Maguyva.ai

{"translation":"我们早在着手围绕 AI 编程代理构建产品之前，就已经长期使用它们进行开发了。嵌入管道、数据工具、机器人、部署脚本——越来越多地使用 Claude Code，后来又用 Codex。这些代理表现得很好，直到它们不再那么好。\n\n所以有些日子你会觉得它真的很不错，有时你让代理添加一个功能，它会执行一些工作，但不知怎么就编辑错了文件。你让它重构一个函数，它会遗漏某些东西并破坏构建，或者留下某个区域没有更新。如果你用了足够多的 token，你会经常看到它产生幻觉，比如询问某个特定内容在哪里，它会编造出一个看起来合理的路径，或者误解得刚刚好让你需要格外仔细地检查。\n\n我们觉得这些代理肯定能做好工作，但太多错误的上下文或不够正确的上下文会破坏它们的效果。\n\n那种"我刚得到了一个初级开发代理"的感觉是缺乏上下文的问题，CLAUDE.md 和 AGENTS.md 有助于约定规范，但它们终究只是文档——充其量只是一种描述。\n\n从那时起，模型和底层框架已经有了很大的改进，但你仍然会遇到漂移问题，或者需要消耗额外的 token 来读取 md 文件和/或代码本身。\n\n我们得出结论，我们需要一种更好的方式来表示代码本身——一种能够经受住大型代码库考验、不会撑爆上下文窗口的方式。\n\n我们想要一个任何代理都可以对话的代码智能层，它能返回带有文件路径和行号的有依据的回答。我们构建了一个符号与依赖关系图，因为真实的问题会跨越多种模式："处理退款的那个函数"是语义层面的，"所有继承自 BaseService 的类"是 AST 层面的，"什么依赖于这个"是图层面的。\n\n于是我们把它构建了出来，十一个工具，一个服务器，然后让代理来路由。这就是后来成为 Maguyva.ai 的系统。"}