产品经理也能“开发”需求？淘宝信息流从需求到上线的AI端到端实践

• 需求多，耗时长：信息流迭代频繁且每个需求全流程耗时平均需要一周时间，还有各种创新项目并行；

• 技术栈多：购后信息流光前台的技术栈就有iOS、Android、鸿蒙、Weex及DX，一个UI调整可能要涉及到五个端代码的改动；（注：Weex及DX均为大淘宝技术自研的动态化渲染引擎）。
  

2. 协同效率比较低

• 何为Codex-云端AI开发服务

Codex是一个在云端沙盒环境可以执行代码开发、仓库问题回答等多种任务的AI服务，有独立的前台应用，也可以通过API方式接入（WaterFlow通过API接入）。

Coding Sandbox：利用Docker容器建立安全沙箱环境，提供代码执行的工作空间，在容器预先克隆仓库并分配给每个代码仓库特定的资源和用户权限。

Code Langgraph Agent：基于LangGraph的AI代理服务，提供代码分析、智能推理以及工具调用的能力，支持代码搜索、文件操作、Shell执行、Git、MCP等各类工具。

LLM：大模型用的是在编程领域表现良好的代码大模型，提供卓越的代码和推理能力，同时更精确地响应用户指令。

• 三种上下文引导AI正确执行

有了强大的一个AI编码工具Codex，也有了需要执行的任务（提示词），我们如何指挥大模型进行正确的修改呢？这时上下文给大模型提供了一个关键的依据。在WaterFlow中，我们每次任务执行的上下文由三部分组成。

系统上下文：WaterFlow定义的基本规则，不可更改，比如Git操作，获取User Context/Code Context等上下文及最终返回格式等；

用户上下文：每位用户自定义规则，可在系统设置中更改，比如编码习惯、用户画像等；

代码上下文：每个代码仓库相关的资料，存放在代码仓库特定路径下的markdown文件，在任务执行过程中可选择特定的上下文，由代码的所有开发者共同维护，同样可适用于Cursor或Jules等编程工具，包含目录结构、仓库工作流、技术栈等。

如何编写代码上下文可参考业界通用的AGENTS.md的规范，在Github上有两万多个优秀例子，这边是信息流（前端）的部分示例

# @ali/weex-waterfall
## 概述- 是一个React组件的npm包- 提供给接入方提供商品推荐信息流的样式和功能
## 技术栈- 开发语言: typescript- 样式和渲染主要由React + CSS完成- Weex2.0提供了基础能力, 比如waterfall组件双列流的排列和动画能力- Ice3.0提供了脚手架能力, 运行调试及构建
## 启动命令- 安装依赖：tnpm install- 开发调试：tnpm run startWeex- 打包编译：tnpm run build
## 目录结构|-- src|   |-- index.tsx                          # 瀑布流实现|   |-- cards                              # 所有卡片集合|   |-- components                         # 公用组件|   |-- hooks                              # 所有hooks集合|   |-- utils                              # 工具类函数
## 执行步骤- 先拉取远端分支代码，并切换至主干分支- 基于主干新建一个分支，并在新分支根据任务修改代码- 修改完成后，提交commit并将当前分支推送至远端

自WaterFlow上线近3个月，在信息流业务取得了一定效果，尤其是协同和开发两方面，下面将介绍具体效果和案例。

上线实践效果

中心 Agent 生成了30个以上的需求文档及任务，占总需求30%，平均耗时 10 分钟，通过WaterFlow生成需求的用户除了有熟悉业务的信息流产品，还有其他不熟悉信息流业务的技术。大大降低了提需求的门槛和沟通成本，从“N次握手”变成“一次握手”。

如此有以下好处：

• 大部分需求附有正确可执行的开发任务，能缩短排期时间，这也是提效的最大原因

• 不用多次询问需求细节，细节都在对话和 PRD 里；并且也能帮助补充需求的细节。

Codex无缝执行开发任务，在云端高效完成工作。上述 Agent 生成的30个需求任务都直接交由Code Agent进行开发，大部分需求完成度达到90%，其中有部分更是由产品直接执行开发任务。节省了以往环境搭建、开发和部署的时间，执行后只需要静静等待结果即可，就像Jules倡导的“More time for the code you want to write, and everything else”。

哪些需求适合完全交给AI执行？

经过实践总结，如果为Codex分配一些新人工程师或实习生在提供充分、清晰的任务下能够完成的需求，那么Codex完成的效果就很好，从中挑选了一些100%代码由AI生成的需求举例：

• 【体验优化】定时上架品前台优化表达

• 【样式调整】引导发布评价卡片评价返现样式优化

• 【配置修改】解析URL参数并更新特定对象

• 【推荐理由】新增88VIP推荐理由字段

• 【增加埋点 】确认收货信息流缓存添加性能点位

代码行数：Java、JavaScript、XML等各类语言生成超过54000行

上下文建设：对前后端及客户端信息流相关仓库的技术栈、目录结构及工作流都有详尽描述，同时总结了信息流最常用DX模板的组件、属性及语法，另外这些上下文都会随着需求数增加而逐步完善。

先回答标题提出的问题，产品能“开发”需求吗？答案是部分需求可以的。借助Waterflow的能力，有效的提高了我们的协同和开发效率。短期来说，我们会继续打磨好各个端的流程；长期来说，我们希望在以下两方面做突破以完成复杂度更高的需求：

• 评估标准：OpenAI Agent 团队负责人认为做好一个Agent产品最关键的要创建正确的评估和评分机制，从评估到生产，再到微调，这是一个强大的循环。我们也希望有一个评估机制，以保证我们的Prompt、上下文及代码生成的效果能不断得到优化。

• 记忆功能：目前在WaterFlow做过的需求都是通过一些机制更新到上下文中，存在一定的局限性。我们希望让Agent 具备持续学习能力，提供更符合用户偏好的个性化服务和体验。

本文作者川封，来自淘天集团-用户终端技术团队。我们服务于淘宝基础用户产品，是淘宝最重要的业务线之一。首页、信息流推荐、消息聊天、搜索、我淘、用增、互动、内容等亿级用户规模产品，为我们带来大量业务/技术挑战及机会。

团队在保证业务的同时，以先进的跨端框架和研发模式不断完善自己，打造最极致的体验和工程技术，保障多端设备的适配和稳定运行，并探索端智能等创新机会，通过技术高效驱动业务的良性发展。持续探索以AI为底座构建从需求到上线的端到端自动化与产品化能力，使亿级规模的交付更快、更稳、更可控。

我们渴望优秀的你一起加入，去打造行业标杆。详情请点击链接：https://talent.taotian.com/off-campus/position-detail?positionId=100001940001&shareCode=8l%2FGMUcSfnicARi9OL4aAjGlku0PpXny5Uv697sCaOGfpOa9IdOAefK4ayJCEBjs

本文视频讲解可在此观看👉【产品经理也能“开发”需求？大厂程序员自救之路，从需求到上线的AI端到端实践-《实战篇》-哔哩哔哩】 https://b23.tv/ybqP7FD