-
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
-
高德本地生活分析 Agent 的 AI Native 实践全景（万字长文回顾）
FY27 的 S1 过去了。回头看这半年，像一场拉长的复盘：一个问题刚以为讲清楚了，下一个问题又摆到桌上。这个 S1，作者主要在建设高德本地生活分析 Agent。原以为分析流程跑通，就能往前迈一大步，后来才发现，口径、知识、推理和交付，每一处都有需要重新想清楚的问题。这半年确实不轻松，但也正是在这些反复里，慢慢看清了两件事：系统应该怎么建；作为 BI，应该把精力放在哪里。 想了解背景与架构，看第 …- 3.2k
- 0
-
淘宝天猫海外技术的AI Native研发范式升级实践与思考
1 SDD驱动研发提效 AI Coding近两年拐点式迭代和演进，最初是IDE的代码补全，以行级和函数级建议辅助开发者完成既定思路；随后进入对话式辅助阶段，能解释报错、生成片段、执行局部重构，成为开发者的"副驾驶"；随着大模型的推理能力和上下文窗口持续提升，如今已迈向Agent 驱动的自主编码，基于SDD可读取整个代码库、拆解任务、调用终端与测试，并依据反馈反复迭代直至交付可运…- 1.5k
- 0
-
得物小摊 AI Native 演进实录：用 Harness 构建可控 AI 交付
目录 一、引言 二、一次语义分叉：一个数字如何影响整条交付链 三、从 Prompt 到 Harness：四个组件接管交付状态 四、Harness 第一层：Version Contract 锁定事实与边界 五、Harness 第二层：Evidence Gate 决定能不能往前走 六、Harness 第三层：Repair Loop 让系统在真实反馈后升级 七、真实战役：一笔多 SKU 订单穿过多个运行…- 1.9k
- 0
-
场景营销互动&体验 AI Coding— AI Native 视觉还原的两个支点：上下文工程与循环工程
三个月前，我们介绍了 Tarot Pixel—— 一个不替 Agent 写代码，而是让 Coding Agent 自己看懂设计稿的系统。三个月后，一份混乱的设计稿让我们看到了更深层的问题，也催生了一种新的工程范式。这篇文章讲两件事：当上下文工程深入到"治理脏数据"，以及当上下文做到位了之后，为什么还需要循环工程（Loop Engineering）。（文章内容基于作者个人技术实践…- 1.1k
- 0
-
高德汽车业务 AI Native 工程实践｜基于 Qoder 的业务知识工程建设实践
AutoSDK 是高德面向汽车行业的车载 SDK 产品，代码规模破百万行、跨二十几个Git 仓库。通过 Qoder 知识引擎构建业务知识的"生产—调优—更新—消费"体系，同一类错不再发生第二次，任务一次性通过率从 37.3% 提升至 61.5%。 AI Coding 的能力天花板，不在模型本身，而在领域知识。KoCo-Bench 实测佐证：通用编程 Pass@1 超 90%，领…- 1.1k
- 0
-
高德汽车工程 AI Native 演进实录｜AutoSDK AI Coding 可观测与自进化闭环的构建
汽车产业正从“软件定义”驶向“AI 定义”的深水区。在百万级代码、企业级 SDK 交付的工程场景下，我们面对的已不只是“AI 能不能写代码”的疑问，而是“AI 能否像工程师一样稳定交付”的工程命题。 过去数月，高德汽车业务中心进行了一场系统性实践。我们将这段旅程总结为四篇文章： 架构篇：高德汽车工程AI Native演进实录｜AutoSDK全链路AI Native开发 知识篇：高德汽车工程AI N…- 1k
- 0
-
重构协同：关于AI Native团队的思考
本文指出当前AI提效陷入“单点优化、全局低效”困境的根源在于协同缺失，主张通过重构生产侧将流程串联者从人转变为Agent，构建以“知识底座+Agent+人”为核心的AI Native团队闭环形态，其中人负责目标与判断，Agent基于统一的知识底座承担执行与串联；文章强调软件是被固化的知识，而实现该形态的关键瓶颈并非协同工具，而是如何为存量业务构建具备自治能力、能清晰定义业务规则与流程且可持续更新的…- 2k
- 0