淘宝闪购以双引擎编码助手对话式管理研发

淘宝闪购团队把原本分散在 SLS 日志、TPP 实验平台与代码仓库的搜索问题排查、性能分析、实验管理操作收拢到钉钉群里一句话对话。架构为钉钉 Stream 长连接（内网直通，无需公网回调）+ Java 服务 alsc-intervene：DingTalkStreamService 做管理员/只读权限校验、上下文管理与并发控制，CLI 代理层用 ProcessBuilder 逐请求 spawn 子进程调用 Qoder CLI 或 Claude Code，两者统一以 stream-json 输出，Java 侧同一套流式解析与钉钉 AI 卡片打字机更新逻辑复用。 工程细节包括 stdbuf -oL 强制行缓冲解决 Node.js 全缓冲、256 字节 BufferedReader、120 秒超时强杀进程、线程池 10-15 与 AbortPolicy 并发控制、上下文 TTL 48 小时 + 单用户 200KB 滑动窗口 + 全局 500 用户 LRU 三重防护。 工具侧把本地常用 MCP 服务部署到远端覆盖代码仓库、日志查询、实验管理，并在无头 Docker 环境中以 .mcp.json 静态 Bearer Token 跳过 OAuth 交互授权、文件权限 600、oauth-clients 设 444 防 DCR 覆盖。引擎由 Qoder CLI 起步，因复杂跨系统排查质量不足引入 Claude Code，目前两引擎并行部署：Qoder CLI 走钉钉 Stream 群聊入口，Claude Code 走 HTTP SSE 入口与独立钉钉机器人。 另建 L0 git history 到 L4 AGENTS.md + P0-constraints.md 的五级知识沉淀模型，候选规则触发≥3 次且成功率≥80% 自动提议晋升为正式规则。