Harness 与 Agent 工程 · AI研发与测试工程 · 2026-05-29

天猫新品团队AI编码实战指南(下)

天猫新品团队实战总结:AI辅助编码全流程优化,提升开发效率与质量。 核心内容:

  1. AI编码四大痛点诊断与针对性解法
  2. 全流程优化方法论与分场景实战案例
  3. 团队建设经验与实用技巧集锦

本⽂是关于 AI 辅助编码的全⾯实战指南,基于天猫新品团队的实践经验,从问题本质到解决⽅案,从理论框架到实战案例,系统性地介绍如何让 AI 更好地完成⼤部分需求。本文分上下两篇,天猫新品营销技术团队AI编码实战指南(上)包含:1. 现状与问题诊断 - 深⼊剖析 AI ⽣码的四⼤痛点(写不对、写不好、写不了、改不动),并从项⽬知识、⽤户输⼊、任务复杂度、⾃检机制、模型能⼒等五个维度提供针对性解法。2. ⽅法论与优化思路 - 提出"最⼤化复⽤、⾃然语⾔第⼀、⼆⼋定律"三⼤核⼼思想,并沿着"前置准备→开发前→开发中→完成后"的全流程,给出每个节点的可落地优化⼿段。3. 分场景实战案例 - 根据验收标准和代码质量要求,将需求分为"需求驱动型"和"⼯程主导型"两类,通过⼩⼆端列表⻚和C端复杂业务的完整案例,展示不同场景下的最佳实践。本篇包含:4. 团队建设经验 - 分享新品团队在⼩⼆端(后端全栈化)和C端(视图分离、知识库建设、⼯作流沉淀)两个⽅向的探索,包括⼯具建设、⽂档沉淀、知识库⽅案等具体落地内容。5. 实⽤技巧集锦 - 涵盖 UI 重构、复杂 Prompt 构建、数据转换、多⽅案选优、⽂档⽣成等常⻅应⽤场景,以及严厉语⽓、合理质疑等提升准确度的技巧。

我们团队做了什么

▐背景

为了顺应 AI 时代的潮流,我们团队开始了后端向前,前端向后的全栈化转型运动。转型前期,考虑将一些小二工作台与研发工具的开发交由后端 ( 主要是交付分割线下面的部分,即前面所提到的需求驱动型 ) ,而前端则是承担一些 C 端 solution 的编写。因此,我们从这两个角度都进行了一定程度的 AI 生码探索,也沉淀了一些相应的开发经验与内容。

严苛程度 典型场景 错误容忍程度 交互问题容忍程度 代码要求 视觉还原要求
最为严苛 C 端频道 0 容忍 明显则 0 容忍 高 高
较为严苛 B 端商家平台 0 容忍 特别明显则 0 容忍 中 中
交付分割线
普通严苛 小二端工作台 0 容忍 影响主链路则 0 容忍 低 低
低严苛 研发自用工具与平台 一定程度容忍 没有 hack 绕过的方案则 0 容忍 无 无
不严苛 研发 DEMO 能意会则能容忍 怎么都能容忍 无 无

关于我们在 AI 生码的思路:

作为业务团队,在AI基建不断迭代背景下,我们的重点应该是沉淀自己团队的工作流与 AI 资产,从而在有颠覆性新产品出现时可以快速接入,且这部分是其他AI工具无法为代劳,只能由我们自己进行建设与沉淀的。

基于此,我们在这一块的最主要思想就是通过最大化复用来提高整体效能,包括但不限于代码、知识、工作流、工具的复用,后面的内容也主要会围绕这一条主线来展开。

▐小二端 - AI 主导的对话生码

这部分需求的主要特点是:没有视觉还原度要求,实现形式较为自由,所以自然地避开了占较多开发时间的精调环节;且页面间独立性强,项目耦合度低,适合使用 AI 编码完成全部需求。

在这类场景中,后端同学主要通过AI完成全部需求实现,基本不会去介入实际代码。

首先最要紧的就是,面向这么多前端练习生,以及他们各自使用的不同编码工具,怎么让他们尽可能地产出风格一致的代码,以及视觉风格贴近小二端视觉规范的页面;同时,还需要保证一定的AI迭代成功率。对此,我们最开始主要主要提供了这些辅助手段。

在上面的基础上运行过一段时间以后,我们发现了一些后端同学由于前端经验不足而碰到的高频问题:

需求描述不准确

在实行初期,碰到最主要的问题就是,后端同学因为对前端一些的专业术语没有概念,没有办法精准地描述出自己脑海中的那个需求,导致频繁返工,AI 始终无法按需求完成内容。

首先,我们在后台新增了「AI案例实践中心」,将B端常见的页面都归纳到了标准化的 prompt 模版,方便快速查找案例与实现。

同时,我们还基于此提供了对应的MCP速查工具「天猫新品业务编码助手」,后端同学通过可以直接通过工具对话来获取自己想要的页面模版,输入自己的需求后,即可得到一份标准化的页面 PRD 来提供给 AI 进行页面生成。

还有一种情况,就是后端同学已经在其他地方找到了参考的页面,只是不知道该如何对自己的 AI 进行需求描述。我们也提供了基于 Gemini 3.0 的多模态能力特调的图片生成提示词工具,尽可能保证系统化地描述页面,相较于直接传图给编程工具,转换后的结构化描述词有更好的页面还原效果。

垂类场景 / 复杂问题没有经验

对于初入前端开发的后端同学,还有一些经验带来的问题,比如:

借着这个机会,我们将 AI 生码省下来的时间提出来一部分用于生码沉淀,完成需求的过程中详细记录实现过程与踩坑心得。案例分为新增型需求和更新型需求,每个需求会详细描述清楚需求背景、实践步骤与功能的自测,最后还会有过程中的错误提示。整体上作为典型实践案例足以面向日常的需求开发。

基于前面的工作,我…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/tishicijiqiao/2026052952716.html