本文总结了天猫超市在构建面向 AI 的数据知识库方面的实践经验。面对数据资产庞杂、语义不统一和维护成本高昂等挑战，团队提出了“不重构模型、小而精维护、支持灵活扩展”的原则。文章详细介绍了通过结构化构建指标、实体、属性、表和字段五类知识，并结合图谱召回和 Agent 框架，实现了从自然语言到 SQL 的智能取数。其中，特别强调了从最初的钉钉文档快速验证到产品化平台建设的演进过程，以及如何通过平台化能力解决知识有效性、保鲜性和维护成本问题。文章还展示了该实践在资产查询、智能问数和开发提效方面的应用效果，并展望了未来在提升召回准确率、实现知识保鲜和拓展能力边界方面的规划，旨在打造一个更智能、更具生命力的数据认知中枢。
本文以淘宝闪购服务包系统重构为例，深入探讨了如何将 AI 技术与领域驱动设计（DDD）相结合，实现传统软件架构的智能化升级。文章详细阐述了在背景部分，原有单体架构面临的高昂开发成本、重复代码泛滥、架构耦合严重和扩展风险高等诸多挑战。随后，清晰地设定了 AI 驱动架构设计的改造目标，即利用 AI 辅助领域边界识别、模型落地代码生成、持续优化分析等，旨在大幅降低开发成本和实现架构的智能化演进。文章具体展示了 AI 在架构设计阶段辅助拆解限界上下文、人工介入修正 AI 的不足，并通过 AI 细化上下文文档。在代码实现阶段，展示了如何基于文档生成代码骨架，并结合具体案例（API 转换、版本比对工具）说明 AI 辅助代码实现的实际效果和高准确率。最后，通过重构前后对比分析，强调了 AI+DDD 模式在架构解耦、代码质量、效率提升（75%）和业务价值上的显著成效，并展望了人机协作将成为软件工程的新常态。
