ReAct范式深度解析：从理论到LangGraph实践
引言最近在做智能解决方案系统时，我遇到了一个关键问题：如何让AI在复杂任务中既保持推理能力，又能有效执行行动？传统AI系统往往要么只能基于训练数据推理，要么只能执行固定流程，缺乏动态决策能力。ReAc
阅读全文如何让Agent更符合预期？基于上下文工程和多智能体构建云小二Aivis的十大实战经验
背景今年我们团队重点投入在“云小二 Aivis”项目中。云小二 Aivis 是阿里云服务领域的数字员工，它标志着我们从传统的智能辅助客服，迈向了更端到端 Multi-Agent 的数字员工能力的全新阶
阅读全文让Agent系统更聪明之前，先让它能被信任
阿里妹导读当我们将所有希望寄托于大模型的「智能」时，却忘记了智能的不确定性必须以工程的确定性为支撑。一个无法复现、无法调试、无法观测的智能，更像是一场精彩但失控的魔法，而非我们真正需要的、可靠的生产力
阅读全文在性能优化时，如何避免盲人摸象
盲人摸象最早出自于《大般涅槃经》，讲述一群盲人触摸大象的不同部位，由于每人触及部位不同，却各自认为自己摸到的才是大象的全部，并为此争吵。比喻对事物了解不全面，以偏概全。过去一年，一直在想一个问题，平时
阅读全文基于Spring AI Alibaba 的 DeepResearch 架构与实践
本文作者：Spring AI Alibaba 社区贡献者一、引言与概述我们基于 SpringAI Alibaba Graph 构建了一套 Java 版本的 DeepResearch 系统，实现了从信息
阅读全文AI出码率70%+的背后：高德团队如何实现AI研发效率的量化与优化
阿里妹导读本文系统阐述了在AI辅助编程快速发展的背景下，如何构建一套科学、可落地的研发效率量化指标体系。一、前言随着AI技术的快速发展，AI辅助编程已成为提升研发效率的重要手段，也是不可逆转的编码新方
阅读全文浅谈上下文工程｜从 Claude Code 、Manus 和 Kiro 看提示工程到上下文工程的转变
引言随着 AI Agent 的快速发展，一个新的名词「上下文工程」进入大家的视野，很多人会好奇它与「提示词工程」有什么区别，是又在造新的概念吗？我们今天就来聊聊，究竟什么是「上下文工程」，以及它是如何
阅读全文《AI大模型时代老板必修课》
阿里云智能集团副总裁、CIO 蒋林泉，过去几个月和近百位业界CIO/CTO进行了交流，共话大模型落地的真实经验。钛媒体联合创始人、联席 CEO 刘湘明则通过百余份调研，试图厘清“AI 落地的十个问题”
阅读全文从0到1：天猫AI测试用例生成的实践与突破
阿里妹导读本文系统阐述了天猫技术团队在AI赋能测试领域的深度实践与探索，讲述了智能测试用例生成的落地路径。一、背景1.1 业界分析与思考随着大模型的不断演进，测试行业基于AI也在做不同程度的探索，在a
阅读全文AI Coding实践：CodeFuse + prompt 从系分到代码
业务场景：后端JAVA业务代码生成。AI解决方案概述：从系分出发，解析提取其中核心内容，并生成任务列表，再让AI工具结合提示词完成任务（生成代码）。工具选择：IDEA CodeFuse插件 + Cod
阅读全文C3仓库AI代码门禁通用实践：基于Qwen3-Coder+RAG的代码评审
摘要本文介绍在C3级代码仓库中落地LLM代码评审的Agent实践。针对C3仓库禁用闭源模型的安全要求，基于Qwen3-Coder、RAG、Iflow实现，通过百炼Embedding构建知识索引，RAG
阅读全文【智造】AI应用实战：6个agent搞定复杂指令和工具膨胀
引言首先需要说明一下，标题中智造特指联调中的造数，是的，就是联调造数这么一个特定的场景下，我们采用了多个agent协同完成。联调造数是一个非常典型的AI应用场景，其背后是用户丰富的语言表达、复杂的业务
阅读全文揭秘 Claude Code：AI 编程入门、原理和实现，以及免费替代 iFlow CLI
前言本文面向对 AI Coding 感兴趣的朋友介绍 Claude Code。通过此次分享，可以让没有体验过的快速体验，体验过的稍微理解其原理，以便后续更好地使用。2025年最热闹的非 AI Codi
阅读全文万字长文｜大语言模型结构化输出（Structured Output）的技术原理和实现
阿里妹导读本文详细阐述了大语言模型（LLM）生成结构化输出的技术演进、核心方法与未来趋势。传统上，大语言模型（LLMs）被设计用于生成自由格式的文本。这种输出虽然连贯且富有信息，但缺乏严格的结构，导致
阅读全文从人工到AI驱动：天猫测试全流程自动化变革实践
在AI时代天猫技术质量同学在质量保障方面也不断探索AI在测试全流程提效的落地方案，传统测试工作链条拆解为“需求解析 → 用例生成 → 数据构造 → 执行验证 → 对比校验”五大核心阶段，而我们的目标是
阅读全文产品经理也能“开发”需求？淘宝信息流从需求到上线的AI端到端实践
阿里妹导读淘宝推荐信息流业务，常年被“需求多、技术栈杂、协作慢”困扰，需求上线周期动辄一周。WaterFlow——一套 AI 驱动的端到端开发新实践，让部分需求两天内上线，甚至产品经理也能“自产自销”
阅读全文从6人日到1人日：一次AI驱动的客户端需求开发实战
阿里妹导读揭示了AI Coding在复杂客户端研发中落地的核心方法论。引言随着AI 能力的逐步强大，由 AI 来完成部分需求的 Coding 工作，已成为一种必然技术趋势（微软很早就号称 30% 代码
阅读全文提效40%？揭秘AI驱动的支付方式“一键接入”系统
一、背景与挑战1.1. 问题陈述在跨境支付场景中，收银台需要持续接入新的支付渠道和支付方式以满足全球买家的多样化支付需求。然而，当前接入流程存在以下痛点：虽然代码结构已高度模板化，但研发效率仍受限于“
阅读全文别让故障复盘流于形式：用AI挖掘每一次“跌倒”的价值
一、故障复盘的业务思考技术支持工作的本质目标是帮助业务方做好稳定性，提升C端用户体验，主张blameless的复盘文化，复盘人心里坚守You can’t "fix" people, but you c
阅读全文【万字长文】大模型训练推理和性能优化算法总结和实践
我们是阿里云公共云 AI 汽车行业大模型技术团队，致力于通过专业的全栈 AI 技术推动 AI 的落地应用。引言本文主要总结了大模型落地过程中的训练、推理和性能优化相关算法和实践，并重点分享了大模型在推
阅读全文一场由AI拯救的数据重构之战
本文作者：畅月、化溟、景廷、言亭、元执一、引言：数据研发的烦恼又是一个美好的周一上午，我们的校招新人小D同学来到了工位，刚打开电脑就收到了一条上周遗留的工单消息来催赶紧解决，原来是有业务方看不懂宽表上
阅读全文开源｜Python 应用往微服务迈进的 1*3 种 Pythonic 步伐
在微服务架构占据信息系统应用架构主流的当下，Java语言体系凭借Spring Cloud等成熟生态占据主导地位，而Python开发者却常常面临一个尴尬局面：要么接受繁重的侵入式编码，要么放弃微服务的诸
阅读全文适用所有团队研发提效｜带你1分钟上手基于Claude Code的AI代码评审实践
阿里妹导读通过这篇文章，你将了解到Claude Code用于CR的流水线搭建原理和效果，如何在1分钟内接入你的代码项目，并启发你对AI Coding Agent用于CI/CD提效的思考。Aone为阿里
阅读全文如何将 AI 代码采纳率从30%提升到80%？
阿里妹导读AI编码采纳率低的根本原因在于人类期望其独立完成模糊需求，本文提出了解决之道，讲解如何通过结构化文档和任务拆解提高AI的基础可靠性。为什么 AI 编码采纳率不高？目前尝试过不少 AI 编程工
阅读全文前端工程化演进之路：从手工作坊到AI驱动的智能化开发
第1章：引言 - 从jQuery到AI的前端变革1.1 前端开发的时代变迁还记得2005年的前端开发吗？那时候，我们用记事本编写HTML，用FTP上传文件，用IE6调试页面。一个简单的轮播图效果，需要
阅读全文CC&LG实践｜基于 LangGraph 一步步实现 Claude-Code 核心设计
阿里妹导读本文旨在深入剖析 Claude-Code 的核心设计思想与关键技术实现，逆向分析其功能模块，结合 LangGraph 框架的能力，系统性地演示如何从一个最基础的 ReAct Agent 出
阅读全文私域知识工程实战：如何让AI一次性写出高质量代码？
AI编程的瓶颈不在于模型不够聪明，而在于信息不对称。通过简单、快速构建私域知识工程体系 ，让AI从 "临时工" 变成真正懂业务的 "老司机" 。1. 那个让人又爱又恨的"80分困境"作为一个在复杂业务
阅读全文配置驱动的动态Agent架构网络：实现高效编排、动态更新与智能治理
阿里妹导读本文系统性地提出并阐述了一种配置驱动的独立运行时Agent架构，旨在解决当前低代码/平台化Agent方案在企业级落地时面临困难，为Agent开发领域提供了一套通用的、可落地的标准化范式。一、
阅读全文不只是写代码：Qwen Code 如何规划、执行并验证软件工程任务
阿里妹导读本文以阿里推出的 CLI 工具 Qwen Code 为例，深入剖析其如何通过精细化的 Prompt 设计（角色定义、核心规范、任务管理、工作流控制），赋予大模型自主规划、编码、测试与验证的能
阅读全文30分钟轻松掌握Cursor，快速提升开发效率和体验
阿里妹导读本文通过在WebX老项目中实践，验证了Cursor利用AI大模型可高效生成符合老旧项目规范的代码框架，显著提升开发效率与体验。前言人工智能在快速发展，目前AI辅助编程也已经从简单的补全代码发
阅读全文