知鸦日报2026-08-12

端智能将数据闭环、特征计算和模型推理搬到手机端，实现毫秒级响应。唯品会通过端侧重排、搜索意图改写、预取点击预估等实践，在多个场景获得转化率提升，同时探索了事件编排和端特征建设，为极致用户体验开辟新路径。

AI外呼系统从FAQ演进为Agent，需同时具备知识解答与流程执行能力。传统评测无法量化其复杂决策过程。本文引入LLM-as-a-Judge方案，通过Reference-based与GSB混合评估，消除系统性偏见，实现高效可靠的自动化评测，大幅提升效率与一致性。

天猫AI助手团队通过调度框架重构与AI Coding工程化，两周内实现状态写收敛、可观测性独立通道，业务接入成本从3.5人天降至0.7人天。核心是三层调度模型、Reducer/Event范式，以及将隐性知识显式化为组织工程能力，验证了双轮驱动对业务泛化迭代的关键价值。

Grab Bench是一个可配置的AI评估框架，专注于检测模型在真实任务中的“看似合理实则错误”行为。它通过插件化任务、确定性评分和隐藏测试，暴露SQL生成、工具调用、代码修改等场景中的细微失败模式，帮助团队诊断而非仅比较排名。

十年前花一块钱买的数字专辑被下架，索性用AI搭个网站自建曲库。老电脑装不上新IDE，就用Codex CLI写代码。没写一行代码，只靠提需求，AI生成了六千多行，完成了专辑播放、管理后台、CDN部署等十七个任务。成本最低的是Token，最值钱的是把需求讲清楚的能力。

研发数字员工的关键不是更大的模型，而是设计一套可持续工作的环境：业务地图指引第一跳，LLM Wiki解释业务语义，证据链确保结论可复核。从告警到业务排查，核心是把信息收集与证据整理交给AI，人保留关键决策。