从群聊提问到任务交付:团队级 Agent 基础设施全链路实践
在企业研发团队日常工作中,大量技术问题并非发生在专用平台,而是直接出现在即时通讯群聊里。然而传统AI工具往往要求用户主动打开平台、创建任务、描述场景,这种“工作向工具靠拢”的模式与真实协作习惯存在根本矛盾。阿里云云原生消息前端团队自研的Domino平台,正在重新定义这种关系——它不要求工作流程迁就工具,而是让AI能力自然嵌入已有的协作入口,从钉群提问开始,贯穿需求澄清、代码执行、评审验证直至部署交付的完整链路。
分层架构:理解入口与执行终端的职责解耦
Domino平台的核心设计哲学是将“理解与路由”和“执行与交付”分配给两个生命周期完全不同的Agent角色。ConsoleAgent作为长期入口常驻钉群,负责理解用户意图、检索组织知识、查询历史决策,并在需要时创建任务委派给执行层。而SandboxAgent则专注于在真实仓库环境中完成编码、构建、CodeReview和部署验证。这种分层设计带来两个关键收益:高频答疑不再为每个问题创建昂贵沙箱,代码修改始终发生在隔离可追踪的研发环境中。边界清晰让系统既能保持轻量响应,又能支撑真实交付。
三层上下文:从即时会话到组织记忆的认知演进
让Agent进入群聊并不难,难的是让它既能延续当前讨论,又不被偶然信息束缚。Domino建立了群级Session、KBase空间记忆和知识库三层不同粒度的认知来源。群级Session维护局部上下文,让追问可以自然延续;KBase空间记忆则连接跨群跨会话的历史,将团队确认的技术决策、长期有效的目录结构和研发规范沉淀为可复用资产;知识库与CodeWiki则连接正式事实源,确保答案的权威性。三层上下文并非简单堆叠,而是让Agent清楚知道什么是当前对话、什么是历史经验、什么是需要引用的正式事实。
团队级Agent的成败,不在模型的参数规模里、不在单次任务的执行速度里,而在能否让AI能力自然嵌入团队已有的协作入口与工作节奏里
“行业观察”积墨 AI 智能体开发平台
快速搭建具备商业价值的 AI 智能体,支持复杂工作流编排、50+ 主流模型接入与私有化部署。
SKILL工程化:隐性经验的显性沉淀与分发
通用模型可以写代码,却不了解控制台项目的工程规范、国际化链路、登录方式和发布验证方法。这些团队隐性知识过去依赖口口相传,现在通过SKILL实现工程化。SKILL不是万能提示词,而是带触发条件、执行步骤、工具选择和验收标准的工程方法包。例如mq-frontend-skill能识别工程类型并路由到对应规范,find-i18n-key实现从页面中文到源码位置的反向定位,frontend-sandbox-auth解决沙箱认证问题,ai-testing将页面验证从主观判断升级为可执行的自动化流程。SKILL决定“怎么做”,CLI/MCP决定“能访问什么”,两者结合让Agent把团队经验转化为可执行、可验证的研发动作。
全链路协作:可分享、可交接、可追溯的交付闭环
将能力串联后,一次真实协作场景是:用户在业务群询问某个指标不一致问题,ConsoleAgent延续会话并检索知识库给出直接回答,或创建任务委派给SandboxAgent。任务创建时真实提问者身份透传,后续沙箱、MCP授权和统计归属实际用户而非机器人。SandboxAgent完成代码修改后,用户在任务对话中确认结果,代码通过「任务改动提交」完成Git推送、CodeReview、变更绑定和部署,最终由AI Testing验证预发页面效果。整个过程的对话记录、工具调用、代码变更和验证结果都会保存在任务中,形成可分享、可交接、可追溯的工作空间。上线首月数据显示,平台发起135个代码任务,完成127次群内业务答疑,20多个团队活跃用户,覆盖日常任务答疑和存量页面开发工作。
Domino的演进揭示了一个核心命题:团队级Agent基础设施的成败,不在于单点能力有多强大,而在于能否在正确的时间调用正确的角色、在正确的地方获取正确的上下文、用正确的方法完成正确的交付。当Agent从“需要人主动操作的高级工具”进化为团队日常协作的一部分,真正的效率变革才刚刚开始。
