QQ浏览器团队经验管理系统：从AI Coding对话中提纯团队经验¶

Ch04.576 QQ浏览器团队经验管理系统：从AI Coding对话中提纯团队经验¶

📊 Level ⭐⭐ | 6.4KB | entities/team-experience-management-ai-coding-tencent-qqbrowser.md

QQ浏览器团队经验管理系统：从AI Coding对话中提纯团队经验¶

QQ 浏览器平台技术团队（腾讯 CSIG）基于 CodeBuddy Plugin 搭建了一套从 AI Coding 对话中自动提取、治理、召回团队经验的完整系统。核心创新在于三层治理管道（Review/Dedup/Merge）和"三镜头"认知障碍框架，将初版 90% 的抽取垃圾率降至治理后 95% 的有效率，最终入库率约 80%。

问题定义：经验断层¶

团队使用 AI Coding 时面临四类问题： 1. 经验即抛 — session 纠偏产出的经验，session 结束即清零 2. 重复踩坑 — 隐性工程约束（如"stop hook 不能同步上报"）不在文档中，换人换 session 大概率照踩 3. 知识碎片化 — 老同事的 pattern 无动力书面化 4. AI 永远是"新同事" — 每次进项目从零开始，缺乏团队语境

核心设计：从 Agent 视角定义经验¶

判定标准：被召回后，Agent 能否产生正向的行为变更。

三镜头框架¶

文章提出了三镜头（Three Lenses）框架，将"Agent 不容易直接发现"的信息分为三类：

镜头类型	认知障碍	例子
黑话镜头	语义不可发现	"D 站"字面只是字母 D，实际指盗版站点
索引镜头	位置不可发现	"直达页面功能在 xhome 模块，关键类是 FastCutXXX"
逻辑镜头	行为不可发现	stop hook 同步上报——AI 推理不出并发阻塞风险

系统架构¶

管道流程¶

对话上报 → 主题分组 → 经验抽取 → Review → Dedup → Merge → 入库 → 召回统计

三层治理¶

1. 抽取（Extraction）：归纳九类典型垃圾特征（事实性错误、通用常识、对话摘要、一次性 case 等）。以 Recall/Precision/Garbage Rate 三指标驱动 Prompt 迭代。

2. Review：入库前精准拦截明确垃圾。策略：默认保留、定向过滤。特色创新是源码探索（Code Explorer）：对候选经验中提到的代码方法名在源码库中做事实验证，拦截不存在的方法调用。例如某经验声称 FastScrollBar 有 attachToQBListView() 方法，源码检索发现该类只有 attachToRecyclerView() 和 attach()，正确方法属于 FastScrollBarCompat.attachToQBRecyclerView()。

3. Dedup：宁严勿宽，禁止桥接合并。当 What 和 When 均相同时 Recall 达 91.67%；整体 F1=71.79%。

4. Merge：唯一目标先行，保护历史边界。六轮实验 157 样本，整体 F1=94.27%。Create 最稳定（F1=96.46%），Update 存在"积极合并"倾向（Recall 96.30% 但 Precision 78.79%）。

生产数据¶

规模：6 个仓库，50+ 研发人员
数据量：1,236 次独立对话 → 1,022 条候选经验 → 最终入库 789 条高置信经验
管线已稳定运行 30+ 次
召回表现（125 次真实检索）：请求级召回率 68.8%，no_hit 仅 4.8%，平均注入 2.4 条经验，平均检索耗时 1,299 ms

基础设施¶

底层复用公司已有设施：IWIKI 经验空间落库 → Knot 知识库自动索引（向量+关键词） → Agent 通过 Knot MCP 协议实时检索。

四条方法论¶

先定义资产边界，再做自动化沉淀
分层治理，别用一个 prompt 解决所有问题 — Review/Dedup/Merge 各层目标不同、prompt 不同
默认策略按业务风险分别设计 — Review 默认保留、Dedup 宁严勿宽、Merge 保护历史边界
Prompt 优化从错例中抽象规则 — 固定流程：收集错例→识别误判类型→抽象规则→多轮实验→固定评测集

与业界方案对比¶

本文系统性地对比了 ClaudeCode AutoDream（单会话自动记忆整理）、Hermes Agent（Prompt 驱动 memory）、Mem0（长期记忆基础设施），指出共同局限：聚焦"个人记忆"而非"团队质量"。本系统追求"留下更少但更可信"——带适用场景、约束边界、来源证据的工程经验。

风险与未来方向¶

三层治理后垃圾率降至约 5%，但仍有三个未闭合的环： - 生产阶段：源码探索只覆盖部分场景，事实性错误仍难纯文本识别 - 召回阶段：命中≠采纳，缺乏观测 Agent 行为变更的手段 - 生命周期：无自动淘汰机制，项目演进时历史经验可能集体失效