入阅读SGLang源码。他认为AI Infra与通用Infra高度接近，从通用Infra切入是更顺畅的演进路径，并给出推理工程入门的三层认知框架与三个自检练习。
腾讯技术工程（公众号）AI 评分3434 腾讯 WorkBuddy 资料库：让多人多 Agent 在 Demo、PPT 与活动页上实时协作
腾讯 WorkBuddy 推出资料库功能，把 AI 生成的本地 Demo、PPT 和活动页变成可在线协作的活页面，支持多人多 Agent 在同一画布上圈选评论、召唤专属 Agent 现场修改。其中 PPT 多人多 Agent 共创仍在内测中、即将上线，版本管理可追溯被 AI 改丢的细节。
腾讯技术工程（公众号）AI 评分2222 腾讯程序员用 AGENTS.md 约束 AI 编程模型：禁止 try-except 导入、Git 回滚和 ASCII Art
腾讯程序员 daisy 公开了一份强制性的 AGENTS.md 规则文件，用于约束 AI 编程模型的行为。规则禁止使用 try-except 进行 import、用 Git 回滚代码、读写 /tmp 目录、主动使用视觉功能以及用 ASCII Art 画图，并要求代码 fast-fail、实现后必须自行测试迭代。
腾讯技术工程（公众号）AI 评分3838 腾讯技术工程：别再只卷 Prompt 了，真正拉开 Agent 差距的是 Context Engineering
腾讯技术工程发文梳理 AI 工程范式从 Prompt Engineering、ReAct 到 Context Engineering 的演进，指出多数 Agent 失败已不是模型失败而是上下文失败。
腾讯技术工程（公众号）AI 评分2222 腾讯 Kuikly 如何助 App 适配 iPhone Duo 折叠屏
腾讯开源跨端框架 Kuikly 基于 Kotlin Multiplatform，覆盖 Android、iOS、HarmonyOS、H5、微信小程序、Mac 六大平台，支撑业务日活超 5 亿，可在共享 Kotlin 层统一处理折叠、展开、分屏、小窗等窗口形态的布局、路由、动画与手势。
腾讯技术工程（公众号）AI 评分2222 10 个技巧，让你的 WorkBuddy 比别人好用
腾讯 WorkBuddy 团队整理出 10 个使用技巧，核心是看住上下文用量、用对模式和会话、避免技能和废话占用窗口。对话框右下角灰色小圈可查看上下文用量，如 4.9% · 49.4K/1000K，产品经理建议用量保持在一半左右，超过就压缩上下文或新开任务。
腾讯技术工程（公众号）AI 评分3636 我用腾讯 Kuikly 把 DeepSeek Harness 装进了口袋：DSH Mobile 一码三端
腾讯程序员用 Kuikly 框架开发了 DSH Mobile，一套 Kotlin 代码覆盖 Android、iOS 和鸿蒙，按 DSH 官方 Host 协议连接电脑上的 DeepSeek Harness。
腾讯技术工程（公众号）AI 评分3434 从一次 LLM 调用到完整 Harness，Agent 到底经历了什么？
腾讯技术工程梳理了 Agent 从单次 LLM 调用演进为完整 Harness 的路径：上下文装配层、ReAct 循环、结构化 Tool Calling、记忆系统依次补上模型边界，最终凝结出负责会话恢复、权限沙箱、上下文压缩与子 Agent 调度的 Harness 层。
腾讯技术工程（公众号）AI 评分2222 鹅厂员工被 AI“糊弄”的现场：从编造字段到虚构依赖包
腾讯技术工程收集了鹅厂员工被 AI 幻觉“糊弄”的多个真实案例：AI 会编造不存在的知识库字段和引用来源、把 537.98 元四舍五入成 538 元、推荐查无此书的书目，甚至生成不存在的 npm 包名。有员工提到，黑客组织“Slopsquatter”正利用 AI 常幻觉出的假包名抢注并植入恶意代码。
腾讯技术工程（公众号）AI 评分2222 CubeSandbox v0.7.0 发布：沙箱跨机流动，集群平滑演进
腾讯云开源的 CubeSandbox 发布 v0.7.0，基于 S3 后端存储实现沙箱跨机暂停恢复，可在 A 节点暂停、B 节点恢复，该能力当前为预览版，默认由内置 MinIO 承载。新版本还让计算节点保留历史版本组件，使模板与快照不再因组件升级失效，并将节点管理等运维能力从 CubeMaster 迁移至 CubeOps。
腾讯技术工程（公众号）AI 评分2222 港科大（广州）与腾讯提出 VibeWorlding：开源模型 VibeWorlder-30B-A3B 在 3D 世界构建任务上反超 GPT-5.5
香港科技大学（广州）联合腾讯 AI 平台部提出 VibeWorlding，一个通过多轮对话与工具调用自主构建和编辑交互式 3D 世界的多模态智能体框架，并开源 VWE-Bench 评测基准与 VibeWorlding-Gym 训练框架。
腾讯技术工程（公众号）AI 评分2222 腾讯混元 Hy4 preview 发布并开源：770B 参数、1M 上下文，稳居开源模型第一梯队
腾讯混元 8 月 28 日发布并开源新一代大语言模型 Hy4 preview，总参数 770B、激活参数 49B，上下文长度突破 1M，定位“为生产力而生”。在 163 名内部专家、203 个工程任务的盲测中，Hy4 preview 均分 2.99/4，略优于 GLM 5.3 的 2.92 和 Kimi K3 的 2.94。
腾讯技术工程（公众号）AI 评分4848 腾讯技术工程两万字长文：AI Coding 深水区里，人退到决策点
腾讯 PUBG Mobile 后台团队用七个服务、三个月、一千八百多次提交、十六万行生产代码搭出一个内部平台，代码与设计文档全部由 AI 完成，没有一行是人写的。团队由此提出"机器提供事实、人做判断"的分工尺子：提示词约束要沉进框架和 runtime，判据是确定事实才做硬门禁，是代理指标最多做提醒。
腾讯技术工程（公众号）AI 评分2828 腾讯技术工程：Agent 自进化飞轮怎么搭——评测、记忆、落地、控制四齿闭环
腾讯技术工程提出 Agent 自进化飞轮方法论，把评测、记忆、Self-Improve 与人机协作串成"信号→积累→落地→控制"四齿闭环，核心是环节间的数据通路而非单点技术。
腾讯技术工程（公众号）AI 评分2727 腾讯云 Agent 可观测推出 DeepSeek Harness 采集插件，还原五层调用链
腾讯云 Agent 可观测在 OneSuite 基础上推出 DSH 采集插件 tencentcloud-agentobs-sdk-dsh，以原生插件形态挂载，将 DeepSeek Harness 的执行过程还原为 entry/agent/step/chat/tool 五层调用树并上报。
腾讯技术工程（公众号）AI 评分6262 腾讯团队用 10 个优化点把 Multi-Agent 工作流成本降了 50% 以上
腾讯团队用 1 个 TL 加 6 个子 Agent 的 harness 工作流驱动前后端开发，围绕让 AI 只看到当前需要的上下文、减少无关上下文、减少重复上下文三个原则做了 10 项改造，全流程预估降本 50%~65%。