8.0
深览指数
科技Bestblogs·阿里技术··AI 生成
面向复杂业务场景的智能分析 Skills 架构设计与演进实践
文章复盘了阿里技术团队在本地生活业务智能分析 Skill 搭建中的三次架构重构：从 V1 的软件工程分层解耦导致上下文碎片化，到 V2 的知识收拢与按需加载但文件膨胀，再到 V3 按变更频率分离稳定/时效知识、大幅精简方法层与表达层。最终提炼出六条架构设计原则，包括「收拢优于碎片化」「Token 经济性是硬约束」等。适合从事 AI Agent 或 LLM 应用的工程师、架构师阅读，案例翔实、逻辑清晰，可迁移性高。原文 ↗
核心观点
- ▍智能分析 Skill 架构的核心矛盾在于知识组织方式：V1 的软件工程式分层解耦导致 LLM 上下文碎片化，V2 的知识收拢带来文件膨胀，V3 按变更频率分层（稳定层/时效层）并配合分发加载策略，是当前最优解。
- 01V1 将知识分为 K/A/E 三层，通过接口契约传递，导致 LLM 无法在一个连贯上下文中看到完整知识，且分析过程是交织的，单向流水线不成立。
- 02V2 每个行业知识收拢到一个文件，路由层根据问题动态加载，但稳定知识（如经营框架）和时效知识（如策略、竞争格局）混在一起，导致文件膨胀，维护成本指数增长。
- 03V3 按变更频率分层：低频变更的经营框架等放入瘦行业文件，高频变更的策略竞争等按主题组织文件，写入时一个主题文件改所有行业，读取时只加载目标行业段落。
- 04方法层从 20+ 压缩到 9 个，并建立优先级路由与后置触发；输出模板从 20+ 压缩到 4 类框架，只约束骨架，释放内容填充灵活性。
- 05知识保鲜设计评测→诊断→登记→修改→复测的更新闭环，并通过静默反馈采集确认后固化到知识库，实现自演进。
- 06设计了「信号消解」规则，当多个技能冲突时，通过优先级路由和信号消解逻辑决定最终输出，同时内置了受众适配机制，根据用户画像调整输出风格。
反方 / 局限
- — V3 方案虽然解决了 V2 的文件膨胀问题，但引入了知识分层的分类成本，在实践中需要准确判断「稳定」与「时效」的边界，频繁变更的经营框架也可能导致分类失效。
- — 文章的「选项少、信号强」原则在实际中可能面临取舍：方法层压缩到 9 个可能无法覆盖所有业务场景，需要预留「兜底方法」但未交代如何处理。
3 分钟 · 4 卡片 · 10 资料
读原文 →