依托钉群无人值守、跨群会话记忆、组织知识检索及前端专业 Skill，阿里云云原生消息前端团队自研的内部研发协作平台 Domino 正经历关键演进——从单一的代码执行工具，升级为能够理解团队上下文、持续沉淀演进并闭环真实交付的研发 Agent 系统。

那一阶段解决的核心问题是：怎样让 CodingAgent 在真实仓库和真实研发链路中完成一次任务。

这一阶段建设了独立沙箱、单应用任务、Flow 多应用流水线、CodeReview、O2/AoneCD 部署和 AI 页面验证，让 Agent 不再只生成一段代码，而是可以真正把代码送进研发流程。

但投入日常使用后，一个更基础的问题逐渐浮现：

• 用户通常不会先打开一个 AI 平台，再思考该创建什么任务；问题往往直接发生在钉群里。

• 大量研发问题并不需要立即创建沙箱，可能只是查询历史决策、确认发布流程或定位一段已有逻辑。

• 一个任务结束后，Agent 获得的业务背景和团队结论也随会话一起沉没，下次仍要从头解释。

• 通用 CodingAgent 会读写代码，却不了解控制台项目的工程规范、国际化链路、登录方式、设计稿结构和发布验证方法。

如果这些问题不解决，Agent 再强也仍然是一个“需要人主动操作的高级工具”，而不是团队日常协作的一部分。

因此，Domino 平台最近一轮演进的重点不再只是“把一个任务做得更自动”，而是重新回答三个问题：

1. Agent 如何自然地进入团队每天已经在使用的协作入口？

2. 不同群、不同会话中的上下文，如何沉淀为可以复用的组织知识？

3. 通用模型如何真正掌握前端控制台研发中的专业方法？

对应的答案，是一套由 ConsoleAgent、KBase 空间记忆、知识检索、专业 SKILL 与 SandboxAgent 组成的分层 Agent 体系。

不是一个“全能 Agent”，而是两类 Agent 接力。

系统没有继续把所有能力塞进一个 Agent，而是将“理解与路由”和“执行与交付”拆给两个生命周期完全不同的角色。

钉群 @机器人      │      ▼ConsoleAgent（长期入口）      │      ├── 群上下文 ──▶ 延续当前讨论      ├── KBase 记忆 ─▶ 找到跨群、跨会话的团队约定与历史决策      ├── 知识库 ─────▶ 查询产品、流程和架构知识      ├── CodeWiki ───▶ 查询代码实现事实      ├── 直接答疑      │      └── 需要真实仓库或代码改动                 │                 ▼        创建单应用任务 / Flow                 │                 ▼SandboxAgent（任务执行）                 │      读码 → 改码 → 验证 → CodeReview → 部署 → AI 页面验证

ConsoleAgent 面向高频、碎片化、随时发生的研发问题。管理员将 Agent 绑定到钉群后，群成员只需要 @Domino 助手，就可以直接询问：

• 某个控制台功能是如何实现的？

• 这类变更应该走哪个发布流程？

• 团队之前对这个方案做过什么约定？

• 页面上这句中文文案对应哪个代码位置？

• 帮我到真实仓库里排查，必要时直接修改并验证。

这里的“常驻”不是要求某个 FaaS 进程永远不重启，而是业务语义上的常驻：每个群都持久化自己的 conversationId、sessionId 和消息历史。底层实例发生切换后，ConsoleAgent 仍可以恢复会话，而不是让用户重新建立上下文。

同时，它按照钉群交互特性做了无人值守约束：不使用只能在 Web 页面中点击的交互式问答工具；信息不足时直接在群里提出问题，等待下一条消息；可以直接回答的问题即时回复，需要长时间执行或修改代码的问题则自动创建 Domino 任务并返回链接。群成员不需要守着一个流式窗口，也不需要知道沙箱、模型和任务编排的内部细节。

ConsoleAgent 不会在 Console 服务目录里“猜”业务代码，也不会直接修改业务仓库。只要问题需要深入读取真实代码、运行命令或产生变更，就交给 SandboxAgent。

SandboxAgent 由单应用任务或 Flow Stage 触发。系统会准备独立沙箱、克隆目标仓库、创建工作分支，并注入任务上下文、SKILL 和 MCP 授权。它负责完成真正的工程执行：

理解需求 → 定位代码 → 实施修改 → 构建/测试        → Git 推送 → CodeReview → 绑定变更并部署 → AI 页面验证

这种边界带来两个直接收益：

• 轻量答疑不再为每个问题创建昂贵沙箱。

• 任何代码修改都发生在隔离、可追踪、可以验证的研发环境中。

由此形成了一个清晰原则：ConsoleAgent 负责理解、检索和路由，SandboxAgent 负责在真实环境中执行和交付。

让 Agent 进入群聊并不难，难的是让它既能延续当前讨论，又不会被某一个群的偶然信息绑住。

为此，Domino 没有把所有消息简单拼进模型上下文，而是建立了三层不同粒度的认知来源。

每个钉群维护独立 Session。同一个群后续追问可以自然延续，例如用户先问“这次变更为什么失败”，下一轮只补充“那预发版本应该看哪个”，Agent 仍然知道讨论对象。

不同群的 Session 相互隔离。一个业务群里的临时讨论不会直接污染另一个群，也避免把不适合跨群传播的聊天内容无差别共享。

Session 解决的是“这个群刚刚在聊什么”，但它不能独立解决跨群、跨时间的知识复用。

对于需要长期复用的团队上下文，ConsoleAgent 会在回答前检索 KBase 空间记忆。空间记忆与某一次对话解耦，因此同一条经过沉淀的团队约定，可以被不同钉群、不同成员和后续新会话重新召回。

适合进入空间记忆的内容包括：

• 团队已经确认的技术决策及取舍原因；

• 项目长期有效的目录、模块和负责人信息；

• 特殊环境约束、联调方式和排障结论；

• 多次协作后形成的研发规范与操作约定。

这让 Domino 获得了一种过去单次 Agent 会话不具备的连续性。一次讨论不再只是“这次回答完就结束”，其中有复用价值的结论可以成为团队之后解决问题的起点。

空间记忆也有明确边界：它服务于团队共享上下文，不用于保存个人隐私或把整段群聊原样归档；更新与删除都需要定位明确的记忆条目。目标是积累经过提炼的事实和决策，而不是不断膨胀的聊天日志。

记忆适合保存经验与决策，但不能代替正式文档和代码事实。ConsoleAgent 会根据问题类型选择不同检索路径：

• 产品知识、研发规范、部署流程、架构说明等问题，查询团队知识库；

• 实现逻辑、接口定义和代码结构等问题，优先查询 CodeWiki 和代码平台；

• 页面中文文案无法直接在源码中命中时，先通过国际化反查 SKILL 找到 key，再定位调用位置；

• 多次检索仍无法得到可信答案时，不继续编造，而是委派 SandboxAgent 进入真实仓库排查。

三层上下文的职责因此变得明确：

这并不是简单地给模型“塞更多上下文”，而是让 Agent 知道：什么是当前对话，什么是历史经验，什么才是需要引用的正式事实。

通用模型可以写 React，也可以解释 TypeScript，但真实控制台研发中最耗时间的部分，往往是模型不知道的团队隐性知识：这个项目属于哪套框架、请求应该怎么封装、中文文案存在哪里、沙箱为什么没有登录态、设计稿如何落到现有组件、改完后怎样验证预发。

过去这些知识依赖熟悉项目的工程师口口相传。现在，其中稳定、可复用的部分被提炼成 Domino 内置 SKILL。

SKILL 不是一段万能提示词，而是一份带触发条件、执行步骤、工具选择和验收标准的工程方法。Agent 只在命中场景时加载对应内容，避免每轮对话都携带所有规范。

mq-frontend-skill：识别工程，再按项目规范开发

这是消息控制台前端研发的总入口。它先识别目标项目，再路由到对应的工程子技能：

• xconsole：覆盖 RocketMQ、EventBridge、KafkaNext 等现代控制台工程；

• recore：覆盖 MNS、AMQP、MQTT、Kafka 等存量框架工程。

技能中固化 TypeScript、组件复用、请求封装、样式、国际化和验证方式等约束。Agent 不再把所有前端仓库当成同一种 React 项目，而是按真实工程栈选择实现方式。

find-i18n-key：从页面中文反查真实源码

控制台代码通常不硬编码中文。用户说“帮我改一下‘创建实例’按钮”时，直接搜索中文往往没有结果。

find-i18n-key 会先从国际化资源反查文案 key，再到代码平台或真实仓库中定位 key 的调用位置。它把“用户看到的页面语言”转换成“工程中的代码坐标”，显著缩短问题定位路径。

frontend-sandbox-auth：解决沙箱页面登录与接口权限

前端页面在沙箱中启动后，常见问题不是代码编译，而是预发接口的 Cookie、sec_token、代理和启动参数不匹配。这个技能沉淀了沙箱代理下的认证配置与排查方法，让 Agent 能区分代码缺陷和环境登录问题。

medusa：把国际化变更纳入交付

新增文案不是只改一个 key。medusa 覆盖多语言文案查询、写入、批量更新、翻译、审计和发布，让国际化资源和代码变更进入同一条 Agent 工作流。

mgdone-dsl-analyze：把设计稿变成结构化输入

面对 MasterGo 设计稿，Agent 不再只依赖截图猜布局，而是通过 MCP 获取设计 DSL，分析组件层级、布局和样式数据，并将原始设计信息归档。设计输入因此从“视觉参考”升级为可以分析和追踪的结构化上下文。

ai-testing：让“页面看起来没问题”变成可执行验证

完成编码和部署后，Agent 可以根据任务目标生成 AI Testing 指令，对预发控制台执行 E2E、冒烟或回归验证，并持续跟踪结果。验证通过或失败后还可以发送钉钉通知。AI 验证能力通过对接云原生 SRE 团队的 SQA 平台工具，让 AI 结合任务执行完整上下文自动生成自然语言的验证指令，不仅关注增量变更结果验证通过，同时保证存量页面功能不被影响。

这使前端任务的终点从“代码已经提交”进一步推进到“页面行为已经验证”。

/brainstorming 用于在复杂实现前澄清目标、约束和验收标准。它体现了一项持续验证的判断：很多失败不是模型不会写代码，而是在动手前没有把问题理解清楚。同时，凭借着生产中人为解决问题的经验积累以及多层上下文知识的来源，在任务执行的事前、事前、事后系统提示词都进行了充分约束，保证任务的执行方向与质量。

You are a senior engineer who ships production-quality code. Follow these principles on every task:** More Prompts ... **

在任务页输入 /，用户也可以显式选择 SandboxAgent 当前环境中的内置 SKILL。运行时技能清单由平台统一管理和展示，不再要求每个用户手工复制 Prompt。

在 Domino 中，SKILL 与 CLI/MCP 解决的是两个不同层面的问题：

• SKILL 固化工程方法：描述什么时候触发、按什么步骤执行、使用哪些检查方式，以及达到什么验收标准。

• CLI/MCP 连接真实平台：通过标准化工具接口访问知识、代码、协作、设计和发布系统，把方法落实到实际数据与操作上。

SKILL 决定“怎么做”，CLI/MCP 决定“能访问什么”。两者结合后，Agent 才能把团队经验转化为可执行、可验证的研发动作，而不是停留在通用建议层面。

例如“根据设计稿开发一个控制台页面”并不是一次模型生成，而是一连串的工作流：

1. brainstorming 先澄清交互和验收标准；

2. mgdone-dsl-analyze 通过 MasterGo MCP 获取结构化设计数据；

3. mq-frontend-skill 根据工程类型约束实现方式；

4. find-i18n-key 与 medusa 处理已有及新增文案；

5. SandboxAgent 在真实仓库中编码并运行构建；

6. 代码进入 CodeReview 和 O2 迭代；

7. ai-testing 在预发页面验证最终效果。

模型能力仍然重要，但决定生产可用性的，是模型能否调用真实系统，并遵循团队已经验证过的方法完成闭环。

平台访问基于 OAuth 认证对接 Aone 开放平台。MCP 工具调用沿用当前授权主体的身份：ConsoleAgent 使用其配置的授权，任务委派后 SandboxAgent 优先使用真实 requester 的授权。服务端不需要保存平台密码，授权失效时也能明确反馈具体平台能力不可用，从而提升跨平台工具调用的安全性与可追踪性。

目前 Domino 已接入 Aone 协作平台、代码平台、知识平台、变更发布、O2、语雀、MasterGo 等 MCP。系统会按 Agent 角色、用户授权和工具白名单注入必要能力，避免无关工具占用上下文，也避免 Agent 获得不必要的操作范围。

把前面的能力串起来，一次真实协作可以是这样的：

用户在业务群里问：“实例详情页的消息堆积量为什么和监控页不一致？如果是前端问题帮我修一下。”

ConsoleAgent 首先延续当前群 Session，并检索 KBase 中是否有相关历史结论；随后查询知识库和 CodeWiki，确认指标口径及已有实现。

如果知识中已经有确定答案，它直接在群里回复并给出依据。如果必须读取最新仓库、复现页面或修改代码，它会查询已注册应用，创建一个单应用任务，并把任务链接发回钉群。

任务创建时，真实提问者的工号和昵称会作为 requester 透传。后续沙箱、MCP 授权、任务记录和 Dashboard 统计归属实际用户，而不是机器人创建者或内部 CLI 身份。

SandboxAgent 进入独立沙箱后：

1. 使用前端项目 SKILL 识别工程规范；

2. 结合文案反查、代码搜索和真实运行环境定位问题；

3. 修改代码并完成构建、测试；

4. 用户在任务对话中确认结果；

5. 将任务记录分享给评审者，或委派协助者继续处理；

6. 通过「任务改动提交」完成 Git 推送、CodeReview、O2 变更绑定和部署；

7. 使用 AI Testing 验证预发页面，最终把结果带回研发协作链路。

从群聊答疑到代码交付，不再是两个互不相干的系统，而是同一条可以接力、追踪和统计的链路。

沙箱不是一次性的黑盒执行环境。任务过程中的对话、Agent 工具调用、阶段进度、代码变更、CodeReview、部署状态和页面验证结果，都会持续保存在 Console 中，形成一份可以回看、分享和继续推进的工作记录。

这使协作方式发生了变化：分享的不只是一个最终链接或一段代码，而是完整的研发上下文。

对于控制台需求，这种上下文共享尤其重要。接口实现者不必再从零拼接需求描述、页面现象、调用链、相关代码、测试账号和验证结果；任务记录可以一次性把这些信息带齐，让实现者直接进入问题定位和方案落地阶段。需求提出者、产品、前端、后端和测试之间因此少了多轮转述与反复确认，跨角色沟通成本显著下降，交付节奏也更容易保持连续。

• 可分享：通过任务或对话链接让评审者了解需求、过程和当前结果；只读场景可以安全查看，不必进入沙箱操作。

• 可交接：任务负责人可以指定协助者，并附带当前背景、测试账号、截止时间和后续工作；协助者进入同一任务后可以继续对话和处理代码。

• 可追溯：每次输入、Agent 回复、工具结果和阶段状态都留在同一条记录中，方便复盘“为什么这样改”和“问题在哪一步解决”。

• 有边界的多人协作：任务创建者、真实 requester、指定协助者和管理员分别拥有不同的读写权限；同一 Session 的执行权也按请求隔离，避免多人查看或插话时误中断彼此的操作。

当前协作以任务负责人/提问者与指定协助者为核心关系，但底层记录和权限模型已经把 Agent 任务从“个人草稿”提升为团队可以共同阅读、交接和验收的研发空间。

如果只看功能列表，这一轮新增的是钉群机器人、记忆、知识库和若干 SKILL。但从工作方式上看，变化更深：

Domino 的定位也随之发生变化：它不再只是一个“云端 CodingAgent 控制台”，而是在尝试建设一套团队级 Agent 基础设施——有长期入口，有共享记忆，有正式知识，有专业方法，也有真正能执行和交付的工作环境。

7 月初上线，统计至 7 月 31 日，月内发起 135 代码任务，完成 127 次群内业务答疑，20+ 团队活跃用户，覆盖 60%+ 日常任务答疑和存量页面的开发工作。

业务答疑

代码任务委派

代码任务详情以及一站式的研发任务部署与验证

群内知识纠正与记忆沉淀

钉群不是新增的展示渠道，而是多数问题天然发生的地方。只有进入现有协作入口，Agent 才能覆盖那些用户不会专门创建任务、却每天大量消耗研发时间的问题。

群 Session、空间记忆、知识库和代码事实有不同可信度与生命周期。把它们混成一段超长 Prompt，不仅浪费 token，也会模糊事实边界。让 Agent 按问题检索、按来源判断，才能让记忆真正提升而不是干扰回答质量。

一次性的 Prompt 很容易过期，也难以验证。SKILL 将触发条件、工具链和验收方式组织成版本化资产，可以由领域工程师持续维护，并在 ConsoleAgent 与 SandboxAgent 中按需分发。

ConsoleAgent 可以自主检索、答疑和委派任务，SandboxAgent 可以自主编码和验证，但 CodeReview、部署确认和最终发布仍保留人的决策节点。目标不是移除责任人，而是让人从重复执行中退出，把注意力留给业务判断和风险决策。

ConsoleAgent 不直接修改业务代码，SandboxAgent 不默认继承整个群聊，空间记忆不保存个人信息，MCP 按授权和白名单注入。正是这些边界，让 Agent 能力可以被放心地放进真实研发流程。