本文是得物技术专家在 AICon 上海演讲整理的技术实录。AICon上海2026_全球人工智能开发与应用大会暨大模型应用生态展_InfoQ技术大会「得物推荐 AI Harness 工程化实践系列」的中篇内容，本系列共三篇连载。本篇（中篇）进一步详解得物推荐复杂业务场景下，AI代码从生成、防护校验到安全上线的完整技术体系、自研AI Harness整体架构框架、全流程安全防护机制、混合智能体核心算法实

设计模式是面向对象编程经验的总结，通过标准化方案解决系统复杂度与需求变更的矛盾。GoF提出的23种经典模式分为创建型、结构型和行为型三大类，分别关注对象创建、组合方式及运行时协作。七大设计原则（如开闭原则、依赖倒置原则等）指导模式应用，强调高内聚低耦合。以单例模式为例，通过饿汉式、懒汉式、双检锁等实现方式，确保类仅有一个实例，优化资源管理。设计模式的核心价值在于提升代码可复用性、可维护性和扩展性。

探索AI编码工程化路径，基于Claude Code与OpenSpec双引擎，采用代理化执行与规格驱动开发模式，解决编码幻觉与流程失控问题，推进技术落地与团队能力沉淀，革新研发范式。

Claude Code等Code LLM在电商数仓的全链路集成实践中，界定数据确权人机边界，提出解耦架构范式；以数据确权、规范IO为框架，结合得物实战解析集成方案与场景，并给出大模型幻觉及合规风险管控机制。

得物社区作为得物的首tab，满足得物用户分享生活、发现好物的内容生产消费需求。跟其他内容平台一样，得物的社区推荐系统也存在“推荐 → 用户反馈 → 再推荐”的反馈闭环问题，系统会越来越倾向于推送相似内容，导致推荐结果收敛、同质化，进而形成信息茧房，降低用户的新鲜感与满意度。同时随着大语言模型（LLM）的发展，世界知识提取的效率逐渐得到提升，为打破信息茧房，提高用户内容消费的新鲜感带来了新的机遇。

本项目构建了一个网关路由 AI 安全审计系统，采用"通用 Agent + 业务 Skill"分层设计，增量日检/存量月检。落地 Open 网关路由越权漏洞检测流程，通过 AI 批量筛查 + 人工深度验证的人机协同模式，为大规模 API 安全审计提供了可复用的智能化解决方案。充分发挥通用 Agent 能力，业务逻辑在 Skill 中快速迭代。

埋点和指标需求中，消耗数据承接方的不是生成答案，而是补齐证据链、对齐历史口径、识别下游影响，并在生产写入前留下可追溯的确认记录。本文数据承接方指承接业务需求的数据同学或业务合作伙伴；后文讨论内部研发、元数据、查询和门禁能力在流程中的角色。

参与公司 AI 辅助编程 POC，体验后选择Claude Code CLI，通过脚本实现多模型切换，结合 IDE 与终端自动化打造多屏协同环境，采用多 Agent 与规范驱动开发，并利用各类扩展功能，形成一套高效可控的 AI 辅助编程工作流。

后端排查 BUG 流程重复繁琐，需频繁切换日志平台与 IDE。本文结合 Claude Code Skill 与日志平台 MCP 协议，实现 /log-diagnosis 智能诊断能力，让 AI 自动完成日志查询、代码定位与根因分析，并通过实战案例验证效果，为 AI 赋能研发提效提供工程化实践方案。

本文为 FlinkSpec 系列之开篇，亦是这场工程化变革的序章。BP Claw 所立之处，不过链路之源。FlinkSpec 所图，乃以 AI 之力，将实时数仓从需求落地至验收上线的全程工序，熔铸为一套精密自洽、生生不息的智能工程体系。宏图未竟，后续系列将逐章揭幕，敬请期待！