精選
我們為何將程式碼搜尋升級至 voyage-4-large_
我們將程式碼嵌入模型換成了 voyage-4-large — 目前在公開的 RTEB 程式碼檢索排行榜上排名第一。這是誠實的版本：我們做了什麼取捨、我們實際索引的是什麼，以及我們為何願意為高階嵌入模型付費。
[嵌入][搜尋][架構]
> 查看決策紀錄
來自 Maguyva 開發現場的技術筆記
架構決策、MCP 實作筆記，偶爾還有幾句「這件事本不該這麼難」的牢騷。
最新文章
最新的開發筆記
想在深入封存文章前，先看最新技術動態，就從這裡開始。
封存
依主題分類的技術筆記
架構、可觀測性、MCP 介面設計，以及在正式環境中歷經考驗留存下來的模式。
語言遞迴自我改進：在近 280 種語言中打磨程式碼智慧_
我們為近 280 種語言提供程式碼智慧支援，沒有人力能逐一手動稽核。因此我們打造了一套語言遞迴自我改進迴圈 — 抽查、LLM 擔任評審、修正單一問題、重新驗證 — 並以一支隔離代理人艦隊持續執行，直到擷取結果真正正確，而不只是綠燈通過。
[架構][語言][代理]
多模態融合搜尋：為每個查詢挑選正確的檢索方式_
像「parseConfig 定義在哪裡」這樣的查詢，需要的搜尋方式和「auth 是如何運作的」截然不同。Maguyva 會先分類查詢意圖，據此為四種檢索模式加權，再以加權版的 Reciprocal Rank Fusion（倒數排名融合）演算法整合結果。
[搜尋][架構]
代理人可觀測性：Hooks、Alloy 與 Grafana_
我們將 Claude Code 與 Codex 接入同一套 Grafana 技術堆疊，搭配 OpenTelemetry 與 Alloy，再運用追蹤與日誌，從源頭找出並修正代理人的行為問題。
[可觀測性][Grafana][OpenTelemetry][架構]
挖掘迴圈：變更如何化為組織記憶_
Git 提交會轉化為結構化的變更日誌條目與架構決策紀錄，再回饋給 AI 代理人，成為可查詢的組織記憶。
[架構][工作流程]
技能挖掘：從 3,500 個候選項目到 466 項能力_
我們篩選了 3,500 個技能候選項目，最終採納 466 項。這是一套系統化的挖掘與導入迴圈，用於大規模建構一套一致的 AI 代理人技能庫。
[架構][技能]
漸進式揭露：透過 CLI 窺探代理人系統_
代理人系統預設是不透明的。漸進式揭露為操作者提供分層的 CLI 檢視 — 從快速狀態檢查，到完整的代理人內部細節與決策軌跡，一應俱全。
[架構][CLI][工具鏈]
根基真相：讓 AI 代理人扎根於現實_
AI 代理人會自信滿滿地產生幻覺。根基真相是經過版本控管、限定範圍的事實，能讓代理人的行為扎根於現實。以下說明我們如何建構並落實它。
[架構][紮根]
Orkestra：大規模協調 AI 代理人_
一個協調器將工作分派給各具專長技能與記憶的專家 AI 代理人。以下說明 Orkestra 如何在正式環境中協調 46 個代理人與 466 項技能。
[架構][開源]
隨時掌握動態
這就是完整的封存_
每篇文章都會先在這裡發布。新文章會直接同步到更新日誌，或訂閱 RSS，第一時間收到通知。
[更新日誌][RSS]