达芬奇绘制的 AI 多端生码世界
如果无法正常显示,请先停止浏览器的去广告插件。
1. 2026.03.21
阿 巴巴全球总部_访客中
中国杭州 HANGZHOU CHINA
2. 达芬奇绘制的 AI 多端
码世界
3. 演讲嘉宾
喜橙(段凯)
前端技术专家
4. 国际化场景的效能挑战
Android
iOS
多端
Msite
营销会场国家本地化
多国别
5. D2C 模块
达芬奇智能
Native/H5 代码转换能
6. 1
D2C 模块
码能
7. D2C 设计背景
D2C 要
成“可直接投产的 质量代码”
可覆盖全量业务需求:缩短设计到上线周期。
完整实现:UI
符合
还原、功能、数据实现完整。
程规范:可维护、可迭代、可测试。
8. D2C 的三重瓶颈:四
度依赖设计稿质量
使 AutoLayout布局、按照模块化来组织设计节点、图 打
标,避免冗余元素等设计稿精准解析
不增加设计负担的情况下,通过技术
法持续优化
精度还原、体验
产级代码" 的升级
Spec 驱动
隐式功能显性化、复杂功能精准描述
规范
段产出结构化视图
致性、延续性
数据标准化
建 前后端契约
数据与功能逻辑难 成
数据流转与功能逻辑很难从静态设计中推断
业务领域模型复杂,数据字段和结构没有统
解法:从 "Demo 级 UI” 到 “
物料架构
向 AI 成,
码与物料脱节
多次 成代码不 致,难以复
代码健壮性、性能、 户体验
D2C 设计思路
9. 共建组件库
设计 / 开发达成 套组件共识,结合FIgma Slot,可降低
画图成本和 码组件识别成本
设计稿 动优化
原始稿存在“噪 ”,通过规则
范化
程 + AI 处理,将设计稿规
视图解析算法
研视图解析算法,导出模块化视图产物
Flex布局/滚动区块/组件/图 /交互热区
插件调优/质检
提供 Figma 插件,作为设计侧的调优和质检
D2C 模块
具
10. D2C 模块
码实现—物料架构
组件容器
商品状态管理
品牌标
商卡 Token
主图组件
加购
营销氛围
价格原价
销量评星
数据 Hooks
加购 SDK
事件联动
性能优化 SDK
11. 统 物料架构规范
UI 和逻辑分离,组件原 化,逻辑层能
组件间可 持任意组合嵌套
标准化
领域能 抽象
领域能 分类定义
常 功能统 封装为SDK、HOC 和 Hooks等形式
组件间可进
组件 B
原 组件定义
业务语义下单 职责,业务需求变更最
度
内聚低耦合,API 清晰简洁,搭配 质量知识库
D2C 模块
任意组合嵌套
组件 A
UI 原
UI 原
组件
组件
UI 原组件
UI 原组件
状态管理状态管理
TokenToken
数据数据
交互交互
组件通信组件通信
性能优化性能优化
12. D2C 模块
码实现—数据标准化
视图驱动接 契约
VO 与 DTO 分离,视图和功能驱动数据结
构和字段的声明,作为前后端统 契约
VO-DTO 显式映射
通过配置来做显式绑定,将前台实现和后
端实现解耦
13. Spec 驱动
采 SDD 范式,将 码拆解为标准化的多阶段
作流,每个阶段有明确的输 、输出和规范约束
智能任务规划&执
通过全局规划做智能拆分
任务逐个执 并搭配多步验证
持各阶段产物预览和
预,搭
动化修复,完成质量保障闭环
质量保障闭环
产品流程设计
配多维评测和
D2C 模块
码实现—
程交付
14. 平均还原度:95%,UI 还原度 95%,功能还原度 92%,数据还原度 98%
设计稿
码结果
D2C 模块
设计稿
码结果
设计稿
码结果
15. 2
X2C
码能
16. X2C 设计背景
电商场景下,
张
质量的
需要满
哪些特质?
1. 业务 标可达: 标 群定位精准、场景适配、转化率
2. 设计观感佳:符合品牌调性、视觉层次分明
3. 操作体验好:加载速度快、响应迅捷、动线设计清晰
4. 内容质量 :推荐精准、符合本地偏好
5. 运营策略灵活:千 千 个性化、定投
17. 传统模式的三重瓶颈X2C:从”
X2C 设计思路
量
消耗
协同”向"意图驱动"的升级
18. X2C 实现
案
19. X2C 实现
案
20. X2C 实现
案
21. X2C 实现
案
22. X2C 应
成
5000+
23. 3
Native -> H5 转码能
24. Native -> H5 转码设计背景
多端迭代困境:移动端要维护 iOS、Android、Msite 三套代码
通过确定性的 Native 代码转换,完成 Msite
端内(iOS、Android)
Msite
成
25. 转码任务的三重瓶颈
转码:从“
发散失控,转换质量不稳定
AI 对业务逻辑理解不准确、多端差异处理不当
代码 格不 致
上下 缺失,难以精准定位改动
Native 代码量庞 ,超出 AI 上下
功能定位不精准
码”向“规范映射”的升级
Spec 驱动
采 SDD 范式,将转码任务拆解为标准化的多阶段 作流,
每个阶段有明确的输 、输出和规范约束,避免 AI 码发散。
窗
由
基于代码 Di 做功能点映射
基于 Native 代码 Commit Di
中检索
知识碎 化,缺失知识 撑
传统开发模式 档更新滞后,转码缺失知识库
Native -> H5 转码设计思路
撑
→ 功能点映射,避免在
下
构建多维知识体系
离线 成Code wiki、架构图、功能点注释等产物,构建多维
知识体系,提供转码需要的专业知识
26. Native -> H5 转码实现 案
27. Native -> H5 转码实现 案
28. Native -> H5 转码效果
需求1
转码
成代码占
需求2
:99%
转码
成代码占
需求3
:95 %
转码
成代码占
:98%
29. 4
产品架构设计
30. Plan
|
Execute
|
Human in Loop
D2C Agent
需求
分析
Agent
设计稿
解析
Agent
转码 Agent
X2C Agent
数据
处理
Agent
模块
码
Agent
规划
Agent
成
Agent
代码
解析
Agent
技术
案
Agent
转码
Agent
ReAct
模块评测 Agent
LangGraph
智能
评测 Agent
Claude Agent SDK
转码评测 Agent
Aone SandBox
…
物料/
知识库
业务规则
需求扩写
数据规范设计规范
物料规范
规则
架构知识库转码知识库
底层原 能
代码框架
代码依赖功能点
多端差异性
向量化知识图谱
百炼
31. Agent
进化
基于 成结果、评测效果
和
反馈,建 数据闭
环,强化 学习能 ,让
Agent 越 越聪明
未来展望
赋能业务
从研发效能提升
到创造业务增量价值
32. THANKS & QA