面向 Skills 编程——淘宝企业购端到端研发提效实践(速读摘要)
一句话:Skills = AI 研发的最小可复用单元(工作流+领域知识+约束规则);商品域交付周期 23.5→8 人日(65%),代码一次生成成功率 90%;质量瓶颈不在模型,在知识工程——50%→90% 全靠知识注入,不是换模型。
速查表
| 维度 |
核心命题 |
关键数字/设计 |
| 范式升级 |
配置化编程 → 面向 Skills 编程 |
人写 Skills,LLM 写代码 |
| Skills 契约 |
Skills = AI 行为的契约 |
做什么/怎么做/不能做 |
| 构建方法论 |
4 步:识别重复模式 → 封装不变量 → 变化作为输入 → LLM 在约束下执行 |
垂直域不通用,方法论通用 |
| 五阶段 |
Vibe Coding → Prompt 模板 → SDD → Skill 沉淀 → 云端集成 |
2025.8 - 2026.2 |
| Prompt 采纳率 / SDD 可用率 |
标准化翻译器 / 规范驱动 |
70% / 40%→80% |
| 交付周期 |
商品域端到端 |
23.5 → 8 人日(65%) |
| 代码一次生成成功率 |
全链路 15 接口商品域 |
50% → 90%(全靠知识工程) |
| 11 类高频问题 |
ADJUSTMENT_PLAN 五步闭环 |
全部沉淀为 Skill 约束,不再复现 |
| 三层架构 |
原子能力层 + 模板层 + 适配层 |
适配层代码量 -60%,多端并行零冲突 |
| 质量防线 + 评估审查 |
事前→运行时→事后→人工 / 15/15 接口覆盖 |
四层 / 字段遗漏率 0% |
5 个反直觉点:① 质量瓶颈不在模型,在知识工程 ② Skills 本身不通用,但构建方法论通用 ③ 50% → 90% 全靠知识注入,不是换模型 ④ 配置化天花板 = “SPI 扩展点变手写适配” ⑤ AI 不是替代者,是”数字专家”——开发者从编码者变成辅导 AI 的人。
5 个对 Seetong 团队可借鉴动作
- 用”质量瓶颈在知识工程”做体检:Skill 成功率卡在 60-70%?优先排查 references 完整度,不换模型——50%→90% 全靠知识注入
- 复制”三层架构”重写 Seetong 适配层 Skill:Seetong 三端适配——原子能力层(API/Socket/DB)+ 模板层(端口无关流程)+ 适配层(AI 填充端差异),预期代码量 -60%
- 借鉴 ADJUSTMENT_PLAN 五步闭环建高频问题约束库:Seetong 11 类 iOS 6 大漏洞/4G 6 类问题列表沉淀为 Skill 约束(对应 [[seetong-ios-quality-review]] / [[seetong-batch-issue-rootcause-analysis]])
- “事前约束→运行时约束→事后审查→人工卡点”作为 SOP 四层防线:事前 references 禁止项 + 运行时 Hook 拦截(对应 [[阿里云开发者-淘宝主播Agent的Harness工程实战]] 五层防护)+ 事后 Trace 审查 + 人工卡点(改版本号/主分支二次确认)
- 写”Seetong 端到端生码平台” P0 小试点:TAPD→神策→友盟→反馈→周报(对应 [[seetong-tapd-version-review]] + [[seetong-daily-briefing]] + [[seetong-weekly-report]]),7 天内成功率 baseline→80%
关联 + 备注
| 关联:阿里淘系 [[阿里云开发者-淘宝主播Agent的Harness工程实战]] / [[阿里妹-端到端业务需求专家Agent-4层架构8步流程]] |
Skill [[Skill-Self-Evolution]] / [[Agent Skills 系统性综述]] / [[谷歌开源 agent-skills]] / [[Addy-Osmani-agent-skills-设计哲学]] |
SDD/Spec [[AI原生研发落地实践-Spec-Kit和BMAD跑了一遍SDD]] / [[AI编程三剑客-SpecKit-OpenSpec-Superpowers深度对比]] |
Loop [[Loop-Engineering-验证才是瓶颈]] |
评测 [[腾讯-AI-Agent-Skill-测评方案落地]] |
| 备注:作者官亭,招聘 zezhou.jzz@taobao.com |
阶段 5 未规模化 |
“字段遗漏率 0%”多项目稳定待验证 |