阿里CTO程立:阿里巴巴的开源历程、理念和实践

7月28日,阿里巴巴集团首席技术官程立在2022开放原子全球开源峰会上发表了题为“共建共享数字世界的根”的主题演讲,以下为演讲全文。

回看过去四十多年的软件历史,开源已经从一个小众的爱好者行为变成了基础软件的源头,并在云的时代,开创了新的软件开发模式和商业模式。云和开源,已然共同成为数字世界的根。这个根需要政府和企业、需要我们大家一起来共建和共享。

一、开源是基础软件的源

开源是基础软件的源

开源应该是基础软件的源头活水。数字世界的基础软件,应该建立在开源之上,需要全行业共建、共享。

首先,以开源的方式,可以汇聚全球最先进的技术,协同全球最优秀的人才,通过最大规模群体智慧共同参与和协作,能让基础软件面向最广泛的需求不断创新;其次,开源与专有组件不是非此即彼的关系,它们共同构成的生态系统,为最广泛的开发者提供了敏捷软件研发的大中台;再次,开源从根本上实现了在基础软件层的共享与共通,避免数字世界的孤岛化;最后,开源赋予用户选择权和审查权,确保开源代码安全可控,供全人类共同拥有。

阿里巴巴开源历程

正是认识到开源是基础软件的源头活水,阿里积极参与到开源中。阿里的开源经历了使用、贡献、开拓三个阶段。

阿里在创业早期,就大量使用开源软件,阿里技术的发展,根植于开源的沃土中,我们非常感谢开源社区的帮助。当我们具备一定的能力,尤其是大规模互联网系统和云的研发中开始积累越来越多的技术经验、解决越来越多新的问题之后,我们也积极地将自己的实践以开源软件的形态,回馈到社区。

这里面也包含一些目前大家可能经常使用的软件,比如Apache Dubbo、Apache RocketMQ、Flink、Midway等等一系列的开源软件。很多软件我们坚持做了10多年,到现在还在维护,未来也会努力地持续维护下去。

随着阿里巴巴越来越深入地参与到各行各业的数字化,共同建设数字新世界,开源也成为阿里技术战略的重要部分。在基础软件领域的开拓与开源,成为近两年来阿里巴巴开源的重点。

连续十年蝉联中国厂商开源活跃度、影响力双第一

阿里的开源在国内一直是比较领先的。截止到目前为止,阿里累计有3000多个开源项目,全球贡献者累计了30000多位,也收获了全球开发者100多万的star。无论从开源的数量还是活跃度一直都处于前列。根据《中国开源十年洞察报告》显示,阿里已经连续十年蝉联中国厂商开源活跃度、影响力双第一。

来源:《中国开源十年洞察报告》
《2022中国开源发展蓝皮书》

近期,阿里对开源委员会和开源办公室经历了一轮升级,开源委员会作为负责制定阿里开源战略的组织,新设置了9位领域副主席,把基础软件领域的开源共建作为阿里开源的重心,明确了四大重点开源方向:操作系统、数据库、大数据与云原生,并且进一步加大了在社区建设与研发上的投入。

另外,我们升级了开源办公室来负责战略落地执行,通过横向的平台、工具来负责阿里众多开源项目的治理和运营,为开源项目提供组织保障。阿里希望与企业同行、社区伙伴们一起,通过开源,让基础软件根深叶茂。

二、云+开源是数字世界的根

我们认为云是数字世界的基座,云也为开源软件提供了最佳运行环境,云+开源,共同构成了数字世界的根。

开源软件脱胎于自由软件,从一开始,开源基因中就包含商业,对商业友好、与商业共存。随着云的出现,开源软件得到了更蓬勃的发展。一方面,云的按需使用、随需弹性的关键特征,为开源软件提供了最佳的运行时环境。另一方面,Open Core和云原生,为开源的商业化提供了最优的模式。站在用户的视角,云平台与开源社区的有效合作,赋予了用户灵活的选择权,不用担心被厂商锁定,云+开源共同构成了数字世界的可信基础。

阿里巴巴“三位一体”的开源理念

正是出于“云+开源是数字世界的根”这个认识,在阿里内部,我们有一个“三位一体”的核心技术理念。三位一体是指阿里自用的技术、社区开源的技术和阿里云对客户提供的技术是一个版本 —— 这种“三位一体”的方式使得自研、开源与云计算商业形成血脉相通的整体。

阿里的系统架构,可以简化地分为四层,底层是基座“飞天操作系统”,之上是云原生共享技术,再往上是共享的能力中台,顶层是丰富的数字化的业务应用。

从图上可以看出,龙蜥服务器操作系统(AnolisOS)、数据库、大数据智能、中间件、容器,阿里都是以三位一体的方式在研发、使用与商业化,这样做,一方面阿里可以吸收业界最佳实践,一方面也可以将自己的技术积累通过开源回馈给社区,同时,也可以通过云实现开源的商业化。

接下来,我分别在大数据、容器与操作系统领域,举三个“三位一体”的开源软件实例。

Apache Flink:从使用者到贡献者到社区持续繁荣

首先是Apache Flink,这是一个实时计算引擎,我们在最开始是Flink的使用者,2019年的时候收购了Apache Flink 的原作者所建立的公司。阿里也随后成为了Flink社区最大推动者之一,为社区贡献了1/4的committer。我们可以看到Flink有几个关键的时间点:在2016年,阿里正式地在自己的业务中引入了Flink,在2017年就Flink就逐步支撑了公司内的几乎所有的实时数据业务;在2018年,我们又完成了Flink 在阿里云上的产品商业化。这样就比较好地实现了内部应用、开源、与云上服务的三位一体的技术布局。

在四年以后的今天,我们回顾这个布局,我们也会非常欣喜地发现,目前Flink已经被全球主流的IT公司所采用,已经成为了实时计算领域的事实标准,而它的社区也在持续地繁荣着。

 

容器技术:从内部实践到云上商业化和生态贡献

我们来看另一个产品,阿里云容器服务(ACK), 这个产品是Kubernetes的云上服务,它是阿里从社区借力并参与社区贡献的项目代表。

在阿里内部,在2011年就已经大规模的应用容器技术了。随着Kubernetes的逐步成为了该领域的事实标准,我们在内部也做了系统化的升级,与业界同频,在2021年正式完成了集团应用系统全面的容器化和统一调度,目前已经是全球最大规模的云原生集群。ACK同时也服务了各行各业的客户。与此同时,在云上,我们在2017年就上线了阿里云容器服务(ACK),并成为了业界首批通过kubernetes一致性认证的产品。在参与开源社区建设上,我们依托于自己的实践,给到社区贡献了如kubevela、openyurt、OpenKruise、Fluid等多个开源项目,帮助kubernetes向边缘云、AI、混合云等多个场景做了有效的延伸。

通过坚持“三位一体”,确保三个方向上都使用没有代差的相同主干的代码,实现了帮助阿里、帮助阿里云上的客户,同时也帮助社区持续发展。

龙蜥操作系统:从自主创新走向开源共建

最后我们再来关注下操作系统,龙蜥操作系统作为下一代面向云的开源操作系统,借助众多阿里自己与云上客户的不断打磨与优化,和在统信软件及三大运营商等为代表的多家企业的技术沉淀,目前龙蜥社区已经是一个非常成熟的开源社区了。我们认为,借助基于以云+开源支撑的数字化进程这一确定性的趋势,以三位一体的共享开源模式去继续发展龙蜥操作系统,能够在我们让云时代不但补上基础软件领域的短板,而且有机会实现跨越式发展。

阿里做操作系统也是来源于真实的业务需要。阿里早期为了支撑内部海量的计算需求,我们基于开源的linux,在性能、稳定性等层面做了不少修改并做了开源,也比较好地支撑了我们内部业务的实际增长。2009年我们开始做云计算,会发现云计算本身对于操作系统各个方面提出了一系列的全新挑战,alibaba cloud linux也是在满足国内用云的上百万客户的真实需求中,不断地成长的。

经过多年建设,在龙蜥社区多家合作伙伴的共同努力下,龙蜥操作系统目前实现了主流芯片协同研发机制全覆盖、国产主流中间件/数据库全覆盖、主流整机OEM厂商全覆盖。目前围绕着龙蜥社区,已经有包括统信、联通、移动、电信等20多家企业参与贡献,以及红旗、普华、飞腾、中科方德等200多家产业链公司加入社区,此外还有国际知名企业英特尔、Arm等的加盟。

图片来源于龙蜥社区

未来我们希望这个云原生的操作系统能够成为大家共同建设、共同享有的软件基础设施。未来,借助云+开源,我们可以把海量的数字化的业务迁移到软硬件协议生态上,从而形成新的操作系统与硬件协议相互促进的新的产业生态,有效助力弥补核心技术和基础软件产业链相关短板,孵化出一个自主演进可以带动产业发展的操作系统生态,推动产业生态完善,繁荣整个开源生态。

上面的三个系统,只是三位一体实践的几个具体例子,我们还有类似Apache RocketMQ、Apache Dubbo、Arthas、PolarDB等很多产品也都遵循着三位一体这个模式,我们相信,这个模式能够确保软件的生命力,并且能够以更开放的方式,汇聚业界最优秀的工程师和最多样的场景,共建共享数字新世界的根。

三、共同应对开源的挑战

作为开源的贡献者和使用者,我们也看到一些问题和挑战。

IT架构治理

作为开源应用者,首先是开源给IT架构治理带来的挑战:作为企业技术决策者,面临着技术升级、开源软件替换过程中的复杂性以及业务连续运行的挑战。

安全与合规

整个开源行业,都要面对着安全与合规的挑战:由于开源的广泛使用,我们看到开源软件安全漏洞数量在上升。据统计数字,84%的开源代码库至少含有一个漏洞,60%的已审核代码库包含高风险漏洞。企业需要探索上游开源组件的安全漏洞的快速修复,以及如何快速、大规模、全覆盖地推送到下游依赖环节。

生态构建&创新

作为开源的贡献者,面对的是如何构建良好开源生态、激励广泛参与和创新的挑战:这需要建设好开发者社区,包括代码托管及服务型社区平台。尤其要避免大企业在推动产生更多开源重点项目的同时,也可能垄断开源生态,阻碍创新,作为大型企业,在推动开源时,也需要时时保持开放、分享、共赢的心态与实际行动。

商业模式探索

开源商业公司,面对的建立可持续商业模式的挑战:对于成功的开源商业公司来说,最常见的模式是开源核心产品,并将托管、服务作为第二和第三收入来源。这些组合可能在某一时期对开源产品或某一行业来说是有效的。不过随着市场竞争和客户的不断变化,这些模式也需要与时俱进。为了开源的可持续性,企业需要为自己产品找到独特的商业模式。

建议的应对措施

把握开源机遇,在发展中解决开源带来的挑战,需要全行业相向而行,共同努力。我们有以下几点建议:

  1. 持续加强&加大建设中国开源发展的基础设施:包括代码托管及服务型社区平台,建好开发者社区;

  2. 持续投入&共同建设开源软件风险和漏洞管理相关的机制与平台;

  3. 积极参与全球基础软件开源建设:掌握关键技术,进入全球第一梯队;加强在云原生的操作系统、数据库、中间件、容器、大数据智能、新一代互联网等基础软件领域的开源发展探索;

  4. 建立云原生的开源生态:把握产业趋势,以云为基础培育开源项目;

  5. 持续加强中国开源基金会及开源组织建设:坚守并践行中立原则的开源基金会与开源组织将赢得开发者以及合作企业的持久信赖;

  6. 持续加强开源相关的人才培养和文化建设:包括开源供应链安全管理、开源技术与战略人才。

以上是阿里集团对开源的认识与实践的分享,我们愿意与全行业一起,通过开源与云共筑数字世界的根。

相关推荐

阿里巴巴 12 篇论文入选全球系统顶会 ATC 2026(内附下载)

2026 ATC 会议中,阿里巴巴以12篇论文录用数居全球企业首位。研究聚焦大模型服务与Agent基础设施、云资源调度、安全计算等关键瓶颈,提出CacheFS(P2P权重缓存)、Axon(异步KV感知调度)、Chorus(GPU-CPU协同解码)等创新系统,显著提升推理效率与资源利用率。论文基于真实生产数据,推动系统优化从理论走向落地,彰显中国产业界在计算机系统领域的前沿影响力。

阿里技术 267

Personal Agent 对比分析及未来技术发展趋势

近期,Personal Agent赛道迅速升温,大厂与独角兽密集发布新品。从Anthropic的Claude Tag、SpaceXAI的Grok Bot,到Meta的Muse、OpenAI的Dots等,均聚焦个人用户场景,强调“数字同事”与个性化服务。相比早期Agent多用于开发或企业协作,新版本更注重跨平台集成、主动任务执行与用户情感连接。技术上,其核心差异在于更强的自主决策能力、长期记忆与多模态交互。这标志着Agent正从工具向“智能代理”演进,预示着人机协同的新范式。

阿里技术 109

高分智能体为何反而更脆弱?阿里 Token Foundry 揭示「协同进化陷阱」,提出 CODA 可靠性评测协议

本文揭示智能体在技能—策略协同进化中存在“协同进化陷阱”:尽管训练阶段分数持续提升,但模型对特定技能库依赖加深,导致部署后技能变化时性能显著下降。阿里巴巴团队提出可靠性评测协议CODA,引入一致率、抗干扰率与最差成功率等指标,系统评估模型在技能漂移下的稳定性。实验表明,原始增益52%–93%被抵消,凸显当前评测仅关注峰值成绩的局限性。研究呼吁从“追求高分”转向“保障可靠”,推动智能体在动态环境中持续可信运行。

阿里技术 350

手把手带工程同学从零实现一个完整的 LLM(CS336)——Transformer 篇

本文是学习斯坦福CS336课程的首篇笔记,从零构建MLP入手,逐步理解神经网络训练原理。通过线性回归与非线性拟合实验,揭示损失函数、梯度下降与激活函数的作用。文章以手搓MLP为例,为后续实现带RoPE、SwiGLU的Transformer打下基础,强调深入理解LLM底层机制对Agent开发的重要性。

阿里技术 280

深度解析 RSI:当 AI 开始实现自我迭代提升

2026年,RSI(递归自我改进)因Anthropic与多位AI巨头论文引爆热议。其核心是AI自主优化自身,形成正反馈循环,理论上可催生智能爆炸与超级智能。虽严格意义上的RSI仍存挑战,但广义上已涵盖自进化、持续学习等技术。从人工编码到AI自主开发,研发效率呈指数提升。尽管RSI非实现AGI/ASI的唯一路径,也未必必然引发智能爆炸,但其作为“如何达成智能跃迁”的关键机制,正推动AI进入自我迭代新阶段。

阿里技术 403

清华×阿里 AI Native人才培养计划暨格造社启动日活动举行

10月15日,清华大学无穹书院与阿里巴巴联合启动“格造社AI开源俱乐部”,以“从好奇到创造”为主题,发布近40个涵盖算力、模型与公益创新的AI真实课题。通过校企协同、开源共享与项目实践,学生将在导师指导下开展选题、开发与验证,成果将开源发布于魔搭社区,推动技术转化与创新成长。活动还配套开展多场工作坊,助力AI Native人才培养。

阿里技术 153

从榜单走向真实业务负载:Kernel Agent 刷新 Qwen3.8-Max 核心推理算子性能

Kernel Agent 的公开研究已经表明,Agent 可以在标准题目上生成并优化 GPU Kernel;AKA 这次把问题推进到了生产契约:面对 Qwen3.8-Max 的真实关键算子、复杂调度约束,以及专家已经深度优化过的实现,Agent 仍然找到了新的执行路径,并在三条独立算子线的几何平均时延上全部低于专家版本。AKA 将反馈、设计和生产验证组织成一个可以持续运行的闭环,把专家经验之外的结构维度纳入搜索,也把一次性能突破沉淀为下一次优化的系统能力。

阿里技术 188

代码生成越来越快,软件交付真正的瓶颈转向了哪里?

2026年云栖大会,阿里巴巴探讨AI Native研发范式转型。嘉宾指出,尽管代码生成提速,但交付瓶颈已转向需求明确、上下文连续、环境复现与验证机制等环节。许晓斌强调需构建完整工程系统支撑Agent生产落地;李英各提出“统一上下文+验证”降低协作成本;黄挺揭示基础设施正从服务人转向服务Agent;陈烨主张将AI前置至需求入口重构流程;彭鑫以“可驾驭性”界定AI边界;李亚洲则警示个人效率提升不等于团队效能跃迁。最终,《AI Native研发实践手册》发布,推动研发从“辅助编码”迈向“系统重构”。

阿里技术 157

《AI Native 研发范式实践手册》重磅发布

在云栖大会发布的《AI Native 研发范式实践手册》揭示了AI研发从“辅助编码”迈向“自主交付”的关键转折。随着MCP协议、Agent Harness框架及多模型协同的成熟,行业进入Agentic时代。阿里巴巴通过AIDC数字投手、千问用增Agent等实践,探索企业级AI研发基础设施建设,聚焦环境验证、知识沉淀、组织变革三大挑战,推动Agent实现从写代码到可靠交付的跃迁,构建覆盖工具链、安全管控与可观测性的系统化工程体系。

阿里技术 954

当 AI 开始真正“做事”,基础设施准备好了吗?

Agent 可以写代码、修改配置并提交变更,但“任务已完成”不能只由 Agent 自己判断。代码进入生产之前,仍然需要稳定、准确、可追溯的评审机制。

阿里技术 267

把「达标判定」从大模型手里收回来:Graph Engineering实践

回看整个 Agent 的演进过程,模型换过,编排的流程换过,Agent 合过也拆过,但工程方向始终一致:我们在不断地减少模型的自主权,把可被代码验证的确定性决策,从模型侧逐项收回到控制面。首先是把「达标判断」从模型手里收回:给予客观的评测手段,并在评测里加入对侧样本,防止过度优化走向过拟合。其次是把「核心目标」给模型解释清楚:先理清楚优化的最终目标是什么,可以从什么方向进行优化,要解决的是过拟合还是无效优化。才能保证模型的方向不会跑偏。

阿里技术 276

垂类业务如何落地生产级 Agent

在AI技术快速迭代背景下,AI Agent从概念走向生产需跨越稳定性、可控性、可审计性与业务闭环四道关。尽管工具链与模型能力成熟带来窗口期,但真实业务中复杂场景与风险要求系统化工程支撑。企业应聚焦“大模型+工具+循环”核心范式,以标准化协议与可复现流程实现从“能跑”到“能产”的跃迁,把握垂类落地先机。

阿里技术 144

5 人 7 天干完 20 人数周的活:Spec-Driven Development 如何重新定义 AI 编程

5人7天用Qoder完成传统需20人数周的工作,核心在于Spec-Driven Development(SDD)。通过Day 0精心撰写可验证、有边界、带约束的Spec,将“WHAT”明确化,让AI高效执行“HOW”。SDD以spec.md为唯一真实来源,辅以plan.md与tasks.md拆解任务,constitution.md固化原则,实现人机协同、并行开发与自举迭代。其本质是:在AI时代,代码只是思考的副产品,而规范才是工程的锚点。

阿里技术 234

AI Agent 应用精细化评测:评测体系设计与工程实践

本文构建了一套面向AI Agent的精细化评测体系,突破传统粗粒度评估局限,从感知、规划、记忆、工具四大模块入手,实现“质量×成本×性能”三维量化。通过模块级拆解与端到端结合,支持根因定位、幻觉检测与多轮交互评估,结合自动化数据集映射与埋点采集,打造可持续、可追溯的评测基础设施,助力Agent高效迭代与生产落地。

阿里技术 440

zg 正式开源:本地检索,不止于关键词

<think>我们根据文章内容写一段≤150字的摘要。文章主要介绍zg(zvec-grep)本地优先检索工具,解决人和Agent在本地文件中查找信息困难,结合向量检索、BM25和rg,提供语义检索、精确匹配,支持CLI/MCP,本地优先,多语言格式。摘要需简洁,涵盖核心要点。字数限制严格。输出摘要即可。</think>zg(zvec-grep)是面向人与 Agent 的本地优先检索基础设施,结合 Zvec 向量检索、BM25 与 ripgrep,实现从语义探索、相关性排序到精确验证的全流程检索。它支持多种代

阿里技术 493

Agent 终章(Harness 成本篇):一次百炼账单降低 88% 实战

回头看,成本优化并不是一套外挂式的 Token 优化技巧,它们就是 Harness 实践。模型只负责生成,Harness 决定哪些内容要发、哪些过程要隔离、什么时候该停,以及这次任务应该用什么模型,最终怎么高效完成这个 prompt。Agent Loop 的成本本身也没有什么单一解法。前缀少一点、缓存多命中一点、探索少带回来一点、无效轮次少跑一次,单看都不惊人;但这些开销会在每一轮、每一次任务里重复,最后的差距就是这样乘出来的。这就是开头提示写出一个能跑的 Agent 很容易。

阿里技术 232

阿里巴巴 12 篇论文入选全球网络顶会 SIGCOMM 2026(内附下载)

在网计算将集合通信卸载到网络交换机进行,可以压缩流量,进而加速传输过程。在网计算系统的构成通常包括交换机、网卡、协议栈、通信库、网络管理器;但是在开放以太网生态中,上述组件分属不同的供应商或者开发者,彼此之间存在依赖。以太网生态的的供应商和开发者在自己的功能范围内无法实现整体的系统;在单独一个生态位实现自己功能而缺乏其他厂商配合的情况下,其研发投入无法体现为系统级别的加速能力,造成低效的投入回报比。

阿里技术 483

Harness 工程之道:Skill 原理与最佳实践

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。

阿里技术 320

Agent 越改越乱之后,我用评测和轨迹把它拉回来了

如果你也在反复手改 agent 的 skill、打地鼠似的顾此失彼,不妨试试让这件事跑起来:让 agent 完成任务的能力,沿着评测结果自己进化。参考资料:《别让大模型"想太多":SKILL 开发中的语义陷阱与抗幻觉设计》

阿里技术 369

Qoder CLI 上运行 Qwen3.8-Max:5 个硬核任务实测

这次评测开始前,我们关心的问题是:在单轮提示词驱动下,这些模型能不能独立跑完数小时量级的工程任务。实际上五个任务中,所有模型均独立走完了全程,没有一家中途失控。真正需要关注的问题是,在没有人规定「好」是什么的空白处,模型只能依靠自己的标准决定做到什么程度才算完成。这一代模型+Harness之间比的,已经不是能不能达到要求,而是在无人要求时,它对自己的要求是什么。最后是本文全部结论共同的边界:每个任务均为单次运行,小分差不构成排名依据;

阿里技术 379

连续五天登上 GitHub Trending 首页的思考

现在是做开源最好的时代。AI 把那些原本吃掉维护者大量时间的重复性工作(Issue 分类、代码评审、测试编写、发版……)自动化了。一个小团队甚至一个人,就能撑起过去十人团队的节奏。门槛降低了,但上限没降——省下来的时间用在真正需要判断力的地方:定方向、做决策、经营社区。几个我觉得最重要的认知:**别开源一个 demo。**AI 时代做 0-1 太容易了,社区不缺 demo,缺的是经过验证的方案。你的“判决书”越硬(生产数据、benchmark、真实用户规模),别人帮你传播的时候底气就越足。

阿里技术 467

从 Agent Flow 到 AI Native:为什么通用 Agent 是“饮鸩止渴”

我最近一直在做一个“小玩具”:Agent Flow。最初的目的很明确,就是想在某些特定场景和受众群里,取代现有的 Agent Skill。这个 Flow 本质上是传统 Flow 的强化,但它的核心不是让用户理解节点、连线和 JSON,是让用户用自然语言描述目标,然后让 LLM 去理解目标、生成 Flow、修改 Flow、运行 Flow。Flow 本身的重要性也降级了,它只是一个编排层,不对 Node 和细节负责,只负责链路控制、任务下发和结果回收,具体的任务由 Node 负责。

阿里技术 361

NL2SQL 在超大规模数仓场景的架构突破与工程实践

本文介绍了高德数据团队基于QoderWork Agent Skill构建的NL2SQL智能取数系统从V1到V2的架构演进。V1采用分域独立Skill设计,验证了LLM在企业数仓场景生成准确SQL的可行性,但暴露了用户选择成本高、Skill间路由困难等5个结构性问题。V2通过统一Skill+确定性两级路由的四层架构(域路由层、知识加载层、标准工作流层、公共服务层)实现智能路由和渐进式知识加载,解决了V1的域间冲突问题。文章重点分享了架构设计思路、知识工程方法论和实践中提炼的设计原则,为类似企业数仓的NL2SQ

阿里技术 489

分解一座冰山:后端系统「AI 知识库体系」建设实践(长文干货)

本文探讨了如何让AI在复杂后端系统中正确行动,指出仅靠代码可读性和文档完整性无法解决关键问题——AI缺乏系统全局认知。作者强调技术方案设计是AI Coding的核心环节,其质量直接影响执行正确性。文章提出需构建结构化知识库,贯穿需求理解、影响分析、方案设计、编码执行等全流程,将分散的系统知识显式化,包括架构、依赖关系、业务约束等,帮助AI获得准确上下文。特别指出业务概念与技术实现的映射、变更红线规则等关键知识,并强调知识库需要持续闭环更新,避免成为过期文档。最终目标是让AI从代码协作者进化为能自主判断的工程

阿里技术 687

阿里开源 skill-up:让 Agent Skill 可评测可回归

摘要: 阿里巴巴开源了Agent Skill评测框架skill-up,旨在解决AI技能开发中的质量验证难题。该框架通过声明式YAML配置支持多引擎测试,提供expect+judge分层判定机制,降低LLM抖动对CI的影响。核心设计包括:1) 声明式评测配置,提升可读性;2) 分层判定策略优化资源消耗;3) 多引擎适配能力;4) 结构化报告输出,支持CI集成。skill-up特别强化了多轮对话测试,可验证复杂交互场景下的技能表现,如危险操作确认流程。项目已开源并应用于阿里内部,帮助开发者确保技能迭代的可靠性和

阿里技术 676

面向复杂业务场景的智能分析 Skills 架构设计与演进实践

本文复盘了一个面向本地生活业务的分析类AI Skill的架构演进过程。面对数十个行业复杂的经营框架和指标体系,团队经历了三次重构:从V1过度工程化的分层解耦架构,到V2采用知识收拢与按需加载,最终在V3实现稳定知识与时效知识的分离。这一过程提炼出六条Skill设计原则:1)知识组织应服务于模型的推理需求而非工程规范;2)按变更频率分层管理知识;3)动态路由实现按需加载;4)写入与读取采用不同粒度;5)保持核心知识文件的轻量化;6)通过分层加载平衡维护效率与token经济性。该案例为处理领域知识密集型AI应用

阿里技术 472

阿里荣膺 ACL 2026 最佳资源论文 | HSCodeComp 揭开智能体「分层规则应用」的能力鸿沟

先从任务本身说起。HS Code(Harmonized System Code,商品名称及编码协调制度)是支撑全球每年约 26 万亿美元贸易的商品"唯一数字身份证"。每一笔跨境货物通关都必须申报 HS Code,它直接决F f f F f定了超过所有跨境商品的关税计算和合规性,跨境商品的编码如果报错,轻则多缴关税,重则触发合规风险和货运延误。如下图1所示,在阿里巴巴跨境电商海关商品编码(HS Code)场景中,该专家级任务需要将商品沿着人类专家编写的规则树逐层向下推导、精确归类到唯一国际通用编码上。

阿里技术 415

从 Coder 到 Designer :电商团队数据研发的 Harness Engineering 实践

本文介绍了AI Data团队在数据研发效率提升方面的实践,重点通过知识工程和Harness Engineering架构设计解决NL2SQL转化中的核心问题。团队构建了语义层基础设施,采用Multi-Agent协作框架,将数据研发经验结构化并形成标准化流程,实现从自然语言到SQL的精准转化。方案通过三层质量保障体系和闭环知识管理机制,确保AI在复杂任务中稳定运行并持续积累经验。目前该方案已在大促场景落地,显著提升了NL2SQL的研发效率和质量。

阿里技术 129

一个小模型意图识别系统的 5 天进化实录|支付宝618

本文摘要: 支付宝618大促中,团队探索了AI在电商优惠场景的两种交互模式:一期基于推荐逻辑的"AI找优惠",二期升级为对话式交互。作者负责意图识别模块,将用户自然语言转化为结构化查询。面对模型选型的时间压力,团队快速评估了Qwen3系列模型,最终基于性能、成本和准确率平衡选择了Qwen3-14B。文章详细记录了从业务需求分析到技术方案落地的完整决策过程,为AI产品化提供了实战参考。

阿里技术 206

为什么 Agent 时代,大家都在做 CLI ?

AI时代的CLI复兴:从人类友好到Agent友好的范式转变 随着AI Agent的崛起,命令行界面(CLI)正经历一场复兴。本文探讨了人机交互从CLI到GUI,再到Agentic CLI的发展历程,指出CLI因其文本输入输出特性、自描述性、Unix哲学组合能力等优势,成为AI Agent操作数字世界的高效入口。文章提出未来产品设计需兼顾人类和Agent需求,分为完全面向人、完全面向Agent和人机协作三层架构,并强调"AI友好"应具备可调用、可理解、可组合、可恢复四大特征。CLI与MCP、SKILL共同构成

阿里技术 168
上一篇: 阿里在人工智能发展治理方向的思考和实践
下一篇: 企业上云规划与云原生环境设计
阿里技术
阿里技术 阿里技术官方账号 阿里技术官方账号
博客等级 码龄5年 5210粉丝 280原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值