知鸦日报2026-07-20

本文提出一个面向数据开发团队的Agent Skill，通过分阶段Spec工作流，将业务需求自动转化为结构化Prompt，直接驱动Copilot生成高质量SQL。核心是将“人连续投入的串行排期”转变为“Agent自动执行、人按优先级介入决策”的并行模式，显著提升多需求交付效率。

大模型有四大先天约束，工程化是必然。从Prompt工程开始，到Context工程管理信息，再到Harness工程构建完整运行时，最终演化出五层Agent操作系统。核心是从“防御”转向“赋能”，为LLM创造犯错成本最低、正确路径最短的执行环境，实现稳定、大规模的企业级任务执行。

代码审查中重复的反馈其实是未文档化的需求。我们构建了一个自改进系统：自动生成技能目录，并设计三层评估框架衡量质量。通过挖掘审查评论中的模式，系统自动修正生成器，六轮迭代后，重复评论消失，系统学会自我收敛。当标准变化时，反馈循环会自动重启。

Netflix构建了基于vLLM和Triton的LLM服务平台，统一了gRPC与OpenAI兼容API。关键决策包括：引擎选择vLLM、优化模型打包与部署策略、通过约束解码提升输出质量。生产环境揭示了版本兼容、冷启动延迟和状态管理挑战，后续将聚焦压缩、异步调度和GPU内核优化。