私下里和鹅厂的一个朋友交流，他说特别羡慕 WorkBuddy 团队，踩中了 Agent 时代的红利。
事实也的确如此。
刚看到花叔整理的一份国内办公类产品排行榜，WorkBuddy 竟然已经是千万级别的 MAU（月活）了。不知道大家意不意外，反正这是我完全没想到的。
老汤分享的【关于腾讯慢了】的内容里也提到，从 CodeBuddy 演化出来的 WorkBuddy，上线短短三个月，就迭代了四十多个版本，算是接住了逐渐衰减的龙虾热。
其中一段话我觉得特别值得分享给大家共勉下。
过去做产品，往往要先写文档、评审、排期，再进入开发；而 WorkBuddy 团队是先让 AI 把东西做出来，大家围着一个能跑的原型看效果、提意见、再调整。
其实AI时代，我们人的学习方式也要跟着改变。
以前是思想→语言→行动。
现在是行动→语言→思想。
反着来了。
因为 AI 带来的最大便利，就是我们可以快速做出产品原型，然后再去迭代升级。
就像我这周，就用各种 Agent 工具组合在一起（包括 Codex、Claude Code、DSH、WorkBuddy 等等），迭代出来了两个产品。
一个是 Agent 八股：https://javabetter.cn/ai/video/，按 Agent 基础、上下文与记忆、Harness、RAG、LLM、Claude Code、Codex、DeepSeek、Prompt、MCP、LangChain、Spring AI 和模型微调分类整理了 288 道高频面试题。
另外一个是派简历：https://resume.paicoding.com/，让 AI 和你一起，写一份高质量简历。
先做再说，先体验了再说，利用 AI 来提升我们的执行力。
当然了，讲良心话，WorkBuddy 的产品体验确实做得不错，读者群里也有不少同学吐露心声，Codex 蹬完了就用 WorkBuddy 稳稳接住。
如果你是一位愿意相信努力、相信过程、相信一步一个脚印、相信自己能在 AI 时代分一杯羹的人，那接下来的硬核内容，希望你能认真读一读。
（全文比较肝，保证大家能学到很多很多，系好安全带，我们粗粗发～）
content
01、Agent 执行过程中工具调用失败或任务中断，恢复机制怎么设计？
首先是重试。LLM API 调用失败的时候，先判断错误类型——HTTP 429（限流）、5xx（服务端错误）、连接超时、流式传输中断，这些属于临时性故障，可以重试。参数格式错误这类不属于临时性故障，直接返回给模型，让模型自己决定下一步怎么办。
“重试策略记得用指数退避加随机抖动。加随机抖动是为了防止多个请求同时重试把服务端打崩。当然了，如果服务端返回了 Retry-After 头，按它说的时间等。”
“工具执行失败的处理方式不一样。错误信息原样返回给 LLM，让模型自己判断要不要换个参数、换个工具、还是直接告诉用户出了什么问题。”
对于状态恢复，后台任务可以用 SQLite 持久化。重启之后，扫一遍所有状态为“执行中”的任务，重新执行。
最后是快照回滚。每一轮对话开始前，对工作目录做一次 Git 快照。Agent 改了文件，如果发现改错了，可以回滚到之前的任意状态。
状态保存的粒度怎么选？
“按轮次保存。”
用户可以精确回滚到出问题的那一轮；频率又不高，开销可控。
02、如果 Agent 分析出的故障根因存在错误，怎么重新触发诊断？
PaiAgent 的工作流引擎在每个节点执行完之后都会保存一份快照。下游环节发现之前分析有问题，可以从快照恢复之前节点的状态，然后重新执行。
每次重新执行，快照里的重试计数记得加一。比如最多重试 3 次，防止同一个节点反复重试。
在 LangGraph 工作流中，节点跳转条件和边界判断怎么设计？
LangGraph 用的是状态图来定义工作流的。节点是处理单元，边是节点之间的连接。
普通边是固定跳转。A 执行完一定跳到 B。条件边是动态路由，A 执行完根据输出结果里的某个字段做判断，决定跳到 B 还是 C 还是 D。
“比如一个故障诊断工作流，诊断节点输出一个严重等级字段，条件边判断：等于 P0 走紧急处理，等于 P1 走常规修复，字段为空走人工审核。”
没被选中的分支上的所有下游节点会被递归标记为“跳过”。
03、ReAct Agent 调外部工具时服务启动慢，同步调用还是异步调用？
ReAct（Reasoning + Acting，推理加行动）的循环是：先想（Thought）→ 再行动（Action，比如调用工具）→ 拿到结果（Observation）→ 再想。正因为如此，模型做下一步决策时，依赖的是工具返回的结果。
“多个工具之间如果没有依赖关系，就可以并行。PaiCLI 用线程池做了并发执行，最多 4 个工具同时跑。并行执行完了之后，所有结果还是要同步送回 LLM。”
异步方案的后台任务和结果回调怎么实现？
第一步，把操作放进后台队列，然后立刻返回一个任务 ID。后台的工作线程会从队列里取出任务执行，并把状态持久化到 SQLite。
第二步，通过任务 ID 去查状态，如果任务还在跑就返回进度信息，跑完了就返回完整结果。
04、多模态 RAG 系统怎么设计？
首要解决的问题是把不同模态的内容放到同一个向量空间里做检索。
“两种技术路线。”
“第一种是用原生多模态的 Embedding。所谓 Embedding，就是把文字、图片转成在同一空间里能算距离的向量。文本和图片共享同一个向量空间。”
第二种是模态转换。图片先用视觉模型生成文字描述，把描述当普通文本做 Embedding。
视频需要先按固定间隔抽取关键帧，然后把每一帧当做图片处理。音频部分转成文字。最后把关键帧的视觉特征和音频转写的文本一起入库，检索命中某一帧时返回对应的时间戳。
05、用 LLM 生成图片描述再做文本匹配检索，有什么问题？
自然语言在表达视觉信息时有天然的瓶颈，很难通过文本表达清楚所有的视觉信息。另外就是语义偏移。同一张图片，不同的 LLM，生成的描述可能差别很大，检索准确率比原生多模态 Embedding 会低不少。
06、RAG 系统的召回率 85% 怎么计算？测试集怎么构建？
“Recall@K = 检索结果命中的相关文档数 ÷ 该查询的全部相关文档数。”
举个例子。测试集里某条查询标注了 10 篇相关文档，检索返回 top-20 个结果，其中有 8 篇命中了标注。这条查询的 Recall@20 就是 8 ÷ 10 = 80%。把所有测试查询的召回率取平均，得到 85%，就是整体召回率 85%。
“K 的选择要和业务场景匹配。K 越大召回率越高，但送进 LLM 的无关内容也越多，生成质量可能反而下降。”
测试集怎么构建？
第一步，从真实用户的历史提问里抽样，按查询类型分层，保证测试集覆盖不同的检索难度。
第二步，人工标注所有相关的文档。
第三步，知识库有更新，测试集也要跟着更新。
07、介绍一下 LoRA 和 DPO 微调流程，训练数据是自己准备的吗？
LoRA 的思路是冻结原始模型的所有权重，在需要微调的层旁边加两个小矩阵做旁路。原始权重矩阵的维度是 d × d，LoRA 把更新量分解成两个矩阵 A（d × r）和 B（r × d），r 远小于 d，一般取 8 到 64。训练时只更新 A 和 B，参数量只占原始模型的很小一部分。
训练完之后，把 A × B 的结果加回原始权重矩阵，合并成一个完整模型，再部署。推理时和没做 LoRA 的模型结构一样，没有额外开销。
LoRA 是一种参数高效的微调手段，通常配合指令微调（SFT）用，教模型怎么做；DPO 是偏好优化算法，教模型哪个更好。
DPO（Direct Preference Optimization，直接偏好优化）的训练数据是偏好对，一个样本由三部分组成：同一个输入、一个更好的回答、一个更差的回答。DPO 直接用这些偏好对来优化模型的策略，不需要先训一个奖励模型再做强化学习。相比 RLHF，流程要简单很多。
训练数据怎么准备？
用 LoRA 做指令微调，训练数据是指令-响应对。一条数据包含输入指令（“帮我检查这段代码的 bug”）和期望的输出（完整的检查结果）。来源通常是人工标注，或者让模型生成多个回答之后人工筛选最好的那个。
DPO 的数据就是偏好对。实际操作中，让模型对同一个输入生成多个回答，人工挑出最好的和最差的组成一条偏好对。
“质量比数量重要。好的数据一千条效果可能比差的数据一万条都好。”
08、向量数据库中的 IVF 索引原理是什么？nprobe 参数有什么影响？
IVF（Inverted File Index，倒排文件索引）的思路是分区检索，先把数据分成很多堆，查询的时候只在最可能的几堆里找。
建索引的时候，先用 K-Means 算法把所有向量聚成 N 个簇，每个簇有一个聚类中心。每个向量归入离它最近的簇。每个簇维护一个倒排列表，记录归入该簇的所有向量。查询的时候，算查询向量和所有聚类中心的距离，找到距离最近的 nprobe 个簇（nprobe 就是要搜索的簇的数量），只在这几个簇的倒排列表里做精确比对。
“和暴力搜索的区别就在这里——暴力搜索要和库里每一个向量比对，IVF 只搜 nprobe 个簇里的向量。如果总共 1000 个簇、nprobe 设 10，实际大约只搜了百分之一的数据。”
nprobe 对速度和准确率有什么影响？
nprobe 越大，搜索的簇越多，准确率越高，但速度越慢。nprobe 越小，速度越快，但可能漏掉相关向量——查询向量如果刚好落在两个簇的边界附近，离它最近的簇中心，未必是真正藏着最近邻向量的那个簇，nprobe 太小，只搜少数几个簇，就可能把真正相关的向量漏掉。
极端情况下 nprobe 等于簇的总数，就退化成了暴力搜索。
在线场景对延迟敏感，nprobe 设小一点，牺牲一点准确率换速度。离线场景（比如评测、批量处理）不赶时间，nprobe 可以设大一些。
09、Agent 应用到游戏场景做 NPC 智能交互，有哪些落地场景？怎么设计？
“三个方向比较有价值。”
第一个是动态对话 NPC。传统 NPC 对话走的是预设的对话树，选 A 走 A 分支，选 B 走 B 分支。Agent 驱动的 NPC 可以更自由地对话。玩家说什么它都能接得住，回话也更容易基于当前剧情、玩家进度和 NPC 自身的人设生成。
第二个是任务引导 NPC。Agent 可以根据玩家当前的装备、等级、已完成任务给出针对性的提示。
第三个是战术 AI 队友。组队副本里，AI 队友可以快速根据战场实况做决策，优先治疗谁、优先打哪个怪、什么时候用技能，会更灵活。
怎么设计？
感知层负责把游戏状态翻译成 LLM 能理解的文本，包括玩家位置、周围环境、背包物品等。
决策层负责设定 NPC 的人设，执行层负责把 LLM 的决策翻译成游戏引擎的 API 调用。
10、平时用 AI Coding 工具吗？公司限制国外大模型 API 怎么办？
“日常主力是 Claude Code 和 Codex。”
“随着国产大模型能力的提升，以及 Agent 产品的升级迭代，目前已有的替代方案不少了。比如说 WorkBuddy、DSH、Qoder 都已经很不错了。”
ending
其实 AI 时代最大的便利，我觉得就是，让所有的普通人都能被看到。
技术能力顶尖的人和技术能力一般的人之间的差距，在 AI 的帮助下被大幅缩小了。
所以，我认为这对于普通人来说，就是最好的机会。
只是需要多一点自信，多一点坚持。
扔一次石头没有激起水花，就多扔几次。
念念不忘，总有回响的。
回复