阿里巴巴淘系技术团队官网博客-CSDN博客

原创淘系技术，实力为2019年双11而战！稳！

今年，双11走到了第11个年头，史无前例的，阿里经济体内有49支技术团队共同参与作战，也是第一次，双11的核心系统将100%跑在云上，这无疑让今年的双11技术作战充满了更大的挑战。正如2019年双11技术团长平畴（汤兴）说的“「善战者，无智名，无勇功」，这是我们技术人最高的境界”。我们一起捍卫了阿里技术人的荣耀，一个字 “稳”！年年双11，回回新玩法，“在吗，盖楼吗？”成为了好友聊天的日常，每天蹲...

2019-11-12 00:38:06 22923 7

原创卡片式对话的协议方案探索和思考

最终，文章提出了一套包含Markdown标记、消息传输、UI渲染及事件通信的四层统一协议体系，旨在解决Agent时代下多端一致性、数据实时性及跨团队协作混乱的问题，为构建高效、标准化的卡片式对话系统提供了落地的架构参考。一种可行的组合方式是：在 MCP Tool 层使用 MCP Apps 的绑定机制来管理 Tool 与 UI 的映射关系，同时用 A2UI 的 JSON Schema 作为 UI 描述的标准格式——这样既有 Tool 层的确定性，又有 UI 层的通用性。这种"自由"的代价是系统迅速碎片化。

2026-04-17 16:01:30 247

原创淘宝动效解决方案分享

进一步看，动效体系的演进不应只是播放器或渲染技术的优化，更应是覆盖全链路的系统化升级，而AI将在其中发挥越来越重要的作用。本文提出了一套平台化、协议化、工程化的动效解决方案，覆盖设计（AE插件）、编辑（可视化画布SDK）、布局（align/group动态对齐与成组）、播放（H5/Weex跨端统一Player）、压缩（二进制优化）、代码生成（Lottie→Anime.js）及AI辅助（MCP协议动效Agent）全链路，解决碎片化、多端不一致、性能差、维护难等痛点，实现“一次制作、多端复用、智能可控”。

2026-04-15 16:37:40 473

原创从全量启动到最小核：手淘外链唤端链路的三次架构演进

对用户来说，体感最差的不只是"慢"，还有"乱"——闪屏页长时间停留制造焦虑，首页闪现又消失让人困惑，目标页面的白屏等待更是将耐心消磨殆尽。但我们观察到，在启动任务执行期间，网络 I/O 能力几乎完全空闲——启动任务主要消耗的是 CPU，而资源加载主要消耗的是网络带宽，两者天然适合并行。通过不断的探索和沉淀，我们的外链唤端架构经历了从全量串行到按需裁剪、从被动等待到主动预加载的演进过程，先后落地了标准链路、极简链路和最小核链路三代方案，最终将低端设备的唤端体感耗时从 10s 压缩到 3s。

2026-04-14 16:21:04 497

原创 AI 答疑助手优化实践：从 RAG 到 LightRAG 的全链路升级

在全局性问题上，LightRAG 的高级检索虽然不如 GraphRAG 的 Global Search 那样有社区摘要的加持，但在我们的场景中已经足够用了——毕竟用户问的 80% 以上都是具体的技术问题，而非需要鸟瞰全局的综合性提问。当用户问"WebView 的离线包加载流程是什么"时，系统首先通过向量相似度找到 "WebView" 和 "离线包" 相关的实体节点，然后提取这些节点的 Value 文本以及它们之间的关系描述，拼装为上下文。根据上一步推理出的每个步骤，分别生成对应的知识库查询关键词组。

2026-04-10 16:35:51 570

转载告别“伪智能”代码：用 Spec + RAG 打造真正懂你的AI程序员

文章指出，单纯依赖大模型的自然语言理解往往导致代码生成不准确，而通过引入结构化的开发规范（Spec）作为明确指令，并配合RAG技术实时检索项目特有的代码库、文档和最佳实践，可以赋予AI真正的“项目感知力”。这种模式让AI从通用的代码生成器转变为懂业务、懂架构的专属程序员，显著提升了代码生成的准确性、可维护性及与现有系统的融合度，为构建高质量、低幻觉的AI辅助开发流程提供了切实可行的落地方案。（Specification，规范）是对软件系统行为、接口、数据格式或业务规则的精确、无歧义、可验证的描述。

2026-04-08 16:06:36 47

原创淘宝跨端体验优化 AI 演进之路

在AI重塑终端体验与研发范式的浪潮中，我们正驱动终端智能化创新、构建AI赋能的研发新基建，寻找兼具工程深度与AI思维的伙伴共同定义下一代终端体验。通过知识萃取（文档、群聊、问题排查记录）等进行统一的解决方案&规则驱动沉淀，同时通过思维链学习，让体验优化 Agent 成为每个跨端同学最懂手淘体验的 AI 架构师。决 JSE 问题的采集、问题挖掘、代码修改的负向问题解决闭环。此时的 AI 基可以完成全托管独立完成采集到分析到修改的全链路体验优化了，也是目前所处的阶段，需要做的是进一步提升评测的分数跟准确性。

2026-04-03 17:16:23 548

原创淘宝营销会场智能测试平台的AI落地实践

LLM、多模态、Agent在会场领域测试专项中落地通过串联复杂工具，多模态判断起到一定效果，但实际需求测试环节中需求理解、数据构造、测试用例识别（测试内容选择）上更多靠人工辅助判断。会场测试在“所见所得渲染验证、价格一致性、Tab/Feed 交互、骨架/快照/终态对比、渠道投放一致性、内容异常发现”等多个维度，传统依赖人工肉眼和脚本、难以覆盖且易遗漏。在AIGC技术爆发、市场剧烈波动、技术栈快速迭代、模型架构多样化的行业背景下，我们在会场AI模型的业务会场测试中进行了一些探索。

2026-04-01 17:21:02 605

原创从 Vibe Coding 到范式编程：用 Spec 打造淘系交易的 AI 领域专家

本文介绍了从“Vibe Coding”向“范式编程”演进的技术路径，核心是通过结构化规范（Spec）驱动AI生成符合企业级标准的代码。文章以淘系交易系统为背景，指出当前AI编程工具因缺乏领域知识、上下文缺失和规范约束，导致生成代码不可靠、难维护；为此提出“范式编程”——将规范置于开发中心，结合知识库、知识点、疑问点机制与AI Agent，构建可沉淀、可复用、可演进的AI领域专家体系，实现从“人写代码”到“人机协同”的范式升级。前言凌晨两点，⼩丫同学盯着屏幕上Cursor⽣成的代码，第三次按下了删除键....

2026-03-30 15:37:43 803

原创 97.9%采纳率，胶水编程：业务需求出码最佳实践【天猫AI Coding实践系列】

这是一个典型的中后台业务需求，涉及列表、详情、状态机，复杂度适中但细节不少。它们的独立性体现在——答对任何一个，不保证其他三个也对：Agent 可以理解需求但违反了团队禁用某依赖的规矩（缺开发规范），可以守规矩但文件组织混乱（缺代码模式），可以结构规整但踩了内部组件的坑（缺领域知识）。中后台需求虽然千变万化，但复杂度的来源是可枚举的：交互表达（非标布局、多弹窗）、数据逻辑（字段联动、状态流转）、后端对接（接口契约、嵌套结构）、业务规则（跨字段校验、计算逻辑）、异常处理（空状态、超时重试）。

2026-03-27 16:51:12 805

原创拒绝“感觉有效”：用数据证明 AI Coding 的真实团队价值【天猫AI Coding实践系列】

通常是最后一次提交的 commit。由于存在多对多关系（一个 Task 可能关联多个需求），各维度的汇总值不等于实际总消耗，但这种设计更符合业务分析的需要——产品经理关心的是「这个需求花了多少 Token」，而不是「这个 Token 被几个需求共享」。业界有通用的评测基准（如 SWE-bench），但通用基准解决不了具体团队的问题——以我们的中后台前端场景为例，存在多解性（同一需求有多种等价实现）、测试成本高（交互类需求难以自动化验证）、过程盲区（只看结果不看 Agent 是否查阅了正确资料）等核心差异。

2026-03-25 15:45:45 682

原创知识基座：让“AI 越用越懂业务”的团队经验实践【天猫AI Coding实践系列】

该基座不仅让AI在代码生成、Bug修复和需求分析中能精准理解业务上下文，减少幻觉，还通过持续反馈机制实现知识的动态迭代，使AI随着团队使用不断“进化”，最终成为真正懂业务、能落地的智能研发伙伴，显著提升团队整体效能。内部知识存储按业务域进行物理隔离（通用、某跨境电商、业务域 A、业务域 D、业务域 C、业务域 B 等），确保各业务线知识独立管理。当前已实现的 V1 指标包括：召回率（有结果查询占比）、零结果率（无结果查询占比）、平均返回数（每次查询返回条数）、知识召回次数（单条知识被引用频次）。

2026-03-23 15:39:54 466

原创 AI Coding前端实践后的复盘总结

通过实践，团队提炼出“人机协同”的最佳工作流：将AI定位为高效助手而非替代者，强调通过优化提示词（Prompt）、建立前端专属知识库及制定严格的代码审查规范来弥补AI的不足，最终实现研发质量与速度的双重提升，为前端团队规模化引入AI辅助开发提供了可复制的方法论。不需要懂高深的AI原理，只要掌握这些技巧，每个人都能成为AI Coding的高效使用者。由于没有指定Agent使用相同组件，而是使用模糊的“保持一致”的描述,导致生成的代码仅仅是模仿了参考组件的样式，不仅生成的页面样式不够还原，Agent还会。

2026-03-18 17:20:20 764

原创软件为何越做越乱？万字长文讲透软件的“复杂性”

本文通过一个电商系统“限时折扣”功能从快速上线到逐渐演变为复杂黑箱的典型案例，深入剖析了软件系统为何越做越乱的根本原因——复杂性的累积。文章指出，复杂性并非源于重大错误，而是由无数看似合理的小妥协（如随意添加开关、复制逻辑、临时补丁）层层叠加所致，最终导致变更放大、认知负荷加重、未知的未知增多。在此基础上，文章对比了“战术性编程”（追求短期交付速度，忽视设计）与“战略性编程”（以长期可维护性为目标，持续投入10%–20%时间优化架构）的本质差异，并系统阐述了管理复杂性的核心方法。作者强调：真正的开发速度来自

2026-03-16 17:58:09 479

原创用自然语言替代复杂代码

核心价值在于将高理解成本、难维护的硬编码逻辑，转化为可读性强、修改便捷、开箱即用的 AI 驱动分析流程，并在开发效率、维护成本、响应速度和业务价值上实现显著提升。天猫技术是阿里巴巴旗下专注于电商场景的综合技术团队，不仅服务于自身电商业务增长，也在不断探索如何用AI、大数据、交互技术赋能行业交易、品牌营销与消费者体验，成为全球领先的品质购物平台和技术引擎。AI 平台就像一个"AI 能力超市",我们选择合适的 Agent,填充参数就能用。这种"能力平台化"的思路,才是 AI 真正赋能业务的方式。

2026-03-13 16:34:11 417

原创 AI工作流在淘宝交易舆情巡检上的探索与实践

再将相关舆情数据结构化后投喂到AI，最后根据我们自定义的业务规则及波动阈值进行舆情预警并进行消息推送，至此完成巡检部分的工作，当然后续还有舆情归因及复盘反馈的环节，但是这个部分的能力我们还在持续建设中，暂时先不。AI 负责发现问题、聚合信息、提供建议，而最终的判断和决策权，始终交给业务同学。，来自淘天集团-交易业务技术团队，本团队专注于下单、支付、物流、服务、逆向退款等核心交易链路的技术团队，我们面向亿万用户致力于打造极致流畅、安全稳定的购物体验，为用户和商家的每一次交易行为保驾护航。

2026-03-06 18:25:24 569

原创 ICLR 2026 | 基于概念蒸馏的生成式视频复原算法Vivid-VR

具体来说，给定一个文本-视频对，我们对源视频施加特定强度的噪声，然后使用T2V基座模型，在文本描述的引导下对噪声视频进行去噪重构。我们采用上述过程生成。在生成式视频复原的新范式下，如何利用强大的T2V基座模型修复低质视频，同时避免基座模型在微调过程中“遗忘”原有的生成能力，是学术界关注的焦点。团队兼顾算法创新与工程应用，为视频生产，直播推流，美颜美化，视频特效互动，视频渲染，视频修复、生成，视频编码，视频传输，视频播放等完整链路提供底层音视频技术，保障视频、语音、图片相关业务的流畅度和音画质体验。

2026-03-04 16:28:08 577

原创 AI Coding思考：从工具提效到范式变革，我们还缺什么？

相关的技术资产，无论是生产资料，还是（软件）产品，既有基于物理真相的关系刻画，又有基于架构抽象的、易于人类理解的逻辑表达——本质上是技术资产及其内在关系的语义化、在线化（企业级软件资产图谱），这是企业全局架构视角面临的挑战，在AI时代的研发提效背景下，这件事情变得更为急迫（决定了公司研发效率方面在未来的竞争力）。比如现在PD使用Web形态VibeCoding工具快速生成产品原型，HR用它快速开发一个文化活动的页面，这些场景下程序员的工作完全被代替了，PD的角色职责也发生了变化，这是质变的。

2026-03-02 16:10:53 930

转载首届淘宝电商AI挑战赛来了！设350万赛事奖项和千万扶持资源

届时，由淘天、千问大模型等背景的产品技术专家、行业运营专家和知名媒体人等组成的专家评审团，将聚焦。此外，主办方还将为获奖者对接业内大咖、创投机构、政府和产业扶持资源，助力。产品的持续落地，电商人在运营提效和经营增长上会迎来越来越多的可喜变化。近期，由浙江省商务厅指导，淘宝开放平台、千问大模型、阿里云联合举办的。产品市场前景、技术能力、创新性和产品实战效果等维度，选拔出。正在重塑电商经营，也已成为商家重构增长的现实选项。月份结合商家出题的结果同步给进入决赛圈的选手，并在。工具进化、生态共赢、商业新生。

2026-02-27 16:17:08 369

原创 AI真人数字人语音对话性能优化实践总结

原始的导购对话流程，基线数据的链路是"ASR → LLM → TTS & A2BS"的三段式结构：ASR 识别结束后发起文本请求，获取请求之后，当达到一定的标点符号截断，才会调用 TTS和面部动画生成，回传结果之后，再播放音频和面部动画。对于用户而言，最关心的是问完问题之后，多久能够得到数字人的回复。对于整体解决方案，完整的性能监控打点机制是优化的基础，具体实施时，一方面，我们用更合适的模型，端测针对新模型增加输入输出链路，另一方面，端测针对A2BS进行窗口累积和语音表情同步的处理，保障链路的正确性。

2026-02-25 17:37:25 660

原创从应用架构的视角看退小宝AI助手落地现状

本文从应用架构视角系统分析了AI（尤其是LLM）在实际业务中落地的现状与挑战，以“退小宝AI助手”为典型案例，对比传统Web应用与AI应用在响应时间、输入灵活性、准确性、可用性、成本及嵌入适配性等维度的根本差异，指出AI原生应用（而非简单在旧系统中嵌入AI模块）是更可行路径；进而梳理了AI应用的典型架构演进：从简单调用模型API，到ReAct Agent范式，再到以Workflow（工作流）为核心的低代码图结构实现；深入解析了LLM、Message、Tool、RAG、上下文（State）、MCP、微调、可观

2026-02-11 17:29:45 820

原创设计模式Trustworthy Generation：提升RAG信赖度

在面向一些复杂问题的回答时，可能会检索召回比较多的doc，同时最终结论生成的内容中每个段落，都是结合了多个doc的内容来关联生成的，因此还是会存在模型会生成逻辑错误（不同的内容编排形式可能就会引入重大事实差异）或事实错误（参考的doc太多，上下文一长，容易自我发挥）；在我们设计和应用RAG时候的初衷是，为当前用户的query补充相关联的高质量信息，但是有时候随着事情的发展，会有一些事与愿违的情况发生，没有帮助降低模型幻觉，反而助长了模型幻觉产生的可能；：会增加系统复杂度与计算开销，并存在误过滤风险；

2026-02-09 17:17:08 779

原创【AI Coding】借助cursor实现业务需求全栈交付实践

所以全栈交付的过程中，还是建议去多了解技术栈的基础知识，再搭配AI工具，会更加的游刃有余。到这里，大概明确了问题原因，CSR链路下，在预发环境下，受Feeds接口请求耗时的影响，预加载会失效，只有等待用户翻页，才会继续请求，SSR链路下，没问题。因为首页需要商品去重，首页单品返渠道卡片Feeds的请求和主页Feeds存在时序，cursor一开始实现时，采用双状态：page1Loaded、page2Loaded来分别记录页面的加载状态，但综合来开，最后对状态的使用时机，单个状态即可满足要求，让AI帮忙优化。

2026-02-06 17:24:37 981

原创一次大文件处理性能优化实录

过去一年主导了多个高价值项目，包括：支撑618、双11、春晚等亿级流量洪峰、构建业界领先的全网价格力体系、承接淘宝全面接入微信支付、搭建集团最大的AI创新平台-ideaLAB，支撑淘宝秒杀等创新业务的高速增长。四大主线，系统性地展示了从初始637秒（Java）到最终3.2秒（新架构）的百倍级优化过程，并提炼出可复用的通用原则（如大缓冲区、字节操作、零分配、原生系统调用等）及进阶解耦架构（IO进程 + Processor进程）。通过设置大 Socket 发送缓冲区（1-16MB）和批量发送，

2026-02-04 17:29:00 815

原创淘天集团自营技术运营算法团队4年2次荣膺 INFORMS“杰出实践奖”决选荣誉：以策略正则化突破DRL在库存管理中的落地瓶颈

相比之下，本文在充分进行超参数调优的前提下，对 DS 与传统 DRL 进行了公平而严格的比较。数据效用：在电商中可用于预测与决策的数据其实十分有限，原因在于经营目标、竞争格局、营销节奏和运营策略快速变化，使大量历史数据失去对未来的预测与泛化能力，因此依赖“大数据 + 大模型 + 大算力”的方法往往难以奏效；数字世界与物理世界的超级AI”这一战略愿景，聚焦构建可解释、可泛化、可信赖的智能决策基础设施，在大模型、运筹优化、强化学习等方向不断突破算法边界，加速推动前沿技术向产业级应用的深度赋能。

2026-02-02 17:05:24 1096

原创【淘宝直播数字人互动LLM】告别AI感：基于真人ASR数据的拟人化探索

为了进一步简化线上链路，笔者在前置工作的基础上设计了一个拟人化奖励模型，加入到原有强化学习训练链路中，训练得到对应的拟人化生成模型。传统的方法通过提示词工程让能力更大的模型（Gemini，DeepSeek-r1）自主生成的一定风格的回复，后续基于此数据进行微调，模型自身带有的AI感仍然无法去除。在此基础上，设计拟人化判定模型，将其融入到GRPO训练框架中，进一步简化了整体链路，模型无需改写就可以直接生成拟人化的回复。拟人化的效果很大程度取决于训练数据，无论是网上还是书籍里的数据，其实拟人化的风格都很弱。

2026-01-30 17:11:41 1196

原创 Agentic Coding场景下基于职责分离的上下文管理思路分享

需要注意的是部分⽼项⽬或不规范项⽬中可能会存在编码不⼀致的问题，例如utf8和gbk混⽤的情况，如果未使⽤准确的编码读取⽂件内容可能导致注释、⾮英⽂常量⽆法被模型识别导致⽆法正确理解“业务含义”（代码逻辑之外的信息）。在aone copilot中使⽤了类似的思路，⼤约只会保留最近250次的操作内容，可以右键打开 devtools来查看交互的对话内容。输⼊的token也是会计费的，⽤块⼯具读取完整的⽂件内容⽐直接读取完整的⽂件内容会增加多次重复上下⽂的调⽤，导致成本的上升。记得刚刚关闭的⽂件中的关键信息。

2026-01-28 16:38:38 806

转载如何设计一个AI Agent系统

对于在现有产品基础上引入AI的场景，由于准确率可能还不够完美，需要采用"人机协同"的过渡策略，保留原有交互作为兜底，让用户可以在AI建议和传统操作间灵活切换，逐步建立对AI的信任。真正有价值的知识包含多个层次：显性的文档规范、隐性的专家经验、平台沉淀的案例库、实际操作中发现的边界情况。架构设计时，只有理解业务才能判断哪些环节需要智能、哪些需要确定性，在Prompt工程中，业务理解更是核心：什么是正确的输出格式，哪些边界情况需要特别说明，对业务理解的深度决定了一个Agent架构的潜力。

2026-01-26 16:51:49 830

原创 ICCV25 | 淘宝人脸吸引力预测算法FPEM

在淘宝，每天有数十万的直播间存在美颜需求，人脸的吸引力已成为影响直播用户整体视觉体验的核心变量，通过实时监测确保美颜效果的稳定性，对保障主播和用户的双端体验至关重要。为更好地适配淘宝直播平台的数据场景，我们基于淘宝直播平台的视频，构建了大规模直播场景下的人脸吸引力预测数据集LiveBeauty，包含10,000张图像，涵盖不同美颜算法参数、光照条件、面部表情，并通过专业的主观标注，获取200,000个对应的主观分数的标注数据。从表中可以看出，先前的数据集闭源的较多，开源的数据集则规模偏小。

2026-01-23 16:31:33 1544

原创 AI+时代工程师的空间在哪儿——从范式演进看技术机会

本文探讨了AI时代工程师的核心价值与技术机会，指出随着大语言模型（LLM）从GPT-1演进至Agent智能体阶段，工程师的关键角色已从“调用模型”转向“深度挖掘模型潜力”的系统性工程实践。作者通过四阶段范式演进梳理技术脉络指出模型决定智能下限，而工程师对业务场景的拆解能力、系统架构设计能力（流程编排/工具抽象/记忆机制/评测体系）才是决定产品体验上限的关键——AI工程师正从“炼丹师”进化为“系统架构师”与“场景定义者”。前言随着⼤语⾔模型（LLM）从 GPT-1 进化到如今的 Agent 智能体时代，我们往

2026-01-21 17:03:53 931

原创淘宝订单列表体验优化实践

随着闪购业务的上线，订单列表新增一级tab类型，其包含了全部订单、购物、闪购、飞猪等等不同业务场景，支持根据用户的行动轨迹以及订单状态，通过算法首屏直达指定tab。多tab实例架构对推荐流的原有架构产生了很大的影响，在单实例模式的情况下，由于只有一个实例，所以每次切换tab时，都会去重新构建一个推荐流的view加载到订单列表View上。单实例架构下，例如在全部订单tab下立即付款、确认收货后，当前tab会立即刷新的，并且切换tab时，由于单实例架构的销毁重建机制，待付款列表自然也会拿到最新状态的数据。

2026-01-19 16:58:59 1327

原创 AI 无障碍 CR 与自动适配实践：从问题洞察到效果验证

在此基础上，未来我们还计划将方案从当前的 Web / DX 场景扩展到 Native 页面：我们会针对 iOS / Android 等原生技术栈，补充针对控件语义、系统辅助功能（如 TalkBack / VoiceOver）以及原生导航模式的规则与示例，并基于现有能力继续演进「AI 检测 + 智能修复」链路，为 Native 代码提供无障碍问题识别、属性自动补全和改造建议；在丰富的业务场景下，通过持续的技术探索创新突破，给数亿用户提供可靠的交易保障、极致流畅的操作交互以及顺滑的购物体验。

2026-01-16 17:16:55 1515

原创支配树算法原理及鸿蒙工具实践

本文作者灵貎，来自淘天集团-终端平台基础工程团队，团队负责淘宝App基础架构和基础链路业务，致力于通过技术创新和系统优化，打造一个更稳定、更流畅的手机淘宝。_index存储的是strings中的名字index，11673对应的是-subroot-字符串to_node代表的是这条边指向的节点索引，因为内存引用构成是一个有向图，所以还需要知道这条边来自于哪个节点。3. 对于⾮根节点 n ， Dom(n) = n ∪ (∩Dom(p)) ，即当前节点 n 并上所有前驱节点 p的⽀配节点的交集。

2026-01-14 19:11:53 718

原创＜span class=“js_title_inner“＞支配树算法原理及鸿蒙工具实践＜/span＞

本文作者灵貎，来自淘天集团-终端平台基础工程团队，团队负责淘宝App基础架构和基础链路业务，致力于通过技术创新和系统优化，打造一个更稳定、更流畅的手机淘宝。_index存储的是strings中的名字index，11673对应的是-subroot-字符串to_node代表的是这条边指向的节点索引，因为内存引用构成是一个有向图，所以还需要知道这条边来自于哪个节点。3. 对于⾮根节点 n ， Dom(n) = n ∪ (∩Dom(p)) ，即当前节点 n 并上所有前驱节点 p的⽀配节点的交集。

2026-01-14 19:11:53 585

原创淘天业务技术2025年度热门文章盘点

涵盖其底层机制（如Token计算、工具调用、Codebase索引与Merkle Tree）、提升对话质量的方法（如规则设置、渐进式开发）、实际应用场景（如代码检索、绘图生成、问题排查），并推荐了结合AI的编码最佳实践，包括文档、注释、命名规范和安全合规，旨在帮助不同经验水平的开发者真正把AI工具用好。通过在生产环境长期采集代码执行数据，生成覆盖率报告并集成到开发环境，团队显著降低了代码冗余（如B应用清理71%的代码），提升了系统可维护性，并总结了技术选型、热部署兼容、插件开发等方面的经验与教训。

2026-01-12 17:34:41 1186

原创 GenAI输出内容控制的5种设计模式

当前的做法是在prompt中写清楚需要返回的信息的格式，比如是JSON，或者是一些特殊的sql，虽然Anthropic也推荐了这样的做法，但是这个方式不一定能保证结果格式的输出一定能如你所愿，头部的大模型在模型能力上有比较好的调优，可以在更大概率上遵循用户在prompt中约束的指令，但是小一些的模型，在这方面的表现就会比较差，同时不管是头部闭源模型还是一些自己部署的小模型，在输出格式遵循的确定性上，都是有一定的概率；淘宝直播作为全球领先的直播电商平台，正在重新定义人与商品、人与内容的连接方式。

2026-01-07 18:17:11 1139

原创 AI工程vs传统工程 —「道法术」中的变与不变

从“道、法、术”三个层面对比AI工程与传统软件工程的异同，指出AI工程并非推倒重来，而是在传统工程坚实基础上，为应对大模型带来的不确定性（如概率性输出、幻觉、高延迟等）所进行的架构升级：在“道”上，从追求绝对正确转向管理概率预期；在AI工程落地的战场上，我们既未抛弃传统工程的“十八般兵器”，也未盲目迷信AI带来的“新式火器”，而是将二者熔铸为一套既能攻坚克难、又可稳守阵地的复合战法。如果你渴望在真实、高复杂度的业务场景中锤炼AI工程能力，与一群既懂技术又懂业务的伙伴并肩作战，这里将是你理想的舞台。

2026-01-05 17:21:14 1382

转载 AI架构师的诞生：AI+传统DDD模式 = 实现开发效率提升75%

根据人工拆解限界上下文部分，从原有 me.ele.newretail.contract.v6.domain 包下，帮我抽象出商品上下文的类，Repo、Service，类用Domain结尾，Repo用DomainRepo结尾，Service用DomainService结尾，输出成表格，包含方法和属性，就放到当前这个文档最后。从上一步可以看出，AI拆解的限界上下文是基于package结构进行拆分，未能深入分析业务语义，这是AI的薄弱环节，需要人工介入修正。这将成为软件工程的新常态。

2025-12-31 17:52:29 447

转载天猫超市数据AI实践总结

从知识库概览图中可以看发现，知识库中强依赖知识间的联动，因此每一次修改都需要联动修改很多绑定部分，并且知识库需避免冗余知识，冗余知识会显著增加模型推理相同问题的不确定性和时间，这不是问数所需要的，因此在人工维护的情况下，无疑是巨大维护成本。总结了在构建面向AI的数据知识库中的实践经验，针对数据资产庞杂、语义不统一、维护成本高等问题，提出以“不重构模型、小而精维护、支持灵活扩展”为原则，通过结构化构建指标、实体、属性、表和字段五类知识，并结合图谱召回与Agent框架，实现自然语言到SQL的智能取数。

2025-12-29 17:15:31 466

原创 AI 辅助前端动画开发

AI 辅助代码生成在前端领域有两个难点，第一个是 Design To Code（下文检查称 D2C），D2C的出发点虽然也是需求文档，但前端拿到的是设计师交付的设计稿，如何将设计软件中的结构化数据映射为准确的前端UI，是目前阶段的一个难点，Pixelator 和 Figma 等团队都在探索。我在 Ani 平台上看到一个简单的进度条 Lottie 动画，背景色渐变的动画还挺好看的，我直接录屏交给微动画研发流程，其他物料都没给，AI 生成了 5 步的 Todo List，并封装好了动画组件。

2025-12-24 17:49:42 1507

空空如也

空空如也