科技Bestblogs·大淘宝技术··AI 生成
从 AI Friendly 架构到可复制的 AI 迁移能力 - 淘宝直播搜推在线架构升级实践
淘宝直播搜推系统因算法团队直接维护 Java UDF 与图配置，形成多框架、多分支架构，工程团队接手后维护成本高昂。作者提出「AI Friendly」不是让 AI 快速写代码，而是架构需支持局部理解、显式契约、能力检索和结果检查，并分三阶段迁移：人工建立行为基线、AI 参与打磨 Skill、复用 Skill 迁移新场景。适合有大型系统重构或 AI 工程化落地经验的技术读者。原文 ↗原文 ↗
核心观点
- ▍AI Friendly 架构的核心不是让 AI 快速生成代码，而是通过局部理解、显式契约、能力检索和结果检查，为 AI 提供稳定可参与的工程空间。
- ▍重构的关键不是重写代码，而是改变生产方式：用统一物料、声明式编排和结构化执行诊断，把隐性知识显性化，使公共能力可集中演进、场景差异可显式管理。
- 01早期算法团队直接维护 Java UDF 和图配置，导致系统形成多框架、多分支架构；维护责任转移到工程团队后，重复劳动和维护成本巨大。
- 02迁移分三阶段：先人工迁移建立旧系统行为基线，再让 AI 参与迁移并打磨 Skill，最后直接复用 Skill 迁移新场景，把一次性经验转为可复制自动化能力。
- 03新体系提供明确的流程语义和统一验证方法，使公共能力可集中演进，场景差异被显式管理，而非散落在各分支代码中。
反方 / 局限
- — 文章未讨论 AI 迁移在极端复杂场景或需求频繁变更下的可靠性边界，也未给出 Skill 复用失败时的回退机制和人工介入成本。
概念锚点
前置背景
论证骨架
平行视角
未来推演
延伸追问