
OODER 技术博客 · Agent Architecture
——续《从 Agent Team 到常驻 SuperAgent》:为什么它不是又一套固定流程
日期:2026-11-06 | 范围:ooder-pro · net.ooder.studio.chat.superagent · A2A · A/B/C 分层
证据口径:源码契约 + 教育外网 Studio 8014 真实运行数据 + 灰度/稳定性报告
前篇:《从 Agent Team 到常驻 SuperAgent》
上一篇我们给出的结论是:Ooder 不缺 Agent,缺的是一个常驻的 Router 层。那一篇讲的是"补什么"——常驻会话、Thread 直通、两级事件过滤、启动恢复、可回滚接管。
这一篇讲"补完之后它到底是什么"。因为架构一旦落地,最容易被误读成两种东西:要么是"更聪明的流程引擎",要么是"多开了几个 Agent"。两者都不对。本文先把一类常见做法摊开——把 AI 塞进一条全员强制的固定流水线,用 DAG 和审批门把研发过程管起来——然后回答三个问题:
文中的运行数据来自本机与教育外网真实实例;没有跑完的窗口、没有达标的样本,我会照实写出来。
关键词:常驻编排;固定流;决策前置;Thread 直通;A2A;A/B/C 分层;真实项目现场;人机协作
先看一类正在被大量复制的做法。某公司自研了一套内部 AI 研发插件,经过多轮迭代后在部分部门试点,随后全员通知强制使用——产品、设计、研发、测试,每个环节都必须经该插件流转。
它的机制可以精确地拆成四件事:
强迫全员使用的理由也很完整:工程合理性(绕开插件手工变更会丢失后续维护的上下文)、过程数据统一(有助于识别跨环节交接的断点)。
这段描述里,没有一句话是错的。问题不在它说错了什么,而在它没有说出的那半句:同一套机制同时是一套劳动力数字化度量(telemetry)系统——它持续采集员工活跃度、代码产出量、缺陷数据、人工干预频次。于是工具的选择权被收走,组织获得了对个体的实时读数。
判断一个系统是不是 AI 原生,不要看它用了多少模型,看一个更硬的口径:决策发生在什么时间点。
这就是"固定流的老套路":把不确定性全部压缩到开工之前,然后要求现实按图纸发生。 AI 在这里的角色不是"同事",而是"流水线上的电动工具"。
第一是选择权。员工失去局部工具的选择权,组织获得全局流程的一致性。短期看是收益,长期看是把"现场判断"也一起标准化了——而现场判断恰恰是交付质量的来源。
第二是上下文。强制统一流程的理由是"不丢上下文",但真正被丢掉的往往是流程之外的上下文:客户临时改的口径、上个版本遗留的脏数据、某个审批人今天不在、这张发票为什么必须走特批。这些信息进不了 DAG。
第三是度量反向塑造行为。一旦工时可以被量化压缩、与横向比较挂钩(按件计发工资),理性选择就不是"把事做好",而是"把指标做好"。再叠加"AI 承担缺陷修复后组织只保留少量程序员"的裁员预期,以及"生成速度超过人工审查产能,行业滑向可运行但不可交付"的风险——这三层担忧不是情绪,是激励机制设计问题。
一句话:它优化的是可观测性,不是交付结果。
审批流、研发流、交付流,最初都是为人与人交接设计的:谁交给谁、交什么、什么算交完。它的价值在于责任边界清晰,而不在于"聪明"。
一旦把 AI 塞进这种图,就会出现一个错配:AI 最擅长的是"在信息不全时给出下一步的合理动作",而流程图要求的是"在开工前把所有下一步都写死"。两者方向相反。
约束 | 含义 | 后果 |
|---|---|---|
节点必须已知 | 图上的每个方框都要提前定义 | 新场景 = 改图 = 发版 |
分支必须枚举 | 所有判断都要写成条件表达式 | 长尾异常只能落到"其他"或人工 |
异常必须回到人 | 图外的状态没有归属 | 越复杂越依赖人兜底,AI 只做加速 |
这三条不是实现缺陷,是表达能力的边界。你可以在节点里放更强的模型、更好的提示词、更细的 DAG,但拓扑本身不会因此变得更适应现实。
上一篇的核心判断是:把"维护会话、同步上下文、分派任务"从模型和提示词里拿出去,固化成系统层。
这句话的架构含义是:流程图描述的是"人怎么交接",而 Router 维护的是"任务之间的真实关系"——谁在做、做到哪、卡在哪、要不要问人、要不要合并。前者是图纸,后者是账本。
维度 | 固定流 | 常驻编排 |
|---|---|---|
决策时点 | 运行前(画图时) | 运行时(每一轮) |
决策载体 | 节点 + 条件表达式 | Router 的决策空间 |
变更方式 | 改图、发版 | 改绑定、改策略、改候选 |
异常归属 | 人工兜底 | CLARIFY / ESCALATE 是一等公民 |
系统产出 | 过程记录 | 任务图 + 状态 + 可回滚归属 |
所以 SuperAgent 不是"流程引擎 2.0",它补的是流程之外的那一层:关系、状态、恢复与归属。
升级没有改 ooder-a2a 协议、没有替换 scene-engine、没有动业务执行体。新增的包是 net.ooder.studio.chat.superagent,通过端口倒置依赖宿主:
WorkerDispatchPort:派发与取消;AgentResolvePort:寻址(mention / sceneId / pid / nodeId → 执行体);SuperAgentReplyPort:对用户输出;TriggerSource:事件来源(IM / BPM / Git / CI / VFS)。协议栈继续负责传输、寻址、鉴权与幂等;SuperAgent 只回答三个问题:谁来做、什么时候做、做完怎么汇总。

图 1:左边是"决策前置"的固定流,右边是"决策运行时化"的常驻编排。差别不在节点数量,而在谁持有决策权。

图 2:入口、Trigger、Runtime、A2A、Worker 与旁路账本的关系。Runtime 只做决策与记账,不执行业务;Worker 只执行,不直接对用户说话。
会话键是 tenantId:userId,一个用户一个常驻会话,不随 HTTP 请求结束而销毁。会话里放四样东西:当前焦点会话、未完成任务、最近事件摘要、用户偏好。
会话内部用串行执行器(单写者 actor),把"同一会话并发两轮"的竞态挡在门外。这不是性能优化,而是正确性约束:如果同一会话的两轮请求并发决策,就会出现两个 Router 同时派发、两个 Worker 同时写同一 Thread 的情况。
首轮由 Router 决策并绑定主 Worker;同一个 conversationId 的后续轮次直接投给主 Worker,不再经过 Router。
直通不是无条件的。
public boolean shouldDirectPass(ThreadBinding binding, ChatSnapshot snapshot,
boolean agentOnline) {
if (!properties.getThread().isDirectPass()) return false;
if (binding == null || snapshot == null || !binding.directPassEligible()) return false;
if (!agentOnline) return false;
String content = snapshot.content() == null ? "" : snapshot.content();
if (P2aDispatchService.extractMention(content) != null) return false; // 有 @ 就回 Router
if (snapshot.lockedScene()) return false; // 锁定场景不走直通
return !containsCrossThreadIntent(content); // "改主意/取消/另一个" 回 Router
}注意这里的措辞:直通是"免决策",不是"快决策"。它之所以快,是因为这一轮根本不需要判断——绑定在、执行体在线、没有新意图。这跟固定流里"每条边都必须走一遍"是相反的思路。
直通期间也不是"失明":每轮仍写一条影子事件(ROUTER_SHADOW),让 Router 对跨任务关系有迹可循,但不参与本轮路由。
Router 的决策类型定义在
决策 | 含义 | 固定流里有对应分支吗 |
|---|---|---|
DIRECT_ANSWER | Router 自己回答,不派发 | 没有(固定流默认必须走节点) |
ASSIGN_WORKER | 新建任务并派发 | 有(派单) |
CONTINUE_THREAD | 直通已绑定 Worker | 没有(固定流每轮都从入口开始) |
CLARIFY | 信息不足,向用户追问 | 弱(通常退化成人肉沟通) |
ESCALATE | 转人工/上级 | 有(审批门) |
IGNORE | 事件不值得处理 | 没有 |
IGNORE 和 CLARIFY 是这套设计里最关键的两个"反流程"决策。固定流没有"这件事不该处理"的合法分支,所有事件都必须进图;而现实中大量事件的价值就是"不需要管"。把"不处理"变成一等公民,才避免了"为了跑流程而制造任务"。
还要强调一个容易被忽略的实现事实:Router 默认走确定性规则,不依赖大模型。 RouterPolicy 的默认路径是"显式 @ → 派发;锁定场景 → 本地直答;其余 → 直答",LLM 路径由 router.llm-enabled 显式开启,且输出必须通过 schema 校验与候选清单二次校验,失败一律回落规则路径。这意味着:即使模型不可用,系统仍然可用;即使模型漂移,也不会把请求派到不存在的执行体。
事件入口不是"把消息丢给模型",而是两级过滤:
网关负责去重(复用落盘幂等台账,跨重启有效)、落事件表、再转交运行时。被拒绝的事件一定带 reason,不静默丢弃——这是可运维性的底线。
ownerMode:接管必须可证伪、可回滚新链接管旧链,最大的风险是"看起来没坏"。这套实现用了两个机制把它变成可验证的:
shadowMatch / shadowMismatch / shadowMismatchRatio,比完即清除,避免跨轮误配;sa_thread.owner_mode 只有 SUPERAGENT / LEGACY 两值,写 SUPERAGENT 后旧委派钩子全部跳过,回滚时改回 LEGACY 旧链恢复。不允许同一会话同时存在两种 owner。回滚有三档,优先级从高到低:全局开关(enabled=false / mode=shadow)→ 运行时 kill switch(POST /admin/kill,无需重启)→ 单会话归属(POST /admin/rollback?conversationId=xxx)。
启动不是"进程起来就能接流量"。状态机是:
BOOTING → STORE_READY → WAIT_RECONCILE → DIRECTORY_READY → RECOVERING → READY
↘ DEGRADED(原因) → 后台自愈 ↘三条硬规则:READY 之前零接管;存量会话默认不迁移(避免重启后双跑);DRAINING 立即停止接管。
恢复扫描非终态任务,与协议侧消息对账,收敛为 SUCCEEDED / FAILED / TIMEOUT / UNKNOWN / ARCHIVED——只对账、不重派。这一条是从根上杜绝"重启风暴"和重复执行的关键。
把上面几节压缩成一句话:
SuperAgent 不生产业务结果,它生产"任务之间的关系"。
会话是账本的封面,Thread 是账页,任务是分录,ownerMode 是归属戳,影子决策是审计底稿,恢复是对账,Watchdog 是查账。
固定流也有账,但它记的是"过程有没有按图纸走";SuperAgent 记的是"事情现在到底在哪"。前者服务于考核,后者服务于交付。
架构讲得再顺,也要拿运行数据说话。以下数据来自教育外网 Studio 8014 的真实实例。
项 | 值 |
|---|---|
构建 | sha=5843675ec、md5=ef02c2ee… |
模式 | mode=active,killSwitch=false,状态 READY |
灰度人群 | admin,devdev,tester(systemd drop-in 注入) |
采集 | 2 小时定时快照 ×12 + 5 分钟高频稳定性采样 |
问法 | 期望 | 实测 | 耗时 | |
|---|---|---|---|---|
1 | @form.modeling 请为"学生请假申请"生成一张表单 | 派发成功 | SUCCEEDED | 6.0s |
2 | 同会话 再加一个"请假天数"字段 | 续轮直通 | SUCCEEDED(第 2 条任务) | 5.4s |
3 | @codeagent.metrics 查询研发指标… | 派发到远端 | 修复后 SUCCEEDED | 2.2s |
4 | @form.convert 请把这张报销单转成平台表单 | 缺输入如实失败 | FAILED / requires_input | 4.4s |
5 | 你好 | 旧链直答 | 直答(superAgent=None) | 4.4s |
6 | 帮我看看报销流程怎么走 | 旧链直答 | 直答 | 12.9s |
7 | @form.modeling 生成一个"学生成绩录入"表单 | 派发成功 | SUCCEEDED | 4.7s |
8 | 请把这张外部表单转成平台表单(无 @) | 旧链直答 | 直答(无把握不接管) | 10.3s |
9 | @form.convert {"fields":…} | 剥离 @ 后成功 | 未派发(后修复) | 4.8s |
10 | 谢谢 | 旧链直答 | 直答 | 3.0s |
9/10 符合预期。 更值得说的是三个"符合"背后的架构意义:
requires_input,而不是编一个结果。这是"系统层记账"和"模型层幻觉"的分界线;DIRECT_ANSWER 一律返回 null。接管是要有边界条件的;其一:远端执行体被"本机驻留"误杀。 @codeagent.metrics 返回了 superAgent=true,但没有任务、没有 delegatedAgentId。根因是候选装配用本机能力注册表去判断远端节点(codeagent-8120),必然全部 UNBACKED 被剔除。修复口径是:nodeId != 本节点 时跳过驻留判定,可达性交给 A2A 派发裁决。
这个缺陷的教训很硬:"本机驻留"和"集群可达"是两个概念。把它们混成一个布尔值,编排层就会在"A 节点编排、C 节点执行"的形态下自我否定。
其二:派发正文没有剥离 @提及**。** @form.convert {"fields":[…]} 的正文带着 @form.convert 前缀,执行体按"非 JSON 文本"处理,恒返回 requires_input。修复在 SuperAgentRuntime.workerContent():只剥离首个提及,剥空则回退原文。
这两条都不是"模型不行",而是口径问题。架构正确不等于口径正确;口径错了,再好的架构也会在真实入口上翻车。
systemctl 记录为 Stopping → Started,NRestarts=0,不是崩溃/OOM),该窗口判定无效,样本归档不计入;setsid nohup 野进程占用,/OOD 与健康端点均 500,期间 UI 验收中断,20:39 恢复;我坚持把这些写出来,是因为"只报好数据"本身就是固定流思维:把过程做成可展示的,而不是把事实做成可核对的。
灰度报告的结论是 PARTIAL,原因只有一句话:实例只有 admin/devdev/tester 三个内部账号,没有真实业务用户。
这意味着:技术上已经能证明"链路通了",但业务上无法证明"它有用"。因为没有真实用户,就没有真实的改主意、跨会话引用、权限边界、口径冲突;没有实际运营数据,就没有"这条任务到底该不该存在"的判据。
这个 0 不是工程失败,是场景缺位。它恰好把我们引向本文真正的落点。
现在把三种形态放在同一张表上。注意:这不是"新旧之争",而是决策权归属之争。
维度 | 固定流插件(截图那类) | 常驻 SuperAgent | A/B/C 三层 Agent |
|---|---|---|---|
决策时点 | 运行前,画在图上 | 运行时,每轮决策 | A 决策、B 约束、C 执行 |
拓扑 | 固定 DAG,节点预定义 | 无固定拓扑,Thread 动态绑定 | 三层解耦,层内自治 |
变更成本 | 改图 + 发版 + 全员培训 | 改策略/候选/绑定,灰度可回滚 | A 月级、B 客户周期、C 天级 |
异常处理 | 回落到人,图外无归属 | CLARIFY / ESCALATE / IGNORE 一等公民 | C 内确定性失败,B 定权限,A 定话术 |
人的位置 | 流水线工位,被计量 | 决策者与验收者 | 分别管契约、领域、实现 |
数据回路 | 过程数据(工时/产出/干预) | 任务图 + 事件 + 影子对比 | 三层各自的账,互不污染 |
失败模式 | 流程走完但没人负责 | 明确失败原因 + 下一步入口 | 故障被限制在 C 的沙箱边界内 |
可回滚 | 通常没有(只能停用) | 三档回滚,单会话可归位 | 按层发版,按层回退 |
适用边界 | 强合规、步骤可穷举 | 需求不清、跨系统、人机混合 | 多租户、多领域、持续演进 |
三条容易混淆的边界,必须说清:
第一,"SuperAgent 也是流程"。 不是。流程是执行段(一个 Worker 内部的确定性步骤,比如报销审批的节点路由),编排是关系段(这件事该不该做、交给谁、做完怎么合并)。前者应该保持确定性,后者必须保持动态。把两者混成一张图,就是固定流。
第二,"LLM 决策不可控"。 这套实现的答案是三条:规则兜底(默认路径不依赖模型)、schema 二次校验(agentId 必须在候选清单内)、影子对比(和旧链实际结果比,偏差可见)。可控性来自工程约束,不来自"相信模型"。
第三,"直通就是硬编码"。 直通是运行期绑定,不是写死的路由:绑定由首轮决策产生,可解绑、可重绑、可随执行体离线自动回退。
还要给固定流一个公道:在强合规、强审计、步骤确实可穷举的场景里,固定流是对的——比如付款审批的金额分级、必须双人复核的节点。这种场景应该用 C 层的确定性流程去承载,而不是"假装 AI 原生"。真正的错误是:把只适用于合规段的固定流,推广成整个研发/交付过程的组织方式。
截图里那套系统采集的全是过程数据:活跃度、代码产出量、缺陷数据、人工干预频次。这些数据能回答"研发有没有在动",回答不了"客户的问题有没有被解决"。
而客户付钱买的,从来不是"过程",是现场结果:单据能不能过、账能不能对上、审批能不能走完、月底能不能结账。
只生产软件的企业,会天然把 AI 的落点放在"生产过程"里——因为那是它唯一能观测的地方。这就是它的天花板:它优化的是一个闭环内部,而不是闭环本身。
"现场"不是一个修辞,它对应三类非常具体的输入:
输入 | 测试环境里没有的 | 对架构的要求 |
|---|---|---|
真实用户 | 角色差异、权限边界、使用习惯、异议与改主意 | 常驻会话、跨会话召回、CLARIFY 追问 |
实际运营数据 | 脏数据、口径冲突、跨系统主数据不一致 | 执行体如实失败、requires_input、人工门 |
现场约束 | 旧系统、网络边界、合规要求、老师傅的经验 | 域权限、沙箱隔离、可回滚归属 |
这三类输入有一个共同点:它们都不在图纸上。 你无法在开工前把它们枚举成 DAG 的分支,只能让系统在运行时接住它们。
以"学生请假申请"和"资金日报"为例,看现场到底多出了什么:
amount > 5000 → 分管领导 在画布上是确定的,但"这个人今天休假、代理人是谁、特批要不要留痕"是现场的。这些东西,正是"真实用户 + 运营数据 + 现场约束"的合成物。SuperAgent 的价值不在于把它们自动化掉,而在于把它们接住、记账、分配给对的人,并把结果回写现场。
因为软件只是载体。价值在运营回路里:现场数据 → 可执行动作 → 执行结果 → 回写现场 → 下一轮判断。
只做"生产软件"的企业,回路到"软件交付"就断了;它卖出的是一次性的产物,而不是持续的运营能力。AI 如果只被用来加速这个断开的回路,最终只会得到"更快地生产没人用的软件"。
第 4.5 节那个 0,是最好的论据:没有真实用户和运营数据,SuperAgent 只能证明链路,不能证明价值。
所以下一步不是"再加几个可视化按钮",也不是"把流程画得更细",而是:让真实业务账号进来,让真实单据跑起来,让运营数据进入回路。场景比模型重要,现场比图纸重要。
假设把 SuperAgent 当成全部答案,让它既编排、又懂业务、还负责执行,会立刻出现两个问题:
这正是固定流的病根换了个位置:不是流程画死了,而是编排层被画胖了。
层 | Agent 角色 | 承载 | 发布节奏 | 回答什么问题 |
|---|---|---|---|---|
A | 常驻编排智能体(SuperAgent / Router) | 会话、Thread、决策、派发、汇总、恢复、回滚 | 月 | 谁来做、何时做、做完怎么汇总 |
B | 领域宿主智能体 | 领域模型、视图契约、名册、授权、场景与工具白名单 | 客户周期 | 业务是什么、谁能看、谁能改 |
C | 业务执行体 | 场景服务、编排实现、编码体、沙箱内编译与运行 | 天 | 具体怎么算、怎么取数、怎么落库 |
判据仍然是那一句话:能被平台反射读取的元数据必须在 A/B 的注解里;与类无关、客户可改的运维配置必须在 B 的 YAML 里;任何"拼装产物"的代码都不许留在 C。
三条依赖红线与之配套:
ooder-pro 不得反向依赖任何 ooder-biz-* / ooder-domain-*。装载顺序在运行期强制固化:-Dloader.path=lib,lib/domain,lib/biz(A → B → C),并由 harness/bc-gate.mjs 做静态门禁:C 层不得出现产物拼装类、A 层与 C 层不得出现同 FQN 的类、B 不得依赖 A 的生成器。

图 3:A 管关系、B 管语义与授权、C 管执行。三层的发布节奏不同,因此必须解耦;否则任何一次业务变更都会变成平台变更。
用户 → A:读会话/Thread → 决定 DIRECT_ANSWER / ASSIGN / CLARIFY / IGNORE
↓ ASSIGN
B:解析领域、校验权限、装配候选执行体与约束
↓ 派发(A2A 直达,带 threadId / 鉴权头)
C:在沙箱内确定性执行,如实返回 SUCCEEDED / FAILED / requires_input
↓ 回执
A:收敛终态 → 汇总成人话 → 回写会话与任务图 → 推送用户需要澄清一处容易画错的细节:物理上 A 经 A2A 直达 C,逻辑上必须经过 B。 候选来自 B 的名册、越权由 B 的授权矩阵拦住、参数受 B 的契约约束。B 是 C 的宿主,不是转发代理;A 不绕过 B 去"猜"业务。
三条纪律:C 不直接对用户说话(所有用户可见文本由 A 汇总);B 不出实现(只出契约、模型与授权);A 不出业务(不出现业务字段名、流程 ID、表名)。
需求类型 | 落点 | 反例(错误落点) |
|---|---|---|
新增一个业务动作(生成表单、查指标) | C | 写进 A 的 Router 提示词 |
新增领域/角色/权限/名册 | B | 在 A 里 if-else 判断用户 |
新增通用协议、渲染、调度、恢复 | A | 在每个 C 里各写一套重试 |
客户改字段/口径/审批人 | B(YAML/模型) | 改 A 的 Java 常量 |
红线的现实意义在于:如果"报销字段名"出现在 A 层,那么每改一个字段都要发一次平台版本——这正是"变化频率冲突"的具体形态。仓库里仍有这类残留(例如待办控制器的字段键硬编码、.cls 与 formSchema 双源),它们被明确列为 P0/P1 清理项,而不是"以后再说"。
固定流的死结是:流程要统一,业务要变化。 唯一的解法是"强制",于是就有了全员培训和考核。
A/B/C 的解法是把"统一"和"变化"分开放:
于是"统一"不再需要靠强制,"变化"也不再需要靠发版。
层 | 谁在管 | 人的位置 |
|---|---|---|
A | 平台团队 + 编排 Supervisor | 定义协议与边界,审阅决策与影子偏差 |
B | 领域专家 / 实施顾问 | 定义模型、权限、口径,做验收标准 |
C | 一线工程师 + 编码 Agent | 写实现、跑沙箱、看运行证据 |
人被放到了两个高价值位置:定义契约和验收结果。中间的执行、派发、恢复、汇总,交给系统。
这就是"不是把 AI 从程序员手里抢走"的准确含义:被拿走的是"当执行器"的那部分工作,留下的是"当作者和裁判"的那部分工作。
"这不还是流程吗?" 流程仍然存在,但只在 C 层、只在确定性执行段。编排层不是流程,它没有固定拓扑;它的产物是任务图与状态,而不是"走过哪几个节点"。
"LLM 决策漂移怎么办?" 默认规则路径 + 严格 schema + 候选二次校验 + 影子对比 + 三档回滚。任何一条失效,系统退回旧链,用户无感。
"AI 会不会取代程序员?" 会取代"把人当执行器"的组织方式,不会取代定义问题、做取舍、担责任的人。判断标准不是"AI 写了多少行",而是"人有没有被放到更能产生判断的位置"。
"度量怎么办?" 度量任务与结果:任务是否收敛、失败原因是否明确、返工率、人工门触发率、端到端时延。不要度量人:工时、代码量、干预次数一旦与个人绩效挂钩,就会立刻反向塑造行为,这是那三层担忧的根源。
"没有真实数据怎么冷启动?" 先用 C 层的确定性能力跑通一条真实单据,再用 Trigger 把现场事件接进来,逐步放开直通与派发范围。顺序不能反:先有确定性,再谈智能。
上一篇的结论是"缺一个常驻的 Router 层"。这一篇的结论是:Router 层只是入口;真正的范式,是让 A/B/C 各归其位。
证据 | 位置 |
|---|---|
Router 决策类型 | RouterDecision.java |
直通判据 | ThreadRouter.java |
决策策略(规则优先) | RouterPolicy.java |
事件两级过滤 | TriggerGateway.java |
派发与 @ 剥离 | SuperAgentRuntime.java |
运行时落地方案(状态机/恢复/回滚) | superagent-runtime-implementation-plan-20261104.md |
灰度报告与 T0 十条 | superagent-gray-report-20261104.md |
24h 稳定性(含外部重启) | superagent-24h-stability-20261105.md |
A/B/C 三层定义与红线 | B-C分层拆分方案与规范-20261025.md |
分层门禁 | bc-gate.mjs |
零代码与 A/B/C 落点核查 | 零代码与ABC落点核查-20261106.md |
OODER 技术博客 · 续篇 · 文中运行数据来自真实实例,未完成窗口与不足样本均已如实标注

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。