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。
分享至:
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

Accueil - Wiki
Copyright © 2011-2026 iteam. Current version is 2.155.0. UTC+08:00, 2026-03-25 03:41
浙ICP备14020137号-1 $Carte des visiteurs$