-
天猫数字员工(效能篇)- 多角色场景下的 AI 研发流转效能分析
本文分析了天猫技术数字员工在多角色 AI 研发场景下的流转效能。数据表明,尽管 AI 已大幅减少编码环节的人工介入,但交付周期的缩短幅度有限,主要瓶颈在于各轮次交接间的等待耗时。为此,文章提出通过“产物驱动”与“协作调度”双管齐下提升流动效率:一方面推进产物标准化与质量门禁以实现自动接续;另一方面针对仍需人工判断的环节,通过卡点私聊跟进、群内上下文提醒及个人日报聚合等主动推进机制,精准诊断并消除交…- 4.4k
- 0
-
天猫数字员工(实践篇)- 接管全链路:交付能力与技术拆解
天猫技术正在建设统一的 AI 端到端交付架构:数字员工提供统一入口与运行时,驻进需求群承接交付;各业务域按需装配并持续沉淀自己的知识、技能与子 Agent。它与产品、前端、后端、测试共享上下文,接需求、写方案、调度 Agent、跟进交付,像一位全程在场的同事。目前已经在天猫技术的所有业务线进行落地推广,月均活跃需求交付100+。 区别于一般 AI 编码工具的两个核心视角——协作:与所有角色共享同一…- 3.7k
- 0
-
天猫数字员工(协作篇)- 研发的暗物质与 AI Native 组织协作
本文探讨了天猫技术构建的 AI 端到端交付架构——“数字员工”,旨在解决 AI 时代研发协作中信息传递失真、等待检索耗时及隐性知识流失等痛点。区别于传统AI编码工具,数字员工以钉钉群为入口,与产品、开发、测试等角色共享同一份需求上下文,贯穿从 PRD 到发布复盘的全流程。文章提出通过“协作”与“资产”两大核心解法,将散落的业务认知沉淀为可复用资产,推动组织协作从职能分工向任务驱动演进,最终实现异步…- 3.2k
- 1
-
天猫技术大型 AI 项目的研发协同实践
本文以天猫新品 MDI 项目为例,阐述了大型 AI 项目研发协同从“超级个体”到“全员赋能”的四个进化阶段:在单兵攻坚期,通过构建结构化知识库让 AI 深度理解项目上下文,打造“超级个体”;在加人提速期,借鉴站点地图思路进行物理隔离分工,利用 Spec 变更规则及上下文缝补机制(MCP)解决多人协作冲突与推理链断裂,实现效率横向复刻;在高速迭代期,部署独立“技术哨兵机”还原预发合并态,通过云端 A…- 2.4k
- 0
-
天猫AI Coding实践:让“AI 越用越懂业务”的团队经验实践
本文分享了构建“AI全栈研发知识基座”的团队实践经验,旨在解决通用大模型不懂特定业务逻辑的痛点。文章提出通过系统化梳理业务文档、代码规范、架构决策及历史案例,构建高质量的企业专属知识库,并结合RAG技术将其嵌入研发全流程。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…- 569
- 0










