精选
我们为什么把代码搜索升级到了 voyage-4-large_
我们把代码 Embedding 迁移到了 voyage-4-large——目前公开的 RTEB 代码检索排行榜上排名第一的模型。诚实的版本是这样的:我们做出的取舍、我们实际索引的内容,以及我们为什么愿意为高端 Embedding 付费。
[嵌入][搜索][架构]
> 决策笔记一览
来自 Maguyva 开发过程的技术笔记
架构决策、MCP 实现笔记，偶尔还会吐槽一下那些本不该这么难搞的事情。
最新文章
最新的开发笔记
如果你想在翻阅存档之前先看看最新的技术更新，就从这里开始。
存档
按主题分类的技术笔记
架构、可观测性、MCP 接口设计，以及那些在生产环境中真正扛住考验的模式。
语言递归自我提升:在约 280 种语言上打磨代码智能_
我们为约 280 种语言提供代码智能支持,没有任何人能靠人工逐一审核这个规模。于是我们搭建了一套语言递归自我提升循环——抽查、LLM 担任评审、修一处、重新验证——并用一支相互隔离的智能体舰队运行它,直到提取结果真正正确,而不只是“绿灯通过”。
[架构][语言][智能体]
多模态融合搜索:为每一次查询挑选正确的检索器_
像“parseConfig 是在哪里定义的”这样的查询,和“身份验证是怎么工作的”所需要的搜索方式截然不同。Maguyva 会对查询意图进行分类,据此为四种检索模态分配权重,再用加权的 Reciprocal Rank Fusion(倒数排序融合)把结果融合起来。
[搜索][架构]
智能体可观测性:Hooks、Alloy 与 Grafana_
我们用 OpenTelemetry 和 Alloy,把 Claude Code 与 Codex 接入同一套 Grafana 技术栈,再借助 Trace 和日志从源头定位并修复智能体的行为问题。
[可观测性][Grafana][OpenTelemetry][架构]
挖掘闭环:变更如何沉淀为组织记忆_
Git 提交会变成结构化的变更日志条目和架构决策记录,再反哺回 AI 智能体,成为可查询的组织记忆。
[架构][工作流]
技能挖掘:从 3,500 个候选项到 466 项能力_
我们筛选了 3,500 个技能候选项,最终采纳了 466 个。这是一套系统化的挖掘与吸纳循环,用于大规模构建一套连贯一致的 AI 智能体技能库。
[架构][技能]
渐进式披露:透视智能体系统的 CLI 窗口_
智能体系统默认是不透明的。渐进式披露为运维人员提供了分层的 CLI 视图——从快速状态检查,一路到完整的智能体内部细节和决策追溯。
[架构][CLI][工具]
基准事实:把 AI 智能体锚定在现实之中_
AI 智能体会自信满满地产生幻觉。基准事实是带版本、有明确作用域的事实,能把智能体的行为锚定在现实之中。以下是我们如何构建并落实它们。
[架构][扎根]
Orkestra:大规模编排 AI 智能体_
一个编排器,把工作分派给各具专长和记忆的专家 AI 智能体。Orkestra 如何在生产环境中协调 46 个智能体和 466 项技能。
[架构][开源]
保持关注
这就是全部的存档了_
每一篇文章都会先发布在这里。新内容会直接同步到更新日志，或者订阅 RSS，在新文章上线的那一刻就收到通知。
[更新日志][RSS]