บริบทที่เดินทางไปกับคุณ_
ตัวสร้างดัชนีของ Cursor นั้นยอดเยี่ยมภายใน Cursor เอง Maguyva คือแผนที่ MCP บนคลาวด์ที่เอเจนต์ตัวเดียวกันสามารถสอบถามได้จากตัวแก้ไขโค้ด, CLI และ CI อื่น ๆ
> ls /var/log/decisions/*.md
การตัดสินใจด้านสถาปัตยกรรม บันทึกการอิมพลีเมนต์ MCP และบางครั้งก็มีการบ่นเรื่องที่ไม่น่าจะยากขนาดนี้
บทความล่าสุด
เริ่มที่นี่หากต้องการอัปเดตเชิงเทคนิคล่าสุด ก่อนไปเจาะลึกในคลังบทความ
ตัวสร้างดัชนีของ Cursor นั้นยอดเยี่ยมภายใน Cursor เอง Maguyva คือแผนที่ MCP บนคลาวด์ที่เอเจนต์ตัวเดียวกันสามารถสอบถามได้จากตัวแก้ไขโค้ด, CLI และ CI อื่น ๆ
คลังบทความ
สถาปัตยกรรม อ็อบเซิร์วบิลิตี้ การออกแบบส่วนเชื่อมต่อ MCP และรูปแบบที่รอดจากการใช้งานจริงในโปรดักชัน
ให้เอเจนต์เขียนโค้ดของคุณยึดกับแผนที่รีโพ ก่อนที่มันจะเขียน จากนั้นให้ Greptile ตรวจสอบคำขอรวมโค้ดทีหลัง คู่หูที่เสริมกัน ไม่ใช่ตัวแทนกัน
วิธีให้เอเจนต์เขียนโค้ดมีแผนที่ของรีโพซิทอรีขนาดใหญ่ที่สามารถสอบถามได้จากคลาวด์ โดยไม่ต้องรันตัวสร้างดัชนีในเครื่องบนแล็ปท็อปของคุณ
เอเจนต์เขียนโค้ด AI ประดิษฐ์เส้นทางไฟล์เมื่อพวกมันไม่มีแผนที่จริงของรีโพ นี่คือสาเหตุที่มันเกิดขึ้น และวิธีที่แผนที่ที่มีหลักฐานนำไปสู่การเปลี่ยนแปลงที่หลอนน้อยลง
เราย้ายเอ็มเบดดิ้งโค้ดของเราไปที่ voyage-4-large — ปัจจุบันอยู่อันดับหนึ่งของตารางอันดับการค้นคืนโค้ด RTEB สาธารณะ ฉบับตรงไปตรงมา: การแลกเปลี่ยนที่เรายอมรับ สิ่งที่เราทำดัชนีจริง และเหตุผลที่เราจ่ายเงินเพื่อเอ็มเบดดิ้งระดับพรีเมียม
เรารองรับโค้ดอินเทลลิเจนซ์สำหรับราว 280 ภาษา ไม่มีมนุษย์คนไหนตรวจสอบด้วยมือได้ทั้งหมดนั้น เราจึงสร้างลูปการพัฒนาตนเองเชิงเวียนซ้ำของภาษา — สุ่มตรวจ ใช้ LLM เป็นผู้ตัดสิน แก้ไขทีละจุด ตรวจสอบซ้ำ — และรันมันด้วยทีมเอเจนต์ที่แยกจากกัน จนกว่าการดึงข้อมูลโครงสร้างจะถูกต้องจริง ไม่ใช่แค่เขียวผ่าน
คำค้นอย่าง 'parseConfig ถูกนิยามที่ไหน' ต้องการการค้นหาที่ต่างจาก 'auth ทำงานอย่างไร' Maguyva จำแนกเจตนา ให้น้ำหนักทั้งสี่รูปแบบการค้นคืนตามนั้น แล้วรวมผลลัพธ์ด้วย weighted Reciprocal Rank Fusion
เราเชื่อมต่อ Claude Code และ Codex เข้ากับ Grafana สแตกเดียวกันด้วย OpenTelemetry และ Alloy จากนั้นใช้ trace และล็อกเพื่อค้นหาและแก้ไขปัญหาพฤติกรรมของเอเจนต์ที่ต้นตอ
Git commit กลายเป็นรายการบันทึกการเปลี่ยนแปลงที่มีโครงสร้างและบันทึกการตัดสินใจเชิงสถาปัตยกรรม แล้วป้อนกลับเข้าสู่เอเจนต์ AI ในรูปแบบความทรงจำองค์กรที่ค้นหาได้
เราคัดกรอง skill ที่เข้าข่าย 3,500 รายการ และรับเข้าใช้งาน 466 รายการ ลูปการขุดค้นและนำเข้าอย่างเป็นระบบ เพื่อสร้างคลัง skill ของ AI agent ที่สอดคล้องกันในระดับใหญ่
ระบบ agent นั้นมองการทำงานภายในได้ยากโดยค่าเริ่มต้น การเปิดเผยแบบค่อยเป็นค่อยไปมอบมุมมอง CLI แบบเป็นชั้นให้ผู้ควบคุม ตั้งแต่การตรวจสถานะอย่างรวดเร็วไปจนถึงรายละเอียดภายในของ agent และร่องรอยการตัดสินใจ
AI agent หลอนได้อย่างมั่นใจ Ground Truths คือข้อเท็จจริงที่มีเวอร์ชันและขอบเขตชัดเจน ซึ่งยึดโยงพฤติกรรมของ agent ไว้กับความเป็นจริง นี่คือวิธีที่เราสร้างและบังคับใช้มัน
ออร์เคสเตรเตอร์เดียวจัดสรรงานให้ AI agent ผู้เชี่ยวชาญ แต่ละตัวมี skill และความทรงจำที่แตกต่างกัน นี่คือวิธีที่ Orkestra ประสาน agent 46 ตัว และ skill 466 รายการในโปรดักชัน
ทุกบทความจะมาลงที่นี่ก่อนเป็นที่แรก บทความใหม่จะไปปรากฏในบันทึกการเปลี่ยนแปลงโดยตรง หรือสมัครรับผ่าน RSS เพื่อรับการแจ้งเตือนทันทีที่มีบทความใหม่