本文总结了团队在 AI 驱动研发体系的实践探索，从 AI 辅助编程发展到完整的 AI 驱动研发体系。文章指出业务AI研发的真正瓶颈是上下文而非模型能力，提出"本地优先：Agent + 文件夹 + Git"理念，通过 Price360-KB 项目 Harness 将业务知识、源代码、项目规则和验证证据组织在同一工作空间。实践表明迭代过程本身就是知识飞轮，项目无需完美知识库即可启动，在真实产品迭代中持续完善。文章阐述了项目 Harness 的三层结构设计、机器可读的迭代协议以及人负责决策而 Agent 负责执行完整的工作模式。随着模型和通用 Agent 能力提升，项目 Harness 将收缩，但业务知识治理和质量责任不会消失，未来技术人员将更接近 FDE 角色，需深入理解业务、设计项目规则并对端到端交付结果负责。
人与 Agent 所需的信息，往往散落在大量本地文件中，准确、高效地定位这些信息并不容易。zg（zvec-grep） 是面向人与 Agent 的本地优先检索基础设施，基于 Zvec 提供的向量检索与 BM25 能力，并结合 ripgrep（rg），从代码、文档等本地内容中提取并组织信息，减少搜索轮次与上下文消耗，帮助人与 Agent 高效地发现和定位所需内容。zg 现已开源，欢迎体验，也期待你的反馈与贡献！
本文针对AI在复杂数仓环境中取数易产生幻觉、缺乏信任的问题，提出了一套“AI思考能力+工程确定性”的解决方案。通过构建标准化的“代号层”统一业务语义以消除歧义，利用确定性的SQL引擎将用户需求转化为精准SQL并处理权限隔离，同时借助Skill机制限制AI的自由发挥空间并增加可审计性，从而构建起值得信赖的AI取数基础设施；这不仅实现了从模糊需求到准确数据的高效获取，更推动了数据开发角色向高价值语义资产建设的转型及组织协作模式的变革。
本文指出仅靠上下文工程无法保证长链路任务的成功，核心在于将目标维护、状态调度、结果验证等隐性人力工作转化为系统化的“循环工程”。通过引入结构化 Task 作为持久化目标锚点，定义 Job 为最小执行单元并强制要求结构化结果与证据，建立包含事实与判断的执行账本以实现状态外部化，以及基于工程责任划分多 Agent 角色并规范协作协议，系统能够有效处理执行偏差。此外，结合 Tarot Pixel 形成的视觉修正小循环，塔罗平台实现了从单次编码到全链路自动执行的跨越，最终目标是达成输入需求即可交付可发布代码的端到端研发闭环，让人类开发者仅专注于目标确认与异常仲裁。
本文指出随着AI模型在代码生成基准测试中取得高分，Coding环节已趋近被解决，但研发整体效率并未同步提升，瓶颈已转移至编码之外的环境与验证环节。作者通过类比电气化革命中从“电力轴传动”到“单元驱动”的转变，批判了当前将AI简单嵌入原有固定工作流（Spec驱动）的做法，认为这限制了AI的自主性且收益线性递减。文章主张转向“环境与验证驱动”，即停止在提示词编排等易被模型迭代抵消的领域过度投入，转而致力于将企业内部构建、部署、测试、监控等研发系统改造为AI可调用的工具和环境，使AI能自主获取反馈并独立运转。这种围绕自有环境资产的投入能与模型能力形成乘法效应，从而持续放大AI带来的生产力红利。
本文以百亿补贴详情助手 Skill 的迭代历程为例，总结 Skill 研发与迭代实践。文章先梳理业界方法论——Claude Skills 的渐进式披露与控制调优、MiniMax 的工业化规范、以及常见的 Skill 设计模式；随后从架构设计、研发效能、运行优化 3 个维度展开详细介绍了桥接器解耦本地 Skill 与远程 Agent、按需共享上下文、优先输出优质 HTML 报告等高效实践，帮助读者提高 Skill 研发效能。
支付宝正式开源基于 Kotlin Multiplatform（KMP）与 Compose Multiplatform（CMP）的三端原生跨平台方案 MYKMP。业务逻辑与 Compose UI 一次编写，即可在 Android、iOS、HarmonyOS 三端复用。需要平台能力时，可直接调用原生 API、嵌入原生组件，或集成进存量原生工程。本次共开源 17 个仓库，涵盖 Kotlin/Native、Skia/Skiko、Compose Core、基础库、Compose AntUI 及三端示例工程等层面。自 2024 年第四季度首个业务上线以来，MYKMP 已落地支付宝多个核心场景，日均承载亿级线上流量。
直播数据团队创新性地提出"指标驱动"的实时数据开发范式，将复杂的流式计算简化为"维度+指标"的业务逻辑表达。用户仅需200字符内的自然语言描述，系统即可自动识别指标维度，通过AI辅助生成DSL并转换为Flink SQL任务，开发周期从天级缩短至分钟级。系统核心是指标驱动引擎，能自动回溯依赖关系构建链路拓扑，并采用"理解与正确性分离"架构确保可靠性，通过Hook机制支持安全增量调整。该设计屏蔽了流式数据复杂性，让开发聚焦业务本身，同时沉淀可复用指标资产，形成良性循环，显著提升实时数据研发效率。
