AI Coding 提速之后，稳定性成为“最后一公里”

AI 编码正在显著提升代码生产效率，但线上告警、根因定位、止损和修复等稳定性环节并未同步提速。更值得警惕的是，缺乏全局上下文的 AI 可能沿着“最小阻力路径”消除表面现象，却留下跨工程、跨系统的稳定性隐患。当 AI 开始规模化生产代码时，谁来承接随之增长的线上问题，正成为 AI Native 研发体系必须补上的“最后一公里”。

在 AICon 全球人工智能开发与应用大会（上海站）2026 上，一位技术稳定性专家分享了“柯南 AI”的工程实践。这次分享的核心并不是简单地“让 Agent 代替人排障”，而是重新设计稳定性研发中的人机分工：确定性的流程交给代码，概率性的推理交给模型；通过 Skill 沉淀专家经验，以源码服务和端侧基建提供有效上下文，再用 Bad Case 驱动系统持续进化。

目前，柯南 AI 在某公司内部大前端研发中的用户渗透率已接近 60%，根因分析结果的完整采纳率稳定在 50% 左右。在一个只有系统堆栈的鸿蒙 C++ Crash 案例中，它通过寄存器、业务日志和源码构建证据链，约 10 分钟便定位到内部基础组件触发的纯系统堆栈 Use-After-Free 问题，并帮助团队找到止损开关。围绕这一案例，进一步拆解了柯南 AI 的五层架构，以及稳定性专家如何从“前线救火员”转变为“消防系统设计师”。

AI Coding 提速之后，稳定性成为“最后一公里”

AI 浪潮给稳定性带来了什么影响？

如今，Cursor、Claude Code、Codex 等 AI 编码工具已成为行业主流。上游研发吞吐显著提升，需求到代码的转化成本大幅降低。相比之下，线上告警、根因定位、止损决策、修复回归和经验沉淀等下游处置链路，几乎没有得到同等加速。

当代码生产与稳定性处置长期速率不对等时，线上 Case 的数量、严重程度和处置时延都可能全面劣化。更棘手的是，AI 不仅放大研发吞吐，也可能制造新的稳定性问题。由于缺乏全局上下文，AI 往往沿着“最小阻力路径”让问题现象消失，但现象消失不等于问题被真正解决。这就是 AI 普遍存在的局部最优陷阱。

某公司内部曾遇到过这样一个案例。

在 Android 版本发布前的灰度阶段，发现 APK 包体突然增加了 6 MB。紧急排查后发现，问题来自一个内部 SDK：开发者通过 AI 生成了一段 ProGuard 配置，其中包含 -dontoptimize，并将其写入 consumerProguardFiles。

从 SDK 自身看，这段配置可以让工程正常运行。但 consumerProguardFiles 会随 AAR 传递到主工程，在构建时与 R8 配置合并，最终关闭主工程的 R8 全局优化，导致 DEX 体积膨胀，APK 增加 6 MB。

从 AI 的视角看，这个结果有其“合理性”：它只看到了 SDK 能够运行的局部，却没有意识到配置会跨越工程边界。

SDD、Coding Harness 以及 Coding、Review 阶段的前置约束，可以提高代码生成质量，拦截一部分问题，但不可能消灭所有稳定性风险。

大前端领域有一个显著特点：线上状态空间极其庞大。以机型碎片化最严重的 Android 系统为例，线上存在超过 100 种 OEM ROM、1000 多个适配机型。对于某些强运营 App，一天内由 A/B 实验、灰度和运营活动带来的变更可能超过 1 万次。用户行为路径更是千人千面，无法穷举。

没有任何测试矩阵能够在线下覆盖所有组合。从更高层面看，软件稳定性本身就是一个“不完备性证明”问题：我们无法证明所有场景都绝对稳定，只能不断加深防御纵深。

线上真实现场永远是稳定性的核心战场。

研发吞吐被 AI 拉快，稳定性处置没有跟上；AI 会陷入局部最优，而前置拦截又无法消灭所有问题。这些因素共同指向一个结论：线上稳定性处置，是完整落地 AI Native 的最后一公里。这也是建设柯南 AI 的出发点——聚焦稳定性领域，“用 AI 打败 AI”。

柯南 AI：嵌入工作流的稳定性数字同事

“柯南”这个名字来自《名侦探柯南》——“真相只有一个”。愿景是让柯南 AI 成为所有 Bug 的最终归宿。

完整的稳定性生命周期通常包括拦截、监控、排障和止损。现阶段，柯南 AI 主要聚焦排障与止损，也就是问题处置环节，覆盖四类场景：

报警处置，包括问题解释、影响面判断和 SOP 执行；
根因分析，包括线索发现、假设提出和证据链构建；
修复建议，包括修复方向、风险和验证方式；
治理初检，包括优先级判断与问题分发。

选择问题处置环节，首先是因为它最消耗业务研发时间，建设 ROI 较高；其次，这些任务需要聚合信息并进行多步推理，适合 AI；同时，这也是稳定性专家经验能够发挥较高杠杆的地方。

在产品形态上，有一条原则：不额外创造孤立的交互方式，而是把柯南 AI 嵌入开发者已有的工作流。

目前主要有三种产品形态。

第一种是 IM 机器人，服务于报警处置、指标巡检和问题分发。这些任务原本就需要多人协作，通常发生在 IM 群聊中，机器人可以直接进入原有协作场景。

第二种是监控平台侧边栏。研发打开崩溃详情页后，可以拉起柯南 AI。系统会自动携带当前崩溃的上下文，触发根因分析。

第三种是 CLI。它与侧边栏都覆盖根因分析和修复建议，但主要解决监控平台信息不足的问题。有些问题需要连接手机，拉取设备上的 so 文件或其他现场信息。此时，研发可以将问题上下文从监控平台流转到 CLI，继续本地排查。

目前，柯南 AI 在内部大前端研发中的用户渗透率接近 60%，根因分析结果的完整采纳率稳定在 50% 左右。

柯南 AI 的五层工程架构

柯南 AI 的整体架构分为五层：最上层是应用层，对应 IM 机器人、监控平台侧边栏和 CLI；下面依次是 Agent 编排层、Agent Harness 层、数据服务层和端侧基建层。另有一套可观测与反馈迭代机制纵向贯穿整个系统。

编排层：确定性的归代码，概率性的归模型

Agent 编排层主要回答一个问题：什么任务应该由什么形态承载？

核心原则是：确定性的归代码，概率性的归模型。

对于流程清晰、规则明确、答案相对唯一的确定性问题，使用代码实现；只有涉及理解、推理和判断的部分，才让模型介入。把大模型放在它擅长的位置，才能兼顾效果稳定与成本可控。

报警处置是柯南 AI 的重要场景。在 AI 时代之前，某公司已基于大量经验沉淀出一套完整 SOP：从报警发生、拉群，到多人分工排查，再到止损和复盘，包含一套严肃而复杂的协作流程。

这样的流程不适合完全交给 Agent Loop 驱动。Agent 可能遗漏步骤，也可能调用错误工具，这在报警处置中无法接受。因此，通过用代码复刻人工 SOP，只在部分子环节引入模型。

进入概率性任务后，还有一条原则：单次 LLM 请求能够解决的问题，就不使用 Agent。

任何任务都使用 Agent，是一种过度工程化。Agent Loop 每增加一轮，就会增加一次 LLM 请求，带来额外时延和 Token 消耗；Tool Call 可能失败，Agent 的自主决策也可能跑偏。如果任务确实需要长链推理，这些代价值得付出。但如果一次 LLM 请求已经能够解决问题，强行使用 Agent 反而可能成为负优化。

报警处置中的“快速分析”就是一个例子。它的目标是汇总各类维度数据，提炼关键线索。先通过代码聚合数据，再将上下文一次性放入 Prompt，要求模型按预设的结构化模板输出结论。

这种方式最大的优势是快。从获取 API 数据到 LLM 返回结果，整体耗时可以稳定控制在 1 分钟以内。

例如，WWDC 之后 iOS 27 开始向用户推送，曾遇到一个小规模堆栈报警。快速分析发现，问题百分之百集中在 iOS 27，很快便将范围收敛到某个内部工具在新系统上的兼容性问题。

真正适合 Agent 的场景是根因分析。一个复杂问题可能需要结合堆栈、源码、代码变更、聚合特征和历史相似 Case 才能找到根因。整个过程横跨多个数据源，涉及多次 Tool Call，通常也不存在固定的线性推理流程。这类任务需要长链推理、跨工具调用和自主编排能力，也需要动态扩展上下文、按需加载 Skill。只有遇到某类问题时，才加载相应知识，可以避免上下文一次性膨胀。

因此，在编排层组合使用三种形态：确定流程使用 Workflow，简单概率性任务使用单次 LLM 请求，复杂非线性推理任务使用 Agent。

Agent Harness：基于成熟底座，用 Skill 承载专家经验

在 Agent Harness 层，没有从头搭建通用框架，而是直接使用 Claude Agent SDK（前期原型探索，经历过从 AutoGen 框架编排到基于 OpenAI Agent SDK 的自研 Workflow 框架，再到最终敲定使用 Claude Agent SDK）。这一选择有三个好处。

首先是工程红利，可以直接继承在生产环境中经过打磨的上下文管理、工具使用等 Agent Harness 能力；其次是迭代同步。SDK 会随 Claude 系列产品持续演进，可以较快使用新的 Harness 能力；最后是适配深度。Claude Agent SDK 对 Claude 模型有较好的适配，国内主流开源模型也可以通过兼容协议接入。

不过，Claude Agent SDK 面向通用 Coding 环境，并不完全适合稳定性根因分析，因此做了两方面的轻量化定制。

一方面，围绕领域诉求精简 System Prompt。通用 Agent 的 System Prompt 中存在不少与稳定性分析无关的内容。剥离通用 Coding 约束、Auto Memory 机制和通用 Skill 清单等噪声，同时注入稳定性领域的硬规则，例如明确区分推测与确定性结论、标注结论置信度，以及禁止跨问题类型进行无关联想。

另一方面，精简 Tool 并设置 Permission 沙箱，确保 Agent 即使失控，影响半径也能被控制。对于计划、工作树等不需要的通用工具，直接关闭。对于确实需要的 Read、Write、Edit 等 Bash 类工具，则将访问路径锁定在当前工作目录，即 CWD。绝对路径一旦越界，系统会直接拒绝。

在外围框架之外，投入最多的是用 Skill 承接稳定性专家经验。

Skill 具备渐进式披露和按需加载能力，可以根据问题类型，只为 Agent 注入当前需要的知识。目前，在客户端领域已经建设了 30 多个 Skill，正文与 Reference 文档接近 2 万行。如此规模的知识不可能一次性放入上下文。

Skill 对知识迭代也很友好。它本质上是带有轻量格式约束的 Markdown 文档。维护者不需要理解 Agent Runtime，也不一定需要写代码，只要能把专业知识整理成清晰文档，就可以参与建设。这样，专家经验的维护不再局限于 Agent 工程团队。

在 Skill 的组织方式上，遵循两个原则。第一，Skill 不与 Agent 工程耦合。所有 Skill 通过独立 Git 仓库维护，可以独立发布、灰度和回滚；第二，按照异常退出类型划分 Skill 边界。例如 Android Java Crash、iOS Crash、Android Native Crash 都对应独立的 Skill。虽然不同分析流程存在共性，但判断是：可以接受适度的重复建设，但必须避免跨端、跨异常类型的上下文干扰。

对于单个 Skill，最重要的内容首先是私域知识注入。

一种典型情况是，某些字段的实际语义已经与最初上报时不同，本质上是在偿还历史技术债。

例如，在较低版本的 Android 系统中，每个进程能够使用的文件描述符数量存在较低上限。一旦 FD 数量超过阈值，进程就可能崩溃。为了快速定界，历史上的 APM SDK 会在崩溃时采集 FD 数量，只要超过阈值，就将问题标记为 FD OOM。但这套规则在较高版本的 Android 系统中已经失效。如果 Agent 在高版本系统上看到这个标签，仍按旧规则分析，就可能非常自信地给出错误结论。对此，会在 Skill 中明确写成禁止行为。

另一类私域知识来自内部框架和 SDK，这些内容从未出现在模型训练语料中，只能由团队主动注入。

例如，Ekko 是内部用于崩溃兜底的安全气垫 SDK。在部分端上，它需要在崩溃链路中执行 Hook，因此某些堆栈会出现 Ekko 栈帧，但这些栈帧与根因没有关系。如果不加约束，Agent 看到 Ekko 栈帧后，可能沿着 Hook 逻辑继续追踪，导致分析方向跑偏。因此，会在 Skill 中明确说明 Ekko 栈帧的语义和排除规则。

除了私域知识，Skill 的另一个重要组成部分是根因分析 SOP。

以鸿蒙 AppFreeze 为例，这类问题通常意味着主线程长时间卡顿甚至卡死。分析时，会先获取卡死前的多次采样堆栈，比较堆栈是否一致，从而判断主线程是真的阻塞，还是因过于繁忙、无法及时处理窗口消息而被识别为 Freeze。

如果确认主线程确实阻塞，并正在等待某把锁，下一步就要查看全线程堆栈，判断哪个线程持有这把锁并卡住了主线程。

类似决策树会被完整写入 Skill。鸿蒙 AppFreeze 根因分析 Skill 也参考了某系统 DFX 团队提供的开源版本，其中通用的主线程根因决策逻辑就来自该版本。

另一个例子是 Android Native Crash 和鸿蒙 C++ Crash 的信号路由。

如果问题由 SIGABRT 触发，根因更可能已直接写在 Abort Message 中。典型情况是 Android 的 Java Pending Exception 导致进程 Abort。对于这类问题，Skill 会要求 Agent 优先查看 Abort Message，而不是一开始就进入复杂的内存分析。

只有遇到 SIGSEGV 这类段错误，才需要继续进行反汇编、寄存器分析等深入排查。

实践表明，这类核心决策逻辑不仅能提高效果，还能减少耗时和 Token 消耗。不过，这部分知识相对偏向公域，可能只是当前模型尚未很好地内化。随着模型升级，未来某些通用知识未必还需要通过 Skill 注入。

目前，Agent Harness 层仍有两个主要瓶颈。

首先是思考深度不足。例如遇到 NPE，模型经常只能指出“这里为空”，却无法沿数据流继续追踪，找出什么数据经过什么路径导致对象为空。在信息缺失时，模型还容易产生幻觉，补出一个似是而非的结论。

短中期内，一方面会通过 Skill 和 System Prompt 强化约束，另一方面进行问题分级路由：提前识别问题难度，将复杂问题分配给能力更强的模型。长期来看，则需要探索树形搜索等 Agent 编排方式，让系统围绕多个根因假设并行收集证据。当然，这也会增加 Token 消耗。

其次是修复效果明显落后于排障效果。一方面，Agent 缺少历史修复经验，不知道相似问题过去如何修复；另一方面，大量业务“暗知识”只存在于人脑中，例如某块代码能不能改、怎样修改才符合业务规范。这些信息既不在堆栈里，也不在文档中。

正在探索通过 Memory 体系承载历史经验和业务暗知识，但前提是业务知识必须持续显性化。没有被表达和沉淀的知识，就无法成为 Agent 可以使用的上下文。

数据服务与端侧基建：上下文决定 Agent 的效果上限

源码是崩溃分析中仅次于堆栈的重要信息。为了让 Agent 高效消费源码，建设了独立的源码服务，而不是每次分析时重新克隆代码仓库。原因有两个。

第一个是解决“仓库找不到”的问题。一个崩溃堆栈可能横跨 5 到 10 个代码仓库，崩溃模块名与仓库名往往并不一致。一个包名对应哪个仓库、分支和 Commit，仅靠堆栈通常无法判断。源码服务可以提前完成仓库聚合与索引。

第二个是解决拉取与检索效率问题。大型客户端主仓规模庞大，一次 git clone 至少需要几十秒，甚至达到分钟级。如果每次分析都重新拉取代码，这种时延无法接受。源码服务预先聚合所有仓库，让搜索过程接近本地 grep 的速度。

数据准备好后，还要解决如何暴露给 Agent。

做法是，把原本面向人的 GUI 数据接口，重新包装为面向 Agent 的 Bash 接口。Agent 可以通过 git grep、git blame 等命令，在源码仓库中自由探索。模型训练语料中包含大量 Bash 操作，因此天然熟悉相关语义，也不需要为每种查询重新定义 API Spec。

Bash 接口给了 Agent 足够的灵活性，但也带来安全风险。为此，源码在服务容器中以只读方式挂载，同时配合完整命令日志和执行超时，确保过程可控、可追溯。

这一层的原则可以概括为：提供 Agent 友好的数据接口，让它自由探索，但不能允许它越界。

源码服务还有两个演进方向。

第一个是从关键词检索走向语义检索。当前源码服务本质上仍是类似 grep 的全文搜索，但这种方式在部分问题上表现不够好。

还是以 NPE 为例，不仅要知道问题崩在哪一行，还需要跨函数、跨文件追踪对象或变量的生命周期。遇到跨语言问题时，还要理解不同语言之间的桥接关系。grep 或许能完成其中一部分工作，但很难成为最优方案。

参考研发人员使用 IDE 排查问题的经验，语义检索是一个更可靠的方向。因此，正在调研 LSP、Code Graph 等方案。

第二个方向是从单体架构向分布式架构演进。目前，源码服务每天已经承载数万次调用，逐渐触及单体架构的扩展性瓶颈。随着源码覆盖率和接入场景继续增长，系统必须通过分布式架构满足并发检索需求。

再向下是端侧基建层。上下文才真正决定 Agent 的效果上限。Agent 无法凭空创造信息，更无法凭空创造有价值的信息。

在稳定性领域，端侧基建就像 Agent 这座冰山位于水面之下的地基。它决定 Agent 能看到什么现场，也决定 Agent 能分析到什么深度。目前探索的一个方向，是 Android、iOS、鸿蒙三端的 Core Dump。

对于某些疑难问题，Core Dump 非常有用，甚至可能是唯一解。例如 Android ART 虚拟机中 JIT 机器码的踩内存问题，其 PC 可能直接落在 JIT Code Cache 内存段上。即使有 Tombstone 文件，也只会 Dump 出 PC 附近数百字节的内存，往往不足以覆盖 JIT 机器码的完整内容。

只有 Core Dump 能够完整保存整个进程的内存快照，为分析提供足够信息。

过去没有大规模建设这项能力，核心原因不是采集端难以实现，而是消费成本过高。Core 文件是纯二进制格式，通常几百 MB 起步，结构复杂。只有少数资深稳定性专家能够结合 LLDB、GDB 等工具，在数小时甚至数天内挖掘出有效信息，整体 ROI 不高。

AI 改变了这套 ROI 公式。过去难以消费的信息，现在可以交给 Agent 挖掘。Agent 可以自动反汇编关键内存区域，并关联源码、寄存器和其他现场信息。Core Dump 的消费能力由过去“只有少数专家掌握”，转变为“研发人员可以借助 Agent 使用”。

这带来了端侧基建方向的一次认知升级：在 AI 时代，端侧基建需要从“为人优化”，转变为“为 Agent 优化”。

反馈迭代：用 Bad Case 驱动长期效果提升

围绕可观测、可评测和可运营的目标，建立了一套从链路层、指标层到运营层的三层观测体系，覆盖从单次调用到整体运营的完整链路。

链路层用于还原一次 Agent 调用的全部细节，包括思考过程、工具调用和行为轨迹，是分析具体问题、提升效果的重要工具；指标层服务于成本看清和性能优化，关注耗时、Token 消耗和调用成功率等全局指标；运营层通过数据大屏，从业务视角观察产品健康度和使用情况。

在此基础上，通过 Bad Case 驱动持续优化。这里要解决一个矛盾：AI 不知道自己不知道什么，因此容易产生幻觉；人也未必能立即意识到，自己掌握的哪些知识还没有告诉 AI。

迭代过程主要分为两步。

第一步是 Case 管理。基于观测数据搭建 Case 标注平台，并制定统一的采纳率标准。团队会筛选有效问题、进行用户回访，再结合专业经验对回访结果进行二次确认。经典 Case 会进入评测集，对应缺陷则转化为优化项。

第二步是 Case 总结。通过固定例会，对采纳率和细粒度 Case 进行 Review，持续拉齐采纳标准，共识优化项优先级并推动落地。

架构、Skill、源码服务和端侧基建都很重要，但它们发挥作用的前提，是团队能够长期落实反馈迭代机制。

一个纯系统堆栈问题，柯南 AI 如何在 10 分钟内完成定位

这是一个鸿蒙 C++ Crash 报警。崩溃信号是 SIGSEGV，崩溃地址很大，属于典型的踩内存问题。继续查看堆栈可以发现，每个栈帧都来自系统 so，是一个纯系统堆栈。

过去，这类问题通常只能由平台型稳定性团队介入。柯南 AI 接入工作流后，报警发生时会先由 IM 机器人串联处置流程。

从开始分析到定位问题，柯南 AI 大约用了 10 分钟。团队随后根据分析结果讨论止损方案，最终通过关闭一个开关完成止损。柯南 AI 给出的底层根因是：系统库 libuv 中某个 Async Handle 发生了 Use-After-Free。但对于止损优先的稳定性处置来说，仅知道底层内存错误还不够。更关心哪个业务、哪个动作触发了提前释放。

柯南 AI 随后给出触发链路：某个内部基础组件加载资源文件失败后，该组件内部执行了一次销毁动作，最终引发崩溃。这个信息帮助把问题收敛到内部特定业务，并在其中找到止损开关。

柯南 AI 整个推理过程分为几个阶段。

首先，根据 Skill 中的信号路由规则，SIGSEGV 应进入内存分析流程。柯南 AI 通过寄存器分析，判断问题大概率属于 Use-After-Free。随后，它分析业务日志中的共性特征，将范围收敛到某个内部基础组件，并发现关键动作与线程销毁有关。在这个过程中，得益于注入的私域知识，Agent 正确排除了部分日志噪声，没有被无关信息带偏。最后，它根据日志线索定位源码，将寄存器、日志与源码三部分证据组合起来，形成自洽的证据链，并给出高置信度结论。

这个问题的分析过程并不简单。过去，它需要稳定性专家操作多种工具、反复交叉验证。现在，中等难度的问题可以优先交给柯南 AI，研发人员再根据分析结果完成决策和止损。

综合整个工程实践，沉淀出五点关键认识：

确定性的归代码，概率性的归模型。 组合使用 Workflow、单次 LLM 请求和 Agent，避免过度 AI 化，才能保证效果稳定与成本可控。
Agent Harness 的技术选型应当轻量化、领域化。 基于成熟可靠的 Agent SDK，通过 Skill 承载专家经验，不必重复建设通用底座。
数据服务的关键是提供 Agent 友好的接口。 Bash 是一种有效形态，因为大模型天然熟悉其语义，但必须配套权限与安全边界。
上下文决定 Agent 的效果上限。 端侧基建决定 Agent 能看到什么，也决定它能够分析到什么程度。
反馈迭代决定 Agent 的长期表现。 只有持续运行 Bad Case 驱动的闭环，才能不断提高系统效果。

从“前线救火员”到“消防系统设计师”

从人的角色变化来看，稳定性专家正在从亲自处理每个问题，升级为建设一套能够处理问题的系统。这既是机遇，也是挑战。

排障原本就是一类推理密集型任务。进入 AI 时代后，稳定性专家的经验有机会被规模化放大。专家的工作开始从亲自排查每个问题，转变为沉淀 Skill、共建 Context，并驱动 AI 完成一线工作。

从角色上看，稳定性专家正在从前线救火员，转变为消防系统设计师。

与此同时，Context 才是我们真正的壁垒，也是享受模型升级红利的前提。模型会持续变强，但如果没有 Skill、端侧基建、源码、现场数据和反馈机制打底，模型仍然无法在垂直稳定性领域跑通。

未来，会继续推动 Agent 工程深化与上下文工程复利。

在 Agent 工程侧，需要探索 Loop Verify、多路径或多 Agent 编排机制，以及 Memory 体系，突破长尾问题的采纳率瓶颈。

在上下文侧，需要深化端侧基建，建设 Core Dump 等能够提供更完整现场的能力，并持续沉淀私域 SOP 和业务知识，确保系统能够真正获得模型升级带来的收益。

在这些能力的基础上，柯南 AI 还要从问题处置走向治理优化，反哺稳定性体系建设：让专家投入更系统性的工作，让一线研发完成更深入的优化，最终放大人的影响半径。

现阶段的柯南 AI 不是终点，而是我们在稳定性领域“用 AI 打败 AI”的新阶段起点。