官网 Claude 官方博客收录 2026-08-11 10:19 14

Datadog如何为Claude Code构建通用机器工具

Datadog所有工程师使用AI编码工具编写生产代码，其中超过三分之二由Claude Code驱动。他们使用Claude Code生成软件开发生命周期中的个性化流程，包括定向修改、大规模重构、替换大部分组件以及构建整个系统。然而，随着工作流的推进，生成复杂性和验证模糊性成为挑战。文章描述了Datadog如何通过代理编写确定性内核的规格来应对这一流程问题。

推荐理由：该内容主要围绕AI编码工具Claude Code在软件工程中的应用，不涉及数据垂直领域的五个核心方向。

AnthropicClaudeDatadog

译文 AI 逐段翻译

Datadog 如何为 Claude Code 打造了一台“万能机床”

Datadog 让一个智能体为确定性内核编写规范，再由该内核编写应用程序代码。

‍

分类Claude Code 企业 AI
产品Claude Code
日期：2026年7月21日
阅读时间：5分钟
分享复制链接https://claude.com/blog/how-datadog-built-a-universal-machine-tool-for-claude-code

智能体、机械化与工业化

Datadog 的所有工程师都在使用 AI 编码工具编写生产代码，其中至少三分之二是由 Claude Code 驱动的。借助 Claude Code，他们在软件开发生命周期中生成了个性化的流程，分为四个不同的类别：

针对性修改：数十个棘手的错误修复、性能优化以及现有服务的桥接。
大规模重构：在三天内重构了自定义的 protobuf 解析器，并在不到三个月内将指标控制从 FoundationDB 重写到 Postgres。
替换大部分组件：新的分片算法和自动扩缩容重新设计。
构建整个系统：用 Postgres 替换 MongoDB，BYOC 控制平面，以及从零开始构建的采集管道。

然而，随着工作流覆盖这张地图，他们发现生成工作在一方面变得更加复杂，另一方面验证工作的模糊性也增加了。

流程问题

对工程师来说，流程曾经意味着意图和代码之间的直接关系。你理解问题，编写代码，测试，审查，交付，运维，然后重复。有了智能体，这种抽象正在迅速改变。

“你不再编写代码了；你在塑造工作。你决定智能体应该看到什么，它应该有什么工具，成功意味着什么，失败应该如何被检测……这就像每个人都升了三级进入管理层，而他们并没有为此做好准备，因为他们是工程师，”Datadog 工程副总裁 Sesh Nalla 说。

采用诸如Claude 托管智能体等方法后，Datadog 的会话运行时间更长，有时会持续数天。每个智能体都会发明自己的工具、自己的粘合代码和自己的约定。智能体变得更有用，但需要人类来弥合智能体执行与为人类设计的工具之间的鸿沟。

机床是你在制造业中看到的夹具、固定装置、量规和铣床。它们生产出精确、可重复的零件，然后组装成更大的、更复杂的机器，如发动机、飞机、核反应堆和登月舱。它们是工业化的突破，因为零件变得可组合、可检查和可替换。

Temper 是 Sesh 所描述的 Datadog 为智能体系统打造通用机床的尝试。换句话说，它是智能体以安全、精确的方式构建所需工具所需的最小组件。

“我感觉到了我们需要更结构性的东西，”Sesh 说。“如果智能体要构建和运维我们系统的很大一部分，包括对任务至关重要、数据库，它们需要相当于这个机床概念的东西。Temper 就是 Datadog 的机床。”

未找到项目。

上一个

0/5

下一个

获取 Claude Code

或者阅读文档

试用 Claude Code

开发者文档

电子书

通往 Temper 之路

机械化意味着智能体现在承担了更多工作。而工业化意味着工作变得可重复、可验证、可控和可扩展。在 Datadog，这一切并非一蹴而就：通往 Temper 的道路经历了另外三个项目：Courier、BitsEvolve 和 Helix。每个项目都暴露了下一个项目的瓶颈，并使他们能够扩大雄心。

2024 年，他们推出了Courier，一个分布式队列系统。他们完全手工从零构建，耗时一年。

“难点不在于构建零件，而在于使它们之间的交互可观察、可测试和可验证，”Sesh 说。“所以我们对正式建模和模拟非常严格……我们识别了错误代价高昂或难以逆转的部分，并在这些地方提高了严谨性。”

2025 年 9 月，他们构建了BitsEvolve，一个闭环进化优化框架。一个模型委员会生成代码变体。一系列基准、测试和生产可观测性决定哪些变体存活下来。

“这是我第一次瞥见软件的部分可以像生物体一样被培育——通过变异和反馈、适应而成长，”Sesh 说。

问题是：进化只取决于它适应的环境，而 BitsEvolve 的瓶颈正是这个反馈循环。然后他们构建了Helix，一个可与 Kafka 匹敌的流式服务。Claude Code 完成了大部分构建工作，只有一个人指导。

“令我们难以置信的是，几天之内我们就有了一个功能完整的、可与 Kafka 匹敌的系统，”Sesh 说。“[构建很快]我们开始对其进行影子测试，并看到了可以节省 2 到 5 倍成本的机会。”

然而，将其投入生产却需要更多里程：运维加固只能随着时间的推移并由不止一个人来完成，而且这仍在推广过程中。

“瓶颈再次转移了，智能体可以构建系统的大部分……但人类仍然需要通过为人类构建的工具和机制来协调将工作交付到生产环境，”Sesh 说。

Datadog 需要一种方式让智能体在受验证的、由策略驱动的运行时环境中构建自己的工具。那个运行时就是Temper。

Temper

智能体生成代码的速度比任何团队手工审查都要快，但它们可能会犯错。

对 Sesh 来说，智能体生成的内容与通过验证的内容之间的差距，正是失败模式累积的地方。然而，简单地将智能体包裹在传统代码库周围，只是把它当作吞吐量问题，而没有弥合验证差距本身。

Temper 逆转了这一等式：代理不生成应用程序代码，而是生成规格说明。内核读取每条规格说明，通过四层分析进行验证，并部署规格说明所描述的运行系统。由于规格说明既是待验证的工件，也是待执行的工件，因此已验证内容与运行内容之间不存在偏差。

“Temper 改变了系统的中心。代理不再需要为每个局部需求不断发明相互独立的工具。相反，它以规格说明的形式产生精确的描述，表达意图和问题域。它就像夹具或数控机床那样的机床工具，你给它提供螺纹规格说明。它极具可重复性。你可以运行它们，并用它们制造飞机和类似复杂的东西，”Sesh 说。

因此，在这种情况下，代理不会每次都即兴生成最终机制。它可以生成精确的描述，并与 Temper（或类似 Temper 的机制）进行迭代，先使某些东西正常工作，然后将其转变为可重复、可检查和可重用之物，这样你就可以真正围绕你的代码库构建一个软件工厂。

每个能力由三个契约描述：

行为：必须保持的状态、转换、前置条件和安全属性。
数据契约：实体类型、其属性以及每个类型支持的操作，以机器可解析的形式发布，以便代理无需文档即可发现完整的 API。
授权：默认拒绝、基于范围的审批，拒绝记录为待处理决策，人类可以批准并热加载到策略引擎中。

每条规格说明在内核加载之前必须通过四个独立的层。符号推理证明每个守卫都是可满足的，每个不变量都是归纳的。穷举状态探索访问每个可达状态。

确定性模拟使用种子故障注入（丢弃、延迟、重排序、崩溃）运行实际的生成代码路径，因此故障在同一种子下精确重现。

随机属性测试运行大约一千个伪随机操作序列，并将任何违规缩小到最小反例。对于小型规格说明，整个级联在远小于一秒内完成。

Helix 的黑灯工厂

Simon Willison 推广了“黑灯工厂”这个术语，指的是在虚拟工厂车间中，代理在没有人类参与的情况下持续工作的软件过程。在 Helix 黑灯工厂中，Temper 扮演三个角色。

它是托管代理的代理控制平面——会话、角色、工作队列、生命周期。它是工具构建器层，允许代理用小型 Temper 应用桥接 SDLC 工具（Git、CI、部署）。它还是Helix 控制 API，即围绕数据平面的生命周期表面，用于执行工作负载。

“令人惊讶的是，它开始感觉比代理基础设施更通用。很多软件，如果你眯着眼睛看，只是围绕数据库 API 的控制逻辑：状态、围绕变更的策略、生命周期转换、与外部系统的集成。Temper 在某种意义上可以是通用的，它可以应用于任何具有我所描述形状的软件，”Sesh 说。

为什么不直接构建 CRUD 应用？

“Claude Code 可以[用 TypeScript 或 Python 构建 CRUD 应用]做得很好。然而，在普通的 CRUD 应用中，控制逻辑分散在路由、数据库约束、服务代码、后台作业和文档中。它可能有良好的测试和覆盖率，但操作模式（通常采用状态机的形式）在代码库中是隐式的，”Sesh 说。

“Temper 使状态机显式化。代理产生精确的描述，而不是任意代码。编译步骤在 LLM 之外，就像你把 Rust 代码交给 Rust 编译器一样。转换表是数据，而不是埋在服务方法中的意大利面条式控制流。代理可以在安全的情况下动态更改它，并无需经过 CI 即可热加载，”他解释道。

未来走向

Temper 背后的理念是，每个工件都应足够小，以便你能装进脑子里。航空和金融系统这类高保证软件已经以这种方式构建了几十年，但在代理出现之前，用人类实现这种严谨性的成本对于通用软件来说太高了。

工业革命之所以成为可能，是因为机床使零件可组合、可检查、可更换，因此我们可以构建越来越大、越来越复杂的机器。

“如果代理能在工厂内以这种纪律自主构建软件，也许我们不必止步于黑灯工厂。以这种方式构建的软件开始感觉像一个我们可以通过反馈、选择和适应来生长、培育和进化的有机体，”Sesh 说。

来自 Datadog 团队的最佳实践
你真正的瓶颈是生成还是验证？	假设验证。代理生成代码的速度已经超过任何团队审查的速度；生成内容与已验证内容之间的差距正是故障模式堆积的地方。在那里投资，而不是在更多吞吐量上。
代理实际上应该生成什么？	控制逻辑的规格说明（而非代码），以及对任意代码的证明携带。将编译和证明放在 LLM 之外——将规格说明交给确定性内核，使已验证的工件就是运行的工件。
你的控制逻辑是显式的，还是分散在代码库中？	将状态机从路由、服务方法和后台作业中抽离出来，并使其成为数据：一个代理可以在策略下读取、修改和热加载的转换表。
人类能否将每个工件装进脑子里来理解？	如果不能，你就回到了起点。保持每个生成的片段足够小，以便于推理。

观看完整会话，了解现场演示和更深入的讨论，了解 Datadog 如何构建 Temper，这是一个受约束的框架，可将一次性代理工具转变为安全、可重用的组件，并在会话和团队中产生复合效应。

‍

常见问题

未找到项目。

探索更多产品新闻和针对使用Claude构建团队的实践建议。