探索 LLM 應(yīng)用的過(guò)程中，LLM作為 Agent 的"大腦"有著無(wú)限可能。其中，"代碼編寫(xiě)"已經(jīng)成為了少數(shù)幾個(gè)成功大規(guī)模落地的場(chǎng)景之一，這讓我們不禁想到：既然 LLM 可以寫(xiě)出高質(zhì)量的代碼，為什么不能讓它更進(jìn)一步，編寫(xiě)并運(yùn)行代碼來(lái)控制 Agent 自身的行為呢？這樣運(yùn)行邏輯，就不簡(jiǎn)簡(jiǎn)單單的是“下一個(gè)”這么簡(jiǎn)單，而是讓Agent擁有分支、循環(huán)等各種復(fù)雜邏輯。

這個(gè)想法雖然聽(tīng)起來(lái)有點(diǎn)魔幻，但仔細(xì)想想確實(shí)是可行的。在這篇文章中，我想和大家分享我們是如何一步步構(gòu)建這樣一個(gè)能夠"自我編程"的 Agent 的歷程。

我們的目標(biāo)是將Agent模式，打造成一個(gè)“師弟”，一個(gè)真正能在內(nèi)部的DevOps系統(tǒng)中，能幫得上忙的AI助手。

• 技術(shù)架構(gòu)方面，我們?cè)?ReAct Agent 模式基礎(chǔ)上進(jìn)行了深度優(yōu)化：

• 改造傳統(tǒng) JSON + 組裝調(diào)用方式，基于Py4j，實(shí)現(xiàn)" Code+泛化調(diào)用 "機(jī)制，顯著提升工具調(diào)用的靈活性和執(zhí)行效率；

• 采用 Spring Boot 技術(shù)棧構(gòu)建后端架構(gòu)，整合 Spring AI 生態(tài)及 Spring AI Alibaba 能力完成模型接入；

• 通過(guò) 內(nèi)部評(píng)測(cè)平臺(tái) 和 內(nèi)部觀測(cè)平臺(tái) 實(shí)現(xiàn)全鏈路評(píng)測(cè)與觀測(cè)；

• 底層工具采用 Mcp 協(xié)議實(shí)現(xiàn)業(yè)務(wù)能力補(bǔ)充；

• 基于 A2A 協(xié)議實(shí)現(xiàn) Multi Agent 架構(gòu)，高效對(duì)接各子 Agent；

• 模型策略采用混合部署方案，根據(jù)不同場(chǎng)景使用最優(yōu)模型：

• 翻譯/數(shù)據(jù)提取任務(wù)：Qwen3-Turbo（低延遲優(yōu)先）；

• 思考/動(dòng)態(tài)代碼生成：Qwen3-Coder（強(qiáng)化代碼能力）；

• 通用場(chǎng)景：按需調(diào)用各個(gè)平臺(tái)提供的Qwen、Deepseek等模型 （Agent內(nèi)部模塊分布）；