本文介绍了从“Vibe Coding”向“范式编程”演进的技术路径，核心是通过结构化规范（Spec）驱动AI生成符合企业级标准的代码。文章以淘系交易系统为背景，指出当前AI编程工具因缺乏领域知识、上下文缺失和规范约束，导致生成代码不可靠、难维护；为此提出“范式编程”——将规范置于开发中心，结合知识库、知识点、疑问点机制与AI Agent，构建可沉淀、可复用、可演进的AI领域专家体系，实现从“人写代

一支专注于通过 AI 和 3D 技术驱动商业创新的技术团队，依托大淘宝丰富的业务形态和海量的用户、数据，致力于为消费者提供创新的场景化导购体验，为商家提供高效的场景化内容创作工具，为淘宝打造围绕家的场景的第一消费入口。在数据集构建完成后，我们使用四种搭配模型生成最终的搭配结果，分别为：外部模型XX、gemini25（gemini-2.5-pro-06-17）、gpt51（gpt-51-1113-g

TLiveOmni 1.0是一款面向电商直播场景的全模态大模型，原生支持图像、文本、视频、音频四模态统一输入，实现128K上下文窗口。该模型深度扎根电商直播领域，构建了超20项精细化原子能力，包括音频维度的语境感知ASR与多说话人分离、视频维度的商品时序切分与卖点提取、以及图像维度的商品空间定位与细粒度OCR。基于Qwen3-VL-Instruct架构，通过添加音频编码器并采用"模态对齐→能力强化

本文对LLM+推荐的结合范式进行了梳理和讨论，并尝试将LLM涌现的能力迁移应用在推荐系统之中，利用LLM的通用知识来辅助推荐，改善推荐效果和用户体验。背景电商推荐系统（Recommend System，RecSys）是一种基于用户历史行为和兴趣偏好的个性化系统，能够为用户提供精准、个性化的商品推荐，促进用户的购物体验和消费满意度。一个成熟的RecSys通常采用pipeline的级连结构，包括召回、

这是一个典型的中后台业务需求，涉及列表、详情、状态机，复杂度适中但细节不少。它们的独立性体现在——答对任何一个，不保证其他三个也对：Agent 可以理解需求但违反了团队禁用某依赖的规矩（缺开发规范），可以守规矩但文件组织混乱（缺代码模式），可以结构规整但踩了内部组件的坑（缺领域知识）。中后台需求虽然千变万化，但复杂度的来源是可枚举的：交互表达（非标布局、多弹窗）、数据逻辑（字段联动、状态流转）、后

本文从应用架构视角系统分析了AI（尤其是LLM）在实际业务中落地的现状与挑战，以“退小宝AI助手”为典型案例，对比传统Web应用与AI应用在响应时间、输入灵活性、准确性、可用性、成本及嵌入适配性等维度的根本差异，指出AI原生应用（而非简单在旧系统中嵌入AI模块）是更可行路径；进而梳理了AI应用的典型架构演进：从简单调用模型API，到ReAct Agent范式，再到以Workflow（工作流）为核心

进一步看，动效体系的演进不应只是播放器或渲染技术的优化，更应是覆盖全链路的系统化升级，而AI将在其中发挥越来越重要的作用。本文提出了一套平台化、协议化、工程化的动效解决方案，覆盖设计（AE插件）、编辑（可视化画布SDK）、布局（align/group动态对齐与成组）、播放（H5/Weex跨端统一Player）、压缩（二进制优化）、代码生成（Lottie→Anime.js）及AI辅助（MCP协议动效

最终，文章提出了一套包含Markdown标记、消息传输、UI渲染及事件通信的四层统一协议体系，旨在解决Agent时代下多端一致性、数据实时性及跨团队协作混乱的问题，为构建高效、标准化的卡片式对话系统提供了落地的架构参考。一种可行的组合方式是：在 MCP Tool 层使用 MCP Apps 的绑定机制来管理 Tool 与 UI 的映射关系，同时用 A2UI 的 JSON Schema 作为 UI 描

未来，随着 Agent 能力的进一步成熟，我们期待看到更多类似“数字 SRE”、“数字测试专家”的角色涌现，共同构建一个人类指挥、AI 执行、双向协同的智能化研发新生态。本次实践我们将抽象层级提升，把从“问题定位”到“提交代码评审（CR）”的全链路交给 Agent 自主执行，实现了从“帮我写代码”到“帮我完成任务”的范式跃迁。从 2023 年“Copilot 辅助补全代码”，到 2026 年“AI

本文介绍了从“Vibe Coding”向“范式编程”演进的技术路径，核心是通过结构化规范（Spec）驱动AI生成符合企业级标准的代码。文章以淘系交易系统为背景，指出当前AI编程工具因缺乏领域知识、上下文缺失和规范约束，导致生成代码不可靠、难维护；为此提出“范式编程”——将规范置于开发中心，结合知识库、知识点、疑问点机制与AI Agent，构建可沉淀、可复用、可演进的AI领域专家体系，实现从“人写代