Harness 与 Agent 工程 · AI研发与测试工程 · 2026-07-29

深入解析Chromium的 AI Coding 开发体系

Chromium(3500万行代码)构建完整AI Coding体系,含提示词、技能等机制,支持多AI工具,QQ浏览器团队深度解析。 核心内容:

  1. Chromium AI Coding体系整体架构(含目录结构与跨AI工具支持)
  2. AI Policy核心规则与开发者责任边界
  3. 核心机制(提示词系统、技能系统等)详解

笔者作为QQ浏览器的开发,研究了一下Chromium的AI Coding开发体系,希望从中学习到一些东西。

一、整体介绍

Chromium 是全球最大的开源 C++ 项目之一,代码量超过 3500 万行。面对如此庞大的代码库,Chromium 团队在源码仓库中构建了一整套 AI Agent 基础设施——不只是"用 AI 写代码",而是建立了一套完整的提示词管理、技能系统、知识库、评估体系和大规模自动化项目。

AI Coding 相关内容集中在 agents/ 目录下:

chromium/src/agents/├── ai_policy.md # AI 使用政策├── prompts/ # 🔥 提示词系统(分层组合设计)│ ├── common.minimal.md # 核心指令层│ ├── common.md # 完整工作流层│ ├── knowledge_base.md # RAG 知识库│ ├── templates/ # 平台模板层(desktop/android/ios...)│ └── eval/ # 评估用例(15+ 个场景)├── skills/ # 🔥 技能系统(18+ 个可复用技能)├── extensions/ # MCP 扩展(工具能力增强)├── projects/ # AI 驱动的大型项目└── testing/ # Prompt 评估测试框架

Chromium 同时支持 Gemini CLI、Claude Code、GitHub Copilot 三种 AI 工具,核心的 Prompts 和 Skills 设计为跨工具复用。AI 使用政策(ai_policy.md)的核心原则是:AI 是辅助工具,人类开发者始终是最终责任人。如果某位开发者违反了原则,则可能被剥夺提交代码的权限。

下面逐一介绍各核心机制:AI Policy(AI 使用政策)、Prompts(提示词系统)、Skills(技能系统)、Knowledge Base(知识库)、Eval(评估测试) 和 Projects(大规模项目)。


二、AI Policy:人类始终是最终责任人

agents/ai_policy.md 是整个 AI Coding 体系的底层约束,定义了人与 AI 的责任边界。核心规则如下:

规则 要求 违规后果
自审义务 作者必须在发送 Review 前自行审查并理解所有代码,确保正确性、设计、安全性和风格达标 提交不理解的代码 → 剥夺 Committer 权限,再犯 → 封禁账号
原创声明 无论是否使用 AI,作者必须声明代码为自己的原创作品 —
人类回复人类 如果 AI Agent 创建的 CL 或 Bug 收到了人类的反馈,必须由人类操作者亲自回复 违反项目行为准则

此外,Policy 还给出了推荐做法:在 CL 描述中说明 AI 工具的使用方式(如附上 prompt);如果是通过设计文档 + prompt 驱动 AI 生成的代码,可以将设计文档一并提交到代码库。

一句话概括:AI 是工具,不是作者——人类开发者对每一行代码负全责。


三、Prompts:分层组合的提示词体系

Prompts 是整个 AI Coding 体系的基石。Chromium 没有使用一个巨大的单体提示词,而是设计了一套四层分层组合的架构,开发者按需组合。

3.1 四层架构

┌─────────────────────────────────────────────────┐│ 第四层:Task Prompts(任务提示词) ││ 一次性任务指令,如 /cr:gerrit/cl-description │├─────────────────────────────────────────────────┤│ 第三层:Templates(平台模板) ││ desktop.md / android.md / ios.md / rust.md │├─────────────────────────────────────────────────┤│ 第二层:common.md(完整工作流) ││ 8 步标准编辑流程 + 知识库引用 │├─────────────────────────────────────────────────┤│ 第一层:common.minimal.md(核心指令) ││ 构建、测试、编码、JNI 等基础规范 │└─────────────────────────────────────────────────┘

开发者通过创建本地 GEMINI.md 文件,用 @ 引用组合不同层级的 prompt:

## 桌面开发者的配置@agents/prompts/common.md # 自动包含 common.minimal.md@agents/prompts/templates/desktop.md

Chromium 会使用脚本解析引用的 prompt,最终形成一个完整的 system instruction 注入 AI:

┌─────────────────────────────────────────────┐│ System Instruction(系统指令) │ ← GEMINI.md 递归展开后生成│ common.minimal.md 的内容 ││ + common.md 追加的工作流 │ 每次对话隐式生效│ + desktop.md 的平台规范 │ 对用户不可见├─────────────────────────────────────────────┤│ User Prompt(用户提示词) │ ← 开发者实际输入的任务│ "帮我在 TabStrip 中实现分屏功能" │ 每次对话动态变化└─────────────────────────────────────────────┘

3.2 第一层:common.minimal.md — 核心指令

这是所有开发者共享的最底层指令,定义了 AI 在 Chromium 中工作的基本规范:

规范领域 核心规则 设计意图
构建 必须先确认构建目录和目标,未确认前禁止构建 AI 猜错构建目录的代价太大,强制先确认
测试 使用 tools/autotest.py 运行测试,不要提前调用 autoninja(autotest 会自动构建) 避免重复构建
编码 Stay on task:不修无关的 TODO 和 code health;注释只写"为什么"不写"做了什么" AI 有"顺手修 TODO"和"写废话注释"的倾向,需要明确约束
JNI 定义 Java↔C++ 的 JNI 方法识别规则(@CalledByNative、@NativeMethods) 即使非 Android 开发者也可能遇到 JNI 代码,所以放在最底层
预提交 完成后运行 git cl format + git cl presubmit,只修自己改动引入的问题 避免 AI 修复不相关的预存警告

3.3 第二层:common.md — 8 步标准工作流

这是 Chromium AI Coding 的核心工作流定义,所有代码编辑任务都必须遵循。以下是完整的 8 步流程(摘自源文件):

Step 1: 深度理解代码(强制第一步,不可跳过) ├── 1a. 定位核心文件 ├── 1b. 完整审计(读取每个文件的完整源码,总结控制流和所有权语义) ├── 1c. 陈述理解(向开发者确认理解是否正确) └── 1d. 反模式规避: • 绝不从函数名猜测行为,必须读源码实现 • 必须检查至少一个调用点来理解用法Step 2: 编写代码 └── 只做需求要求的事Step 3: 编写/更新测试 ├── 优先向已有测试文件添加用例 └── 没有则创建新测试文件Step 4: 构建Step 5: 修复编译错误 ├── 为每个错误至少读取一个新文件 ├── 找到并理解所有相关文件 ├── 检查历史对话中是否出现过相同错误 └── 绝不做投机性修复Step 6: 运行测试Step 7: 修复测试错误Step 8: 迭代(循环 Step 4-7 直到全部通过)

其中 Step 1 的设计尤为关键——它强制 AI 在写任何代码之前,必须先完整阅读所有相关文件并向开发者确认理解。使用过 AI 写代码的同学应该深有体会,充分的上下文理解是保证代码质量的关键,也有助于减少幻觉问题。

3.4 第三层:Templates — 平台模板

平台模板为不同平台的开发者提供特定的上下文和构建指令。Chromium 提供了 desktop、android、ios 三套模板,每套都精确定义了该平台的文件命名规范、构建目标、测试运行方式,确保 AI 不会在平台特定的细节上犯错。

以桌面平台(desktop.md)为例,这是与 Windows/Mac/Linux 开发最相关的模板:

Before starting any tasks, you MUST read the following files: * //docs/chrome_browser_design_principles.md ← 浏览器架构设计原则 * //docs/ui/views/overview.md ← Views UI 框架概览Build Targets: * chrome - 桌面 Chrome 主二进制 * unit_tests - 单元测试 * browser_tests - 集成测试 * interactive_ui_tests - 需要独占窗口管理器的 UI 交互测试

模板的关键设计在于:强制 AI 在动手之前先阅读平台架构文档。这确保了 AI 理解 Views 框架的 Widget/View 层级、Browser/Profile 的所有权模型等桌面平台核心概念,而不是凭猜测写代码。

3.5 第四层:Task Prompts — 自定义命令

Chromium 在 .gemini/commands/ 中预定义了一系列可直接调用的任务提示词。每个命令本质上是一段预写好的 prompt,封装了特定环节的完整操作步骤:

命令 功能 核心逻辑
/cr:gerrit/fix-review-comments 自动修复 Review 意见 获取未解决评论 → 逐条判断是否有信心修复 → 修复或标记
/cr:test/gen-gtests 自动生成单元测试 分析 git diff → 定位测试文件 → 读取现有 fixture → 生成用例 → 验证
/cr:gerrit/cl-description 自动生成 CL 描述 分析 diff → 按 Chromium 规范生成标题/正文/Bug/Test 标签
/cr:git/pre-upload-checklist 一键预提交检查 同步依赖 → 风格检查 → 移除调试日志 → 格式化 → presubmit
/cr:test/disable-test 禁用失败的测试 定位测试 → 添加 DISABLED_ 前缀 → 更新 BUILD.gn

3.6 Prompt 的维护机制

Chromium 使用了一套模板 + 注释的维护机制:

这意味着每条 prompt 规则背后都有为什么这样写的记录,方便团队迭代优化。


四、Skills:按需激活的专业技能

Skills 是 Chromium AI Coding 体系中的专家模块。与 Prompts(始终加载的通用指令)不同,Skills 是按需激活的——只有当用户的请求与某个 Skill 相关时,AI Agent 才会自动加载对应的 SKILL.md 文件。

目前 Chromium 已有 18+ 个 Skill,覆盖开发中的各种专业场景:

Skill 功能
feature-flag-removal 移除 Feature Flag(17 步完整 checklist)
fuzzing 编写 Fuzz 测试(含环境配置、代码模板、验证流程)
histograms 管理 UMA 指标(元数据、所有权、过期时间)
cl-description 生成 CL 描述
git-cl-helper Git CL 操作辅助
chromium-docs 文档搜索
network-traffic-annotations 网络流量注解
nullaway NullAway 空指针检查
policy-creation 企业策略创建
webui-lit-migration WebUI Lit 迁移
trace-analysis 性能 Trace 分析
utr 通用测试运行器
... 还有 Java 内存泄漏、JNI 类型转换、Chromebook 调试等

五、Knowledge Base:Agentic RAG 知识增强

5.1 设计理念

Chromium 的知识库不是传统的向量数据库检索,而是一套Agentic RAG——通过 prompt 指令让 AI 自主判断应该去读哪些文档。其核心原则写在 knowledge_base.md 的开头:

## Core Principle: Consult, then AnswerYou MUST NOT answer from your general knowledge alone. The Chromium codebase isvast and specific. Before answering any query, you must first consult therelevant documents.

强制 AI 不依赖自身的通用知识,而是在回答前先去读源码中的权威文档。

5.2 三层知识增强架构

知识增强同样采用多层架构:

┌──────────────────────────────────────────────────────┐│ 第三层:MCP 扩展 — 外部知识源 ││ blink-spec(GitHub API)/ build-information 等 │├──────────────────────────────────────────────────────┤│ 第二层:chromium-docs Skill — 本地文档检索工具 ││ 2000+ md 文件索引,Python 脚本辅助 AI 定位文档 │├──────────────────────────────────────────────────────┤│ 第一层:knowledge_base.md — 静态路由表 ││ 任务关键词 → 文档路径的 if-then 规则引擎 │└──────────────────────────────────────────────────────┘

5.3 第一层:knowledge_base.md — 静态路由表

这是最核心的机制。knowledge_base.md 被引用在 common.md 的末尾,成为 AI 上下文的一部分。它本质上是一个任务→文档的 if-then 规则引擎:

核心编程模式路由:

AI 检测到的任务特征 路由到的文档/动作
涉及进程间通信(browser-to-renderer) 查找对应的 .mojom 文件,理解 Mojo IPC 接口
涉及异步操作或线程 读取 docs/threading_and_tasks.md
涉及回调(base::OnceCallback 等) 读取 docs/callback.md
修改 third_party/blink/renderer/ 下的代码 必须使用 WTF 容器(blink::Vector、blink::String)和 Oilpan GC(Member…
— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/tishicijiqiao/2026072978306.html