阿里发布68页AI Native研发范式实践手册

阿里技术团队整理出 68 页的《AI Native 研发范式实践手册》，不堆模型评测，直接摊开 AIDC 数字投手、千问用增 Agent、万有无界平台三个内部真实案例。其中最扎眼的一条：一个需求编码 1 小时，上线走了 3 周，编码只占整条研发链路不到 1%，AI 省下的时间被流程吃了回去。

它不教你怎么写提示词，而是把「AI 怎么真正进入研发流程」拆成四块：三个案例、五大挑战、企业级基础设施、总结。手册序言写明，这是不同团队过去几个月摸索经验的阶段性整理，记的是问题与初步共识，其中挑战与基础设施两章占了近一半篇幅。下面按手册自己的顺序走最关键的四章，看时间和钱到底耗在了哪。

01 组织升级要走三个台阶

开篇的案例一章先给出组织的三个台阶：超级个体、数字员工、云上 Scrum，对应个人、团队、组织三种粒度，从个人产能一路走到闭环治理。同章的对照数据先泼了盆冷水：自动修 bug 六成能通过，bug 日清率只从 53% 爬到 63%，靠人兜底的部分并没有变快。

02 三周工期里，编码只占一小时

五大挑战一章把那 3 周拆开：跨团队评审 1 到 2 天、联调环境 2 到 3 天、多平台联调 5 到 7 天、发布审批加封网合规 10 到 14 天。编码最先被 AI 解决，因为对错能自动判断；其余环节验证一次成本极高，才是慢的大头。

03 基础设施一章被浓缩成五个问题

企业级基础设施一章是全手册最值钱的部分，整章浓缩成五个问题，分别管住长任务、知识、环境、权限和行为记录。原文照录，答不上哪条，哪里就是短板，可以直接拿去给自己的团队对号：

1 长任务怎么续：用 Harness 管住上下文、计划、状态恢复、工具反馈和人机交接，把一次性生成变成「行动、验证、纠错」的闭环，而不是生成完就断 

2 知识在哪拿：知识库只供可信、可更新、可溯源的事实，别让 Agent 翻口头相传的文档；任务方法沉淀成 Skill，外部操作交给 MCP 和 CLI 

3 环境谁提供：Sandbox 把工具链、依赖、配置、数据、网络策略和验证方式一次声明清楚，任务在隔离环境执行，现场可保留，结果可复现 

4 权限谁把关：Identity 认「谁在行动」，Policy 定「能做什么」，Guardrail 靠 Evidence 决定放行还是拦下，不靠模型自己遵守提示 

5 行为怎么查：把模型调用、工具调用、状态变化和最终结果记成完整 Trajectory，用来定位失败、核算成本、做安全审计和构建评测数据

04 工具体系只有两行，最容易抄错

紧随其后的工具章只有一张两行的表：MCP 与 CLI 管操作和验证外部世界，Skill 管怎么完成一类任务。手册特别提醒，Agent 不会主动想到用某个 CLI，得有 Skill 告诉它什么时候调；授权和凭证管理是企业落地里更难的一段。

写在最后

没展开的还有两个完整案例细拆、四项挑战的逐项对策，以及 Sandbox、可观测等三节专项。这份 68 页材料的价值，是把模型之外的系统工程讲成了一份清单：模型分再高，省下的只是编码那一段。