知鸦日报2026-07-14

AI工程从提示工程演进到上下文工程，再到框架工程。核心从“如何提问”转向“管理信息流”，最终聚焦构建可靠系统。模型能力只是部分，完整智能体需整合工具、工作流、验证与治理，竞争重点正从模型规模转向系统可靠性。

支付宝618大促中，AI找优惠二期从推荐升级为对话式交互。我负责意图识别模块，通过模型选型与系统提示词自进化框架，让AI听懂用户的人话，实现精准匹配。实验表明，用户主动互动深度越深，转化效率越高，自定义对话组转化效果最佳。

“推查查”系统通过“Highway+ATV”双轨架构，将80%常见问题用标准化剧本快速诊断，20%复杂异常交由自主推理的AI处理，并引入知识库与进化机制，让排查经验自动沉淀为可复用技能，实现从“人工debug”到“智能诊断”的转变。

AI编码提速但质量难保。通过左移验证流程，将工程规范嵌入Agent操作协议，实现写完即CR、连接浏览器运行时验证、对比设计稿做视觉走查，并在提交后大规模并发复审。问题闭环修复并沉淀为团队资产，让上游交付更可靠，减少返工。

大模型时代，AI基础设施转向K8s+Ray+PyTorch+vLLM的黄金组合。Ray以进程级调度解决异构资源、动态分配、高容错和Single-Controller等核心调度需求，与K8s协同实现从资源到任务的灵活编排，成为复杂AI工作负载的通用调度范式。

淘宝直播数字人互动从静态Workflow升级为动态Agentic架构，融合LLM与Agent自主规划能力，通过AgentTuning蒸馏降低延迟、RLVR减少幻觉，并研发Multi-Agent RL算法优化工具调用与回复模型。最终实现1.79秒低延迟、高拟真度深度互动，显著提升事实正确性、帮助性及多轮对话用户比例。