网盘存量代码迁移实战:我们如何用三层架构管住 AI 的输出
前言
GEEK TALK
我们用 AI 助力网盘存量代码迁移,走完这段路才真正搞明白一件事:
让 AI 持续产出可用东西,靠的不仅是更好的 Prompt,还需要一套能管住它的工程结构。
这篇文章不讲概念,只讲我们在真实项目里踩过的坑、走通的路,以及最终沉淀下来的三层架构方案。
01
网盘主端积累了大量存量代码,在推进 KMP 多端复用的过程中,面临的核心挑战不是"能不能迁",而是"迁得稳不稳"。
一个页面的迁移通常涉及 UI 层、布局文件、业务逻辑和资源文件,各模块依赖关系错综复杂,稍有遗漏就会在后续编译阶段集中暴露问题。如果靠人工逐文件梳理,效率低、遗漏率高;靠 AI 直接生成,又容易出现"看起来能跑,接进工程就不行"的情况。
我们最早的做法是直接让 AI 协助迁移,但很快发现几个规律性的问题:
同一类操作,不同对话结果不一样。AI 每次都在重新理解任务,上下文稍有变化,输出就漂移;
任务越复杂,后期幻觉越多。迁移一个页面要加载几十个文件,到后期早期的文件细节被压缩,AI 开始生成"不存在的方法";
并行处理没有机制支撑。UI、布局、业务逻辑本可以同时处理,但只有一个对话窗口,只能串行,效率上不去。
这三个问题,最终对应了我们后来落地的三个方向:Skill、SubAgent、Agent Team。
02
在讲每一层具体怎么做之前,先把整体方案的轮廓摆出来。
我们最终形成的是三层组合:Skill 负责执行、SubAgent 负责调度、Agent Team 负责协作。三者不是替代关系,而是分别解决不同层次的问题。
执行层 · Skill
解决:单点执行不稳定
位置:所有具体任务的执行单元
调度层 · SubAgent
解决:长链路上下文膨胀
位置:转化阶段的串行步骤调度
协作层 · Agent Team
解决:多类型任务串行效率低
位置:提取阶段的并行分工
整个迁移流程分两个大阶段:提取阶段用 Agent Team 四路并行,把一个页面涉及的 UI、布局、业务逻辑、资源同时提取;转化阶段用 SubAgent 串行推进,按模块生成 → 资源转化 → 业务代码迁移 → UI 转化的顺序依次执行,步骤之间通过 Memory 传递关键产出。两个阶段的每个执行节点,都由 Skill 来保证输出的稳定性。
选型的判断依据只有一条:任务之间有没有强依赖。
任务之间有依赖、需要串行 → SubAgent
任务之间无强依赖、可以并行 → Agent Team
具体的执行动作 → Skill
整个方案的稳定性,最终由 Skill 的规范质量决定。SubAgent 和 Agent Team提供的是调度骨架,骨架上每个节点能不能稳定输出,取决于 Skill 本身有没有真正约束执行过程,而不只是描述了执行目标。
接下来分别展开每一层是怎么做的、做的过程中踩了哪些坑。
03
为什么输出会不稳定?
最开始我们以为是 Prompt 写得不够好,于是反复调整措辞,有时候有用,有时候没用。后来想清楚了:AI 每次都在"重新理解"任务,上下文不同、表达方式略有差异,它对任务的理解就不一样,输出自然不稳定。
这不是模型的问题,是我们没有把"这件事怎么做"固化下来。
Skill 解决的就是这件事:把一类任务的执行方式写成可复用的规范文件,AI 调用时按规范走,不再每次重新理解。它是无状态的,没有对话历史,只做一件事——被调用时稳定输出。
写 Skill 最有用的一个动作:加 Checklist
我们试过只写"你需要做什么",试过写"参考以下示例",最后发现最有效的约束是 Checklist——把每个步骤拆成可以逐项打勾的检查项。
AI 在多步骤任务里很容易跳步,不是不会,是在执行序列里漏掉了某个环节。有了 Checklist,每…