从服务到工具:用 Go Micro 搭建可控 AI Agent 的实现路线
很多「从零写 Agent」教程把重点放在模型调用:准备一段 prompt,向模型发送消息,等它返回一段文本。但一旦 Agent 要读取业务数据、创建订单、触发部署或调用内部系统,真正困难的部分会立刻出...
最新内容
很多「从零写 Agent」教程把重点放在模型调用:准备一段 prompt,向模型发送消息,等它返回一段文本。但一旦 Agent 要读取业务数据、创建订单、触发部署或调用内部系统,真正困难的部分会立刻出...
线上系统要对事件做判断,常见做法是把规则散落在应用代码、SQL、流处理任务和告警平台里。订单风控、支付异常、日志分流、数据质量检查看似不同,最后都会遇到同一个问题:一条事件为什么被拦下、由哪版规则决定...
订单审批、账号冻结、内容发布这类动作,表面上只是把一列状态从 pending 改成 approved。但在真实服务里,它往往同时意味着:记录谁批准了、把版本号向前推进、写入审计历史、保存幂等结果,并向...
团队里的自动化常常从一个很小的需求开始:表单提交后写入表格、GitHub 事件发生后通知 Discord、每天把 RSS 中的新条目汇总给同事。流程一多,问题也随之出现:Webhook 地址散落在不同...
一个应用刚起步时,权限实现往往很直接:用户表有一个 role 字段,后端在路由或 service 中判断管理员、成员和访客。这个方案没有错;对于资源少、角色固定的后台,它甚至是成本最低的方案。 问题通...
在复杂系统里,真正危险的往往不是“需求还没写完”,而是某条上游需求已经改了,设计说明、接口表、测试计划却仍然看起来完整。文档彼此独立、链接靠人脑记忆时,团队很难回答一个看似简单的问题:这次修改究竟影响...
让 Agent 读取外部世界,常见做法是给它接新闻、天气、安全通告或市场数据。但“数据源很多”并不等于“适合直接放进自动化链路”。数据是否可查询、字段是否能解释、搜索会不会误命中、来源能否追溯、接口承...
终端编码 Agent 的难点,往往不是“能不能生成代码”,而是如何把模型、权限、上下文、执行环境与成本信息放进一个可重复的工程流程。很多团队会分别使用不同供应商的 CLI:一个任务用 DeepSeek...
.env 并不是秘密管理系统。它适合让本地程序读取一组配置,却很难回答几个真正影响安全的问题:某个 CI 任务到底读过哪把密钥?开发、测试和生产是否共用了同一份凭据?轮换后,旧值在哪里失效?更常见的事...
在开发现场,“把这个构建产物给同事”“让测试机取一份日志”“从另一台电脑收一个复现包”都是小事,却经常以不太可控的方式解决:开一个 python -m http.server,把目录暴露在局域网里;或...