得物小程序平台设计与实践

一、什么是小程序平台

得物小程序平台致力于整合并管理微信、支付宝等渠道的得物数字资产,实现数字化管理。通过该平台,小程序和公众号等功能纳入公司工作流,以提升用户体验和管理效率。

小程序1.jpeg

项目一期的成功推出,使得数字化管理得以实现,传统的线下沟通模式顺利迁移至线上。截至目前,平台已接入多个小程序,实现了用户自主申请角色的能力,以及迅速处理了多条用户投诉,并及时转发至技术支持部门。

多小程序管理
多小程序管理.jpeg

小程序维护人员审批流
小程序维护.jpeg

小程序维护人员列表
小程序维护列表.jpeg

二、为什么要做小程序平台

当前挑战

1.管理流程与效率

  • 成员与开发者管理主要依赖手动操作,缺少自动化支持,这在人员变动时造成了权限更新的延迟。

2.消息处理与联动不足

  • 现有的投诉与问题推送系统未能有效与管理流程对接,从而影响整体响应效率和用户体验。

3.数字资产透明度

  • 数字资产管理尚缺乏透明度,追踪与管理资产使用情况变得复杂,这给管理带来了一定挑战。

改进方向

1.增强微信开放平台的对接能力,以提升工作效率。
2.提升小程序体系的基础能力,推动管理流程的数字化转型。

核心目标

实现多个小程序的统一线上管理,减少人为操作。具体目标包括:

  • 降低因权限滥用导致的数据安全问题。
  • 实现用户投诉的快速响应,以显著提升用户体验。
  • 提高小程序的运营效率。

三、怎么做小程序平台

技术重点:
1.小程序在线标准化
2.多小程序多平台的统一管理

作为平台方,我们需有效整合内部工作流与外部微信和支付宝平台,具体拆解如下:

1.工作台:
提供一站式工作平台,不同用户角色通过该平台进行小程序的在线管理。普通用户可轻松申请体验权限,客服专员则聚焦于处理客户投诉与反馈,管理员负责管理小程序资产。

2.API规范:
通过中间层对接SDK,消除微信和支付宝开放平台之间的技术壁垒。

3.数据中心:
作为核心模块,统一管理公司内部数据,确保小程序信息、用户、角色、投诉等数据实时同步。

4.流程引擎与权限管理:
结合工作台,通过飞书进行流程管理和消息实时推送。

流程引擎.jpeg

总体设计

基于线上化目标,从实际痛点和公司基建现状出发,得物小程序平台的核心内容包括:

1.主工作台:

  • 开发管理:角色管理、成员管理、小程序体验码等
  • 消息推送:投诉/违规消息提示、告警消息、工单下发等
  • 小程序管理:小程序列表管理
  • …

2.工作流协同:与飞书审批流、飞书助手、TS工单、离职系统等进行协同。

工作流协同.jpeg

详细设计

一期在线化目标重点在【开发管理】和【消息推送】2个模块。

1.开发管理

  • 实现小程序角色的在线新增和移除,确保每一次操作都有记录,同时对接公司的审批流程。
  • 离职员工的信息可通过系统自动移除,避免了人为失误。

开发管理1.jpeg
开发管理.jpeg

2.消息推送

  • 对接TS工单,技术性问题通过TS平台处理,业务类问题则交由运营团队。
  • 对接飞书机器人,完成了消息的实时推送。

信息推送1.jpeg
消息推送.jpeg

数据库设计

根据上方工作流设计,设计如下表数据结构,用来存储角色、权限、消息等数据。并结合Cursor AI工具,使代码逻辑的开发变得高效便捷。

数据库设计.jpeg

业务效果

1.在线管理成功落地:

小程序平台V1.0成功推出,接入多款小程序,多个用户已开通线上权限申请。集成管理平台大幅减少了人工操作时间。

2.运营效率显著提升:

通过优化流程,降低了对人工干预的依赖,确保所有投诉能够及时跟进并解决。

3.用户反馈积极改善:

收集的用户反馈显示,投诉响应时间由平均数小时缩短至几分钟,新的小程序平台提高了处理效率与透明度。

四、遇到的挑战

挑战1:跨平台接入的复杂性超出预期

在系统实现过程中,我们要深度接入4个平台(微信、支付宝、飞书、内部系统),涉及的上下游系统超过10个,导致工作流的复杂性远超预期。

  • 缺乏前置经验参考:从0到1工作量巨大,且涉及内外多个系统和工作流;
  • 接入流程门槛高:微信三方平台、飞书审批流、微信消息服务器,每个都是都独立且较高门槛的接入流程;
  • 依赖大量文档调研:很多微信/飞书功能都需通过查阅官方文档进行探索,导致信息的不确定性;

1.微信三方平台接入流程

微信三方平台.jpeg

2.飞书审批流接入流程

飞书审批流.jpeg

挑战2:缺乏开箱即用的基础设施

运维配置的复杂性增加了落地过程中的挑战,需反复与相关团队沟通,以解决网络问题和资源配置。

  • 缺乏运维解决方案。示例,微信和飞书等外网服务器的接入需要处理的运维问题非常繁琐,而目前的运维工具无法提供一站式解决方案。
  • 前端基建待完善。新建一个后台管理系统成本高,新域名、Nginx配置、B端脚手架都需要时间和耐心去管理。
  • 文档不全。团队在技术支持和功能需求上常面临信息不足,尤其在对接微信公网时,缺乏系统化文档影响了问题解决的效率。

解决方案

策略:

模块化设计分解复杂性,先完成再完美。
AI工具提效,让多个AI人帮你打工。
文档留痕。

模块化设计分解复杂性

拆分清楚每个子系统在整体架构图里所处的位置,是否是关键核心链路还是用户体验优化,根据这判断工作优先级。

  • 要事第一,尽快跑通最小可用性产品(MVP),
  • 保持跟主管时刻对焦,确保目标产物跟预期一致,事事有反馈,件件有着落。

模块化设计.jpeg

AI工具提效

现在的AI足够强大,很适合做流程性、确定性的工作。充分利用好Cursor、ChatGPT、Kimi等工具,让个人效率和产出最大化。强烈推荐Cursor Compose模式,Cursor底层用的claude.ai,它最大的能力是基于当前codebase索引库,所以它生成的代码可以读懂上下文,也能模仿项目里其他的代码写法,更智能。心得总结:

  • 表结构要设计好,完整、准确、非歧义。
  • 询问的范围Scope,尽量缩小。不然AI给你的答案可能越来越偏,也能理解,范围越大意图理解就偏差了。
  • 准确的意图。可以让AI出解决方案,但一定是基于你现有的上下文足够多,且有正反馈。再强调下,准确的意图
  • 沟通的方案,让AI记录在README.md中。这个方式很有效,随着系统越来越复杂,把中间跟AI达成的一致内容,包括背景、设计目标、技术方案等让AI写在Markdown文档中。

沟通的方案.jpeg

文档留痕

1.基本每个步骤都能有对应的文档。

2.顺道完善了公司2个配套基建问题。

五、总结心得

1.加强技术基础建设

  • 技术基础设施及文档管理的重要性不可忽视,改善沟通成本和提高工作效率至关重要。
  • 运维侧工具足够多,但缺少一站式解决方案。本质上大家所处视角不同,业务背景也不同,需要从全局视角看运维要做什么,业务方又需要配合哪些场景。

2.合理利用AI提升效率

  • AI工具在本次项目中的应用显著提高了效率。无论是文档阅读、功能调研还是代码生成,AI工具都能快速提供有效的建议和总结,帮助节省了大量的时间。
  • 然而,也意识到AI并非万能。它能够处理大量信息和基础逻辑,但在复杂的人际互动、视觉设计或独特创新性任务上仍然存在局限。因此,在未来的工作中,将继续探索AI的应用边界,以更好地发挥其优势。

3.持续优化的心态

  • 尽管小程序平台的V1.0版取得了阶段性成功,但深知这只是一个起点。在后续开发中,将着重于持续迭代与优化,确保平台能够不断满足用户的需求与公司发展的目标。
  • 跟业务制定反馈收集机制,以便及时调整策略,提升产品的用户体验和整体效率。

六、未来计划

1.小程序平台二期开发:

  • 启动小程序平台的二期开发,专注于整合管理微信、支付宝等外部渠道的得物数字资产。
  • 实现与得物工作流的无缝对接,目标使不同角色人员在项目处理中无需进行下沟通或人肉搜索,提升工作效率。

2.AI工具分享:

在团队内部进行AI工具的使用技巧分享,尤其针对Cursor和各种AI类工具应用。

文 / springleo

关注得物技术,每周更新技术干货

要是觉得文章对你有帮助的话,欢迎评论转发点赞~

未经得物技术许可严禁转载,否则依法追究法律责任。

相关推荐

压测AI Agent 治理与评测调优实践|得物技术

本文介绍智能分析Agent在压测调试中上线后的治理闭环建设:通过Langfuse记录完整执行链路,结合用户反馈与Trace还原问题根因;利用CLI Mock固化证据数据集,实现相同场景下的回测验证。基于固定案例与五档评分机制,持续评估方案质量、延迟与成本,确保修复有效且无新问题引入,推动Agent能力迭代优化。

SmartCodeTech的博客 310

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 420

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 346

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 245

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 226

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 344

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 594

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 317

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 302

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 543

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 694

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 734

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 927

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 975

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 1494

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 750

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 1365

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 1383

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 779

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 1082

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 744

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 657

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 994

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 1008

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 892

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 1101

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 1039
上一篇: 多场景建模在得物交易搜索下的创新与实践
下一篇: 一个Rust小白发布生产级Rust应用的进阶之路 | 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 408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