最近花了一周左右的时间给内部的一个传统研发平台接入了 Agent 开发的能力，很多同学对 Agent 的底层实现非常感兴趣，所以此篇给大家介绍下我是怎么做的，希望能对想自建 Agent 的同学有所启发。
当前，AI导购已成为电商与服务平台竞相追逐的新风口。从淘宝的“AI万能搜”到京东的“京言”，再到美团的点餐助手，行业巨头们都在积极探索如何利用大模型技术，将传统的货架式体验升级为更智能、更具交互性的顾问式服务。
本文提出了一种在 Agentic Coding 场景下基于“职责分离”思想的上下文管理新思路：将工具调用解耦为 “行为”（如 open_file）和“影响”（如 IDE 中实时更新的文件内容），通过结构化、模块化（如 <ide> 块）、动态组装的上下文设计，替代传统将大量原始数据（如完整文件内容）直接塞入上下文的做法；同时引入“行为-影响分离”“记忆/遗忘机制”“事实与行为记忆区分”“延迟卸载”等策略，系统性缓解长上下文导致的注意力稀释、信息过载、内容过期与性能退化等问题，提升 Agent 在复杂编码任务中的稳定性、可维护性与上下文利用效率。该思路虽源于 coding 场景，但具备跨任务复用潜力。
本文系统性地阐述了如何从工程实践角度设计、实现和落地一个可控且可用的 AI Agent 系统。全文以大模型（LLM）为认知核心，围绕“让 LLM 从被动响应走向主动规划与执行”这一主线，构建了一个面向工业级应用的 AI Agent 全栈知识与设计框架。作者强调在定义清晰的领域内，AI Agent 不仅是工具，更是具备持续进化能力的可靠协作者。
淘天音视频技术团队与上海交大合作论文《 FPEM: Face Prior Enhanced Facial Attractiveness Prediction for Live Videos with Face Retouching 》，被计算机视觉领域顶级会议ICCV 2025（CCF A类顶会，录用率24.2%）成功收录。
在 AI 时代，若你还在紧盯代码量、执着于全栈工程师的招聘，或者仅凭技术贡献率来评判价值，执着于业务提效的比例而忽略产研价值，你很可能已经被所谓的“常识”困住了脚步。
本文系统回顾了淘特导购团队在AI编码实践中的演进历程，从初期的代码智能补全到Agent Coding再到引入Rules约束，最终探索SDD（Specification Driven Development，规格驱动开发）——以自然语言规格（spec.md）为唯一真理源，驱动代码、测试、文档自动生成，实现设计先行、可测试性内建与文档永不过期。实践中发现SDD理念先进但落地门槛高、工具链不成熟、历史代码集成难，因此团队当前采用融合策略：以轻量级技术方案模板为输入 + Rules严格约束 + Agent Coding高效实现 + AI自动汇总架构文档，形成兼顾规范性、效率与可维护性的AI辅助编程最佳实践。
在AI浪潮席卷全球的今天，有人认为关系型数据库已走向黄昏，MySQL 的生命力正在被边缘化。但事实真的如此吗？AliSQL，作为 MySQL 的重要分支，自2010年诞生以来，始终默默支撑着阿里巴巴集团核心业务的高并发、高可用需求。它从未消失，只是沉寂太久。 2026年，AliSQL社区的一帮开发者们，开始为AliSQL注入创新的血液！这是他们的第一篇，系统阐述了MySQL深度融合DuckDB的重大技术实践。这不仅是对“MySQL 只擅长 TP”这一行业共识的突破性回应，更是一次兼具工程魄力与架构远见的创新——在保持 MySQL 协议、语法、运维体系完全兼容的前提下，以轻量、高效、零侵入的方式，为MySQL 注入了 OLAP 能力。
