如何从1到99做好产品 | 得物技术

0.前言

如果说推动一款产品从0到1的上线是产品成功的第一步,那么如何实现增长是我们还需要探索努力的99步,本文来聊聊对增长的一些看法。

1.如何判断到了增长期

先简单回顾一下产品生命周期(product life cycle),亦称“商品生命周期”。是指产品从准备进入市场开始到被淘汰退出市场为止的全部运动过程,是由需求与技术的生产周期所决定。是产品或商品在市场运动中的经济寿命,也即在市场流通过程中,由于消费者的需求变化以及影响市场的其他因素所造成的商品由盛转衰的周期。一般分为导入引入期、成长期、成熟期、衰退期四个阶段。

1.1   用户角度:用户增长曲线

①当新产品推出后,活跃用户曲线忽上忽下,新增用户比例大于流失率,产品处于发展成长阶段,很多用户在体验后觉得无法满足需求并抛弃了软件,也就是此时产品的留存相当低;这时产品生命周期处于引入探索期。

②新增用户比例与流失率持平:持平处于成熟稳定阶段。当活跃用户走势出现明显向上拉伸时,产品开始进入成长期,成长期应当越长越好。

③当活跃用户增长进入平缓期时,产品进入成熟期。企业可以通过一系列营销、推广策略,延长成熟期,让活跃用户稳定在一个范围内,有足够的时间去盈利。

④新增用户比例低于用户流失率,产品处于下滑衰退阶段,产品进入衰退期。需要开发新产品/新功能,制定新的推广和宣传策略,产品开始转型。

1.2   运营角度:运营策略

  • 当产品运营重点偏向于挖掘用户信息,定义种子用户画像,为后续能更精准的投放并吸引种子用户做积累时,该产品属于引入期;

  • 当产品运营重点向拉新方向规划,拉新效率大大提高,并投入大量预算进行推广工作中时,该产品属于增长期;

  • 当产品围绕着营收变现效果来制定策略,同时也需要兼顾用户活跃情况,尽量延长用户的生命周期时,该产品属于成熟期;

1.3   产品角度:迭代节奏

  • 当产品迭代速度很快,几乎是每月一个版本且不断在堆砌新功能就可以证明产品还处于引入期;

  • 当功能迭代速度明显变缓,但每次更新都以功能为主时,此时产品便是进入增长期;

  • 当功能逐渐稳定开始优化细节,同时版本更新时间也开始拉长就是进入了成长期。

2.产品定位纠正

2B产品进入增长期,必须要特别明确用户画像。一般情况下,2B产品的用户画像比2C产品要简单得多,因为目标用户是某几个固定角色,不会像2C产品一样有多个维度的数据来构建。在引入期阶段,根据产品试运营后的反馈,产品定位需要及时调整

  • 产品目标是否偏离?——赚钱or省钱

  • 目标用户是否改变?——抽象出用户特征及画像

  • 产品定位是否调整?——描述出产品的蓝图

  • 产品能提供给用户的价值是否推展?——描述出带给用户的价值点

  • 用户的流程怎么样?——评估现有的流程

  • 未来的业务方向是什么?——业务发展的方向是否会影响到产品

  • 商业模型是什么?——构建能够健康运作的长期发展方式

3.如何驱动增长

销售驱动型增长(SLG:Sales-led Growth)

销售驱动增长主要指在一个典型的客户购买旅程中,客户通过市场渠道联系销售看demo,销售一步步跟进直到产品实施。产品只有在销售决策完成后才能开始发放到用户手中开始使用。

对于30万以上客单价产品的企业,适合SLG(Sales-led Growth)的增长模式,以销售带动企业的增长

市场驱动增长(MLG:Market-led Growth)

营销主导的增长,意味着依靠通过网站上的内容、社交媒体营销或广告的内容营销来获取新客户。

在以营销为主导的增长中,关键是尽早吸引你的客户并让他们记住你的服务。营销主导增长的目标是让人们了解公司的产品,让他们访问公司的网站,提供独特的内容并向他们展示你们提供的价值。

如果想要更多客户以营销为主导的增长,你的目标是创建能够引导你的产品的独特内容。

为此,首先要考虑你的潜在客户有什么问题。他们在网页中中输入什么来寻找解决方案?他们使用什么关键字?然后,根据他们的需求,创建有价值的内容,帮助人们并展示你公司的服务价值。

对于2-30万客单价产品的企业,适合MLG(Marketing-led Growth)的增长模式,用市场来驱动企业的增长。

产品驱动型增长(PLG:Product-led Growth)

PLG 是一种商业策略。开发逻辑、设计理念、品牌营销、客户销售、续购增购都由用户手中的产品浓缩,并通过出色的用户体验传递给用户:产品棱镜。PLG 产品棱镜中,User Experience用户体验起到了增长发动机的作用。

  • 团队将更加聚焦于提升产品本身的价值:由于购买决策取决于终端用户是否能够快速感知产品价值,ToB的产品团队将更加注重对产品的打磨,包括提升用户体验与产品易用性、优化新客上手流程、推出能真正解决终端用户的核心功能。

  • 降低获客成本:由于PLG的整个流程大多由终端用户自助式完成,前期基本无需销售和客服的介入,因此可以大大降低获客成本。这些传统流程中花费在销售、市场和客服的资源可以重新分配在更高价值的领域。

对于0-2万客单价产品的企业最适合PLG(Product-led Growth)的增长模式,通过产品和服务带动企业的增长

体验驱动增长(XLG:eXperience-Led Growth)

目前业界还首次提出了体验驱动增长(XLG,eXperience-Led Growth)概念,相较于目前行业热议的前三种增长模式,体验驱动增长会涉及企业更多的组织部门,是对整个企业的战略调整,甚至会重塑企业的商业模式,带来第二条增长曲线。

客服驱动增长(CS-LG:Customer Service-Led Growth)

客户服务是贯穿整个客户生命周期中的连接和互动触点,以往的客服,定位于一个依靠知识库,对客户的问题,提供标准的解答。现在,智能客服已经代表了客户的全周期参与和长期的客户关系。客服这一业务角色,也从后台走向前台。

高质量的客服,能为企业带来巨大的经济效益。比如,从发现线索,到建立私域流量,再到帮助客户选择和达成交易,最后到复购和交叉销售,都可以靠智能客服完成。

社区驱动增长(CLG:Community-led Growth)

CLG面向的是积极支持用户之间的互动,并提供超越产品边界的社区价值来发展业务"朋友"。用社区驱动增长(CLG)助力产品驱动(PLG)和销售驱动(SLG),用KOL和典型客户的口碑驱动SaaS产品的增长。

CLG专注于为saas产品社区创造一个安全的空间,让他们聚集在一起、分享价值、建立关系,并最好地利用他们的产品/服务来解决问题或帮助实现目标:进入市场的方式,中心是通过利用社区进行销售。

事件驱动增长(ELG:Event-led Growth)

事件驱动saas产品增长的模式目前适用性还有待考证,主要对于合规类、安全类SaaS产品,产品增长与国家发布的重要合规条款、要求、标准等,以及社会安全、国家安全、网络安全、设备安全等重要政策导向与业务需求相关。

对于强政策相关性saas类产品,事件驱动增长模式(ELG)也值得关注。

4.如何找到增长杠杆

4.1   确定北极星指标

确定北极星指标的意义是在于我们可以通过北极星指标找到明确的增长方向,且通过不同增长点对北极星指标的影响确定优先级,在增长实验结束之后有统一的评判标准。那么如何确定北极星指标呢?

个人认为可以参考《硅谷增长黑客实战笔记》书中所说的几个标准:

能够反映用户从产品获得核心价值能否为产品达到长期商业目标奠定基础,能否反应用户活跃程度指标变好,能否预示公司在往好的方向发展,是否简单、直观、容易获得、可拆解、是否先导、而非滞后的指标。

  • 用量驱动:使用产品的用户越多,使用频率越高,价值就越高。

  • 业务量驱动:针对的是与业务绑定较深的数据产品,即使覆盖的用户量不是特别大,但是用户通过使用产品产生的业务收益较高,那么该产品就具有较高的价值。

  • 数据量驱动:通过产品使用产出、优化的数据量越大,产品价值越高,例如数据治理,指标平台场景。

4.2  目标拆解

当前阶段驱动增长的最核心要素,对于完成北极星指标的收益最大。也是二八原则的一次应用。目标拆解的过程,其实是在绘制用户旅程,构建增长模型,找出增长杠杆。如何在诸多方向中找到重点,只看两件事:

  • 重要程度:与目标的相关性。找相关因子、回归关系

  • 提升空间:判断可以提升多少

这里先不具体讲如何拆解指标,这是另一个比较大的议题,暂且罗列一下拆解原则与方法:

1)拆解原则

MECE(Mutually Exclusive Collectively Exhaustive):相互独立,完全穷尽。就是我们常说的“不重不漏”。

2)拆解方法

① 二分法

② 矩阵法:RFM、KANO

③ 公式法

④ 流程法:AARRR、RARRA、AIDMA、Cohort

⑤ 要素法:5W1H、5W2H、LIFT、HEAR

5.产品和运营具体该怎么做

5.1   产品策略

策略 1 功能通用化

现状1 :这个时期处于uv的快速增长中,产品经理会收获非常多的使用反馈意见及用户需求。此时产品经理需要深入目标业务了解业务管理现状和全貌,从而去设计系统的框架结构和系统模块,拓展更多的业务场景、业务流程。具体怎么做:

  • 优先考虑覆盖多场景、多用户的通用型功能,保证uv的增长,如图做1、2需求。简单理解为,我们的目标是做一个ROI高的功能,却能可以获得一批用户。

  • 尽可能的抽象流程,做到功能可配置和通用化。基于对业务的理解,把现实的流程和场景变成抽象的系统和模块,从现实的规律变化转为抽象的数据流。如果你能尽可能的做到可配置,一个功能适应和满足大多数场景,同时如果业务流程调整了,你通过配置,就能马上适应,会为你节约出很多开发人力,还能快速响应业务。

现状2: 一个产品中的不同模块,可能会由不同的产品经理负责。如果每当需要使用这些通用功能时,都重新设计和开发,必然会带来以下4个问题:产品方案输出效率低、增加了不必要的开发成本、产品质量存在风险、用户体验不一致。我们具体怎么做:

  • 穷举使用场景,增强普适性:通过穷举使用场景,抽象出统一的产品方案。在不同模块的通用功能说明中,进行备注说明,即可快速输出产品方案。

例子🌰:图片上传功能,可以用在广告管理和证据管理中,分别被运营和客服使用。广告管理中的图片上传,往往是对图片尺寸有严格限制的;但证据管理模块中,对图片的尺寸是没有限制的。这时我们不在设计图片上传功能时,应该考虑一个“图片尺寸限制”逻辑及对应提示。而不是每个场景单独做一个图片上传功能。

  • 降低耦合度,增强独立性:在设计通用功能时,要尽可能降低通用功能与所在模块的耦合度。将逻辑尽可能放到通用功能中实现,而与之关联的模块,通过参数传递方式,实现逻辑调用,使之能低成本连接在一起。

例子🌰:图片上传功能中,对图片尺寸的限制功能,应该在图片上传通用功能中实现。不同模块在调用图片上传功能时,分别告知对图片尺寸的要求。图片上传功能与所在模块的关系,仅仅是参数传递。

  • 形成通用功能库,统一调用:将系统进行模块化拆分,承载着相同功能作用的模块,优先复用,而不是再次开发,降低开发成本的同时,其实我们也在降低了获客成本。

策略 2 提升系统稳定性

产品增长期意味着用户体量增加,用户的数据增加,运营者应该提前和技术团队沟通,提高系统运行的稳定性,同时要绝对保证用户数据的安全性。提升稳定性才能保证用户口碑。

接口兼容性:如果某个接口需要新增字段时,尽量将这个字段设置为非必传参数,需要用到的下游可自行上传,通过是否上传这个参数,来进行判断调用的哪个业务,而新增的这个功能也不会影响存量下游的使用。

策略 3 提升产品体验

  • 深入了解使用场景:在设计B端产品的时候,设计的需求经常与用户日常操作不一致,导致用户觉得这个功能产品不好用。为什么会经常发现这种情况,原因是我们在设计产品时,不够了解用户的操作习惯和业务流程。

  • 一键完成:B端产品讲究的是效率,让原本复杂的、繁琐的流程交由程序处理,这样可以很大程度的减轻用户的重复工作的压力,但并不是简简单单的将线下的流程整体的搬运到线上。所以大多情况下,能够一键完成的功能,不需要分开几步进行。

  • 扁平化交互页面:在提升用户体验方面,很重要的一点就是降低用户的操作难度,使用户能够快速的使用产品。B端产品虽然交互上的整体要求没有C端那么高,但是最起码需要做到的是每一个功能点能够清晰明了的展示,并且让用户知道每个功能按钮或页面的使用意图。

用户体验设计的入门书籍 Steven krug 的《点石成金》,书中提到如何提升用户的好感度:

  • 不要让用户思考——让产品简易明了;

  • 尽量减少操作步骤——如果步骤无法缩减,那请确保每个步骤都是无需思考、明确无误的选择;

  • 省略多余的文字——让每个页面的所要传递的信息被突出,降低视觉噪点,减少对用户判断及操作的干扰;

用户体验设计的入门书籍 Steven krug 的《点石成金》,书中提到如何提升用户的好感度:

  • 不要让用户思考——让产品简易明了;

  • 尽量减少操作步骤——如果步骤无法缩减,那请确保每个步骤都是无需思考、明确无误的选择;

  • 省略多余的文字——让每个页面的所要传递的信息被突出,降低视觉噪点,减少对用户判断及操作的干扰;

交互式弹窗指引  

动画视频引导  

气泡提示引导

更新预告

帮助提示    

消息提示

5.2   运营策略

产品进入增长期,光靠产品建设吸引用户是不够的,这时候需要配合进行产品的运营推广

策略1 产品价值包装

此阶段的产出内容主要包括几个方面:

1、产品说明书、白皮书等

2、产品培训手册、行业解决方案

3、标杆案例展示

策略2 建立用户服务体系

  • 售前促成:该阶段为用户有使用产品前

    • 因为b端产品的成交周期较长,在此阶段会开始设置售前技术经理或者客户成功经理(CSM),与客服一起进行多对一的客户服务;

    • 一般会建立用户问题处理群,便于用户及时地反馈疑问并及时得到解决。

  • 售后维护:该阶段为用户已经购买或使用产品后

    • 协助客户解决部署或使用的问题,从而支持产品的最佳化使用;

    • 及时匹配用户的需求,改善操作者的体验,提供最新产品升级信息;

    • 及时地发布产品的新功能,并且通过各种渠道告知用户,然后对使用者进行相关的培训和指导;

    • 建立用户问题处理群,便于用户及时地反馈疑问并及时得到解决。

策略3 规模增长

该策略是通过规模增长和品牌建设来不断提升影响力。前期模式运作顺畅及打磨完善后,需要考虑是否能复制到另一条业务线或行业/企业,各渠道释放产品信息,探索其他合作机会。

相关推荐

从中心调度到自驱协作多 Agent 架构的三次反转|得物技术

本文探讨多Agent系统中的控制权分配问题,提出三大协作架构:Master Agent(中心调度)、任务看板(共享状态)与Advisor(轻量咨询)。通过划清上下文边界与模型边界,强调应以信息相关性而非职业标签划分Agent。三种模式分别将决策权集中于中心、下放至共享状态、再下沉至执行者,形成控制权逐步下沉的演进路径。案例显示,合理设计可提升复杂任务的并行性、弹性与可维护性。

SmartCodeTech的博客 397

Jev 实战:为AI工作流引入轻量决策层 x10倍提速|得物技术

完成这三个场景后,我对适用边界有了更明确的认识:它们都可以先定义答案范围,再根据判断结果驱动下一步操作。接入时,我会优先明确输入、选项、采纳条件和兜底路径,再评估Jev是否适合承担这一环节。结合这些实践,我更容易理解Jev(TypeSafe System One)作为专用结构化决策模型不生成自然语言,而是返回带概率的判断结果。后续接入时,我会继续从脚本中边界明确的判断任务开始,分别验证准确性、耗时和费用,再决定是否扩大使用范围。下面整理了相关能力、限制和接入要点,便于查阅。

SmartCodeTech的博客 342

国产算力·昇腾 910C 大模型推理优化(下):源码修改与算子优化,提速30%|得物技术

本文延续上篇,深入vllm-ascend源码优化:通过多流重叠实现MoE共享专家并行计算,消除冗余事件开销,并解除与FUSED_MC2的互斥限制,实现c=1下TPOT从8.2ms降至8.0ms;优化decode阶段host侧开销,引入状态跟踪跳过冗余拷贝;设计Block Table CPU快路径,规避小batch下NPU kernel启动延迟;针对GDN层融合L2Norm至recurrent kernel,减少算子调用与内存往返。综合优化后推理性能显著提升,形成可复用的昇腾910C大模型推理优化方法论。

SmartCodeTech的博客 227

国产算力·昇腾 910C 大模型推理优化(上):镜像更新与参数调优,提速 40%|得物技术

文中详细给出每一项优化的动机、实现(含具体源码改动路径与关键代码片段)、验证数据与踩坑记录(包括十余项实测无效或负向的尝试),希望为同样在国产算力上做推理优化的团队提供一份可直接复用的工程参考。

SmartCodeTech的博客 214

动态规则的 Agent 实践:用确定性工程驾驭 LLM 的资产智能验收

面对财务验收中规则多变、材料非结构化、核对复杂等痛点,传统规则引擎难以应对。系统采用“规则即配置”思路,由大语言模型(LLM)负责理解合同、扫描件等非结构化材料并执行语义比对,工程系统则保障流程编排与可追溯性。通过异步处理、幂等设计、三类流量隔离及双通道(文本/图像)处理,实现高效稳定运行。结合用户反馈构建自动标准答案,辅以试跑、回测与发布门禁机制,形成闭环质量体系。底层采用确定性工作流架构,确保行为可预期、可测试,真正实现灵活规则的快速迭代与安全上线。

SmartCodeTech的博客 342

发一张图,它居然“跃“出屏幕了?一文读懂得物 3D 空间图片技术实践

3D 空间图片功能的落地,涉及模型生成、内容分发、客户端渲染之间的一系列取舍。本文重点分享如何生产出高质量、小体积的模型,以及如何在手机上流畅运行。

SmartCodeTech的博客 555

别再只卷向量检索了,得物交易搜索如何用“生成式”实现召回范式跃迁?

你搜"af1",它得给你"空军一号"。这一年,得物交易搜索把召回从"做选择题"改成了"写答案"——不再从商品池里"找"最像的,而是让模型自己"生成"你真正想要的。从 LLM 语义索引到 HLLM、语义 ID,搜索是怎么从"检索"走向"生成"的?

SmartCodeTech的博客 593

指标平台:从语义底座到智能消费的实践路径|得物技术

这篇文章想做的,不是在本体化的宏大叙事上再叠加一层理论,而是把我们在真实落地中验证过的路径讲清楚:语义底座怎么从零建立起来、怎么保证质量不失控、怎么支撑 Text2SQL 和 AI Coding 两条消费主线,以及沿着这条路径往前走,下一步该往哪个方向发力。

SmartCodeTech的博客 314

企业级 MultiAgent 落地:Plan 模式与主子 Agent 协作|得物技术

基于 AgentScope Java 的企业级 MultiAgent 平台,为研发、数据分析和知识问答等场景提供统一的模型调用、工具接入、任务编排、流式输出与运行追踪能力。

SmartCodeTech的博客 299

得物小摊 AI Native 演进实录:用 Harness 构建可控 AI 交付

AI Coding 一个人用很顺手,进了团队就漏:指令没人审、经验难沉淀、过程看不见、链路不闭环。作者团队基于 Multica 做了 EP-Harness,把 Agent 当成员管,给它套一层可执行、可观察、可治理的 Harness,并让反馈闭环。成果:可追溯决策、多 Agent 协作,高频异常从每 4 小时 2400 多条降到个位数,对得物技术补上团队级 AI 协作关键一环。

SmartCodeTech的博客 539

企业级 MultiAgent 的记忆系统:短期上下文与四层记忆架构实现|得物技术

在 MultiAgent 平台中,Agent 的"记忆"能力是实现智能对话和个性化服务的核心资产。本文深入剖析 Agent 记忆系统的设计理念与实现细节,重点解析长期记忆架构的写入与加载流程,涵盖 LLM 智能判断、语义检索、Token 预算控制、冲突处理等关键技术,为开发者提供完整的技术实现参考。

SmartCodeTech的博客 502

EP-Harness:从个人 AI Coding 到团队级 Agent 工作流|得物技术

AI Coding 个人用得爽,一到团队就崩。EP-Harness 把 Agent 从聊天工具变成团队协作成员——可管理、可追溯、可闭环。落地后高频异常从 2400+/4h 收敛到个位数。

SmartCodeTech的博客 688

得物知识问答:复合检索 Agent 的系统设计实践

从"搜到什么用什么"到"搜→筛→挖→验"自主决策闭环——我们造了一个有判断力的 RAG Agent,不是套壳。

SmartCodeTech的博客 732

实战从零开始构建一个Coding Agent:Violin |得物技术

理解了 coding agent 的构建原理,也就掌握了理解其他 agent 的一把钥匙。笔者对每天都在使用的 agent 原理很感兴趣,于是决定自己写一个:violin。

SmartCodeTech的博客 926

AI Native 交易核心系统的研发范式|得物技术

如何改造旧研发流程适配 AI 编码?本文提出五道标准化关口治理思路,依托 Claude Code Spec-Driven 插件打通需求澄清、方案设计、TDD 落地、门禁管控与埋点监控,构建带人工确认门控的完整工作流,以五层自底向上架构实现 AI 编码规范化落地。

SmartCodeTech的博客 971

推荐系统体验的数字化突破:得物自动化评测平台的技术实践|AICon 文章整理

「得物推荐 AI Harness 工程化实践系列」的末篇内容,本系列共三篇连载。本篇(末篇)详解得物推荐评测平台的完整技术体系:从主观体验量化到大模型自动化评测流水线,涵盖多维度指标设计、人机协作提示词校验闭环、分布式任务调度与成本精控等核心工程实现,以及单周百万级审计需求下实现 91% 资源成本优化的工业级落地实战细节。

SmartCodeTech的博客 1492

RAG 核心概念与原理:Chunking、Embedding、相似度、HNSW 与多路召回|得物技术

决定 RAG 效果的关键不在大模型,而是文本切块、查询改写、多路召回与精排。合理切块存好知识库内容,向量匹配抓语义、BM25 匹配关键词互补。先优化用户提问,快速召回一批相关文档,再用精排模型精细筛选,整套检索流程配合到位,问答准确度才会明显提升。

SmartCodeTech的博客 1079

从“机械应答“到“服务伙伴“:得物高可控智能客服的 Agent 工程实践|AICon 演讲整理

本次分享围绕以下核心技术展开:客服 Agent 挑战与架构设计(Single-Agent→Multi-Agent→Harness);高可控性数据飞轮(PE 自动化 + DPO 训练);RL 策略训练和人工经验对齐;多轮半双工消息流控制。

SmartCodeTech的博客 743

得物推荐系统诊断 Agent:从 “调接口” 到 “会思考”|AICon 演讲整理

本文是得物技术专家在 AICon 上海演讲整理的技术实录。AICon上海2026_全球人工智能开发与应用大会暨大模型应用生态展_InfoQ技术大会「得物推荐 AI Harness 工程化实践系列」的中篇内容,本系列共三篇连载。本篇(中篇)进一步详解得物推荐复杂业务场景下,AI代码从生成、防护校验到安全上线的完整技术体系、自研AI Harness整体架构框架、全流程安全防护机制、混合智能体核心算法实现,以及工业级工程落地的实战细节。

SmartCodeTech的博客 1361

得物 OceanBase 落地实践

得物选型OceanBase多模数据库应对业务挑战,通过验证其高可用架构、存储压缩技术及混合负载处理能力。测试显示OceanBase在复杂查询场景性能较MySQL提升130-200倍,在高并发TP/AP混合场景表现优异,存储成本降低40%+。通过DBA内部报表业务试点验证其稳定性后,逐步推广至核心业务场景,优化数据库技术栈,实现性能与成本的双重收益。

SmartCodeTech的博客 1380

AI UITester:AI Native 的 UI 自动化测试新范式|得物技术

ai_uitester 代表了 AI Native 的 UI 自动化测试新范式:这不仅是工具的升级,而是测试范式的转变 ------ 从 "代码驱动" 转向 "视觉驱动",从 "人工调试" 转向 "AI 自愈",从 "三端分离" 转向 "统一抽象"。

SmartCodeTech的博客 773

从狂野代码到按目标生产:得物推荐 AI Harness 的工程化实践|AICon 演讲整理

本文是得物技术专家在 AICon 上海演讲整理的技术实录。「得物推荐 AI Harness 工程化实践系列」的开篇内容,本系列共三篇连载。将系统拆解得物推荐复杂业务场景下,AI 代码从生成、防护校验到安全上线的完整技术体系,逐一详解自研 AI Harness 整体架构框架、全流程安全防护机制、混合智能体核心算法实现,以及工业级工程落地的实战细节。本篇(上篇):将整体介绍团队自研的 AI Harness 体系,包括建设思路、全生命周期防护机制、混合智能体架构及落地效果。

SmartCodeTech的博客 1079

从表单到 Agent:得物社区活动搭建的 AI 实践之路

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。

SmartCodeTech的博客 740

从埋点需求到规则资产:Hermes Agent 重构得物数仓工作流

埋点和指标需求中,消耗数据承接方的不是生成答案,而是补齐证据链、对齐历史口径、识别下游影响,并在生产写入前留下可追溯的确认记录。本文数据承接方指承接业务需求的数据同学或业务合作伙伴;后文讨论内部研发、元数据、查询和门禁能力在流程中的角色。

SmartCodeTech的博客 655

让 Claude Code 拥有自我进化和记忆系统|得物技术

本文记录了为 Claude Code 构建的一套持久化记忆与自我学习系统的设计思路与实现细节。这套系统让 AI 助手能够跨越会话边界记住用户习惯,并在每次对话结束后自动提炼行为规律和系统信息,通过向量检索快速提取关键信息,下一次对话时主动应用,逐步进化为更懂你的编程伙伴。

SmartCodeTech的博客 993

用 LLM Agent 重构告警排查流程|得物技术

告警排查需频繁切换日志、APM、链路追踪等多个平台,耗时 10~30 分钟,且高度依赖个人经验。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。上线后中位数排查耗时从 20 分钟降到 4.4 分钟,覆盖 11 个服务和 10+ 种告警类型。

SmartCodeTech的博客 1002

HorizonVault 技术深潜:如何在 HDD 上做出 100GB/s+ 级大吞吐分布式存储|得物技术

HorizonVault是一款面向Kafka远程存储的高吞吐分布式存储引擎,通过分布式并行写入和状态感知调度解决冷数据存储的三大核心问题:吞吐瓶颈、性能抖动和恢复能力。系统采用分层架构,Meta负责全局资源调度,Broker处理请求路由,Store实现本地磁盘管理,形成完整的写入治理链路。通过将HDD磁盘提升为一等资源,实现顺序追加写入、多盘并行和慢盘隔离,在保证高吞吐的同时控制延迟。存储结构采用DiskStore组织磁盘资源,LogSegment顺序写入数据,IndexSegment定位读取,Change

SmartCodeTech的博客 889

Claude Code Harness 工程:数仓侧落地方案|得物技术

Harness 工程通过职责分层实现研发流水线可靠性提升。Claude 负责需求理解与代码生成等语义层工作;hooks 负责规范检查等确定性执行;Subagents 隔离血缘查询、自测等高 token 操作;Memory 承载跨会话状态持久化。四层协同使数仓 AI 开发从"对话式辅助"转变为"规则驱动的自动化流程"。

SmartCodeTech的博客 1089

BP Claw 破解 AI 编码输入难题 ——FlinkSpec 需求智能化实践|得物技术

本文为 FlinkSpec 系列之开篇,亦是这场工程化变革的序章。BP Claw 所立之处,不过链路之源。FlinkSpec 所图,乃以 AI 之力,将实时数仓从需求落地至验收上线的全程工序,熔铸为一套精密自洽、生生不息的智能工程体系。宏图未竟,后续系列将逐章揭幕,敬请期待!

SmartCodeTech的博客 1034

基于 Harness + SDD + 多仓管理模式的 AI 全栈开发实践|得物技术

Harness(约束)思维的本质是:给 AI 一个已有的实现作为参照,让它照着复刻一份,而不是凭空创造。就像给一个新入职的工程师说 "你照着这个模块的风格,写一个类似的",而不是 "你自由发挥"------ 前者往往能更快产出符合团队规范的代码。

SmartCodeTech的博客 1181
上一篇: 新一代异步IO框架 io_uring | 得物技术
下一篇: 重构这件“小”事儿 | 得物技术
得物技术
得物技术 得物技术官方账号 得物技术官方账号
博客等级 码龄6年 2492粉丝 407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