火山引擎用Agent生成多语言SDK与配套文档

面向 TOS 面向十余种编程语言的 SDK 维护压力（OpenAPI 持续迭代引发跨语言、跨版本一致性维护成本），团队调研 OpenAPI Generator、Swagger Codegen、AWS Smithy、阿里云 TeaDSL 及内部 IDL 模板工具后，认为传统生成器只能做机械参数映射、无法理解隐性业务规则（如 TOS Vector 的 tagResource 需把 region、accountId、vectorBucketName 拼成 resourceTrn 路径参数），改用 AI Agent 构建自动化生成流水线。 架构从「全量文档注入 Prompt」（上下文受限、幻觉频发）演进到 ReAct + 工具调用知识库，再到规划与执行解耦，最终引入代码沙箱与反思机制形成自动审计修复闭环，并以 LangGraph 图编排把规划、执行、质检、修复串成全自动「虚拟工程团队」：Planner Agent 识别意图并指向预设流程（新接口生成/已有接口迭代），执行层因场景确定性要求选择预定义工作流而非动态生成，评估与反思层做静态规范检查与基于失败日志/单测错误的动态修复，执行者—评估者循环直到评分达到阈值（如 95/100）或最大轮次，失败经验沉淀进 SDK Agent 知识库。 知识库侧用大模型做知识清洗，向量存入 TOS Vector Bucket（存算分离 Serverless，预计长期存储成本降低 90% 以上，并用元数据过滤提升 RAG 准确性）。观测侧依托日志服务 TLS 兼容 OpenTelemetry 采集全链路 Trace，实测一次任务中定位到首次生成未过单测的根因、Code Sandbox 为主要耗时瓶颈、以及评估失败后反思自愈的完整过程。 落地效果：质量评分 90—95 分区间，代码无人工修改采纳率平均 93.84%。TOS 累计完成 100+ API 与 180+ 配套文档交付，TLS 累计完成 170+ API 补齐与 80+ 存量 API 问题修复，人工介入率不足 10%，累计节省人力成本超 300 人天。并助力某头部车企项目把「月级」迭代周期压缩到「周级」。