ARTICLE · 软件编程
从 AI Friendly 架构到可复制的 AI 迁移能力 - 淘宝直播搜推在线架构升级实践
一语总结淘宝直播推荐系统通过自研轻量级执行框架，将多框架、多分支的复杂架构重构为统一的物料和声明式编排体系，并利用 AI 参与历史应用的迁移与验证，实现了性能稳定、成本降低的长期维护能力。
本文介绍了淘宝直播搜推在线架构的升级实践，从早期为快速实验而形成的复杂多分支架构，到通过统一物料、声明式编排和结构化执行诊断构建的 AI Friendly 体系。该体系不仅解决了历史应用的维护成本问题，还通过人工迁移建立基线、AI 参与迁移和 Skill 复用，实现了高效、可复制的迁移能力，为 AI 在工程任务中的长期参与提供了坚实基础。
- 早期生产方式的局限性
早期为了快速上线策略，算法团队直接维护 Java UDF 和图配置，导致形成了多框架、多分支的架构。随着维护责任转移到工程团队，这种分散的开发方式导致了巨大的维护成本和重复劳动。
- 统一应用开发与迁移方式
为了降低维护成本，团队建立了统一的生产方式，包括使用可复用组件承载公共能力，用声明式编排表达场景差异，以及提供明确的流程语义和统一的验证方法。这使得公共能力可以集中演进，而场景差异可以被显式管理。
- 从人工迁移到 AI 迁移的演进
迁移过程分为三个阶段：首先通过人工迁移建立旧系统的行为基线，然后让 AI 参与迁移并打磨 Skill，最后直接复用 Skill 迁移新场景。这一演进将一次性迁移经验转化为可复制的自动化能力，显著提高了效率。
- AI Friendly 的核心属性
AI Friendly 不是指 AI 能快速写代码，而是指架构设计是否支持 AI 参与。新体系通过局部理解、显式契约、能力检索和结果检查，为 AI 提供了稳定的工程空间，使其能够可靠地参与复杂应用的迁移和验证。
从 AI Friendly 架构到可复制的 AI 迁移能力 - 淘宝直播搜推在线架构升级实践
本文介绍了淘宝直播搜推在线架构的升级实践，从早期为快速实验而形成的复杂多分支架构，到通过统一物料、声明式编排和结构化执行诊断构建的 AI Friendly 体系。该体系不仅解决了历史应用的维护成本问题，还通过人工迁移建立基线、AI 参与迁移和 Skill 复用，实现了高效、可复制的迁移能力，为 AI 在工程任务中的长期参与提供了坚实基础。
淘宝直播搜推团队复盘 362 万行代码的架构重生：统一物料与声明式编排替代多分支并行，先人工迁移建立事实基线，再沉淀为 Skill 让 AI 参与迁移；已上线场景 RT 无劣化，单场景迁移成本从 20 人日降到 3 天，是 AI 参与工程迁移的完整闭环样本。
文章金句
"研发提效的瓶颈往往不在编码，而在协作与知识的沉淀。
"我们决定重构的不是代码，而是生产方式。
"AI 尤其不能直接接管一个依赖人脑解释的系统。
"迁移经验先从人脑进入文档，再从文档进入工具，最后由 Skill 把知识、任务、工具和验收标准组织成可重复执行的过程。