惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Martin Fowler
Martin Fowler
Engineering at Meta
Engineering at Meta
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
阮一峰的网络日志
阮一峰的网络日志
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
量子位
Jina AI
Jina AI
Microsoft Azure Blog
Microsoft Azure Blog
博客园_首页
L
LangChain Blog
A
About on SuperTechFans
人人都是产品经理
人人都是产品经理
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
美团技术团队
博客园 - 三生石上(FineUI控件)
N
Netflix TechBlog - Medium
D
DataBreaches.Net
P
Proofpoint News Feed
小众软件
小众软件
Vercel News
Vercel News
T
The Blog of Author Tim Ferriss
WordPress大学
WordPress大学
雷峰网
雷峰网
G
Google Developers Blog

博客园 - 张善友

纯 .NET 手写 CUDA kernel,GLM-5.3-Flash decode 跑出 llama.cpp 的 2 倍 3 张卡到底能不能跑大模型推理?从 vLLM、llama.cpp 到 TensorSharp 的多卡真相 AI 编程时代,.NET 的机会在哪里? Vibe Coding 月提交量 29 亿次之后:GitHub 的危机、Azure 迁移,以及 .NET 的机会 从 PostgreSQL 到 Kubernetes:开源的护城河,从来不写在代码里 人工智能最先替代的,是人工智能学院自己 企业架构的六种场景:从"四大流派"到数字原生与 AI 原生 TensorSharp 最新进展研究报告:从 DeepSeek V4 Flash 到 GLM-5.2,以及等待中的 GLM-5.3 Google 官方下场安利:Go 是 AI 时代的"理想语言"?其实 C# 更有资格坐这个位置 当"入门第一课"的作者开始 Vibe Coding:廖雪峰 2026 上半年 AI 编程实践深度探索 两种 Harness 哲学:从 DeepSeek Harness 的"过度抽象"争议,看 OpenClaw.NET 的另一种答案 JVMGuard 来了,.NET 开发者别慌:你的 dotnet-monitor 早就准备好了 .NET 11 Preview 7 发布:一大波硬核更新来袭,离正式版又近了一步! Agent 系统的不确定性治理:当软件工程遭遇"梯度下降" WorkBuddy 专家团的下一步:用 MetaSkill 把「提示词约定」升级为「运行时硬约束」 改变世界的17个方程,如何重塑 GoodCrew 的架构哲学 修 Bug 的手艺与架构的艺术:从熵增到熵减 纯 C# 追平 llama.cpp?.NET 本地推理三国杀 MCP 第五版 × OpenClaw.NET:从协议升级到生态编排 把 284B 的 DeepSeek V4 Flash 装进纯 .NET:TensorSharp 用一天改写了 .NET 推理栈的位置 从DDD到Ontology:当数字员工不再认"限界上下文"这堵墙 从 Harness 引擎到 MetaSkill DAG 的确定性架构 25家巨头联名的那封公开信,为什么数字员工架构师应该逐字读一遍 AI + C# NativeAOT:破解应用开发的"最后一公里" 本体:AI落地的"企业翻译官" C# MCP SDK 2.0 即将发布:去会话化、去握手、去运维噩梦 数字员工的成本账:OpenClaw.NET 如何用工程化实现"成功任务的单位经济学"(下) AI 成本战的隐性成本与降本五层:从"成功率悖论"到"系统复杂度"(中) 从 Token 价格战到成功任务单位经济学:AI 成本战的真正主线(上) MCP + A2A 融合:协议层已就绪,信任层才是硬仗
"从"前锋"到"中场":为什么 Agent 基础设施的建设者必须是系...
张善友 · 2026-08-04 · via 博客园 - 张善友

热爱足球的读者可能了解,大多数有成就的足球教练都是中场或后场球员出身。

一个原因在于:前锋的成功往往是"不可重现的瞬间灵感"。而中场和后场的工作本质上是组织、协调、预判、抢险、和系统构建。他们必须在混乱中保持站位,必须在攻防转换中看到全局,必须通过传球把队友串联成一个整体。这种能力不是天赋,而是通过大量实战、复盘和系统思考逐步长出来的。

这段话出自一篇关于软件工程教育的文章:https://gitee.com/zouxin2025/ASE/blob/master/chapter0/edu02.md ,但它击中的恰恰是我们这个时代 Agent 基础设施 建设的核心命题。


一、前锋思维:LLM 时代的"个人英雄主义"

在当前的 AI 应用开发中,大量从业者仍处于"前锋思维"阶段:

  • 写一段精心调优的 Prompt,期待模型"一锤定音"
  • 依赖单次 LLM 调用的输出质量,结果时好时坏
  • 把成功归因于"灵感"和"运气",失败则归咎于"模型不够强"

这就像足球场上的前锋——他们的价值在于把机会转化为进球,但机会本身不是他们创造的。 一次精彩的射门无法被体系化复现,它依赖的是瞬间的判断、身体的本能、以及一点运气。

在 GoodCrew 的语境中,"前锋思维"对应的是 L1 工具调用层

维度 前锋思维
核心动作 单次 LLM 推理 / MCP Tool Call
成功要素 Prompt 工程、模型能力、运气
可复现性 低——同样的输入可能得到截然不同的输出
系统价值 有限——无法沉淀为可复用的组织能力

问题不在于前锋不重要,而在于一支球队不能只有前锋。


真正让球队运转起来的是中场。

中场球员不能只看球(当前任务),他必须同时看到:

  • 队友的跑位 → 依赖节点的就绪状态
  • 对手的压迫 → 资源瓶颈与故障模式
  • 攻防转换的窗口 → 事件驱动的触发时机
  • 传球路线 → 数据流与状态流转

这种 "全局拓扑感" 正是 MetaSkill DAG 设计者 的视角。

在 GoodCrew 中,L2 工作流编排层 就是"中场":

MetaSkill DAG
├── skill_exec (tool_call) —— 传球给队友
├── triggers —— 判断攻防转换时机
├── skill_exec_parse_mode —— 接球后的处理方式
├── skill_exec_entrypoint —— 进攻发起点
└── 状态管理 —— 在混乱中保持站位

中场球员的价值不在于某一次传球有多精彩,而在于 他让整支球队成为一个有机整体。同样,MetaSkill 的价值不在于单次 Tool Call 的结果,而在于它把孤立的工具调用串联成 有状态、可观测、可回滚的流水线

关键洞察:中场球员的每一次传球都是"设计好的"——他知道队友在哪里、对手在哪里、下一步的战术意图是什么。MetaSkill DAG 的每一个节点也是如此:它有前置条件、有回滚策略、有观测点(LangFuse trace)、有版本化的 Ontology 契约。


三、后场思维:Ontology + IRDI 的"系统防守"

如果说中场负责"串联进攻",后场则负责 "守住底线"

后场球员的工作是:

  • 预判险情 → 在数据质量问题爆发前发现异常
  • 保持站位 → 确保 Ontology 语义不被漂移侵蚀
  • 系统防守 → 通过 IRDI + DDI Registry 构建不可突破的治理边界

在 GoodCrew 中,L3 本体治理层 就是"后场":

后场职责 GoodCrew 对应能力
统一站位 IRDI 全局标识符体系 —— 领域对象的唯一键
战术手册 JSON-LD Ontology —— 语义契约与投影规范
赛后复盘 DDI Registry —— 版本、血缘、审计追踪
防线的整体性 统一治理目标架构 —— 构建面与消费面一体化

没有后场的球队,即使前锋再强、中场再华丽,也会在关键时刻崩盘。同样,没有 Ontology 治理的 Agent 系统,即使单次调用效果惊艳,也会在规模扩大后陷入 "语义漂移—版本混乱—血缘断裂" 的死亡螺旋。


为什么大多数成功教练出自中场或后场?

因为他们养成了一种 "二阶思维"——不仅思考"这一脚怎么踢",更思考"整个体系怎么运转"。

在 GoodCrew 中,这种"教练思维"体现为 MetaSkill 模板 的沉淀与演化:

单次成功(前锋)
    ↓ 抽象、复盘、标准化
可复用工作流(中场)
    ↓ 纳入治理、版本化、血缘追踪
MetaSkill 模板(教练)
    ↓ 持续演化、A/B 测试、组织级复用
数字员工能力资产

教练的价值不在于他能踢得多好,而在于他能让整支球队持续赢球。

同样,GoodCrew 的价值不在于某一次 LLM 调用有多惊艳,而在于它让数字员工的能力从 "个人灵感" 沉淀为 "组织资产"——可以被审计、被版本化、被复用、被演化。


五、三层跃迁:GoodCrew 的架构全景

足球场位置 × Agent 架构分层

上图将足球场的位置与 GoodCrew 的架构层次做了一一映射。让我们用一张表来总结:

足球场 GoodCrew 架构 核心能力 思维范式
前锋 L1 工具调用层 单次 LLM / MCP Tool Call "一锤定音"的灵感思维
中场 L2 工作流编排层 MetaSkill DAG、状态管理、事件触发 "串联全局"的系统思维
后场 L3 本体治理层 IRDI、DDI Registry、JSON-LD Ontology "守住底线"的治理思维
教练 MetaSkill 模板 沉淀、复盘、演化、组织级复用 "体系构建"的二阶思维

六、结语:在 LLM 的"灵感"耗尽之后,什么还能留下来?

大模型的能力在飞速进化,但一个残酷的事实是:再强的模型也无法替代系统思考。

前锋的进球会被遗忘,但中场和后场构建的体系会持续产生胜利。同样,某一次惊艳的 LLM 输出会被新的模型能力覆盖,但 MetaSkill DAG 的编排逻辑、Ontology 的语义契约、IRDI 的治理体系 会持续产生价值。

"前锋的成功是不可重现的瞬间灵感,而中场的价值在于让每一次进攻都可被设计、被复盘、被复现。"

这正是 GoodCrew 从"单点突破"走向"体系构建"的架构哲学,也是每一位 Agent 基础设施建设者应该追求的 "中场思维"