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。）
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。）
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。
Agent 评测是把「不稳定的智能行为」持续收敛成「可发布的工程质量」，不是上线前抽查。和传统软件相比，Agent 的输入、输出和状态空间都更开放：用户表达不可穷举，模型输出有随机性，多轮对话会累积上下文，工具调用还会改变系统状态。也就是说，Agent 从 Demo 到生产可用，真正要跨过的是三道门槛：非确定性（同样输入不一定同样输出）、黑盒化（内部决策过程不透明）和错误级联放大（前一步小错会在后续被放大）。
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。）
本文系统阐述了 AI Agent Skill 系统的设计理念与工程实践，核心观点是将 Skill 视为“行为编程”而非文档，旨在通过结构化设计（YAML+Markdown、DOT 流程图、检查表）和严格的约束机制（门控、合理化防御、说服原则）来规范 AI 代理的行为。文章详细探讨了在有限上下文窗口下的 Token 经济策略，包括基于触发条件的发现机制、两阶段加载及声明式引用；提出了单向管道工作流编排、子代理上下文隔离及分级模型选择方案；强调了基于 TDD 理念的 Skill 测试方法，即通过压力场景观测并封堵代理的违规行为；最后总结了跨平台适配策略及从“建议”走向“强制”、从“手动”走向“自动”的演进教训，旨在构建高合规性、低成本且可维护的 AI 代理技能体系。
写在前面：这不是一篇"概念科普文"。它是写给所有正在被 Agent 折磨、又离不开 Agent 的开发者——那些一边惊叹于一晚上跑出一个像样的 PR、一边在凌晨三点回滚生产事故的人。关于引用的一句郑重交代：文中所有第三方数据，已尽量回溯到原始博客或官方文章；个别行业流传的数字，无法核实到一手来源时，已经主动软化或删除，并明确标注。文章的工程判断与实战经验，来自我们团队的真实落地，不依赖任何二手转述。
