铃阅时讯
❌

阅读视图

蟠桃会设计播客第一期VOL.2团队AI能力质量

淘宝设计 2026-09-23 18:43 浙江

👅AI让我们更像设计师还是更不像?

📸仅仅关于一个业务特定的团队如何用AI能力进行日常设计?

👫仅仅关于一个人数众多的设计团队的如何选择前行和谨慎?

🔌仅仅关于一个整体的设计团队如何因为AI进行设计的协同?

📡仅仅关于为何选用设计工作流的方式解决我们的日常任务?

📋仅仅关于如何重新审视各自类型的设计流程和AI能力矩阵?

🧲仅仅关于如何判断该由团队自建还是对外选用AI工具能力?

……

⛑️但,不知道, 我们的探索也许都是错的。 🦁只是,坦诚和客观会永远作为我们一个使用者的底色。

跳转微信打开

  •  

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?

原创 众里 2026-09-23 18:30 上海

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?

目录

一、引言:召回范式的演进与挑战

二、基石构建:语义理解与表征能力升级

    1.基于LLM的文本索引语义增强

    2.基于MLMM的多模态向量表征的深度融合

三、核心突破:生成式召回架构的探索与落地

    1.基于分层大语言模型(HLLM)的深度语义表征

    2.基于 HSTU 的生成式行为序列建模

    3.基于语义 ID 的统一生成式召回

四、架构升级:召粗一体与全链路优化

五、总结与展望

    1.总结

    2.模型效果与业务收益浅析

    3.未来展望

一

引言:召回范式的演进与挑战

在电商搜索的演进历程中,“召回”始终是连接用户意图与海量商品的基石。长期以来,业界普遍采用“判别式检索”范式:无论是基于倒排索引的关键词匹配,还是基于ANN近邻检索的Embedding相似度计算,其核心逻辑都是在给定候选集中“寻找”最相似的结果。

然而,随着用户需求的日益多样化与口语化,传统范式在交易搜索场景中面临严峻挑战。基于关键词的倒排索引受限于“词汇鸿沟”,难以处理【“af1” vs “空军一号”,"yeezy" vs "椰子"】这类语义一致但字面不匹配的Query;而基于向量检索的判别模型,在长尾Query和冷启动商品场景下,往往因行为数据稀疏而表现乏力。此外,传统的“召回-粗排-精排”级联架构存在天然的信息漏斗,一旦高价值商品在召回阶段被遗漏,后续链路将无力回天。

过去一年,得物交易搜索团队核心目标是打破这一僵局。我们不再满足于让模型做“选择题”,而是尝试赋予模型“创造力”。我们将生成式建模(Generative Modeling)引入召回场景,探索从“检索”到“生成”的范式跃迁,并围绕大语言模型、多模态表征及序列建模展开了一系列算法研发。

二

基石构建:语义理解与表征能力升级

生成式模型需要高质量的世界知识与语义理解输入作为燃料。在探索生成式召回之前,我们首先对商品与Query的底层表征能力进行全面升级。

基于LLM的文本索引语义增强

背景

在交易搜索场景中,文本召回的效果高度依赖于商品索引的数据丰富度与语义表征能力。传统索引主要依赖人工标注的标题、品牌、类目等属性,面对海量多样化的用户查询,固定标签体系难以覆盖商品的全貌,尤其是视觉风格、细节材质、用户真实表达等隐式信息,导致索引侧表征不足,引发漏召与少召。为此,我们将大语言模型的世界知识与语义理解能力系统性地引入索引构建流程,从视觉理解、社区语料挖掘、商品关系推理、详情页结构化、线上行为锚点等多个维度对商品文本进行语义扩展,并配备独立的召回通道进行快速验证与权重调控。

技术方案

视觉理解:从商品图像中“看见”文本无法描述的属性

商品图像中包含大量文本标题中缺失或描述不清的信息:颜色、纹理、材质(如“薄纱”、“皮革”)、设计细节(如“荷叶边”、“绳状粗鞋带”)、风格(如“多巴胺”、“复古”)等。我们利用多模态大模型(Qwen2.5-VL-7B-Instruct + LoRA SFT)对这些视觉特征进行结构化提取:

  • 数据构建:从商品原始文本中通过NER与归一化构建结构化属性池,再调用32B大模型作为清洗器,滤除非视觉相关属性(如“耐磨”、“明星同款”),产出纯净的视觉属性训练集用于指令微调;

  • 推理与过滤:模型推理产出视觉标签后,经规则初筛排除明显错误项,再对高风险子集调用模型进行二值化图文一致性判断,确保每条标签都有明确的视觉依据,最大程度抑制幻觉。(得物商品白底图为这一方案提供了独特优势,纯净背景让模型能精准聚焦商品本体,显著提升了视觉属性识别的准确率。)

社区语料挖掘:从用户真实表达中捕获场景化语言

社区动态与商品评论是用户主动输出内容,天然包含消费者关注的核心卖点、使用场景、痛点、情感倾向以及趋势词汇。这些“用户语言”往往与商家填写的标题属性存在显著差异,是弥补索引与口语化查询之间鸿沟的关键数据源。我们采用Qwen3-4B模型,从两个层面优化挖掘质量:

  • 语料圈选:摒弃随机抽取,使用综合动态质量分、点赞/评论等交互指标优先选择高信息密度内容;同时针对性的选取关联多个商品的动态(单商品动态信息密度低,挂载过多商品的动态则易引入噪声);

  • 批量解析与Prompt优化:将单商品逐条解析改为一次批量解析动态页关联的N个商品,并同步注入语料标题、话题标签、商品原始标题等上下文信息,让模型更准确地识别目标商品并输出高质量标签。

产出的标签经互斥词库、实体类目规则及人工审核三重过滤,确保进入索引的信息准确可靠。

商品关系推理:利用I2I信号解决稀疏商品标签匮乏

对于曝光少、行为稀疏的长尾商品,单靠自身图文信息难以生成丰富的标签。我们引入相关推荐场景中的商品关系图谱(I2I),利用与目标商品历史转化表现好的相似商品的结构化信息(标题、类目、关键属性)作为辅助输入,驱动Qwen3-32B模型基于共性特征为目标商品生成拓展词。

这一策略的核心优势在于:相似商品往往已经积累了更丰富的用户反馈和属性标注,将其“知识迁移”给稀疏商品,相当于为后者做了一次高质量的冷启动。生成结果经过相关性大模型语义评估、NER实体拆分规则、VL模型图文一致性验证及互斥词库联合过滤,确保拓展词的准确性。

详情页OCR:将图像中的“隐藏文本”结构化

商品详情页图片中往往包含规格参数、功能描述、成分表等关键文本信息(如“纯棉”、“100W快充”、“无泪配方”、“敏感肌可用”),但这些内容以图像形式存在,传统索引完全无法利用。我们通过两阶段处理将其转化为可索引标签:

  • OCR文本识别:使用DeepSeek-OCR模型提取详情页图片中的原始文本;

  • 信息抽取与规范化:将OCR原始文本输入Qwen3,筛选冗余内容、梳理逻辑、提取核心属性并按统一格式标准输出(如“多功能”、“深层清洁”、“氨基酸配方”)。

这一步将详情页中大量“看得见但搜不到”的信息正式纳入索引体系。

线上行为锚点:用后链路验证的Query反哺索引

上述几种方法均是从商品侧出发“主动生成”标签。我们还引入了从线上曝光日志中“被动沉淀”的高置信信号;筛选高频曝光且相关性2档的Query-Item组合(Q-I Pair),将这些经过后链路(相关性、精排)验证的Query作为商品的“已验证锚点”直接补充进索引。

这类标签的独特性在于,它们本身就是用户的真实搜索词,且已被系统验证与该商品高度相关,相当于为商品设置了一批“高命中率”的召回入口。提取过程中同样经过图文一致性、互斥词库、实体类型等多阶段过滤,确保标签置信度。

工程落地:独立召回通道与质量保障体系

所有生成的标签最终汇入一个独立的tag_recall召回域,这一设计带来三个关键收益:

  • 快速验证:新标签的价值可以在不影响原本文本召回链路的前提下独立评估;

  • 灵活调控:支持按标签来源、权重进行精细化混合召回策略配置;

  • 可控回滚:若某类标签出现相关性问题,可单独降级而不影响整体链路。

质量保障方面,我们构建了“模型过滤 + 规则过滤 + 人工审核”的三层防线:模型层包括图文一致性判别、相关性大模型评估;规则层包括互斥词库、NER实体类型约束;人工层则通过不定期抽检与Badcase分析持续驱动Prompt和模型的迭代优化。

基于MLMM的多模态向量表征的深度融合

背景

前文所述的LLM文本索引增强,显著提升了商品在文本语义层面的覆盖广度与表达丰富性,也为视觉与行为信号的深度利用提供了更高质量的文本侧输入。然而在交易搜索场景中,用户查询与商品之间天然存在跨模态的检索需求:商品图像不仅占据着搜索结果的核心展示位,更承载了形状、风格、纹理、质感及整体视觉氛围等文本难以精确刻画的信息;仅依赖文本与行为统计信号,模型对长尾Query(如“复古棕调跑鞋”“奶油风沙发”)的细粒度意图理解始终存在表征盲区,直接导致相关商品的漏召或语义偏移。为此,我们构建了多模态向量召回模型,将商品视觉信息与前文增强后的文本信息、用户行为信号进行统一协同建模,让召回系统真正“看见”商品。

考虑到多模态表征对齐与向量召回目标在优化方向、收敛速度上存在差异,若端到端联合训练易导致图像侧欠拟合,我们采用“预训练 + 相关性/行为感知向量召回”的两阶段训练框架。

技术方案

预训练阶段:构建统一的商品图文语义对齐基底

基于全量商品图片-标题对齐数据,并以开源多模态大模型表征能力作为初始化参考,我们使用Chinese-CLIP双塔结构进行商品侧多模态表征的预训练。图像侧以 ViT-B/16(取中层特征)提取深层视觉特征,文本侧以RoBERTa-wwm(取中层特征)编码标题及前文增强后的文本标签,通过对比学习将视觉与文本模态映射到统一语义空间,使模型习得得物场景下的图文联合分布,为下游召回任务提供对齐良好的商品视觉-文本基底。

召回建模阶段:四塔结构与模态深度融合

在召回侧,我们设计四塔向量结构:Query侧以文本编码器产出Query Embedding;商品侧则包含文本塔、图像塔以及融合两者信息的多模态塔。文本与图像编码器加载预训练权重,分别捕获商品文本(标题、LLM扩展标签等)与图像语义,再通过Cross Attention(文本/图像特征作为KV,以互补模态或查询意图作为 Q)进行商品侧图文深度融合,得到MM Embedding。训练时采用多任务学习,联合优化Query与商品文本、图像、多模态向量之间的对齐目标;由于Query-图像跨模态对齐难度更高,我们对该支路赋予更大损失权重(最终比例 20:1:1),迫使模型从图像中捕获文本无法覆盖的增量信号。推理时,直接以Query向量对全量商品的多模态向量进行ANN检索,兼顾召回精度与线上效率。

训练样本从线上曝光日志中筛选高相关性(相关性 2 档)且曝光位置靠前的Query-Item对作为基础正样本,并逐步引入用户真实点击、成交行为数据,显式增强模型对后链路转化偏好的感知。负样本采用Batch内负采样+全局随机负采样(每条正样本携带多个全局负例)并结合Batch内正样本间负例共享,缓解样本选择偏差(SSB)并扩大商品覆盖。

三

核心突破:生成式召回架构的探索与落地

前两章的工作分别从文本语义扩展(LLM 索引增强)和多模态向量建模(视觉-文本协同召回)两个维度,系统性地提升了商品侧表征的丰富度与召回链路的匹配精度。这些判别式方法在实践中均取得了显著的业务收益,但它们共享一个底层假设:召回的本质是在给定上下文中"从已有候选集里寻找最相似的结果"。这一范式存在两个难以通过单纯增加特征或微调模型来突破的瓶颈:

其一,表征瓶颈。 无论是倒排索引中的Token匹配,还是向量召回中的ANN检索,其效果上限始终受限于候选商品的已有表征质量。对于极度稀疏的长尾商品、全新品类,以及用户Query中隐含的深层组合意图(如"通勤背不累的棕色小包"),现有方法难以在语义空间中建立精准的桥梁。

其二,架构瓶颈。 传统级联架构中,召回、粗排、精排各自独立建模、局部优化,阶段间的信息损耗与目标偏移不可避免;且随着候选规模与模型复杂度的持续增长,多阶段重复打分带来的计算开销进一步挤压了模型扩容的空间。

生成式建模(Generative Modeling)的兴起为突破上述瓶颈提供了全新的思路。与判别式方法"给定输入、预测标签"的范式不同,生成式方法通过建模 Context 与 Item 之间的联合概率分布P(Context,Item),从数据内在结构中习得用户意图与商品语义的深层关联;在推理阶段,则以用户上下文为条件,通过自回归解码 P(Item∣Context)主动生成候选商品——召回模块不再只是"搜寻者",而是具备推理与创造能力的"生产者"。更重要的是,生成式模型在NLP、CV等领域已展现出显著的Scaling Law特性:随着数据规模、模型参数量和算力的增长,模型能力呈现可预测的持续提升,这为召回场景的进一步迭代打开了新的天花板。

过去一年中,我们围绕生成式召回这一前沿方向,从语义表征重构、序列生成架构、离散化索引生成、端到端统一建模四个层次逐步推进,完成了从"判别式检索"到"生成式召回"的完整技术跨越。以下将逐一展开HLLM深度语义表征、HSTU生成式序列建模、基于语义ID的统一生成式召回,以及召粗一体化架构的核心设计与落地实践。

基于分层大语言模型(HLLM)的深度语义表征

背景

前文通过LLM文本索引增强与多模态向量召回,已分别在文本语义覆盖和视觉细粒度理解上夯实了商品侧表征,并借助行为信号拉近了用户与商品的向量距离。然而,传统召回范式本质上仍依赖行为共现与浅层特征匹配,在长尾商品数据稀疏、新品类冷启动以及跨场景知识迁移等条件下,对Query背后真实意图与商品隐含语义的刻画容易失真;用户侧也缺乏将“实时搜索上下文”与“长期行为偏好”统一建模的能力。为此,我们参考分层大语言模型(HLLM)思想,以预训练LLM的通识知识与深层推理能力为底座,将“人、货、场”解耦为三个协同优化的语义模块,在统一向量空间内实现用户意图、搜索上下文与商品语义的精细对齐。

技术方案

模型结构:User / Item / Query  LLM 的功能解耦

我们以Qwen3-0.6B为共享基座,针对交易搜索召回场景构建三个功能解耦的模块:

  • Item LLM(商品语义编码器):作为“货”的载体,输入涵盖商品标题、品牌、类目及前文LLM扩展的结构化/非结构化文本信息,序列尾部拼接特殊标识符[ITEM],取其对应隐状态作为商品整体语义嵌入。(该设计让长尾与冷启商品也能借助 LLM 的世界知识获得稠密且区分性强的表征,而非仅依赖稀疏 ID 或行为共现。)

  • Query LLM(意图编码器):作为“场”的载体,通过特定Prompt(如“请根据用户检索词将文本压缩成嵌入,以进行后续商品推荐”)将用户实时搜索词编码为向量,序列尾部以[QUERY]标识取对应输出。(它弥补了原生序列建模对瞬时检索意图的忽略,为后续匹配提供显式的搜索约束。)

  • User LLM(用户兴趣序列模型):作为“人”的载体,以Next-Item Prediction为核心目标,输入由Query表征与用户历史交互商品序列(历史商品向量均由Item LLM离线/在线产出)拼接而成,输出动态用户综合表征(取序列末端隐状态),实现“实时意图+长期偏好”的联合建模。

训练时,Item LLM与Query LLM共享大部分参数以压缩参数量并提升稳定性,User LLM保持独立参数以获得对行为序列的充足建模容量。三个模块以用户真实点击的下一商品为正样本、随机采样商品为负样本,通过InfoNCE对比损失进行端到端串行联合训练,在统一语义空间内拉近用户兴趣表征与目标商品表征的距离,推远负样本。

在线服务与冷启兜底

在线推理阶段,Query LLM实时产出查询向量,用户近期行为序列经Item LLM映射为商品嵌入序列,二者共同输入User LLM,取其末尾Token向量作为用户实时兴趣表征,进而在Item LLM预构建的全量商品向量库中通过ANN检索完成召回。为兼顾延迟与冷启动:对高频Query的推理结果进行缓存复用,降低重复计算;对新用户或行为稀疏用户,降级启用按Query维度离线挖掘的“高转化商品候选序列”作为行为兜底,保障召回不退化。

通过HLLM,我们将召回侧的表征从“标签/向量匹配”推进到“语言级语义推理”,不仅显著改善了长尾与冷启动场景的召回质量,其产出的商品/用户语义嵌入也为后续语义ID(SID的构建、以及HSTU等生成式序列架构提供了高信息密度的输入与语义锚点。

基于 HSTU 的生成式行为序列建模

背景

传统搜索召回的建模方式本质上是判别式学习,将用户行为序列与查询上下文转化为高维特征表示构建概率预估模型,核心目标是在给定输入特征的条件下预估用户对候选商品的点击/成交概率:

其中 表示是否点击/成交, 为涵盖用户画像、上下文环境及查询意图的多源特征向量。在这一范式下,业界通过持续增加模型复杂度、特征丰富度和样本规模来提升判别能力,但随着参数与数据量的线性增长,性能增益已呈现明显的边际递减效应。

与此同时,生成式建模在NLP、CV领域展现出显著的Scalling Law特性。这启发我们:能否将用户行为序列视为一种区别于文本、图像的新型数据模态,并在此“新模态”下探索搜推场景的生成式建模可行性。借鉴Meta提出的层次化序列时序单元(Hierarchical Sequential Temporal Unit, HSTU)架构。我们将用户行为重构为多类别Token系列,以自回归生成式范式直接建模用户的下一交互商品,尝试将召回的驱动范式从“特征+模型”逐步转向“数据+算力”。

技术方案

行为序列的 Token 化与多类别建模

我们将用户在得物APP内的全场景行为轨迹(搜索、推荐、社区等)统一编码为结构化Token流:

其中每个位置 是一个多维向量, 表示第j种Token类型。序列中显式包含六类信息:

这种多类别Token化的本质,是将“谁、在什么场景、什么时候、对什么商品做了什么行为、当时的行为意图是什么”等完整上下文序列化,为自回归建模提供丰富的条件信号。

训练时,模型采用Teacher Forcing机制,以前缀序列为条件学习下一个token的概率分布:

为与召回目标对齐,我们对非商品Token(时间戳、行为类型、场景等辅助信息)施加损失掩码,使其不参与梯度回传,仅对item_id的预测计算损失。这一策略将模型容量集中用于学习"下一个交互商品"的生成,同时减少无关Token带来的噪声梯度,提升训练稳定性与收敛速度。

模型架构与Scaling Law验证

在结构选型上,我们对比了传统SASRec(Self-Attention + FFN)与HSTU改进架构。HSTU针对长序列和大规模候选集做了针对性优化(如注意力计算的高效实现、时序感知的位置编码等),离线实验表明其在HitRate上显著优于SASRec。通过系统性的消融实验,覆盖不同的参数量、不同的Embedding Dim、不同的序列长度。我们观察到离线指标随模型规模与序列长度的提升而持续上升,初步验证了搜索召回场景下生成式建模同样存在Scaling Law效应。

训练目标与高效负采样

自回归训练的本质是最大化序列的联合条件似然。给定用户交互序列的前 个Token: ,模型需要预测第 个Token,整体优化目标形式化为:

其中 为模型参数,N为训练样本数,L为序列长度。

面对千万级商品词汇表,传统Softmax的计算复杂度不可接受。我们采用Sampled Softmax技术,通过自适应负采样近似全量分布。给定上下文向量 (由前t-1个Token编码得到)和目标Token ,损失函数定义为:

其中 为内积相似度, 为从词汇表中采样的个负样本。负样本策略综合了三个维度:

  • 流行度偏置校正:按物品流行度 进行自适应采样,避免模型过度拟合热门商品;

  • Batch内负采样:同批次内共享负样本,以近零额外成本扩大负样本池;

  • 难负样本挖掘:动态选择与目标正样本语义相似的困难负样本,增强模型区分能力。

负样本概率分布显式融合了流行度与语义相似度:

其中 表示物品i的流行度,为温度系数,为相似度函数,为调节采样分布的锐度参数。这一设计让负样本既覆盖"随机背景噪声",也包含"与当前意图高度相关但非目标"的困难样本,迫使模型学习更细粒度的判别边界。

从原始ID到语义ID:v2进阶

v1版本直接以原始商品ID作为序列原子单元,存在三个核心痛点。无语义:商品ID是人为或机制生成的无意义字符串,模型只能从纯统计行为中学习潜在信息,难以捕捉商品间的语义相关性;显存瓶颈:千万级ID的Embedding查找表消耗大量显存,限制了模型进一步Scale-up;缺少意图约束:仅依赖行为序列自回归,缺少即时搜索Query的显式引导,生成商品质量偶有偏差。

v2的核心改进是引入语义ID Hash(SID Hash)替代原始item_id作为序列Token。具体而言,以多模态预训练商品向量为输入,通过残差量化模型(RQ-VAE)将其编码为具有层级语义的离散整数序列。再经Hash映射为Hash ID作为输入。(关于语义ID的量化建模细节,将在后续章节展开叙述)。这一替换带来了三重收益。语义注入:SID Hash蕴含深度编码的商品语义,模型不再仅依赖统计共现,而是“语义+行为”联合驱动生成;显存释放:词表从千万级商品ID压缩至百万级Hash ID,Embedding层显存大幅下降,为模型Scale-up腾出空间;规模放大:借助显存红利,将模型的blocks数量从16扩至32,进一步放大Scaling Law效应。

此外,v2还引入了两项关键优化——Prompt工程:借鉴LLM Agent的设计思路,将Query及其side info(品牌、类目等)作为序列前缀(Prompt)拼入输入,为自回归编码提供全局意图约束,显著提升生成商品的相关性;Item Embedding扩覆盖:对于未出现在训练集中的商品,取同SPU下其他item_id embedding的均值作为兜底向量,扩大了生成向量的覆盖边界。

基于语义 ID 的统一生成式召回

前文中,我们分别通过HLLM获得了具备深层语义的商品/用户向量,以及通过HSTU验证了行为序列为“新模态”的生成式Scaling潜力。但这两个方向在落地形态上仍属于“向量检索”范式(离线构建向量索引做ANN,在线实时推理后近邻查找,但建模方式是学习联合分布,而不是传统判别式的学习条件概率)。在生成式召回这一前沿范式下,我们分别探索了两条核心路径:一是将语义ID作为倒排索引的最小召回单元,实现语义级稀疏检索;二是将语义ID直接融入生成式模型词表,通过自回归解码端到端生成候选商品。这两条路径共同构成了从“检索”到“生成”的完整技术拼图。

语义索引召回:用Semantic ID跨越“词汇鸿沟”

背景

传统电商搜索的文本召回建立在倒排索引之上:Query和商品分别被切分为Token序列 和 ,系统通过Token交集匹配来筛选候选。这种方式的本质是浅层文本匹配,无法跨越词汇鸿沟(当用户搜“af1”,而商品标题写“空军一号”时,字面不匹配直接导致漏召)。即便通过同义词扩展、丢词等NLP手段缓解,底层仍是Token匹配,语义关联始终未被充分挖掘。

为此,我们参考UniDex提出基于生成式建模的语义索引召回:不再用原始Term作为索引单元,而是将Query和商品的语义信息编码为连续向量后,进一步量化为若干离散的寓意标识(Semantic ID, SID),以SID替代Term构建倒排索引。由于SID来源于语义向量,天然具备语义泛化能力("af1"和“空军一号”在向量空间中距离较近),量化后会落入同一SID桶,从而在一定程度上解决词汇鸿沟问题。

技术方案

语义编码与FSQ量化

为捕获多粒度语义信息,在Query和Item的Encoder输入序列中分别追加m和n个可学习Token,编码后得到多粒度语义向量:

 , 

量化过程对每个语义向量独立执行三步操作(以Query侧  为例):

  • 降维投影:将高维语义向量映射到低维空间,降低后续量化开销:

  • FSQ量化:通过Sigmoid函数将连续值压缩到[0,1],乘以K−1后四舍五入,生成离散SID:

  • 升维还原:将离散SID映射回原语义空间,用于后续相似度计算:

实践中取K=2(二进制量化),即每个语义向量被编码为19位二进制序列,转换为十进制整数后作为倒排索引的检索键。参数设置:Query侧M=3,Item侧N=8

Token-Matching与训练目标

为保持离线训练与在线倒排检索的一致性,我们采用Max-Max Token Matching策略:

即:只要Query的某一个语义向量与商品的某一个语义向量高度对齐,就认为该商品应被召回。

训练损失由三部分组成:

  • InfoNCE损失:优化基础语义表征的对比学习;

  • Matching损失:仅在正样本对上计算,强制拉近Query与商品间的Token-Matching相似度:

  • 量化正则损失:防止二进制量化时语义嵌入集中在阈值边界附近导致塌陷:

Matching损失与正则损失分别乘以权重系数0.3和0.1,避免干扰主任务。

统一生成式召回:自回归生成商品候选

背景

语义索引召回虽然用SID替代了Term,但检索方式仍然是“查倒排”,本质上还是一次高效的稀疏检索。而统一生成式召回则更进一步:将商品SID体系直接融入生成模型的词表空间,通过Encoder-Decoder架构的自回归编码能力,让模型逐Token生成目标商品的SID序列,从而直接构建召回候选集。召回模块从此不再是“搜寻者”,而是具备推理能力的“创造者”。

技术方案

Action Tokenization: 从商品ID到语义ID

生成式模型的核心基础是词元(Token)体系。最直接的想法是将每个商品ID(IID)映射为独立词元,但得物平台商品规模达千万甚至亿级,如此庞大的词表会使Softmax计算完全不可行。通用解决方案是通过语义ID(SID)量化机制,将无语义的随机IID转化为层次化、紧凑的离散标识符。整体流程历经两阶段映射:

  • 稠密表征学习:以商品向量(融合视觉、文本、行为信号)为输入,编码为连续语义向量 ;

  • 语义ID量化:通过RQ-VAE(残差量化变分自编码器)将量化为层次化整数序列。具体而言,编码器将向量映射到Latent Space,随后逐层在独立codebook中做最近邻量化,将量化误差作为残差传递至下一层,从粗到细生成多层code index,即Semantic ID。为缓解码本坍塌,各层codebook通常以首批数据的K-Means聚类中心初始化;训练时通过重构损失与量化损失(commitment loss + stop-grandient)联合更新Encoder/Decoder/codebook。最终将亿级商品量压缩至 量级的SID空间,兼顾语义聚类与检索可控性。

Action Generation: Encoder-Decoder序列生成

获得SID后,召回任务被重新定义为一个条件序列生成问题。输入序列 融合了多维上下文:

其中 为Query分词Token系列(最大长度10), 为用户画像静态特征,后续 为用户历史行为中每个商品对应的SID片段及其Side Info(类目、品牌、时间戳等,经MLP融合后作为Encoder输入,避免SID维度倍数膨胀导致序列过长)。

模型采用Encoder-Decoder(6层Encoder+6层Decoder,Hidden Dim 256)架构:

  • Encoder:双向Transformer,将 压缩为上下文向量;

  • Decoder:单向Transformer,以自回归方式逐Token预测目标商品的SID序列 :

训练目标为标准Next-Token Prediction交叉熵损失:

推理优化与扩召回技术

在线推理时,Decoder采用Beam Search(宽度100)解码,在RT Quota约束下平衡生成质量与多样性。为进一步提升效率与召回覆盖,我们引入了两项关键优化:

经过上述策略,生成式召回的候选商品数量提升了一个数量级,显著放大了这路召回在线上全链路中的影响力。

四

架构升级:召粗一体与全链路优化

从级联到一体:为什么需要召粗一体化

前文中,我们逐步构建了生成式召回的完整技术栈:HLLM提供了深层语义的商品/用户表征,多模态向量融合奠定了SID的量化基础,HSTU验证了行为序列作为新模态的Scaling潜力,语义索引召回与统一生成式召回则分别实现了“语义级系数检索”和“自回归端到端生成”。

然而,将这些能力真正融入线上搜索系统时,我们仍然面临级联架构的固有瓶颈:当前搜索系统采用“召回-粗排-精排”多阶段级联,通过逐级筛选在效果与性能之间取得平衡,但每一级都在做局部优化:召回阶段受限于相对简单的相似建模,潜在高价值商品一旦被漏召,后续排序截断便无法补救;不同阶段的目标不一致,也容易造成全链路业务指标的损耗。与此同时,多阶段重复打分带来的计算开销,进一步限制了模型扩容空间。

召粗一体化的核心思想是:以生成式模型为统一载体,将用户兴趣理解、候选商品生成以及粗排阶段的排序倾向融入同一建模框架。模型不再局限于“从已有候选中打分”,而是直接面向后链路目标生成更具价值的商品候选。

五

总结与展望

总结

本文系统梳理了得物交易搜索召回团队在过去一年中,围绕生成式建模方向所做的技术探索与工程实践。整体演进脉络可以概括为三个阶段的能力跃迁:

第一阶段:基石构建。我们从商品侧和表征侧双向发力,一方面通过LLM增强商品文本索引(视觉理解、社区语料、I2I推理、详情页OCR、线上行为锚点),将商品信息从“浅层文本”推向“深层语义”;另一方面通过多模态向量表征(四塔结构、样本/特征优化),构建了融合视觉、文本与行为信号的统一商品向量空间。这两项为后续的生成式工作提供了高质量的语义底座。

第二阶段:核心突破。我们以生成式范式为主线,完成了三条并行路径的验证:

  • HLLM深度语义表征:基于大语言模型,将商品、Query、用户统一编码为语言级语义向量,突破了传统判别式模型的语义天花板;

  • HSTU生成式行为序列建模:将用户行为轨迹重构为多类别Token序列,以自回归方式直接生成下一交互商品,初步验证了搜索场景下生成式建模的Scaling Law效应;

  • 语义ID与统一生成式召回:通过FSQ量化构建语义索引召回,以及通过RQ-VAE量化+Encoder-Decoder自回归解码实现端到端候选生成,完成了从“检索”到“生成”的范式跨越。

第三阶段:架构升级。在独立技术验证的基础上,我们将生成式能力从“召回通道”升级为“召粗一体化引擎”,通过唯一化SID映射、长期兴趣建模、模型Scale-up和独立队列链路重构,让生成式模型直接面向后链路目标产出高价值候选,突破了传统级联架构的阶段瓶颈。从“特征+模型”到“数据+算力”,从“检索”到“生成”,从“多阶段级联”到“召粗一体”,这条技术路径不仅是算法范式的迭代,更是搜索系统底层驱动逻辑的重塑。

模型效果与业务收益浅析

关键洞察:

  • 不同模型在不同用户/场景上各有优势:HLLM补新客与长尾语义,HSTU吃高活与精准意图,UniDeX/SID负责类目/泛词与主动生成,LLM商品索引与多模态则在场景与视觉属性上撬动增量。

  • Scaling Law在搜索场景同样存在:从hstu的参数量扩展(sasrec -> hstu 4.2B),到UniDex的hidden size扩展(256->1024),再到SID维度升级(3D->4D, 0.04B -> 0.5B),每一步扩容都带来了可预期的离线指标提升,且线上收益与离线趋势一致。这为后续持续投入算力驱动型迭代提供了信心。

  • 工程架构与算法创新同等重要:语义索引复用倒排基础设施、召粗一体的独立队列设计,这些工程方案直接决定了生成式模型能否在严格RT和QPS约束下落地。算法与工程的协同优化是生成式召回优化的一条隐性主线。

未来展望

站在当前的技术基础上,我们认为生成式建模在搜索召粗乃至全链路排序中仍有广阔的探索空间:

更大规模的统一生成式模型

当前Encoder-Decoder架构模型参数量约在0.5B级别,与NLP领域的大模型仍有数量级差距。随着SID唯一化映射和推理优化(FP16、动态 Beam、前缀剪枝)的成熟,我们有条件进一步Scale Up——探索将用户lifelong行为序列、多模态商品信息、甚至全站搜索Session图结构统一编码进一个更大规模的生成式backbone中,观察搜推场景下是否会出现类似LLM的"涌现能力"。

从SID到连续空间与离散空间的自适应融合

当前SID量化不可避免地存在信息损失(量化误差),而纯连续向量检索又面临 ANN 的效率与精度权衡。未来可探索混合索引架构:对高频、高确定性商品保留 SID 离散索引以保证效率和可解释性;对长尾、多义性商品采用连续向量近邻检索以保留细粒度语义。两者通过门控机制或级联策略自适应切换。

生成式召粗排全链路一体化

召粗一体化只是第一步。更长远的方向是将精排的信号(如转化率预估、用户体验指标)也纳入生成式模型的训练目标中,通过Reward Model或RLHF式的对齐机制,让生成式模型直接优化全链路业务目标(GMV、用户留存等),真正实现"一个模型、端到端、面向最终目标"的搜索系统架构。

算力优化

当前生成式召粗模型的MFU约在17%左右,在同类大模型中表现并不优,说明算力资源尚未被充分转化为有效计算,存在显著的优化空间。具体来看,17%的MFU意味着超过80%的算力消耗在等待、显存搬运等非计算环节,这与生成式架构本身的计算特征密切相关。后续优化应围绕“压缩等待、提升计算密度”展开。如通过CUDA Graph固化执行图减少调度开销、FlashDecoding优化注意力计算,Continuous Batching与Padding消除提升吞吐,结合计算通信重叠降低线性层与码本查表的通信占比等。

跨场景与跨域生成式迁移

当前模型主要在交易搜索场景内训练,但得物生态中还有社区搜索、推荐流、商业化搜索等丰富的用户行为场域。如何将这些跨场景行为统一编码进生成式框架,构建全域统一的用户兴趣生成模型,是下一步值得探索的方向。

生成式索引的实时性与增量学习

当前SID码本和分配结果以天/小时级更新为主。对于电商场景中频繁上新的商品(如每日数千新品的潮玩、服饰类目),如何做到SID的秒级增量量化与索引更新,同时避免码本漂移对在线服务的影响,仍是一个开放的技术挑战。

最后,从判别式到生成式,从特征工程到数据驱动,从级联架构到端到端生成——过去一年的探索让我们确信:搜索召回的下一代表达形式,将是以语义ID为桥梁、以生成式模型为核心、以全链路目标为导向的统一架构。这条路还很长,但方向已经清晰。

往期回顾

文 /众里 翠西 承泽 亦非

关注得物技术,每周三更新技术干货

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。

“

扫码添加小助手微信

如有任何疑问,或想要了解更多技术资讯,请添加小助手微信:

跳转微信打开

  •  

1.395元复现Jev原型:百度千帆Token Plan最佳实践

百度Geek说 2026-09-23 18:00 上海

2026年9月,TypeSafe AI发布了“System One Model”——Jev,随即引发热议。

。

点击蓝字,关注我们

2026年9月,TypeSafe AI发布了“System One Model”——Jev,随即引发热议。Jev不生成文本、不进行自回归解码,而是通过单次前向传播直接输出带校准概率的结构化决策,支持并行采样,响应时间可达70毫秒。相比“生成文本—解析—验证”的传统路径,这种方式为分类、路由、审核等自动化场景提供了一种新思路。

百度千帆Token Plan致力于帮助开发者以更低、更可预期的成本搭建Jev原型、验证技术方案。我们用Opencode在llama.cpp里复现Jev的核心机制,把“单次前向传播做结构化决策”变成400行C++。而这段“把理念变成现实”的完整旅程:读懂概念、翻遍源码、编译调试、撰写成文,全部由AI自主完成。这次验证基于百度千帆Token Plan个人版,共消耗313.9积分,折合的总花费是:1.395元。

最佳实践总览

图片

整个开发流程由Opencode(以Token Plan个人版中的DeepSeek-V4-Flash为基座模型)自主完成,Token Plan覆盖了全部token消耗。

1.1 开发全流程

图片

关键数字:313.9积分,1.395元。

1.2 为什么Token Plan适合AI开发

AI开发不是一次调用,而是反复试错的迭代过程。探索代码库时AI读了几十个文件,其中很多与最终实现无关。调试时跑了好几轮编译,第一次因为对API理解错误而失败重来。写文章反复修改了好几版。

这些“浪费”在按量计费模式下会让人心疼——用GPT-4o光是试错就可能花掉20多元。但在百度千帆Token Plan下,所有试错成本加起来才1.395元。

预付200元,45000积分随便用。不需要盯着消耗计数器,不需要在每次调用前犹豫“值不值”。放手让AI去探索、去犯错、去修正——这才是AI辅助开发的正确姿势。

实现了什么?

图片

2.1 工作概述

本次在百度千帆Token Plan支持下,AI(DeepSeek-V4-Flash)核心完成了一项针对推理底层机制的改造成本验证:将传统的“文本生成”模式改造为“单次前向传播的结构化决策引擎”。

2.1.1 攻克核心差异与机制改造

  • 传统LLM模式:对复杂多问题场景需要“逐字生成→提取文本→正则解析”,速度慢且极易出现格式崩塌。

  • Jev决策机制:打破自回归生成,将5个业务问题打包在一个Batch中,直接对每个序列最后一个Token的Logits进行Softmax提取,无需生成任何文本,仅凭单次llama_decode()就同时完成全部推理与概率校准,响应时间缩短至70ms级。

AI深入源码库,在llama.cpp中精准定位并编写了约400行C++核心代码,修复了多序列logits位置索引偏移等调试硬骨头,成功在开源大模型上调通了这一机制。

2.1.2 实现标准化的输入与结构化输出

改造后的引擎具备了极高的工程实用性,实现了输入与输出的标准化解耦:

输入:标准JSON配置,输入当前场景状态(如“客户退款、包装损坏、3年老会员”)及待决策的多个问题列表。

输出:结构化JSON,一次性返回所有问题的决策选项(如escalate / refund)以及对应的置信度概率分数(Confidence)。

(注:整个机制改造与源码调试过程经历了多轮报错与重新编译,全部由AI自主完成,而Token Plan让人完全无需担忧试错成本。)

2.2 实测结果

用Qwen3-0.6B-Q8_0.gguf,输入客服场景(客户退款、包装损坏、3年老会员),同时回答5个问题:

图片

5个问题,1次推理,0次字符串生成。每个决策附带概率分数,软件可以直接消费。温度从0.8降到0.3,action的deny置信度从62.5%飙升到89.4%——温度越低模型越自信。

但需要明确:置信度不等于准确率。置信度反映的是模型对自身输出的确定程度,温度调低只是让分布更尖锐,模型自然显得更“自信”,但这不意味着答案更可能正确。本次测试没有标注好的测试集,无法计算准确率。从结果表现看,客服场景中“流失风险”和“优先级”这类有明确信号的问题,模型在合理温度下给出的决策方向符合直觉;而“客户情绪”这类主观判断,模型的置信度偏低(55.9%),这个低置信度本身是有意义的信号——它在告诉下游系统“这个判断不太确定,建议人工复核”。这正是结构化概率输出的价值:即使答案不一定对,软件也能根据置信度做路由决策。

2.3 与Jev原版的差距

图片

Jev从模型架构和训练方法(RLCD)层面支持结构化决策。我们是在现有LLM上模拟。但核心机制——单次前向传播、并行决策、概率输出——已经跑通。而验证这个理念是否可行,只花了1.395元。

与Agent交互的

Prompt实践

图片

整个开发过程不是一句话指令“帮我实现Jev”就完事,而是分阶段的、有结构的对话。下面还原关键的交互流程和Prompt思路,供其他开发者参考。

3.1 整体交互流程

图片

3.2 关键Prompt实录

第一步:确认开发基础(概念)

不要只说“实现Jev”,而是给出全部素材和明确的三步目标:

    请你基于[博客HTML路径]和[GGUF模型路径]实现jev模式推理
    我希望你:
    1. 梳理路径
    2. 修改llamacpp实现jev

    关键点:同时给出博客原文(Agent需要自己理解Jev是什么)和模型文件路径(Agent需要知道用什么模型)。明确交付物。Agent会自行抓取博客、探索代码库、确定实现方案,不需要逐步指导。

    第二步:验收

    Agent说“完成了”之后,不要直接接受。需要指定验收标准:

      请基于下述场景,进行测试:客户xxxx,客户情绪是 A B C D。

      这一步的意图是:用一个业务场景(客服情绪分类)测试Agent的输出是否真的可用。结果确实暴露了问题——0.6B小模型上label-token方式的概率接近随机,所有选项置信度都在0.25左右。Agent被逼着去解决位置偏好问题,最终实现了排列去偏和continuation scoring两种方案。

      第三步:结果纠偏

      拿到测试结果后,对技术结论做纠偏:

         反馈1: 零幻觉和高置信度jev是无法保证的,jev只是保证输出类型安全
         反馈2: 温度越低置信度自然越高,但置信度不等于准确率,没有测试集无法计算准确率

        这是最重要的交互——人对Jev的理解比Agent更准确。通过人工复核修正Agent撰写的结果,从而使得整个结论更加合理可靠。

        3.3 Prompt经验总结

        图片

        核心原则:Agent负责执行,人负责判断。Agent能快速读几十个源文件、写几百行C++、编译调试,但技术结论的准确性需要人把关。特别是“零幻觉”“校准概率”这类概念,Agent从博客原文照搬,但工程上需要更精确的表述。

        百度千帆Token Plan

        让探索性开发成本趋近于零

        图片

        用Opencode(以Token Plan个人版中的DeepSeek-V4-Flash为基座模型)在llama.cpp中复现Jev推理模式,将自回归LLM改造为并行决策引擎。1.395元即可完成一次从论文阅读、代码实现到文章撰写的完整开发周期;200元的Token Plan套餐,足够跑143次类似任务。

        图片

        Jev模式的核心洞察是:很多AI应用需要的不是文本生成,而是结构化决策。传统LLM通过“生成文本->解析->验证”的迂回路径实现决策,Jev模式直接从logits提取决策概率,跳过了字符串生成和解析的开销。需要强调的是,Jev保证的是输出类型安全——答案一定在预定义选项内,但答案本身是否正确仍取决于模型能力。置信度也不等于准确率,它只是模型对自身判断的确定程度。真正有价值的是:软件可以根据置信度做路由,低置信度的问题转人工,高置信度的问题自动处理。

        而百度千帆Token Plan的价值在于:它让这种探索性开发的试错成本趋近于零。1.395元验证一个前沿AI理念是否可行——不需要几万元的API预算,不需要纠结每次调用的花费。放手让AI去探索,这才是Token Plan的意义。

        如果你也想用1.395元这样的成本,去验证一个自己感兴趣的技术想法,那这次实验里用到的百度千帆Token Plan个人版,可以直接上手。

        它是面向个人开发者与AI重度用户的大模型订阅服务,定位是“个人的AI算力流量包”,一份订阅、一个额度池,覆盖AI Coding、Agent构建、智能问答、内容生成、学习研究等场景。

        图片

        跳转微信打开

        •  

        为什么 CPU 重新变得重要?

        原创 Celia、Siqi 2026-09-23 18:00 北京

        AMD 迈入万亿俱乐部,CPU 会是 AI 算力的下一个大机会吗?

        播客:Semi Doped

        编译:Celia

        编辑:Siqi

        过去三个月,以 Claude Tag、Grok Bot、Muse、Instinct 为代表的各种云端 agent 开始起来。

         ⁠

        我们相信,未来会有数十亿 agent 在云端持续工作,这会让算力瓶颈不仅仅局限于 GPU,而会同时带动 CPU 的爆发,甚至催生出一层独立的算力品类:Agentic CPU。

         ⁠

        我们最近发现一期播客 Grok Bots and How CPUs are used in Agentic AI,对这个趋势拆解得非常清楚,两位主播都是资深半导体从业者。

         ⁠

        以下结合我们自己的理解,做了一期编译。希望能粗略梳理一下这个问题:Agent 的爆发,到底会怎样改变 CPU 的需求?

        ⁠/⁠

        01.

        云端 Background Agent 成为一个大趋势

         ⁠

        过去一年,Agent 的主流形态还是 Claude Code、Codex 这种本地 agent,但现在,以 Claude Tag、Grok Bot、Muse 为代表的各种云端 agent 开始起来,并且这一定会在未来成为更主流的趋势。

         ⁠

        云端的优势很直接,比如:

         ⁠

        •云端任务可以不受个人电脑开关机的影响;

         ⁠

        •Agent 可以在独立环境里操作浏览器、运行软件,不需要和用户抢资源;

         ⁠

        •天然支持跨设备使用、团队协作和更好的安全隔离。

         ⁠

        未来,一个人一定需要很多 agent 在后台 7×24h 持续工作,所以上云会是一个必然的趋势。

         ⁠

        OpenAI 和 Anthropic 从 6 月开始发布的每一个新产品/功能,也都是默认在云端完成。

         ⁠

        Anthropic 这边是 Claude Tag、Cowork(7 月起改成云端默认)、还有 9 月重做的 Claude Code Projects,它会为每个子任务单独开一台云端虚拟机。OpenAI 则在 7 月推出 ChatGPT Work,为每个用户提供云端工作区,9 月 10 日发布 Agents API,直接提供托管沙箱。

         ⁠

        不过,上云也分两种模式:

         ⁠

        第一种是临时起沙箱。每来一个任务,就临时拉起一个沙箱,让Agent在里面运行代码、使用工具,任务做完就将环境收回。Claude Tag就采用了这种方式。

         ⁠

        第二种是给用户一台持久的云电脑。可以把它理解成一台放在数据中心的虚拟电脑,有操作系统、有浏览器、有文件夹,Agent会长久住在里面。

         ⁠

        以 Grok Bot 为例,本地客户端只是一个交互外壳,真正执行工作的是云端虚拟机。所有工具、所有登录态都装在云端虚拟机里,当你跟 Agent 说 "帮我订下周去日本的酒店",agent 会在那台机器上打开浏览器、比价、填表。当你关上笔记本,它也可以在后台持续工作。

         ⁠

         ⁠

        对 Personal Agent 来说,持久环境的价值尤其明显,因为它的工作天然是连续的。

         ⁠

        拿旅行规划来说,今天要研究目的地,明天可能要等酒店回复,后天又要根据新的航班调整行程。Agent 每次回来,都需要接上之前的工作。

         ⁠

        如果账号还保持登录,之前比较过的酒店资料还在,行程表也保留着,它就能直接往下做。

         ⁠

        如果说临时沙箱是个一次性的共享工位,自己的云电脑则相当于让它有了一个固定的办公室,不必每次任务完成都重新收拾书桌,省去下次登录账号、搬运资料等等的麻烦。一个用户同时用几个 Agent,它们也能在这里很方便地交换资料、接手彼此的工作。同时与其他用户保持隔离,保障隐私和安全。

         ⁠

        随着工作跨越更多应用、持续更长时间,这种环境的连续性会越来越重要。

         ⁠

        对 Personal Agent 来说,产品形态已经在向这一派收敛,Grok Bot、Muse、Instinct 就都不约而同地采用了这种架构。

         ⁠

         ⁠

        02.

        算力瓶颈从 GPU 外溢到 CPU

         ⁠

        云端 Agent 的爆发也会让算力需求发生一些变化。

         ⁠

        过去的 AI Infra,核心矛盾一直是 GPU,但未来,CPU 的需求也会显著增大。

         ⁠

        •Chatbot 时代,典型的工作流程是:

         ⁠

        用户提问 → GPU 推理 → 返回答案。

         ⁠

        基本是一次往返,主要依靠 GPU。

         ⁠

        •Agent 时代,流程变成了:

         ⁠

        思考 → 调工具 → 读取结果 → 更新状态 → 再思考,循环几十甚至上百次。

         ⁠

        这其中,模型推理主要依赖 GPU,而其它的调用工具、操作文件、执行代码、访问网络、管理状态等等,都依赖 CPU。因此,Agent 不仅会拉动 GPU,也会极大带动对 CPU 的需求。

         ⁠

        Source:Agents Are the New Users of CPUs | Coatue

         ⁠

        今年上半年,Agent 的增长还主要集中在 Claude Code、Codex 这类本地 Agent 上,所需的 CPU 资源可以由用户已有的笔记本提供。

         ⁠

        而随着云端 Agent 起来,CPU 的需求会被真正带动起来。

         ⁠

        这个需求逻辑包含两部分。

         ⁠

        一部分是迁移:原本在用户笔记本上运行的程序,会转移到云端的数据中心。

         ⁠

        另一部分是扩张:部署变简单,更多人可以使用 Agent;用户离线,Agent 会在后台持续工作;一个人,也会同时调动越来越多 Agent。使用人数、执行时长和任务并发,会一起推高云端的 CPU 负载。

         ⁠

        这个需求的爆发性有多强呢?

         ⁠

        AMD 本来在今年 5 月的 Q1 财报会上预测,到 2030 年,整个服务器 CPU 市场会超过 1200 亿美元。

         ⁠

        紧接着,在 7 月 23 日的年度大会上,苏姿丰将预测上调到 2200 亿美元。她表示,过去六到八个月,AMD 已经反复修改这个数字,但仍然大大低估了需求的增长速度。

         ⁠

        从 1200 亿又上调到 2200 亿,中间只间隔了两个半月。

         ⁠

        Source:Advancing AI 2026 Keynote | AMD

         ⁠

        供给端,CPU 已经开始供不应求。9 月 14 日,Intel CEO 陈立武在一场活动上表示:“CPU 需求太高,我们只能向一半的客户供货。”

         ⁠

        最近,Muse 登上 App Store 免费榜首,又让市场对消费级 Agent 的普及多了几分信心,也抬高了对 CPU 需求的预期。9 月 21 日,AMD 股价上涨约 10%,正式迈入万亿市值俱乐部。

         ⁠

         ⁠

        03.

        Agent 时代,CPU 的两种角色

         ⁠

        接下来更值得关注的是:增长的 CPU,究竟在做什么?新时代需要什么类型的 CPU?

         ⁠

        如果把一套 AI 系统想成一家公司,运行大模型的 GPU 就像一个身价很高的天才,负责思考和判断。为了让这个天才高效工作,公司还需要两类人:贴身助理和执行团队,对应 CPU 的两种分工:

         ⁠

        •Host CPU 是天才的贴身助理,最重要的工作是不断给 GPU 喂活。

         ⁠

        天才刚处理完手上的问题,下一份材料就应该递到面前。准备数据、安排计算、协调数据传输,都由这个助理负责。如果材料没有准备好,或者传递得太慢,昂贵的 GPU 就只能等待。

         ⁠

        因此,这个岗位特别看重反应速度,以及与天才之间的沟通效率。这对应 Host CPU 的单核性能、CPU 与 GPU 之间的高速互连,以及更紧密的内存协作。

         ⁠

        •Agentic CPU 是负责把事情做完的执行团队。

         ⁠

        比如天才提出 “去找这些公司的财报”,“把这段代码跑一下”,接下来就需要有人打开浏览器、下载文件、运行程序、整理结果。

         ⁠

        这些工作贴身助理也能做,但会占用他们大量的时间,影响它继续为 GPU 服务。所以,当执行量上来,就更适合单独配置一批 CPU,成集群、成机架地部署。GPU 提出任务,这支团队负责执行,再把结果交回来。

         ⁠

        这就多出了一层可以独立扩容的 CPU 需求。 随着 Agent 未来完成的工作越来越长程,这会是未来 CPU 增长最主要的类别。

         ⁠

         ⁠

        接下来的问题是,这支团队应该怎么配。

         ⁠

        一颗 CPU 有很多 Core,我们可以把它想成一间有很多工位的办公室。核心的数量对应工位数量,单核性能对应每个员工的干活速度。对于一个任务,可能要给资料检索分 4 个工位,给数据处理再分 4 个工位。

         ⁠

        但具体一个公司要招多少人、每个人能力需要多强,要看具体任务。

         ⁠

        •如果大量独立任务可以同时推进,更需要并行算力,也就是扩大核数;

         ⁠

        •如果某一步计算容易拖慢整个流程,需要更强的单核性能;

         ⁠

        •如果主要在等网络、读文件,就要先看网络、存储和内存,换更快的 CPU 未必有明显帮助。

         ⁠

        所以,Agentic CPU其实没有唯一的正确答案,需要按具体的workload定制。

         ⁠

        未来,数据中心的配置会越来越像组织设计:工作不同,人员配置就不同。

         ⁠

        今年夏天,Intel 就面向 Agentic AI 推出了两类 CPU 机架方案:P-rack 和 E-rack。前者更看重 performance,强调单核性能,后者更看重 efficiency,强调并发规模和成本。不同机架可以放不同配置的 CPU,再把合适的任务分过去。

         ⁠

         ⁠

        不过,未来硬件越来越多样之后,怎样把它们用好,也会成为一个瓶颈。

         ⁠

        这会给软件调度层带来一些机会,比如 Gimlet Labs 就在探索类似的方向。它搭建的是一种异构推理云,让不同类型的芯片分工完成 AI 工作。

         ⁠

        Agent 工作时,会不断在 GPU 推理、CPU 执行之间往返。有的环节对速度敏感,有的更需要控制成本。Gimlet 目前更多是在 GPU 和其他加速器之间做推理调度;随着 Agent 执行的任务越来越多,CPU 这一侧的调度也会变得更重要。系统需要按任务需求分配硬件资源,再协调各环节之间的数据传递,减少彼此等待。

         ⁠

        今年 9 月,a16z 领投了 Gimlet 的 3 亿美元 B 轮融资。它看中的也是异构推理的效率提升:电力有限,但如果任务分配得更合理、硬件配合得更好,同样的电就能支撑更快的推理和更大的处理量。

         ⁠

        ⁠⁠⁠

        延伸阅读

        和一线研究员的闭门讨论:蒸馏变难后,下一步的重点是什么?⁠

        和一线研究员的闭门讨论:蒸馏变难后,下一步的重点是什么?

        ›

        Latent Labs:Alphafold 3 发布两年,AI 药物设计进展到了哪一步?⁠

        Latent Labs:Alphafold 3 发布两年,AI 药物设计进展到了哪一步?

        ›

        Astra 的 Computer Use 能力是如何实现的?⁠

        Astra 的 Computer Use 能力是如何实现的?

        ›

        2 万亿美元的 Anthropic 值不值得买?⁠

        2 万亿美元的 Anthropic 值不值得买?

        ›

        DeepSeek Harness 是自进化 Agent 的基石⁠

        DeepSeek Harness 是自进化 Agent 的基石

        ›

        跳转微信打开

        •  

        mattpocock-skills 上手指南:从安装配置,到把一个需求做完

        小编 2026-09-23 17:39 北京

        把一个需求交给 Claude Code 或 Codex,写出代码只是其中一步。需求没讲清楚,后面就会反复改。任务太大,一个会话聊不完,下个会话还要重新解释。到了验收,又得回答那个绕不开的问题——凭什么说它已经做好了?

        mattpocock-skills 把这些工作分别交给不同的技能处理,再将它们接成流程。你可以让助手追问需求、整理规格、拆分任务、按测试推进实现,也可以单独调用诊断、评审、调研或交接技能。

        这套技能由 Matt Pocock 维护,面向使用编程助手做真实项目的开发者。Skill 在这里是一份助手可以读取并执行的工作规程,规定要做哪些动作、留下什么产物、什么时候进入下一步。执行能力仍然来自 Claude Code、Codex 和你的项目环境。

        本文按项目 v1.2.3 的技能集合展开,安装方法采用仓库当前的安装说明。

        读完这篇,你应该能做三件事:把技能配置到一个项目里,为手里的问题选对入口,并沿着一条适合它的流程做下去。

        先看全貌:你手里的工作应该从哪里开始

        不用先背下所有技能。先判断你现在卡在哪一步。

        flowchart TD
            A[手里来了一件工作] --> B{现在最需要解决什么}
            B -->|不知道该选哪个技能| R[ask-matt 推荐入口]
            B -->|需求还没想清楚| G[grill-with-docs 澄清需求]
            B -->|小改动且要求明确| I[implement 实现]
            B -->|已有疑难故障| D[diagnosing-bugs 诊断]
            B -->|外部反馈堆积| T[triage 分诊]
            B -->|项目太大且方向模糊| W[wayfinder 建决策地图]
            B -->|代码越来越难改| H[improve-codebase-architecture 找改进机会]
            G --> S[to-spec 形成规格]
            W -->|关键决策已明确| S
            S --> K[to-tickets 拆解工单]
            K --> I
            T -->|形成可执行工单| I
            H -->|选定改进项| G
            I --> V[tdd 与 code-review]
            V --> F[处理发现并提交]

        图里的箭头表示工作如何衔接。需要人手动调用的技能,仍然由你启动,不能把这张图理解成输入一次命令就会自动跑完全部步骤。

        实在拿不准,就先找 ask-matt。给它当前目标、已有材料和卡住的地方,它会推荐合适的入口。它承担的是导航职责,选择之后再调用相应技能。

        安装只做一次,项目配置要分别做

        这里有两个不同的动作。安装让助手拥有这些技能,配置让技能知道这个项目的任务和文档应该放在哪里。

        Claude Code:安装插件

        在终端执行:

        claude plugins install mattpocock-skills

        也可以在 Claude Code 会话里执行:

        /plugin install mattpocock-skills

        Codex 或其他兼容助手:通过 skills.sh 安装

        在终端执行:

        npx skills@latest add mattpocock/skills

        安装器会让你选择技能,以及安装到哪个编程助手。请把 setup-matt-pocock-skills 一并选上,后面要用它配置项目。

        如果只准备试一个技能,可以按名称安装:

        npx skills@latest add mattpocock/skills --skill=grill-with-docs

        不过,组合流程还会使用其他技能。刚上手想跑通完整流程,选择整套更容易避免缺少依赖。采用 skills.sh 安装的单个技能,可按项目给出的方式更新:

        npx skills@latest update grill-with-docs

        插件和 skills.sh 两条安装路线选一条。

        怎么调用,先认清两种技能

        有些技能必须由你明确点名(显式调用),负责决定工作进入哪个阶段。有些技能允许助手在任务匹配时自行使用,也可以由你点名使用。

        本文把前者标成「手动」,后者标成「可自动」。可自动不等于每次必然触发;某一步必须使用哪个技能时,直接说明最清楚。

        调用时,先从助手的技能选择器选中目标技能,再输入需求。文章后面会用「使用某技能……」展示要发送的内容。

        安装后的第一项检查也很简单:在目标助手中确认能找到 setup-matt-pocock-skills 和 ask-matt。入口没有出现,就还没到执行流程的阶段。

        第一次进入项目,配置三件事

        打开你准备开发的项目,调用 setup-matt-pocock-skills。它会先查看项目已有约定,再展示建议和拟写入的内容,经过确认后保存。

        flowchart LR
            A[打开目标项目] --> B[运行 setup-matt-pocock-skills]
            B --> C[检查已有约定]
            C --> D[确定任务存放位置]
            D --> E[按需确定分诊标签]
            E --> F[确定业务文档布局]
            F --> G[展示草稿并确认]
            G --> H[保存配置供后续技能读取]

        你需要理解的选择有三个。

        配置项

        实际决定什么

        怎么选择

        任务跟踪方式

        规格、工单、进度和讨论放在哪里

        团队已经用 GitHub 或 GitLab,就沿用;个人项目可选本地 Markdown

        分诊标签

        用什么名称表示待处理、缺信息、可交给助手等状态

        已安装 triage 才配置;已有团队标签就映射到原名称

        业务文档布局

        业务术语和重要决策保存在哪里

        一般项目用一套共享文档;确有多个业务上下文的大型仓库再考虑分开

        GitHub 方案通过 gh 操作,GitLab 方案通过 glab 操作。相应工具需要能够访问目标仓库。选择 Jira、Linear 等其他系统时,你要把实际操作方式告诉它;配置会记录这种约定,外部工具的访问能力还需要环境提供。

        如果你只想在个人项目里试用,可以这样开始:

        使用 setup-matt-pocock-skills 配置当前项目。
        任务使用本地 Markdown 管理。
        如果需要分诊标签,采用默认名称。
        这是一个普通单项目,沿用已有文档约定。
        请先展示发现和配置草稿,再写入。

        配置结束后,应当能回答:以后新需求写到哪里,工单放在哪里,业务词汇和重要决策去哪里找。

        本地任务方案默认把规格和独立工单放在 .scratch/ 下。CONTEXT.md 保存共享业务词汇,ADR 保存重要架构选择及理由。CLAUDE.md 或 AGENTS.md 中会留下指向配置的入口。这些是使用时需要认识的产物,不必自己从零设计目录。

        已有说明文件会被沿用;两者都不存在时,技能会询问创建哪一个。普通单项目一般采用单一业务上下文,只有发现多包仓库等信号才需要讨论更复杂的布局。

        如果启用了分诊,默认状态如下:

        状态

        含义

        needs-triage

        尚未判断如何处理

        needs-info

        信息不足,还需要补充

        ready-for-agent

        可以交给助手执行

        ready-for-human

        已明确需要人来处理

        wontfix

        决定不处理

        这些配置通常每个项目做一次。以后想换任务系统、重做配置,再运行 setup;普通配置内容也可以直接编辑。

        最常用的一条流程:把任务看板做出来

        用一个具体需求串起来。假定你已有一个 Web 项目,现在要增加任务看板,支持创建任务、查看列表和变更状态。

        这句话还不足以直接当验收标准。任务属于个人还是团队?谁能修改状态?删除之后能不能恢复?第一版是否包含拖拽?这些选择会改变后面的实现范围。

        需求还模糊,先用 grill-with-docs

        你可以这样发起:

        /grill-with-docs 帮我澄清当前项目的任务看板需求。
        初步想支持创建任务、查看列表和变更状态。
        请结合现有项目,帮我确定第一版范围、业务规则和验收条件。

        它按问题之间的依赖分轮追问,并在过程中整理共享术语、记录必要的重要决策。

        这一阶段的结束标志,应当是能说清楚第一版让用户完成哪些动作、有哪些限制、哪些事情暂时不做。

        grill-with-docs 内部组合了两种能力:grilling 负责怎样追问,domain-modeling 负责怎样把业务概念说准、保存下来。

        聊不出答案,就做一次 prototype

        任务状态怎么流转,有时靠描述很难判断。页面布局也是,看到了才知道是否顺手。这时可以先做一个小原型,只回答那个悬而未决的问题。

        /prototype 做一个任务状态流转的交互演示。
        我想检查待办、进行中、已完成之间允许怎样转换。
        每次操作后展示当前状态,方便我们检查规则。
        这次只回答状态设计问题。

        prototype 有两类主要产物。逻辑和状态问题可以做成单个 HTML 演示;界面问题可以提供多种差异明显、能够切换比较的方案。

        它采用一次性原型的实现标准,目的是快速验证设计。确认的结论要回到正式需求里,原型本身会作为决策依据保留在独立分支。

        按项目推荐的跨目录流程,离开原讨论前用 handoff 写交接材料,在新会话做原型,再把结论交接回原会话。原型回答了问题,就回到需求主线。

        用 to-spec 把讨论变成规格

        /to-spec

        to-spec 主要综合已经讨论过的信息,不重新展开一轮需求访谈。但它仍会就必要的测试边界等内容与你确认。

        所谓测试边界,就是从哪里观察系统,能够证明行为正确。完成这一步,应当得到一份明确的规格,以及它在任务系统里的链接或本地产物位置。

        测试边界:先复用一个高层 seam

        这里的 seam,可以理解为“观察或替换模块行为的位置”。优先复用已有、层级最高的 seam,例如从应用服务进入后,让一次测试穿过领域逻辑和数据库:

        flowchart LR
            A[用户请求] --> B[[应用服务 · 高层 seam]]
            B --> C[领域逻辑]
            C --> D[数据库]

        这样更接近真实使用路径,也能同时验证参数传递、模块协作、状态变化和错误处理。seam 越多,通常就越多测试入口、mock 数据、接口契约和维护成本;分别测通内部各层,仍可能漏掉模块连接起来时的问题。高层 seam 还会把实现细节藏在稳定接口后,内部重构时不容易牵连测试。

        “越少越好”不是硬性数字。只有在存在不同实现或适配器、独立变化或部署需求,或者高层 seam 无法稳定复现局部失败时,才增加 seam。判断新 seam 是否值得保留,可以问:它两侧是否真的存在两种会变化的实现?只有一个实现时,新增的往往只是间接调用;两个可替换的适配器,才说明这里有真实边界。

        用 to-tickets 拆成可独立验证的任务

        /to-tickets

        它要求任务「窄而完整」,能穿过相关层形成可验证的结果。这叫垂直切片。

        为了说明切片方式,下面是假定第一版已经确定了相关行为、spec后的。

        flowchart TD
            A[A:创建任务并能在列表看到] --> B[B:修改任务状态并验证刷新后保留]
            A --> C[C:筛选列表并验证结果]
            B --> D[D:完成剩余验收项]
            C --> D

        第一张工单就有用户可观察的结果。它可能同时涉及页面、接口、存储和测试,但范围只覆盖创建并看到任务这一条路径。

        B、C 都依赖 A。只有依赖已经完成,后面的工作才具备开始条件。没有依赖的工单可以被分别领取。

        每张工单开新会话,用 implement 实现

        需求讨论、规格和工单拆分尽量保持连续。到了逐张实现工单时,开启新的会话,把目标工单的链接或文件交给助手。

        /implement 实现「创建任务并能在列表看到」这张工单。

        下一张工单再用新的会话处理。工单应该能够独立承接实现所需的信息,前一张工单的聊天记录可以留在前一个会话里。

        implement 在适用时使用 tdd,定期运行类型检查和单个测试文件,结束时运行完整测试,再调用 code-review,处理发现后提交到当前分支。

        flowchart TD
            A[读取工单及规格] --> B[在适用处使用 tdd]
            B --> C[写一个失败测试]
            C --> D[运行并确认暴露目标缺口]
            D --> E[写最小实现让测试通过]
            E --> F{本工单行为是否完成}
            F -->|还有行为| C
            F -->|已完成| G[运行完整测试]
            G --> H[code-review]
            H --> I[规范检查]
            H --> J[需求检查]
            I --> K[处理评审发现并验证]
            J --> K
            K --> L[提交到当前分支]

        这里的测试有两条很实在的要求:先看到失败,再写让它通过的实现;预期结果要来自需求或独立的正确依据。

        评审则分别检查「是否符合项目规范」和「是否实现原始需求」,两个方向由独立的子助手处理并分别报告。

        其他常用流程,按遇到的问题挑

        Bug 难复现:diagnosing-bugs

        把实际症状、触发条件、已经观察到的证据交给它:

        /diagnosing-bugs 诊断任务状态偶尔回退的问题。
        表现是状态修改成功后,刷新页面有时又回到原状态。

        这段是提示词示例,需要换成你的真实故障。技能的关键要求是,先拿到一条已经执行过、能够暴露目标问题的检查路径。

        flowchart LR
            A[建立可重复检查] --> B[复现并缩小条件]
            B --> C[列出可被推翻的假设]
            C --> D[增加观察并验证]
            D --> E{根因是否确认}
            E -->|否| C
            E -->|是| F[修复并保留回归测试]
            F --> G[清理诊断痕迹并记录结论]

        结束时看两件事:原来的症状是否被同一条检查路径验证消失,以及是否留下防止它重来的测试。若发现系统缺少合适的测试边界,还可能形成后续架构改进工作。

        代码越来越难改:架构扫描 → 选择候选 → 澄清并实施

        调用 improve-codebase-architecture,它会寻找能够改进模块边界的机会,并生成可视化 HTML 报告。你选中一个候选后,再围绕它讨论方案。

        /improve-codebase-architecture 具体的频繁出错的地方等等

        这里会用到 codebase-design 的设计参考。它关心怎样用一个简洁的接口承载足够完整的能力,让调用者少操心内部细节。

        确定方案后,再转规格和工单。扫描报告产出的是候选机会,实际改造需要后续执行。

        项目太大,连路线都不清楚:wayfinder → to-spec → to-tickets

        如果你要做的是一个跨多个会话才能想清楚的新系统,先用 wayfinder 建立决策地图。

        /wayfinder,为团队任务协作系统建立决策地图。
        目前用户范围、权限和协作方式都还不明确。
        请先帮我定义这轮规划的目标。

        它的工单主要回答「需要作出什么决定」。有的问题要调研,有的要做原型,有的必须由你回答。尚未清晰到能提问的部分,先留在地图的待明确区域。

        flowchart LR
            A[wayfinder 明确规划目标] --> B[建立决策地图]
            B --> C[逐项调研或讨论]
            C --> D{路线是否清晰}
            D -->|否| B
            D -->|是| E[to-spec 汇总成可实施规格]
            E --> F[to-tickets 拆实现工单]
            F --> G[implement]

        通常每个后续会话处理一个决策工单,调研工单可以例外并行。路线清楚后,再转成实施规格。决策地图里分散的结论,需要经过这一步整理,才适合交给实现阶段。

        要换人、换目录或换助手:handoff

        /handoff

        它将交接文档保存到操作系统临时目录,引用已经存在的规格、工单和其他产物,并对敏感信息脱敏。新会话读取这份文档,再接着工作。

        一般的短任务,留在原会话继续就好。需要把上下文搬到另一个地方时,再使用 handoff。

        25 个技能分别做什么

        「手动」表示必须由人明确调用;「可自动」表示助手可以在适用时使用,你也可以手动点名。

        入口、规划与实现

        技能

        调用方式

        什么时候用

        做什么、留下什么

        setup-matt-pocock-skills

        手动

        首次在项目里使用工程流程

        配置任务系统、分诊标签和业务文档布局

        ask-matt

        手动

        不知道该选哪个技能

        根据当前处境推荐技能和工作路径

        grill-with-docs

        手动

        有项目、需求尚未清楚

        分轮追问,收敛需求并维护术语和重要决策

        to-spec

        手动

        已有充分讨论,需要明确规格

        综合问题、用户行为、决策、测试方式和范围,发布规格

        to-tickets

        手动

        规格较大,需要分批实现

        拆成可独立验证的工单,标明依赖并发布

        implement

        手动

        已有清楚任务或规格

        实现、运行检查、调用评审并提交到当前分支

        wayfinder

        手动

        工作太大且方向模糊

        建立决策地图,逐步解决前置问题,形成后续规划依据

        triage

        手动

        收到外部原始反馈

        判断有效性和信息完整度,设置处理状态并整理可执行说明

        诊断、验证与设计

        技能

        调用方式

        什么时候用

        做什么、留下什么

        diagnosing-bugs

        可自动

        疑难 Bug、间歇故障或性能回退

        建立检查路径,复现、验证假设、修复并补回归测试

        tdd

        可自动

        要按测试逐步构建明确行为

        一次一个失败测试和最小实现,以红绿循环推进

        code-review

        可自动

        实现收尾,或评审分支、PR

        对照固定比较点,分别检查规范与需求,报告两类发现

        improve-codebase-architecture

        手动

        模块难理解、难改或难测

        扫描改进机会,生成 HTML 报告,再讨论选定候选

        codebase-design

        可自动

        需要设计模块接口和测试边界

        提供深模块设计参考,帮助控制调用者承担的复杂度

        domain-modeling

        可自动

        业务词汇含混或重要概念冲突

        澄清词义、检查业务场景,维护术语表和必要决策记录

        prototype

        可自动

        逻辑或界面靠讨论难以判断

        创建可运行演示,验证设计并保留原型依据

        research

        可自动

        缺少外部事实或可靠材料

        由后台助手阅读一手资料,留下带引用的 Markdown 调研结果

        resolving-merge-conflicts

        可自动

        已处于 merge 或 rebase 冲突

        按双方改动意图逐块处理冲突,再完成当前合并或变基

        wizard

        可自动

        碰到只有人能完成的配置步骤

        生成交互式 Bash 向导,引导访问页面、填写配置并保存所需值

        wizard 适合账号开通、凭据配置、第三方后台操作这类确实需要人参与的环节。助手自己能完成的普通操作,直接执行即可。research 产出事实材料,业务取舍仍要带回需求讨论。

        沟通、交接与学习

        技能

        调用方式

        什么时候用

        做什么、留下什么

        grill-me

        手动

        没有项目目录,想打磨计划或想法

        通过追问澄清思路,本身不保存项目文档

        grilling

        可自动

        需要复用严密的追问方法

        按问题依赖分轮访谈,是多个上层技能共用的追问能力

        handoff

        手动

        换人、换助手、换目录或中途分出旁支

        写可携带的交接文档,引用已有产物并脱敏

        to-questionnaire

        手动

        关键答案在别人那里

        先确认接收者和所需信息,再生成供对方填写的问卷

        wait-what

        手动

        助手刚才没讲明白

        补足必要背景,用更易理解的表达重讲上一条消息

        teach

        手动

        想跨多次会话学习一个主题

        围绕学习目标建立课程、参考材料和学习记录

        writing-for-agents

        可自动

        编写技能或助手工作说明

        帮助组织步骤、参考材料和完成标准,让指令更容易被执行

        grill-me 适合没有项目目录的想法讨论,grill-with-docs 在项目中保留共识,grilling 是它们共用的追问方法。to-questionnaire 用来收集别人掌握的答案,wait-what 则在你没听懂时立即纠正表达。

        第一次试用,跑完一个小任务就够了

        真正值得验证的,是这套流程能否让你的下一次工作更清楚。

        安装并配置好后,挑一个范围有限、做完就能验收的需求。先用 grill-with-docs 确定行为和范围,再经过 to-spec 、 to-tickets和implement。

        过程中如果发现问题不是缺代码,而是缺事实,就调研;缺一个能讨论的实物,就做原型;缺别人才能给的答案,就生成问卷。每种技能都有明确的介入理由。

        第一轮结束时,对照实际结果检查:任务边界是否比开始时清楚,做完的行为是否能够验证,新会话能否根据工单接手,评审发现是否得到了处理。

        这些结果,比安装了多少技能更能说明问题。

        mattpocock-skills 的价值就落在这一连串具体动作里。把要做的事说清楚,把工作拆到能验证,把决定留给接手的人,再用运行结果回答是否完成。等这条短流程跑顺了,再把它扩展到更大的项目。

        CadenzaOS:https://github.com/SuperTapir/CadenzaOS

        PCB Atelier:https://github.com/SuperTapir/pcb-atelier

        tapir-skills:https://github.com/SuperTapir/tapir-skills

        PCB_lightgraph:https://github.com/tomatorigid/PCB_lightgraph

        我用AI编程复刻了老罗的TNT,还顺手做了个万能遥控器……:https://www.bilibili.com/video/BV1qMKg6uEJr

        送朋友一张PCB做的贺卡!:https://www.bilibili.com/video/BV11MjE6qEXb

        🎉🕯🎂🕯🎉(我的第一块 PCB Art 作品图案取自这位老师的视频):https://www.bilibili.com/video/BV1ihNx61Ewq

        从零开始的二次元电路板艺术画设计教程:https://www.bilibili.com/video/BV1CQjz6ZELZ

        -END -

        如果您关注前端+AI 相关领域可以扫码进群交流

        添加小编微信进群😊

        关于奇舞团

        奇舞团是 360 集团最大的大前端团队,非常重视人才培养,有工程师、讲师、翻译官、业务接口人、团队 Leader 等多种发展方向供员工选择,并辅以提供相应的技术力、专业力、通用力、领导力等培训课程。奇舞团以开放和求贤的心态欢迎各种优秀人才关注和加入奇舞团。

        跳转微信打开

        •  

        钉钉9.0.0:有趣,有料,有新活

        原创 繁星文化 2026-09-23 17:23 浙江

        赞!又是一个大版本

        斗图从此有声有色,聊天氛围一秒盘活!

        优化群头像文字布局、头像配色,

        让你的群头像更直观更清新!

        捏头像支持双端设置、一键重置、

        随机生成、保存到本地;

        多款个性素材全新上线,

        轻松捏出你的专属头像。

        钉钉点赞焕新升级:

        不止大拇指,猫猫赞、狗狗赞、

        emoji赞等多款趣味样式随心选。

        长按左右滑动即可挑选,

        按得越久、点赞越大,

        让你的每一次点赞都更有个性、有温度。

        支持:Windows/Mac/Android/iOS/HarmonyOS用户使用,逐步灰度放量中,敬请期待

        桌面端的导航栏、快捷操作入口

        支持用户自定义配置;

        移动端的导航栏、快捷操作入口、

        效率工具栏、「我的」

        也全部开放自定义编辑。

        导航栏切换图标有惊喜,

        个个活灵活现,

        让办公更轻盈。

        各类Agent 可通过 钉钉DWS CLI 

        直接调用全新的 AI 卡片 3.0 能力——

        无需预先搭建任何模板,

        用自然语言描述想要的样式和内容,

        即可实时生成精美的群聊卡片消息。

        粘贴 Markdown 内容后,

        标题、列表、表格、代码块等格式自动保留;

        编辑发送后以 Markdown 渲染效果呈现,

        复杂信息表达更清晰。

        AI 听记开放全链路能力,

        覆盖录制、生成、消费、

        后处理、权限与存储管理。

        主流 Agent 无需进入产品,

        即可完整调用你的每一场听记。

        *个人模式无需选组织,仅读取归属本人的听记(含智能硬件录制内容);组织模式扫码授权并选择组织后,读取权限范围内的组织与个人数据

        图文纪要支持 Q&A 模式,

        轻松帮你把一场「对话」里的

        问题、回答和追问,

        按主题重新整理得井井有条。

        问数、收集信息、定时催办、

        通知和回写一口气完成,

        数据问题从查询走向闭环处理。

        一行 CLI 指令,

        让Agent能在AI表格原有权限内直接

        查数据、录数据、建流程、搭看板,

        结果还能写回,

        不用再切系统搬运数据。

        消息卡片支持撤回,

        执行过程与结果完整留痕,

        Al自动解读运行记录和失败原因,

        失败任务可从失败

        节点或从头重试,

        让自动化流程看得懂、查得到、能补救。

        支持将金蝶云星空中的销售合同、

        物料主数据、付款单、

        收款单等数据同步至 AI 表格,

        减少手工搬运,

        方便团队集中查看、分析和协作跟进。

        你可以把 AI 表格中的花名册、

        订单等数据关联到合同模板,

        再通过钉钉电子签插件一键批量发起签署,

        并在表格中统一管理合同台账。

        面向国际化沟通中的邮件写作场景,

        「AI 英文校对」功能实时纠正拼写、

        语法错误与表达不清的三大问题,

        跨越语言隔阂,为国际化交流保驾护航。

        面向商务报价等重要外发邮件,

        发件方开启「邮件追踪」,

        即可在收件方无感的情况下

        自动获取阅读状态。

        告别手动确认的邮件回执,

        助你精准把握沟通时机。

        中秋国庆请3天休13天!

        搭配上钉钉邮箱最新上线的

        邮箱委托授权与管理功能,

        休假期间你不用担心业务邮件处理不及时。

        AI 伙伴是钉钉专为校园打造的 AI 智能体。

        对学校,它是「校园助手」:

        规章制度、办事指南、教学资料交给它,

        即可通过对话回答师生的

        日常咨询、协助办事。

        对每一位师生,它又是「专属伙伴」:

        可随时随地协助处理个人事项。

        宜搭上线AI搭建能力,

        你一句话描述需求,

        宜搭 AI 规划全局:

        数据怎么建、流程怎么跑、页面怎么定。

        先描绘蓝图,再动手搭建,

        AI 直出生产级应用。

        宜搭的应用千篇一律?

        宜搭AI支持一键换肤,

        让每个应用都能做到心有所想,

        一键即成。

          不绑模型、不绑设备,

        你电脑上的 AI工具 

        都能成为你的搭建引擎。

        Teambition 数字员工

        现在能加入钉钉项目群:

        无论是群聊 @、私聊派活,

        它都能主动获取项目信息,

        定时巡检、接任务、按流程干活。

        懂任务、懂项目、懂怎么管。

        全新 TB Brain:

        一句话、文档或KO会议纪要 建项目,

        自动拆任务、派工派活,

        精准调用每一项平台能力——

        想怎么管,下命令,

        Brain 去落地。

        支持企业

        选择有 CLI 权限的 Agent 渠道范围

        CLI 单模块功能支持配置可用人员范围

        支持企业自定义配置用户

        在什么环境下可以调用 CLI。

        例如可设置用户仅在公司设备上

        才能获得 CLI 使用权限。

        阅读原文

        跳转微信打开

        •  

        豆包工作更新:让复杂任务真正跑到终点

        原创 刘飞 2026-09-23 16:20 浙江

        豆包出了豆包工作?豆包为什么要工作?

        1

        豆包现在旗下有一个豆包工作的产品,可能不是所有朋友都知道。它已经慢慢融入我的日常生活工作了。

        豆包工作不光具备了本地化和云端的 Agent 功能,最近,它又更新了两个新的任务模式,目标模式和计划模式。

        我个人非常推荐大家试用一下。

        可能很多朋友还是认为,单纯的对话模式就能解决大部分问题。但是如果用了新的模式,你会打开一片新天地。

        可以先跟大家讲讲我用的场景。

        2

        先说目标模式。

        它解决的是一个长期任务问题。因为有的时候复杂任务,AI 都会着急完成,而目标模式就是让 AI 不要急着完成。

        当然也有其他的 AI 工具能实现比较长的上下文,但是目标模式不等于直接把输出拉长。

        我最近很喜欢做一件事,就是阅读 AI 帮我写的书。

        比如前段时间,我就让 AI 帮我写了一本 80 万字的书,《中国通史》。然后把它传到微信读书,很是喜欢。

        我当然也读过很多名家的通史,通常来说,史学家会有自己不同的视角。但我自己作为一个读者来说,我也有关心历史的视角,所以我可以以个人的视角、个人的判断和要求,让 AI 按照目标生成。

        我大概的要求包括:

        • 每期字数不少于 5000 字;

        • 按历史阶段拆分成若干独立章节;

        • 重要人物、战役和制度变化不能遗漏;

        • 需要从专业的文献当中做校验;

        • 避免网络营销文常见的夸张判断和情绪化表达;

        • 既写政治军事,也重点写经济、人口和普通人的生活。

        这样,它既不像有一些营销味太浓、情绪表达太重的网络文学一样,又不是那种学术专著。

        最终阅读的体验堪称完美。

        细究起来,这中间显然是有一些瑕疵的。想了解更细和更准确的历史,还得去翻专著。但作为一个通读的基础文本,对我而言非常非常重要。

        也许未来定制专著会是一种趋势。

        不过在之前的撰写过程中,我是非常痛苦的。由于输出的限制,我需要一个章节一个章节的跟 AI 沟通,中间还要时不时调整,时不时监督。

        像我在关注的香港电影史,就是这么操作的。

        而豆包的目标模式就能很好地解决这个问题,因为逻辑是 Agent 盯着完成所有的撰写。

        像这个就是用豆包的目标模式来完成三国历史的 10 万字的文本的撰写。

        注意看右边,它是通过多个智能体按照同样的要求去撰写,然后再整合到一起的。

        在执行过程当中,豆包都会有校验环节,按照目标去逐项核对,达到目标之后才会交付。所以这里面都可以把要求前置到任务开始之前,不用中间反复去纠正它。

        执行过程的时候,任务进行到哪一步,也会有实时的显示,如果跑偏了也能及时终止。

        3

        另一个模式是计划模式,逻辑正好是相反的。

        有些工作不能让 AI 一上来就动手,因为一动手就是错。所以,如果说目标模式是让 AI 不要急着完成,那计划模式就是让 AI 不要急着开始。

        这个模式下,我们可以先做一个相对完善的规划和框架。把前期的准备工作做得足够完善,再去开工。

        计划模式中,豆包是先做一轮只读的调研,必要的时候会主动跟你确认清楚,再产出一份 MD 格式的实施计划,任务要怎么拆,按什么标准验收等等,都会写的很清楚。你可以直接批准,也可以逐条修改。

        这个模式的价值,一方面是相对比较安全,不会一上来就动文件,把东西改出问题,或者方向跑偏了再大规模的返工。另一方面是相对省钱,把前面的准备工作做得足够好,后面的 TOKEN 就能节约下来,能大幅省下额度。

        什么场景下需要计划模式呢?

        我最近正好要去捷克、匈牙利和奥地利玩一圈,就用计划模式做了一份行程。它会先给一版整体框架,每天到哪个城市,大概去哪些地方。我可以先对整个的框架做调整,哪个城市多留一天,这些都需要校验。等这个调整完之后,再让它逐步地丰满骨架上的血肉,整个过程就会更加完善。

        试想一下,如果是用聊天的模式跟对方沟通,你会发现 AI 经常有找不到重点、粗细不分的问题。有时候还没商量好在哪个城市该待几天,它已经把当天要去的餐馆、怎么买票都告诉你了。这涉及到一个步骤和顺序的问题。

        这是非常实际有价值的场景。再举个例子,这次去玩需要办奥地利的申根签证。我之前为了省事,都是找代理机构帮忙办签证的。现在我可以让豆包工作帮我生成一个计划,逐步去完善,把资料补齐。

        申请签证的材料非常碎,中间还有大量的细节和信息需要核对。之前找代理公司就是怕有些东西填错,到时候现场再补来不及,非常耽误时间,甚至会有延误风险。而通过整理完善的这个清单流程,我就不用担心出问题了。

        省下来的钱,还够我充值一年的豆包付费会员。

        4

        豆包工作并不意味着只能用在职场的工作里。

        我能想到的大量日常生活当中,我们需要管理的信息、需要做复杂规划、需要做详细调研的工作,都可以用豆包工作完成。

        比如家里的绿植的管理,就可以用豆包工作完成。它可以帮我们生成完整的植物列表和养护要求,我们实时的跟它同步信息,这就是一个非常好的管理工具。

        再比如现在我用的 AI 工具比较多,有很多订阅,有一些订阅时不时就会忘掉,后来就会花一些冤枉钱,包括一些额度的管理,这些也都可以用豆包工作来完成。

        豆包工作跟简单对话最大的区别就是,可以帮助管理一些长期和复杂的项目。如果只是问一个具体的问题、几个对话内能结束,那当然还是可以继续在聊天工具里完成。

        但像刚才说的这种,我们就可以建立一些核心的文档,慢慢把这件事做得更信息化,还可以随时远程调取,相当于让我们的生活和工作都更加有序,也有沉淀。

        顺便提一句,虽然豆包工作里的比较好用的模型还需要付费,但现在可以领一个月会员,在这个一个月里可以体验一下用 AI 工作的乐趣,用 AI 管理个人资料和处理复杂计划的乐趣。

        比如马上就国庆了,旅行计划就可以试试看。

        希望能对你有帮助。

        跳转微信打开

        •  

        如何度过低谷

        原创 也谈钱 2026-09-23 13:30 德国

        一个最简化的,生活基本盘建设手册

        之前文章里分享过我的「如何度过低谷」笔记,大伙比较感兴趣,这篇专门聊聊这个话题。

        我算是个低能量的人,会周期性地想要苟一下。有时是因为外部环境,有时是因为精力状态,有时是遇上了意外琐事。久而久之就有经验了,摸索出一些适合自己的方法。

        ……

        低谷往往伴随两个困境:1. 看不清未来的方向 2. 不知道会持续多久。

        很多建议此时都失效了,因为它们总要你先回答「我希望未来的自己成为什么人」。可这恰恰是人在低谷时无法回答的。

        所以我会换个角度:哪些事,不管未来往哪走都会需要?去关注基本盘。

        比如我不知道未来会是什么样,但知道不管未来如何、低谷持续多久,人总会需要健康和钱。所以关注下健康、精力、财务,总没错。说到这,总会想起有知有行伙伴画的这张图 👇

        而且基本盘本身也是走出低谷的能量来源。吃好睡好,身体健康,心态积极,财务稳健,走出低谷就只是时间问题。

        关注基本盘,这是如何度过低谷的第一个原则。

        ……

        第二个原则是思路要尽可能简单。

        低谷常是低精力状态,而且持续时间未知。复杂的方法容易变成新的负担。所以每当看到「XX 的 100 种方法」,我总会问如果只能选一个,应该留哪个?

        留下的那个最好能四两拨千斤:

        1. 这件事儿做好,其他事儿会因此变容易。就像 100 种自由选一个,我肯定选财务自由,因为财务自由会简化其他问题。

        2. 这个动作本身,可以带动其他动作。比如改善睡眠,只全力做好一件事儿我会先做到固定时间起床(这个后面展开说)

        我的度过低谷清单,就是这样一个最简化的,基本盘建设手册。

        如何度过低谷

        1. 固定起床时间,起床后先吃早餐。

        2. 保持规律运动(规律,不是完美。找到不觉得费力的节奏,保持下去就好)

        3. 停掉一件明知有害、却还在做的事。

        4. (接上一条)尤其那些会越陷越深、越来越累的娱乐,比如信息流、短视频、网文。

        5. 不要过度收缩社交,保持输入和输出。

        6. 收拾最常待的空间。

        7. 状态差时少做重大决定,多做低成本试错。

        8. 想到一件事先记下来,不急着立刻做,每天统一时间处理。

        9. 财务决策更保守一些,照顾好现金流。

        有三条这里展开聊聊,分别是睡眠、放下手机和对外触点。

        睡眠,对度过低谷最有启发的习惯

        先从睡眠开始说,一是睡眠本身就是基本盘,二是我发现改善睡眠的思路,对度过低谷也有启发,很能体现前面说的「四两拨千斤」。

        想要改善睡眠,如果只能全力做好一件事,我会先选每天固定时间起床,包括周末节假日以及前一晚没睡好。

        我们无法控制自己几点入睡、每晚睡多久、睡多好,经常越用力、越糟糕。

        但我们可以控制自己每天几点起床。有意思是的,只要起床长期规律了,我们就能慢慢靠近规律的入睡时间和睡眠时长,这些本来我们无法控制的事儿。

        这就是我上面说的「这个动作本身,可以带动其他动作」。

        ……

        而且,固定起床时间本身,就有改善睡眠的作用。

        治疗失眠有一种挺反直觉的方法,叫「睡眠限制疗法」。

        明明睡不好,为什么还要限制?

        它限制的是待在床上的时间。人在床上躺了很久,可能有不少时间是清醒、担忧、翻来覆去。治疗会根据实际睡眠情况,先收窄可以待在床上的时间窗口,增强困意,让睡眠更集中。先能睡稳一小段时间,再逐步调整,让人最终睡得足够。

        固定起床时间,也能起到类似效果。先给睡眠一个稳定的锚点,不因为某一晚睡得不好,就把第二天的起床时间不断往后推,带着整个作息一起偏移。

        固定时间起床不能直接解决失眠,但能提供一个入口,可控、简单,又能带动其他行为。所以每次遇到睡眠问题,我总会先问自己,最近有没有固定时间起床。

        就像这个度过低谷清单,它本身并不能解决我们面对的各种具体问题,但它们能给解决问题提供必要的能量。

        放下手机,让生活重新变得有趣

        此处的「手机」泛指一切自己知道该控制、但又时常上瘾停不下来的事儿。

        越是低谷,越容易沉迷手机。但越是低谷,越该保持距离。

        低谷时有个容易被忽略的问题:生活里的正反馈变少了。

        做了不少事,却看不到进展;想做点什么,又不知道往哪里使劲。相比之下,手机里的廉价多巴胺来得太容易了。下一个短视频、下一条消息、下一章网文,总有东西等着。

        这会形成一个负向循环:

        状态不好 → 想靠娱乐缓一缓 → 花掉更多时间精力 → 能量更不足、更难处理眼前的事、自制力更差 → 状态更不好。

        娱乐放松分两类:

        • 恢复能量的,会自然地“够了”,想去做点别的。比如散步、冥想、放空,做得越久越有兴趣做点别的事情。

        • 消耗能量的,越做越难停下,越难开始其他的事儿。

        所以这时候我会更注意放下手机,关掉各种信息流、首页推荐。「停止一件明知有害还一直在做事儿」,我会先从这里开始。

        低谷时期放下手机(或者其他容易上瘾且消耗精力的事儿)有双重好处——一方面减少消耗,给日常生活和走出低谷提供能量。另一方面重置大脑的奖励基线,以往被手机挤占的事儿会重新变有趣,做这些事需要的启动能量也变少了。

        想起有个关于拖延的经验,特别有共鸣:

        当你发现自己拖延时,不要抗拒。

        把拖延当作现在要做的事。

        全身心拖延。

        尝试五分钟里什么也不做。

        把这当作你的任务。

        你根本完成不了这个任务。

        五分钟后,你将做好准备,渴望工作。

        ——凯文·凯利《宝贵的人生建议》

        有时候不想做一件事儿,只要放下手机,让自己这会儿什么也做不了。等一会儿,脑子就会自己盘算起原本不想做的事儿,想把这件事儿做起来。闲不了一点儿。

        不过这里仅针对「明知有害」、让自己感到上瘾、消耗的事儿,不是把所有娱乐活动排除。低谷已经够难了,没必要把快乐也一起删掉。

        保持对外触点,给好运留个入口

        有人不喜欢社交,但大概没人不喜欢好运。

        作为 i 人社交会消耗能量,低谷能量不足,就会无意识收缩社交。状态不好,不想见人;没什么进展,不想聊近况;觉得自己没什么可说的,也就不再分享。

        但走出低谷其实也需要运气。

        不用过度逼自己,突然变得”外向“,逼来的习惯难以长久,可能没走出低谷人先垮了。所以我觉得不要「过度」收缩社交,保持输入和输出就好。

        我们无法直接控制运气,但可以给好运留几个入口。

        没有不行,多了没用

        但关注基本盘也有个容易踩的坑——进步幻觉。

        房间收拾完,整洁看得见;运动做完,可以立刻打卡;改善睡眠、放下手机,精力也明显改善。生活管理可以一直推进。但与此同时,真正困扰自己的事、真正的问题并不会自动消失。

        想起一次和我的 Agent 小钱合作,我让他把我的文章按主题分类,然后了解我的经历和世界观。

        结果一个小时后回来两眼一黑,小钱烧光了全部 token 来搞主题分类,把自己变成了分类专家。一直在分类,抽查,发现有些文章分类不准,优化分类方法,再分类、再抽查……搞出了一个无比复杂的分类手册(的半成品),我的经历和世界观是一点没整理。

        低谷时也会。作息越来越规律,工具越来越顺手,清单越来越完善,但原本最想解决的那件事,一直没碰。

        看起来每天都在为走出低谷做准备,准备却永远没有结束。

        所以我觉得基本盘还有个原则,没有不行,多了没用。

        遇到困境时可以拿出清单,检查有没有遗漏,有明显不及格的地方及时修补。但也仅需要做到及格。

        低谷里的生活,也值得过

        前面一直在说,基本盘能给走出低谷提供能量。

        但写到最后,还想给这些事再补一个理由:它们本身就值得。

        怎么积蓄精力,怎么减少消耗,怎么给好运留入口。好像所有事都在为走出低谷做准备。

        Oliver Burkeman 写过一种很熟悉的心态:我们总觉得眼前的生活还是临时的,等把问题处理好、把一切理顺,真正的生活才会开始。

        低谷时尤其容易这样想。等状态好了,等环境恢复了,等有了方向,再好好生活。

        但等着等着,日子也就过去了。

        如果你永远无法把人生彻底理顺呢?

        所以我觉得,低谷里也要找到自己愿意一直过下去的日常。

        吃饭睡觉,出门走走,和喜欢的人说说话,做一点自己感兴趣的事。这些事情可以为未来积蓄能量,也可以直接让今天过得不错。

        不是每件事都得有利于走出低谷,才算值得做。

        这样过着,低谷可能慢慢就过去了。就算转机来得晚一点,这段时间也有自己的价值。

        毕竟,低谷里的生活,也值得过。

        跳转微信打开

        •  

        AI时代Vibe Design必备的10种UI风格名词

        优设 2026-09-23 12:30 湖北

        用AI做界面以后,我越来越觉得,会写“做高级一点”真的不够。很多时候不是AI能力不行,而是我们没把想要的设计语言说清楚。

         

        所以这次我把平时比较常用的10个UI风格和界面名词整理成了一套卡片,从Editorial Design、Swiss Style,到Glassmorphism、Grain & Noise,再到AI产品常见的Prompt-bar-first和Agent Status,都配了适用场景、避坑提醒和能直接塞进提示词里的关键词。

         

        我还顺手整理了一张10种风格速查表,做页面前先判断用途,再去找对应的设计语言,会比反复让AI“高级一点”靠谱很多。尤其是经常用AI做网页、产品界面和Vibe Design的朋友,这套建议直接收藏,后面写Prompt真的用得上。

        跳转微信打开

        •  
        ❌