阿里在 AI 时代的组织动作：业务分拆与重组、AI 部门的权责、钉钉的组织定位、技术与产品序列的调整。
高德 BI 团队复盘本地生活分析 Agent 的建设过程，按 L0–L4 能力分级梳理从智能问数走向归因诊断的路径。文章给出三层框架，并记录分析执行、知识复用、经营判断三段返工中的具体做法，包括固定版本知识快照、Skills 写分析方法、指标口径更新 Pipeline 与三层质量检查。到 S1 末，这套体系支撑本地生活多个业务单元的例行经营诊断，全行业经营简报一小时内产出。
推荐理由：作者复盘高德本地生活分析 Agent 从 L2 智能问数走向 L3 归因诊断的三段返工，给出可迁移的知识治理与质量工程做法。
阿里稳定性团队前端王僖复盘了团队半年的 AI Native 研发转型，核心问题是当后端、产品、设计都能借 AI 写前端后，如何保证交付质量。
推荐理由：一支稳定性团队把 AI 生成代码纳入真实交付的完整复盘，给出了 Skill、Plugin 与分库协作的具体做法和量化结果。
阿里巴巴集团 AI Native 研发实践论坛上，六位来自阿里、蚂蚁、飞猪和复旦的实践者讨论代码生成提速后软件交付的瓶颈所在。阿里巴巴研发基础设施负责人许晓斌给出时间结构：编码通常只占软件交付总时长的 20%—30%，时间主要耗在影响分析、环境准备、联调、审批、灰度和封网等环节。
推荐理由：六位阿里、蚂蚁、飞猪与复旦的实践者从各自链路说明，编码提速为何没有同步转化为交付提速。
阿里技术团队复盘其 AI 体检 Agent 的演进，把达标判定、调度、重试等确定性决策从模型侧收回代码，模型只保留语义理解、归因和方案生成。团队曾让 ReAct 模型在单一闭环里自行改规则、自评测，结果规则退化成已知样本查找表，上线后整体准确率反降。
推荐理由：作者复盘自家 AI 体检 Agent 从单环自迭代到拆分双环的踩坑过程，给出评测判据与权限分家的可迁移做法。
阿里技术团队复盘了 5 人 7 天用 Qoder 开发 QoderWork 的案例，称其完成了传统情况下需要 20 人数周的工作量，其中 DAY 0 不写代码只写 Spec。
推荐理由：文章把 5 人 7 天完成 20 人数周工作量的案例拆成逐日流程，并给出可复用的 Spec 写法与工具对比。
阿里技术团队分享了「架构师 Agent」的系统化落地实践，先从架构师的核心职能技术方案设计切入，让 AI 完成需求理解、业务与系统知识加载、代码回源和方案生成。
推荐理由：文章把架构师的技术方案设计拆成需求准入、分层知识库、渐进式披露和代码回源，并给出可迁移的落地路径。
阿里技术团队基于百炼 qwen3.7-max 的故障诊断与成本分析 Agent 做 Harness 层优化，20 轮会话的输入费用从 9.84 元降到 1.16 元，降幅 88.2%。
推荐理由：阿里技术团队公开了百炼 Agent 的完整成本优化路径，从度量、裁剪到缓存与模型分流都可直接复用。
阿里技术发布文章，结合内部项目 trade-ab-skill 讲解 Agent Skills 的结构规范、触发机制、作用域优先级与最佳实践。文章把 Skill 的核心设计概括为渐进性披露，分发现、激活、执行三阶段按需加载知识，并建议 SKILL.md 控制在 500 行以内、只做路由。
推荐理由：文章以内部 AB 实验 Skill 为例，拆解渐进性披露、触发机制与工具隔离等可迁移的工程做法。