面向Skills编程-淘宝企业购端对端研发提效实践
一句话概括
淘宝企业购把客户定制对接从 Vibe Coding、Prompt 模板、SDD 演进到面向 Skills 编程，用 SKILL.md + references + scripts 固化领域流程、约束和知识，使商品域端到端交付周期从 23.5 人日降到 8 人日，代码一次生成成功率达到 90%。
实践内容
五阶段演进路径
| 阶段 | 做法 | 收益 | 瓶颈 |
|---|---|---|---|
| Vibe Coding | 自然语言对话驱动代码生成 | 验证 AI 编程可行性 | Prompt 技巧不可复用 |
| Prompt 模板 | 流程模板 + 子任务模板 | 代码采纳率约 70% | 无法预览设计过程，承载不了 SOP |
| SDD | 用结构化 Spec 驱动生成 | 代码可用率从 40% 到 80% | Spec 质量依赖个人领域经验 |
| Skill 沉淀 | 以 SKILL.md/references/scripts 封装流程和知识 | 成功率提升到 90% | 本地 IDE 门槛高，难产品化 |
| 云端集成 | OneDay + Aone 沙箱搭建端到端生码平台 | 产品/业务可直接触发流水线 | 沙箱测试和并行化仍需完善 |
领域 Skill 构建原则
- 识别重复模式：客户接口不同，但文档评估、技术方案、代码开发三段流程高度重复。
- 封装不变量：把 SPU/SKU、推拉模式、字段映射、接口边界、模板代码写入 references 和约束。
- 变化部分输入化：客户文档、接口规范、字段映射关系作为输入。
- 高精度环节脚本化：接口提取用脚本为主，AI 负责理解格式和检查补漏。
- 大任务拆子 Skill：长文档方案生成拆成索引、模型设计、单接口生成、汇总组装。
pull-generator 分解
pull-generator（编排）
├── pull-indexer # 脚本解析评估报告 -> JSON 索引
├── pull-model-designer # 按子章节读取参数 -> 设计通用基类
├── pull-interface-generator # 单个接口独立处理，每个约 8k tokens
└── 汇总组装 # 拼装多个接口文件 -> 最终文档知识库三级索引
ai_coding/
├── GUIDE.md # 一级索引：使用指导，记录目录结构和索引文件位置
├── rules/
│ ├── index.md # 二级索引：规则描述
│ ├── alibaba/
│ │ └── java编码规则规范.md
│ └── growth/
├── docs/
├── skills/
├── agents/
├── commands/
└── package/kn-fetcher 命令
kn-fetcher pull --platform aone-copilot --rules java-coding-standards
kn-fetcher search --rules java
kn-fetcher pull --platform aone-copilot --package growth-batch-pull摘录
面向Skills编程的核心思想是：将”人写代码”转变为”人写Skills，LLM基于Skills写代码”。 程序员向更高一层抽象——从”实现逻辑”上升为”定义Skills”，基于Skills将个人经验转化为可复用的AI能力单元。
Skill体系在技术研发侧取得了显著成效，但其使用门槛决定了受众仍局限于技术同学：Skill的安装、配置、调用均依赖Cursor等本地IDE环境，需要理解SKILL.md工作流、references目录结构、脚本执行等技术概念。产品经理和业务运营无法直接使用，仍需研发作为中间人代为执行。
涉及实体
- OpenClaw-Skills —— Skill 作为 AI 行为契约，承载工作流、领域知识和约束。
- Harness-Engineering —— 通过脚本、模板、审查、人工卡点把不确定 AI 纳入确定流程。
- Spec-Driven-Development —— SDD 是从 Prompt 模板走向 Skill 体系的中间阶段。
- Context-Engineering —— 子 Skill 拆分、索引、按需读取都是上下文工程手段。
- Agentic-Engineering —— 人的角色从编码执行者变成架构、审查、规范和 Skill 设计者。
涉及主题
我的评注
这篇的价值在于它不是泛谈 Skill，而是给出完整迁移曲线：Prompt 模板解决单点，SDD 解决规格，Skill 解决领域知识复用，云端平台解决组织扩散。最有复用价值的是”确定性工程 + 不确定性 AI”这个分工：高精度抽取脚本化，长上下文拆子 Skill，反复错误沉淀为约束。