今日概览

今日内容覆盖 RAG Agent 系统设计、AI Coding 工程化与工具实践三条线索：得物分享基于 AgentScope 2.0 的复合检索 Agent 设计，天猫团队复盘调度框架重构与 AI Coding 组织化落地，数字生命卡兹克给出 12 步 AI 入门方法论，AI 寒武纪实测 ZCode 的新功能与额度机制。

今日重点

1. 得物知识问答：复合检索 Agent 的系统设计实践

文章介绍得物知识问答系统基于 AgentScope 2.0 构建复合检索 Agent 的实践，核心是从"搜到什么用什么"升级为"搜→筛→挖→验"的自主决策闭环。系统依托 HarnessAgent 架构，利用 ReAct 循环、Middleware 与并行工具调用支撑多源检索；Agent 会自主评估检索结果的相关性、完整性与时效性，信息不足时主动精读或补充检索，再经过三阶段质量 Pipeline 过滤后整合回答。

值得关注：

  • 多源并行检索覆盖企业知识库与飞书文档/消息/妙记，权限按用户身份隔离。
  • Agent 自主决策用哪些工具、搜几次、何时停止，用户无需指定检索路径。
  • 三阶段质量 Pipeline（FastPass → Reranker → LLM Grading）解决"向量相似≠语义相关"问题。
  • 支持多模态图片提问，自动切换视觉模型并管理图片全生命周期。
  • 生产可靠性采用多实例 SSE 断点续传三路径设计与模型容灾。

来源：得物技术

2. 天猫AI助手：调度框架重构与 AI Coding 工程化实践

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，两周内将底层架构从硬编码节点链升级为基于 Reducer/Event 的三层调度模型：21 处散点 query + CAS + retry 收敛到 2 个 Reducer + 25 个 Event，日志从单一文件拆分为 monitor/bizStat/error 三通道独立采样。同时建立包含范式、Skill、Hook 与月度观测报告的 AI 工程化闭环，单业务接入成本从 3.5–4.5 人天降至约 0.7 人天。

值得关注：

  • 调度重构为 Schedule/DAG/Process/Node 四层，业务侧只关心 Node 层的原子动作。
  • 非破坏性演进：老 v1 流程继续运行，新业务一律走新框架，不强推迁移。
  • AI Coding 沉淀 4 份范式 + 13 个 Skill + 8 个 Hook，形成组织级工程能力。
  • 隐性知识显式化是接入提效 5 倍的核心，范式恰好是 Skill 的素材。
  • 框架要"既支持已知形态，也不堵死未知形态"，承载业务泛化探索。

来源：大淘宝技术

3. 从0开始，12步学会用好AI

文章面向 AI 新手给出 12 个可操作步骤，核心主张是"半天即可入门"。前提是一台内存不低于 16G 的电脑；海外用户选择 ChatGPT Codex，国内用户选择 WorkBuddy；用语音输入法代替打字直接表达需求。最关键的心法是：用【背景、痛点、需求】框架描述任务，并要求 AI 先以苏格拉底提问法澄清需求，把相关文件全部交给 AI 完成，最后把整个流程沉淀为 Skill 反复使用。

值得关注：

  • 推荐配置：Codex 选 GPT-5.6 Sol，WorkBuddy 选 Kimi K3。
  • 用【背景、痛点、需求】框架描述任务，AI 才真正理解你要什么。
  • 要求 AI"先不要干活，一次只问一个问题"，直到完全理解再动手。
  • 结果不满意时让 AI 对比多个方向，帮你把判断标准找出来。
  • 最终把过程沉淀成 Skill，类似的事从此可以自动化。

来源：数字生命卡兹克

4. 实测 ZCode 史诗级进化，GLM 竟然能跑出 180% 的量

文章实测 ZCode 新上线的 Goal、Subagents、Remote Control 与闲时任务四大功能。作者用 GitHub 数据分析面板做了四轮迭代：Goal 模式下验收条件写得越具体，Agent 越会自动逐条检查直至达标；复杂任务会主动派生子智能体，先审计代码结构、评估风险再动手；Remote Control 支持手机扫码远程查看与控制桌面工作区；收尾任务提交闲时队列，在低峰时段自动执行且不扣积分。实测缓存命中率超 98%，有效额度约 +30%，叠加活动 1.5 倍加成后总有效额度接近 180%。

值得关注：

  • Goal 验收条件要写具体，未达标会自动继续迭代，而非给个基础版就停。
  • Subagents 会先读代码、审计结构、评估风险，再开始动手拆解重构。
  • Remote Control 手机只作控制界面，代码与执行环境仍留在电脑。
  • 闲时任务在算力低峰自动执行，不消耗 Coding Plan 积分。
  • 缓存命中率 98%+ 带来约 30% 有效额度提升，对 DeepSeek 等模型同样有效。

来源：AI寒武纪

趋势观察

  1. RAG 从"检索管线"走向"有判断力的 Agent" — 得物的实践表明，质量的关键不再是召回算法本身，而是 Agent 能否自主评估信息充分性、主动深挖并交叉验证，“搜筛挖验"正成为生产级 RAG 的新范式。
  2. AI Coding 从个人效率工具走向组织工程能力 — 天猫把范式、Skill、Hook 与观测报告闭环化，单业务接入从 3.5 人天压到 0.7 人天，隐性知识显式化成为可复制的提效路径。
  3. Coding Agent 的产品化竞争聚焦"自主闭环” — ZCode 的 Goal 验收循环、Subagents 审计习惯与闲时任务调度，都在把"人盯着改代码"变成"人定标准、Agent 自主完成"。