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。
本文总结了AI时代数据研发从传统SQL开发向Semantic（语义层）+ DataAgent范式转型的实践与思考，指出传统模式存在效率低、语义鸿沟及口径不一致等瓶颈，而通过构建包含指标、维度、逻辑表及CTE适配层的语义层，结合Meta-ontology本体论和Wiki-RAG检索增强，实现了业务语义的结构化定义与AI自动翻译NL2SQL；该方案采用Agentic架构双轨制，将数据知识从代码迁移至语义模型，使研发角色转变为语义架构师与AI教练，并通过工程化校验与自动化治理保障资产质量，最终达成需求响应实时化、取数自动化及数据价值高效释放的目标。
Agent Skills 是一种轻量、开放的能力扩展规范，用于为 AI Agent 扩展专业知识和工作流。本文从概念原理出发，结合真实的工程化项目 trade-ab-skill，系统性地讲解 Skill 的结构规范、触发机制、作用域优先级，以及最佳实践。（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。）
本文指出当前AI提效陷入“单点优化、全局低效”困境的根源在于协同缺失，主张通过重构生产侧将流程串联者从人转变为Agent，构建以“知识底座+Agent+人”为核心的AI Native团队闭环形态，其中人负责目标与判断，Agent基于统一的知识底座承担执行与串联；文章强调软件是被固化的知识，而实现该形态的关键瓶颈并非协同工具，而是如何为存量业务构建具备自治能力、能清晰定义业务规则与流程且可持续更新的知识底座，这已成为企业提升全局效率必须跨越的核心门槛。
天猫AI助手团队通过“调度框架重构”与“AI Coding工程化”双轮驱动，在两周内将底层架构从硬编码升级为基于Reducer/Event的三层调度模型，实现了状态写入收敛、可观测性独立通道及业务接入效率的大幅提升；同时建立包含范式、Skill、Hook及观测报告的AI工程化闭环，将单业务接入成本从3.5–4.5人天降至约0.7人天，验证了将隐性知识显式化为组织工程能力对于应对业务泛化迭代及穿越模型代际更迭的核心价值。
