面向 Skills 编程——淘宝企业购端到端研发提效实践

核心结论:Skills 是 AI 研发的最小可复用单元——封装工作流 + 领域知识 + 约束规则(SKILL.md / references / 禁止项);淘宝企业购近半年实战:商品域端到端交付周期 23.5 人日 → 8 人日(提效 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% 全靠知识注入和约束迭代,不是换更强的模型。

8 个知识节点

• 面向 Skills 编程范式:DDD 分层 + 配置化在传统人写代码模式下行之有效,但高频定制化需求时参数空间爆炸;新范式核心是”人写 Skills,LLM 基于 Skills 写代码”——程序员从”实现逻辑”上升为”定义 Skills”。
• Skills = AI 行为的契约:类比”接口/抽象类”定义代码契约,Skills 定义 AI 行为契约——告诉 LLM”做什么、怎么做、不能做什么”,让大模型从”知道分子”成为”行动专家”。
• Skill 构建四步法:识别重复模式 → 封装不变量为 Skills → 将变化的部分作为输入 → LLM 在约束下执行。垂直领域的 Skills 本身不通用,但构建 Skill 的方法论是通用的。
• 五阶段演进路径:Vibe Coding(对话驱动,2025.8)→ Prompt 模板(标准化翻译器,2025.9,采纳率 70%)→ SDD 规范驱动(2025.12,可用率 40% → 80%)→ Skill 沉淀(经验固化,2026.1-2)→ 云端集成(端到端产品,2026.2 探索中)。每一阶段都是对前一阶段”天花板”的突破。
• 质量瓶颈不在模型,在知识工程:50% → 90% 的提升全部来自知识注入和约束迭代,不是换更强的模型——领域知识(映射规则/API 签名/模式判定)不会从训练数据中涌现,必须显式注入。
• 确定性工程 + 不确定性 AI = 可控流水线:高精度环节用脚本(接口提取),模型不稳定的用架构拆分绕过(推拉分离/子 Skill),反复出错的沉淀为约束——三者配合把”不可控的对话”变成”可复现的流水线”。
• 三段式提效数据:代码一次生成成功率 50% → 90%;AI 生成代码可用率 40% → 80%(SDD 阶段);商品域端到端交付周期 23.5 → 8 人日(整体提效 65%);11 类高频问题全部沉淀为 Skill 约束,不再复现。
• 三层架构 + ADJUSTMENT_PLAN:原子能力层 + 模板层 + 适配层(AI 只聚焦适配层逻辑,代码量减少 60%,多客户并行零冲突);ADJUSTMENT_PLAN 机制(发现→定位 Skill→补约束→验证→交叉验证)闭环 11 类问题;事前约束 → 运行时约束 → 事后审查 → 人工卡点 四层质量防线。

关联图谱

上游(基于 / 来自)

• DDD 分层 + 配置化编程:经典范式,天花板在”高频定制化时 SPI 扩展点变手写适配”
• Anthropic Agent Skills 标准:SKILL.md + references/ + scripts/ + 渐进式加载
• OpenSpec / Spec-Kit / BMAD / everything-claude-code / superpowers:SDD 工具链 + 开源最佳实践

下游(应用于 / 验证于)

• 淘宝企业购客户对接(商品/交易/结算三大业务域)+ 15 个接口商品域全流程跑通(评估→技术方案→编码)
• OneDay + Aone 沙箱端到端生码平台:2026.2 探索中

同级(横向 / 并列)

• 阿里淘系同源:[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 主线:[[Skill-Self-Evolution]] / [[Agent Skills 系统性综述]] / [[谷歌开源 agent-skills]] / [[Addy-Osmani-agent-skills-设计哲学]] / [[PM-Skills-Marketplace-产品经理必备skill]]
• SDD/Spec 主线:[[AI原生研发落地实践-Spec-Kit和BMAD跑了一遍SDD]] / [[Notion-spec-driven-AI-workflow]] / [[AI编程三剑客-SpecKit-OpenSpec-Superpowers深度对比]]
• Loop 主题:[Loop-Engineering-验证才是瓶颈]/ [[Addy-Osmani-Loop-Engineering]] / [[Loop-Engineering-详解-把反馈循环放进工程现场]]
• 评测+范式:[[腾讯-AI-Agent-Skill-测评方案落地]] / [[AI-Coding的顿悟时刻]] / [[54万行代码的顿悟-Markdown才是新编程方式]]

5 个对 Seetong 团队可借鉴动作

1. 用”质量瓶颈在知识工程”做体检:Seetong 现有 Skill 库 seetong-bug-triage / seetong-tapd-version-review / seetong-daily-briefing / seetong-prd 成功率卡在 60-70%,优先排查 references 是否有完整领域知识映射规则,不是换模型——50% → 90% 全靠知识注入。
2. 复制”三层架构”重写 Seetong 适配层 Skill:Seetong 三端(Login/Message/Device/Mine)有大量”换端实现”适配代码——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%,多端并行零冲突。
3. 借鉴 ADJUSTMENT_PLAN 五步闭环建高频问题约束库:seetong-bug-triage 跑出的”3 天内同 Bug 复现 2 次根因 X”——先在 Skill 里加约束条款,不只写文档;Seetong 已有 11 类 iOS 6 大漏洞/4G 6 类问题列表直接沉淀为 Skill 约束(对应 [[seetong-ios-quality-review]] / [[seetong-batch-issue-rootcause-analysis]])。
4. “事前约束→运行时约束→事后审查→人工卡点”作为 Seetong SOP 四层防线:事前 references 禁止项;运行时 Hook/结构化错误码拦截(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)。
5. 写”Seetong 端到端生码平台” P0 小试点:TAPD 需求 → 神策 → 友盟 → 反馈 → 周报(对应 [[seetong-tapd-version-review]] + [[seetong-daily-briefing]] + [[seetong-weekly-report]]),先建 Skill references(Seetong 三端 API + 已知 bug 模式),再试 1 个真实 TAPD 需求端到端跑通,7 天内成功率从 baseline → 80%。

备注与限制

• 作者官亭,淘天集团-行业运营技术团队(招聘 zezhou.jzz@taobao.com)
• 阶段 5 云端集成尚未规模化,具体上线日期未披露
• 评估报告 Skill”字段遗漏率 0%”是否多项目稳定待验证
• kn-fetcher CLI 对接 Skill 体系时间表未明
• Code Wiki/KBase 试跑数据未披露召回率
• ADJUSTMENT_PLAN 11 类高频问题具体清单未列
• 原文:https://mp.weixin.qq.com/s/8wJhwC4YuaOX-8GXMaFU5g

• raw:../../raw/2026-06-17-大淘宝技术-面向Skills编程-淘宝企业购端到端研发提效实践.md

  digest:./面向Skills编程-淘宝企业购端到端研发提效实践-digest.md