项目问答

因为代码修复和测试验证是一个有循环、有反馈的闭环。普通 Agent 是线性的一问一答，遇到修复失败没法自然地回退重试；LangGraph 支持有环图，可以把分析、修复、验证编排成带反馈边的节点，验证不通过就带着新反馈回到分析节点，天然契合这种需要循环和状态的自愈流程。

MCP 是 Anthropic 开源的标准协议，用来统一模型和外部工具、资源之间的接入方式。我们把本地能力包成相当于本地标准的 MCP Server，Agent 通过它来调用执行；这样既复用了标准协议的生态，又能保证沙箱运行，让生成的补丁在受控、可回滚的环境里执行，不会对真实系统产生不可逆的副作用。

普通切片是按字符或行数硬切的，会截断代码，把一个函数从中间切开，召回的片段语义不完整。AST 按函数 / 类逻辑段落分割，保证每个切片都是一个完整的逻辑单元，检索时上下文不残缺，从而提升 Recall 和准确度，让修复阶段拿到的上下文真正可用。

不是非此即彼，而是做逐层敏感度分析（Layer-wise Sensitivity Analysis）后混合精度部署。我们先逐层评估量化误差对 mAP 的影响：对量化不敏感的主干（Backbone）卷积层走 INT8 拿速度；对量化敏感的首尾层（First / Last Layer，即输入 stem 和检测头）保留 FP16，因为它们直接决定小目标的特征保真与回归精度。这样既吃到 INT8 的吞吐，又把 mAP 掉点压到最低，整体仍稳定在 30fps 以上的实时性。纯 INT8 对小目标精度掉落明显，纯 FP16 又浪费算力，逐层混合精度是兼顾两者的工业做法。

用外部高速相机物理对拍：让高速相机同时拍到真实事件和眼镜屏幕上的显示，再计算视频帧差，换算出从画面发生到显示出来的端到端链路时延，最终测得链路时延 20ms-30ms。这种物理对拍比纯软件打点更真实，能覆盖采集、推理、显示的整条链路。

tegrastats 可以解析系统状态，包括 GPU/CPU 占用和温度。我们用它发现设备在 80℃ 触发降频保护，导致推理变慢，于是针对性地优化并发推理队列和温控逻辑，把温度压下来、避免降频，让实时性稳定回到目标帧率。