作者：苏晚拆解快手柯南 AI：Claude Agent SDK 之上的四条稳定性硬约束
柯南 AI 在快手内部大前端研发的用户渗透率接近 60%，根因分析结果的完整采纳率稳定在 50%。这套系统真正对其他团队有借鉴价值的，不是五层架构本身，而是嵌在架构里的四条硬约束——以及抄这套架构之前必须先想清楚的三件事。
本文基于快手主站技术稳定性专家王泽锋在 AICon 2026 上海站的公开分享《AI Coding 提速之后，如何补上稳定性"最后一公里"？》整理与延伸，原文见 InfoQ 中文站。这场分享把"柯南 AI"这套内部系统的五层架构、Skill 建设方法和 Bad Case 闭环都摊开来讲，是过去半年国内少见的能落到具体决策的稳定性 Agent 案例。我们要做的不是复述那五层，而是把里面真正对其他团队有借鉴价值的硬约束抽出来，同时点名一些原文没细说、但从我们看别人复制这类架构时反复踩到的坑。
一句话总结柯南 AI
Cursor、Claude Code、Codex 这一轮 AI Coding 工具把研发吞吐拉了一档，但线上告警、根因定位、止损决策、修复回归这一整条下游链路没有同步提速——这就是分享里反复强调的"最后一公里"。柯南 AI 在快手内部大前端研发的用户渗透率接近 60%，根因分析结果的完整采纳率稳定在 50% 左右。用来标定这个水位的经典案例是一个只有系统堆栈的鸿蒙 C++ Crash：Agent 在约 10 分钟内串起寄存器、业务日志和源码，定位到系统库 libuv 的一个 Async Handle Use-After-Free，并帮团队找到止损开关。
图：柯南 AI 的五层架构总览——应用层 / Agent 编排层 / Agent Harness 层 / 数据服务层 / 端侧基建层，外挂反馈迭代与可观测机制。来源：快手王泽锋 / AICon 2026 上海站分享。
值得抄的四条硬约束
原文的五层架构容易被当成"抄作业模板"，但真正决定这套系统能不能跑起来的，是嵌在架构里的四条约束。它们跟层数无关，跟你团队多大也无关，都能直接搬。
约束一：确定性的归代码，概率性的归模型。 报警处置这类流程清晰、规则明确、答案唯一的任务，用代码复刻人工 SOP，只在部分子环节引入模型；只有真正涉及理解、推理和判断的部分（比如根因分析里横跨堆栈、源码、代码变更、聚合特征、历史相似 Case 的证据链构建），才让 Agent Loop 承接。这一层的自我审查题是："这个任务如果我明天写死一段脚本，能不能得到同样答案？" 如果能，就不要放 LLM。
约束二：单次 LLM 请求能解决，就不要用 Agent。 Agent Loop 每多一轮，就多一次 LLM 请求、一次 Tool Call 失败可能、一段自主决策跑偏的可能。快手团队把报警"快速分析"做成典型样本：代码聚合 APM 维度数据 → 一次性喂进 Prompt → 按预设结构化模板输出结论，端到端 1 分钟内完成。这条约束在国内落地时最容易被忽略，因为"上 Agent"听起来比"跑一次 LLM"高级，但加轮次不是加价值。
约束三：Agent Harness 用现成的，Skill 才是本地知识的载体。 柯南 AI 没有从头搭通用框架，直接用 Claude Agent SDK；前期原型探索过 AutoGen 编排、基于 OpenAI Agent SDK 的自研 Workflow，最终敲定在 Claude Agent SDK 上做轻量化定制：剥掉与稳定性无关的通用 Coding 约束、Auto Memory、通用 Skill 清单等噪声，注入领域硬规则（区分推测与确定性结论、标注置信度、禁止跨问题类型联想）；同时把 Read/Write/Edit 等 Bash 类工具的访问路径锁定在 CWD，绝对路径越界直接拒绝。
图：Claude Agent SDK 的轻量化定制两条主线——围绕稳定性领域精简 System Prompt，同时精简工具集并把 Permission 锁到 CWD。来源：快手王泽锋 / AICon 2026 上海站分享。
约束四：数据服务给 Agent 用的是 Bash 接口，不是 API Spec。 源码服务把原本面向人的 GUI 数据接口重新包装成面向 Agent 的 Bash 接口：Agent 用 git grep、git blame 在源码仓库里自由探索，模型训练语料里本来就见过大量 Bash，不需要为每种查询重新定义 API Spec。灵活性给足了，但配套是容器只读挂载 + 完整命令日志 + 执行超时——自由探索的前提是不能越界。
Skill 才是真正的护城河
这套系统里最花力气的不是编排也不是 Harness，是那 30 多个 Skill、正文与 Reference 加起来接近 2 万行的私域知识。原文讲了两类 Skill 构成要素，都是踩过坑抽出来的：
一类是私域知识注入，处理"字段语义与上报时不一致"和"内部框架 / SDK 从未进过训练语料"两种典型。比如低版本 Android 的 APM SDK 会把 FD 数超阈值标成"FD OOM"，但这套规则在高版本已经失效——如果 Agent 看到这个标签还按旧规则分析，会非常自信地给出错误结论，所以要在 Skill 里明确写成禁止行为。又比如内部崩溃兜底 SDK Ekko 的栈帧和根因无关，如果不加约束 Agent 会沿着 Hook 逻辑追下去把方向带偏。
图：两类私域知识注入示例——字段语义已与上报时不一致的 FD OOM 判定，以及内部框架 Ekko fake_exception 栈帧跳过。来源：快手王泽锋 / AICon 2026 上海站分享。
想了解 AI 如何助力您的企业？
免费获取企业 AI 成熟度诊断报告，发现转型机会
