1. 2026.03.21 阿 巴巴全球总部_访客中 中国杭州 HANGZHOU CHINA

2. 天猫 AI 全栈交付实践 从个 具到团队研发提效解决 案 珈 （曹志强） 淘天集团 · 技术专家

3. AI 近200 名开发 程师 10+ 个业务域/16+ 作台 4 类发布平台/1000+ 存量 2025下半年 启动后端全栈试点 零前端基础 → AI 独 交付 缺失 · 协同摩擦 · 质量验证 具 = 个 技能 X 具熟练度 案 = 解决 案落地深度 X 团队规模

4. 微观视 把当下做到极致 出码质量 → 调试验证 → 研发流程 宏观视 往范式转变延伸 云端全栈 · 异步委派 · 多Agent协同

5. 我们建了什么，做到了什么

6. 知识运营 信号驱动知识沉淀 主动发现隐形知识 B同学遇到直接解决 A同学踩坑并解决 · 报错信息出现 → 可能踩坑 · 多轮调试 >5 轮 → 复杂问题 · 否定表达（"不对""改回来 "）→ AI 理解有误 ·同 件多次编辑 → 反复 修改 动沉淀总结 系统 系统 动沉淀总结 数据验证&差异化 1 动捕获 128 条经验知识， pitfall 占 51% vs Cursor Memory / Claude 记忆： 跟着个 设备 ，是「个 助 」 我们基于数据闭环拿到全部会话数 据，是「团队知识」

7. 下发配置流程 管理下发能 ，不跟 · 核 问题： 个业务域上百个 仓库 · 报错信息出现 → 可能踩坑 让每 在每个仓库 动配置 AI 规 · 多轮调试 >5 轮 → 复杂问题 则 → 不现实 · 否定表达（"不对""改回来"）→ AI 理解 有误 云端下发流程： ·同 Git Group / Repo 信息 → 系统 动识别业务域 → 下发对应配置 业务配置后台 知识运营 云端统 下发内容（三个卡 并排）： · AGENTS.md 开发规范 · mcp.json 具配置 · 团队 Skills 设计原则： · 打开项 就能 ，零配置 · 处修改，全局 效 · 动化 > 动，集中管理 > 分散维护

8. 三个陷阱： · 幸存者偏差：成功案例反复提起，失败 统计 · 归因错误：做快了是 AI 还是需求本身简单？ · 个体差异：3 100% + 7 没变 = 平均 30% 三杂度矩阵（核 视觉， 维矩阵图）： 从真实业务中抽取 60 个历史需求 按两个维度映射到九个象限： 开卷考试： 结果分 75%：代码是否满 需求（LLM as Judge） 为分 25%：Agent 有没有查 档、调知识库 不仅看答案对不对，还看有没有翻对书 碰巧正确 < 稳定正确 数据度量从「感觉有效」到「数据证明」

9. 链路漏 ：调 率 → 命中率 → 采纳率 · 调 率低 → Agent 不知道要查资料，Prompt 引导有问题 · 命中率低 → 知识库覆盖不 ，索引质量差 · 采纳率低 → 召回了但不好 ，召回精度有问题 核 洞察：知识被「 」了但没「有 」 频低效 = 浪费 Token + 可能误导模型 阈值：动态中位数，随整体质量 动调整 · 调 率低 → Agent 不知道要查资料，Prompt 引导有问题 · 命中率低 → 知识库覆盖不 ，索引质 · 采纳率低 → 召回了但不好 ，召回精度有问题 优化效果： 针对 频低效知识逐 优化 关联采纳率 18% → 35% · 调 率低 → Agent 不知道要查资料，Prompt 引导有问题 · 命中率低 → 知识库覆盖不 ，索引质 · 采纳率低 → 召回了但不好 ，召回精度有问题 数据度量在线分析：定位具体哪条知识有问题

10. 与其优化 SPEC 让 AI 写得更好，不如直接给它好的东 来抄。LLM 的底层能 就是"抄+改"——有参照物时表现 显著优于没有时。SPEC 管意图（做什么），物料管执 （怎么做），两者叠加才是完整的可控编码。90% 抄， 10% 写，胶 只在缝隙处。 确定性的给脚本，不确定性的给模型 Agent 写代码背后有四个彼此独 个，不保证其他三个也对。的决策——答对任何 任务规格定义"这次做什么"，开发规范划定"什么不能做 "，代码模式提供"抄什么"，领域知识标注"有什么坑"。 四种失败模式互不重叠，每层物料恰好堵 个，少 层多 种漏洞。 胶

11. 传统链路： 报错 → 看到(损失50%) → 30%) → AI 基于 字猜 Harness AI 不是听 转述

12. 研发链路 控制反转:系统适配AI 让从 洞察——培训统计： █████████████ 60% 平台操作和调试配置 ████ 20% 前端基础知识 ████ 20% 其他 → 不是编程技能，是环境配置 控制反转： 传统：开发者判断平台 → 学操作 → 执 反转：开发者声明意图 → 系统 动识别 → 适配系统到系统适配AI ⇤ ✓ #⇥ ⌧ '✓ó6)3 ◆(✓óD+3 ◆ ⇧↵⌫(& ✏⌥ IDD 4 × 3 = 12 üUQ ⌦⌅5ä/⇥rx⇤6) õ⌫UQ ✏ "% ① §! + h£, ② HTTPS !& + X ③ UF$⌅N 沙塔斯 / VOID 动执 NC ↵⌫(&⇠⇣⌥ ⇠⇣ ' ◆ Skill ⌘w⇣UQ¶ ASCP 供应链 xiaoer-dev ⇠⇣⌘ ⌅⇡! Skill ⇠⇣ "ëYà⌥Mg" éá¶!& / X / URL⇢ / ^O B Mg|A ç]¶TÉÖm + XZ& + !&â{ èLC~¶⌦⌅5[8R •Skill ⇤⇢⌃$ Skill "ëY⌅Ç⌅" ⌘w⇣UQ¶ 1. ÖmWI?27 (ice/rax/umi) 2. s06)â{!&G< 3. "⌥:] HTTPS XßEä® 4. à⌥ ↵ Dev Server 5. Å⌦öã` Ü>Mg⇢ _\⌅ Bü§!P2UQ ç]¶800+ ⇣6)ñÄ!i 3 ⇤D+ = 3 ûH ⌘w⇣UQ¶ 1. nk abc.json l= builder #b 2. aù package.json Jk- Vê 3. M ⌃-6) API P2§! 4. "⌥£, Git h(§! 5. d⌧ ↵ nc-context.json ✏ ① P29d ② ↵^O ③ 9d⌅N NC ,⇠ 3 ⇤1K\⌅D+•⌦⌅5⇡ä4%R "ëYP2§!" ⇤ #⇥ ⌧ éá¶IDD / Ñï / DP / ⌦ ① §! + MR ② HTTPS !& ③ §!⌅N ① P2äz; ② URL ⇢ Mg ③ S⌥ú⌅?2 国际 + 家享 ✏ abc.json → "⌥l= → .* 三节点抽象： 迭代创建 · 本地调试 · 发布部署 DP ✏ 1. nk§!Vê⇧⌅Nâ{ 2. w⇣ ↵?2ÇÖu 3. }í!i ú⌅ CI UF$ 4. å°⌅Njc^(t 5. y✏Ç⌅fX↵ò éá¶UF$ / S⌥?2 / §!⌅N / 9d B ç]¶CI/CD ñÄ + ⌅Njcô¢ ⌘ç]6)ñÄ †ì Spring IoC¶[8ä/îo•p`vqÜ>@e

13. 引 ： 微观优化的是 25% 的编码时间 要啃剩余 75%，需要范式层 的变 定位： 我们的 具从第 天按 AI Agent 设计 IDE 只是交付载体，核 正在从编辑器变 成编排器 程师 转变： 从编码者到编排者 核 能 ：架构设计 · 意图表达 · 输出验证 宏观视 向： 云端全栈异步委派多 Agent 协同 怎么协同谁来执如何分 从驱动 AI蜂巢架构 到 AI主执 打通前后端环境壁垒 统上下 消除具割裂 任务委派给数字员 专业 Agent分 编排器统调度

14. AI Coding本质不是 具辅助，是基础设施。 基础设施的价值，取决于你在上 建了什么。