本文是一份 LLM 微调 AutoResearch 落地实战。作者把过去几个月在电商场景（Query 改写 / 同款判定 / 重排打分）上做 Qwen3 微调时的完整流水线沉淀成一个由 Agent 驱动的三阶段框架：场景诊断 → 方案设计 → 自动化实验，同时把踩过的坑（PyTorch 2.6 vs DeepSpeed、Qwen3 thinking mode 让 BLEU 掉到个位数、多队列 OSS endpoint 差异）一并写成 SKILL.md 交给 Agent 执行。文章适合关注 AI Coding、Agent for ML、LLM 微调工程化的同学阅读。文中提到的部分平台/工具（如星云、TuningFactory、TAO/Pailitao-AutoResearch）为公司内部命名，思路和方法本身与平台无关，读者可类比到 PAI、SageMaker、Slurm 等外部环境。（文章内容基于作者个人技术实践与独立思考，旨在分享经验，仅代表个人观点。）
AI 写代码越来越快，网盘主端 FE 团队每月约 2000 次 CR 中，AI 生成代码占比已达 55.87%。代码产出速度提升，传统人工 Code Review 的压力同步放大——Reviewer 不仅要看代码风格，还要判断逻辑、调用链、API 契约和高危问题，精度与专注度双双下降。本文分享了他们如何在 CI/CD 流水线中嵌入 AICR 强制检测链路，用多维度多角色 AI 审查为人工 Reviewer 减负，以及建设过程中对检测耗时、误报治理、模型选型等问题的实战思考。
过去一段时间，AI Agent 相关工具出现了一个有意思的变化：能力在不断演进，交互入口却越来越多地回到最朴素的命令行。看起来像是一次「复古回归」，背后其实藏着一个更本质的判断：当软件的操作者从人扩展到 Agent，CLI 不再只是给工程师用的老工具，它可能成为 Agent 调用数字世界的高效入口。 不禁想到，今年笔者所在的部门对平台智能化升级提了「AI 友好」这一目标。那么，怎样的平台才算 AI 友好？难道 CLI 就等于 AI 友好？带着这些问题，这段时间做了一些思考，记录下来做下分享。
AI Native 不仅指产品形态。在一些更窄的场景里，比如编程领域，它也可以特指 AI Native 研发。但这里的AI Native 研发，不是让 Agent 写更多代码，也不是让 AI 零散参与研发流程，而是在清晰边界、可观测 checkpoint 和可验证闭环下，让代码生成、测试、修复、验证等实施动作尽可能由 AI 连续完成。人的角色不消失，而是上移到设定目标与边界、审阅 checkpoint、判断转向和最终验收。（文章内容基于作者个人技术实践与独立思考，旨在分享经验，仅代表个人观点。）
2025年底，一款叫 OpenClaw 的开源 AI Agent 工具横空出世。因为 Logo 像只龙虾，因此国内都叫他小龙虾。之前所有的 AI 产品，本质上都是问答机器——你问，它答，然后你自己去执行。OpenClaw 打破了这个边界，它可以直接调用工具、操作浏览器、读写文件、发送消息、定时自动运行……它不只是给你建议，而是帮你把事情做完。
本文介绍了淘天音视频团队联合外部合作伙伴提出的 LocalDPO 方法，成功入选计算机视觉顶会 CVPR 2026（录用率约25%），针对视频生成模型后训练中局部细节优化难、传统DPO依赖高成本多次采样与人工标注的痛点，创新性地以高质量真实视频为正样本，通过局部时空退化自动构造负样本，并设计区域感知 DPO 损失实现细粒度偏好对齐。该方法无需外部打分模型或人工标注，在 CogVideoX、Wan2.1等主流视频模型上显著提升视觉质量、时序一致性及人类偏好（如纹理清晰度、伪影抑制、运动稳定性），实验表明其在多项自动评测与20人主观评测中均大幅优于 SFT、Vanilla DPO 等基线，为视频生成模型的高效后训练提供了新范式，相关代码与模型已开源。
应用宝活动平台系统支撑应用宝内包括 app、pc、手助等产品的所有日常/节假日活动，在今年上半年，我们针对整套系统进行了一次完整的重构。正值这个时间点，Harness Engineering 的概念被提出，我们团队也在重构的过程中，针对新的活动平台系统引入 Harness Engineering 的工程实践，初步搭建了一套 AI 端到端的开发流程。 这篇文章主要记录了团队在践行 Harness 工程化过程中遇到的一些问题以及实践经验，抛砖引玉，欢迎其他团队同学一起探讨。
