写点什么

得物推荐 AI Harness:从“狂野代码”到“按目标生产”|AICon 上海

  • 2026-06-07
    北京
  • 本文字数:1883 字

    阅读完需:约 6 分钟

过去一年,“Agent”这个词从实验室走进了生产环境。工程师们开始真正面对一个新的问题:不是“AI 能不能做到”,而是“我们能不能把它跑稳、跑对、跑出规模”。架构怎么设计?记忆怎么管理?多智能体之间如何协调?研发团队的工作方式又该如何重构?

这些,正是 AICon 2026 上海站试图回答的问题。 6 月 26 日-27 日,本次大会将以“构建可信赖、可规模化、可商业化的 Agentic 操作系统”为核心命题,集结清华、复旦等知名高校教授,以及来自阿里、腾讯、蚂蚁、字节、快手、小红书、华为、Google Cloud 等数十家头部公司的技术专家登台分享。2 天、13 大专题、1 个动手实验室、近 60 场重磅议题,将深度探讨 Agent 工程化落地等相关话题。

得物资深技术专家白忠魏已确认出席 “AI 开发生产力重构:Coder to Builder” 专题,发表题为得物推荐 AI Harness - 从“狂野代码”到“按目标生产”的主题分享。本次分享将围绕“让 AI 写的黑盒代码也能安全上线”这一目标展开,重点介绍如何通过 Harness 体系建设,实现需求周期渗透率提升、链路 AI 采纳率提升,以及全链路迭代时长下降。内容将结合多个真实案例,包括从 PRD 到链路 Harness 的标准化流程与安全围栏建设、工业级可用的混合架构 Agent 设计,以及面向推荐链路特点的 Harness 定向构建实践。

白忠魏,得物资深技术专家,15 年+ 互联网老兵,先后履职于阿里巴巴(负责过淘宝首页、搜索、推荐和内容体系),得物。长期致力于解决极大规模下的推荐系统架构演进及高可用难题。在得物期间,重点攻坚推荐链路的“透明化”与“高效协同”。由其主导发起的“开光”AI 推荐链路排查基座,彻底重塑了推荐系统的诊断逻辑。该系统历经 120 余次功能迭代,覆盖 30 余个推荐业务场景,大幅缩减了问题排查的平均时间。本次分享将结合在推荐全链路 Harness AI 围栏构建、AI 高确定性和自探索方向的丰富实操,分享得物大型推荐系统背后的工程智慧。他在本次会议的详细演讲内容如下:

演讲提纲:

  1. 核心:为什么要构建 Harness 围栏?

    愿景: 让 AI 写的黑盒代码也能安全上线

    痛点: AI 写的代码“能跑”但不一定“能用”。推荐工程环境极其复杂(AP 架构),推荐业务调参就像你买股票,靠天吃饭,相对比较黑盒,所以有了一些比如 PID,MAB,ODL 等方式,边学变调。在此基础上,推荐业务场景下的 AI Harness 构建模式和 CP 是有一些天然的不同

    核心目标: 需求周期渗透率↑、链路 AI 采纳率↑、全链路迭代时长↓

  2. 深度缝合:贯穿推荐生命周期的 7 阶段护栏

    我们将推荐迭代的 SOP 与 Harness 运行环境强制绑定阶段 AI 协作点护栏能力 (Harness Guardrails)

    PRD 阶段 AI 自动拆解功能 ID 与需求点。Contract 定义:结构化 T-PRD,预定义模块影响、打分方向、2% 稳定性断言

    技术方案 AI 生成 Plan,人类 Lead 审核。Plan 评审:在 AI 执行前的最后一道“人机共识”关卡,确保架构一致性

    需求开发 AI 在隔离沙箱内自我修正。沙箱隔离 Debug:增强隔离性的本地沙箱,实现“环境即开即用”

    需求验证 AI 自动补齐单测用例。UTD (单测驱动):代码生成即编译,强制 diff 监控与覆盖率监督

    联调阶段 AI 驱动的闭环逻辑验证。Super Mock:一键式外部依赖模拟,解决特征服务/下游依赖未就绪的阻塞

    代码上线自动回滚与故障自愈。动态围栏 (Guardrails):Beta 集群毫秒级熔断,拦截内存泄漏与指标偏移

    效果跟进 AI 学习失败案例,自我进化。自动化观测与生命周期管理:Bad Case 自动回流沙箱复盘

  3. 适合工业的混合智能体架构:Highway & ATV 混合反思架构针对 Agent 场景,我们更需要面向工业化的可控和高效

    Highway (高速公路): 基于 Intent-Story-Action 的 Flow Engineering

    特点: 确定性、秒级流转、应对 80% 高频重复业务

    ATV (越野模式): 基于 OpenClaw 的 Autonomous Agent

    特点: 动态反思、路径自寻、兜底 20% 长尾复杂 Case

    进化层 (Memory): 日常的成功经验,通过“反思”自动固化为 Highway 上的“新 Story”

  4. 总结与展望

听众收益:

  • 一套方法论: 如何为团队成员构建“开箱即用”的 AI 研发环境,从而提升全组的 AI 工具采纳率

  • 一套架构参考: Highways & ATV 架构如何解决 Agent 在生产环境中稳定落地的问题

  • 实战数据支撑: 引入 Harness 围栏后,需求交付周期与全链路时长的真实量化优化结果

除此之外,本次大会还策划了端侧 AI、物理与数字空间智能化世界模型与多模态智能突破Agent 架构与工程化实践Agent 安全与可信治理企业级研发体系重构AI 原生数据工程AI 时代的个人提效与组织变革等 14 个专题论坛,届时将有来自不同行业、不同领域、不同企业的 50+资深专家在现场带来前沿技术洞察和一线实践经验。

更多详情可扫码或联系票务经理 13269078023 进行咨询。