一场营销活动从策划到上线，运营要在三个系统间跳转 10 + 次、填写 40 + 个字段。我们用 AI 重新设计了这条链路 —— 从 “AI 帮你填表单” 到 “两阶段 Agent + 聚合工作台”。这篇文章记录的不是技术细节，而是这条路上的选择和反思。

本文将围绕Agent 化精排、质检、多模态知识库、语言驱动生产四个关键技术，全面介绍高德扫街榜配图完整链路。

屎山源于不敢删，架构活于持续排熵。

AI 编程第三次革命

我们在把 Agent 做到企业级生产环境之后，很快会遇到一个更基础、也更现实的问题：为什么同样是一个 Agen

工具调用模块深度解析：Function Calling 背后的工程设计🧠 知识地图位置：第3层 → 工具调用

林金曙 恒生电子研究院 AI首席技术专家

技术探索过程中的一些心得与总结。

万字长文落地Agent评测实践

本文介绍高德广告工程团队在 AI Native 研发、测试、运维和知识沉淀方向的阶段性实践。

AI 原生研发模式不是渐进式改良，而是从生产关系到技术架构的系统性变革,当基础设施足够标准化、语义化、可组合时，AI 的生产力将被完全释放，从\x26quot;辅助人类开发\x26quot;跃迁为\x26quot;自主端到端交付\x26quot;。

如何让模型稳定地执行端到端交付全链路，本文给出一些参考。

本文阐述了Harness Engineering作为AI Agent自主演进的核心工程体系，通过约束机制、反馈闭环、工作流编排与结构化Rubric评估，实现长时运行下的自我迭代与持续优化。

共同探索推荐系统与大模型深度融合的技术边界，携手打造更懂世界的推荐基础模型！

Marketing AutoResearch 构建了一套 AI Native 经营托管框架：由人定义目标、约束、可行动空间和治理边界，Agent Team 在边界内持续提出假设、调用工具、执行小步实验、读取真实反馈、沉淀经验，并进入下一轮迭代。

Agent记忆存储方案深度洞察\x0a原文讨论来自Twitter @QuantumTransf，围绕ai-memo

本⽂是关于 AI 辅助编码的全⾯实战指南，基于天猫新品团队的实践经验，从问题本质到解决⽅案，从理论框架到实战案例，系统性地介绍如何让 AI 更好地完成⼤部分需求。

告警排查需频繁切换日志、APM、链路追踪等平台，耗时 10～30 分钟，且依赖个人经验。我们做了 Troubleshooter——用 LLM Agent 自动完成数据采集、根因分析和处置建议生成。上线后中位数耗时从 20 分钟降到 4.4 分钟，覆盖 11 服务、10+ 告警类型。