从写代码到完整研发迭代

得物推荐团队资深技术专家在AICon上的演讲整理，核心回答“如何让AI从写代码走向完整研发迭代”。作者将研发迭代抽象为PDCA循环，指出多数团队的AI实践只覆盖编码阶段，得物的目标是把需求、开发、验收和问题反思串成完整链路。

打开网易新闻 查看精彩图片

阶段数据显示，AI需求渗透率约30%，问题排查时长下降约80%。

TPRD与Contract界定需求边界

自然语言需求存在大量歧义，得物在PRD后增加TPRD，将需求拆解为具体功能点并划定影响范围、优化目标和技术约束，作为开发、测试与验收的北极星。通过沙箱隔离、单测驱动和数据Mock减少AI等待，用AI模拟用户画像做推荐质量前置评测，将排查结果沉淀为Story。

CDD三层知识体系

针对知识丢失、随机漂移和路径不透明，作者提出CDD，建立L1/L2/L3三层知识体系。L1规定行为硬边界、L2沉淀模块设计知识、L3提供代码即时注释。实测补注释后AI回答准确率从约52%提升到90%以上。

Highway与ATV混合Agent架构

80%已知问题走确定性代码路径，20%长尾问题探索后反思固化为代码。Highway路径将已解决问题转成确定性代码直接执行，ATV路径允许AI自主探索长尾问题；每晚反思把新解决问题固化为Story进入Highway，减少随机漂移。

好的Harness是环境而非铁笼

不应在Prompt中堆叠禁止词，而要通过沙箱隔离、依赖Mock、单测驱动等基础设施把约束融入环境，让AI自然按预期方式运行，避免因显性限制过多而停摆。作者强调，目标不是追求形式上的AI覆盖率，而是在真正适合的环节提高AI的参与度、产出采纳率和交付效率。