作者因CI构建反复失败而苦恼，发现Autoresearch能通过循环迭代持续优化指标。他将其扩展用于缩短构建时间，从19.1秒降至65%更快。CEO Tobi加入协作，32次提交后项目开源，获3600+星，内部涌现多种提速案例。

Shopify将库存预留系统从Redis迁移至MySQL，利用SKIP LOCKED和每单位一行设计应对高并发。实际瓶颈并非数据库，而是连接池被其他进程耗尽。通过清理冗余操作和调整配置，最终实现稳定支撑黑五峰值流量。

Quick是Shopify内部平台，仅需上传HTML文件夹即可生成仅供员工访问的安全URL，并提供数据库、AI、WebSocket等零配置API。自2025年7月上线以来，已有超5万个站点，过半员工参与创建，从工具到游戏无所不包，营造了一个创意自由的内网生态。

训练数据存在盲区：生产日志只记录成功案例，模型无法学会拒绝不可能请求。我们利用小型人工标注数据集校准多个大模型作为裁判，通过严格共识机制自动标注冲突数据，形成数据飞轮。拒绝能力使评分提升28.9%，准确率86.3%，假阳性4.6%。

Shopify Catalog通过产品聚类解决多店铺数据异构问题，核心思路是“核心价值主张”：区分产品变体与独立产品。采用两阶段LLM管道，先提取品牌+型号，再检测异常。通过动态结构化输出确保可靠性，以精度优先原则处理数十亿商品，为AI购物代理提供统一数据层。

Shopify通过专有数据和快速迭代，优化AI助手Sidekick的工具调用能力。他们将Shopify Flow的JSON DSL转换为Python，提升了模型生成工作流的准确性。通过模拟生产环境和优化工具调用栈，降低了成本并提高了性能。利用生产反馈构建持续改进的飞轮机制，确保模型在真实场景中表现优异。最终，Sidekick在成本降低68%的同时，性能优于封闭模型。

Shopify店铺速度优化的关键在于解决性能瓶颈：优化首屏内容，减少英雄图尺寸，使用占位图加载视频；压缩图片并简化色彩，避免不必要的第三方库；合理管理JavaScript和应用脚本，按需加载并延迟非关键脚本；优化CSS和字体，预加载关键资源，使用fetchpriority标记重要内容，避免首屏图片懒加载。持续监控性能，确保优化效果持久。

Shopify推出的通用商务协议（UCP）为AI代理与商家交易提供开放标准，支持灵活的能力发现与谈判。UCP分层设计，核心交易功能与扩展能力分离，商家可自定义功能，代理仅处理支持的操作。协议无需中央审批，支持动态支付谈判与无缝交接，适应多样化的商务需求，推动电商生态持续进化。

Shopify利用SkyPilot框架实现多云GPU资源智能调度，通过YAML声明式配置自动路由任务——H200需求分发给Nebius集群，L4/CPU任务定向到GCP。定制插件集成Kueue实现配额管理与优先级调度，开发环境一键启停。系统自动处理InfiniBand配置和缓存挂载，工程师只需专注资源需求描述，底层跨云复杂性由平台消化。（139字）

Shopify构建了一套基于用户行为序列的生成式推荐系统，通过时序编码捕捉购物场景的季节性变化，利用负采样技术优化商品边界区分，并采用增量召回策略增强推荐多样性。该系统将买家旅程转化为连续事件预测任务，结合高效CUDA内核实现低延迟推理，在BFCM大促期间成功提升5%高价值点击率及0.71%转化率。当前正探索语义ID技术以突破商品ID空间的算力限制。

Shopify开发了GraphQL Cardinal，一款广度优先执行引擎，解决深度优先遍历在高基数查询中的性能瓶颈。通过一次性解析所有对象的字段，Cardinal显著提升了大型列表查询的速度和内存效率，减少了CPU开销和垃圾回收压力。迁移过程中，Shopify逐步更新了字段解析器和追踪器，进一步优化性能。Cardinal的成功为GraphQL社区提供了新的执行模型思路，展示了广度优先策略在处理大规模数据时的潜力。

线上购物愈发便捷，实体店的价值转向体验化。AI魔镜应运而生，通过视觉识别和互动，为顾客提供个性化信息、产品推荐等，提升购物趣味性。魔镜核心由全尺寸镜子、摄像头和计算机组成，运行HTTP协议，实现快速互动。借助Remix框架，服务器和客户端逻辑统一，简化开发流程。魔镜可自定义，适用于多种场景，如美妆试色、互动挑战等，为品牌创造独特购物体验。

面对电商产品分类系统的快速扩展，传统手动维护分类法难以应对新兴产品和市场变化。为此，开发了一套基于AI的多智能体系统，通过结构分析和产品驱动分析，自动发现并优化分类标签，确保分类法的灵活性和前瞻性。该系统结合质量保障机制，提升分类一致性和效率，显著缩短了新兴类别的更新周期，为商家和顾客提供更精准的分类支持。

Shopify的AI助手Sidekick通过“代理循环”架构处理商户需求，从简单工具调用发展为复杂代理平台。面对工具复杂度问题，采用“即时指令”策略提升系统维护性和性能。构建稳健的LLM评估系统，采用真实数据集和LLM作为评判者，确保评估质量。通过GRPO训练和奖励破解应对，不断优化模型表现。生产级代理系统需注重架构设计、评估方法和训练技巧，以实现可靠AI助手。

Shopify成功将Shopify Mobile和POS应用迁移至React Native新架构，保持每周发布并服务数百万商户。迁移涉及复杂代码库、数百个屏幕和原生模块，通过最小化代码更改、保持双架构兼容性及维护性能稳定，确保了开发速度和功能不中断。过程中解决了状态批处理、空白屏幕等常见问题，最终提升了应用启动时间和渲染性能。这一经验为其他团队提供了宝贵的迁移策略参考。

Shopify通过结合视觉语言模型和标准化产品分类体系，显著提升了产品理解能力。从基础分类到多模态融合，再到全面理解产品属性，系统不断进化。当前架构采用FP8量化和动态批处理优化推理效率，支持实时处理数百万产品预测。未来将引入DAG结构，扩展多语言支持和更细粒度属性提取，持续优化平台搜索、推荐和税收计算等功能。