vivo 互联网技术

摘要： 本文系统梳理了 AI Agent 技术演进全景，核心目标是构建能自主规划、调用工具、交付结果的"数字员工"。从提示词工程（如何精准传达意图），到 RAG（如何接入外部知识），再到 Harness 工程（如何让模型持续可靠运行），再到 ReAct 循环（如何赋予自主决策与执行能力），最后到多智能体协作。 阅读全文

摘要： 本文区分领域现实、业务判断事实和软件运行事实，提出业务因果链与运行事实链的双链结构；进一步将 Session、Harness 与执行环境解耦，区分 Session、Context、State、Memory 和 Knowledge，并说明一次 Agent 运行如何被恢复、交接、验证和持续演进。 阅读全文

摘要： 面向产品经理的 Agent Harness 设计指南：把用户目标转化为可执行任务、工具契约、权限策略、结构化结果和可验收的工程系统。 产品经理在设计 Agent 产品时，不仅仅只写 Prompt、页面和最终输出，还要参与定义 Agent 如何执行任务、调用工具、控制权限、处理失败并交付结果。 阅读全文

摘要： KDC 试图把领域现实、数字表示、知识、记忆、推理、技能、能力、行动和反馈组织成一条连续的业务因果链。本文给出 Reality-to-Feedback 闭环以及对象化、运行时化、治理化三层工程模型，同时区分已验证实践、理论推导和开放问题，说明企业如何从一个高影响业务闭环开始渐进采用。 阅读全文

摘要： 本文基于 SmartFlow 实践，提出存量业务 AI Coding 冷启动方法：从历史代码和需求中沉淀可复用 Skill，新需求通过规格化、评审、受控实现、验证联调与知识回写闭环交付，降低协同开发成本，推动 AI 成为持续积累的团队资产。 阅读全文

摘要： 记忆的价值不在于保存更多历史，而在于决定哪些历史仍然可以影响未来的判断与行动。本文把记忆放入形成、强化、衰减、冲突、遗忘、迁移和归档的生命周期，并进一步说明反馈验证与错误归因如何帮助系统修正知识、记忆、推理和治理策略。 阅读全文

摘要： 埋点是数据驱动的基础，但大量无配套后台的域名埋点只能靠抓包加肉眼比对测试，自建后台侵入性强。本文介绍 Flyheart Monitor，一套零侵入的域名埋点实时校验工具：在请求必经之路拦截数据校验，不绑定抓包代理，用规则代替人工校验，并将结果沉淀为可归档图片。 阅读全文

摘要： 多个 LoRA 合并到一起，画风串味、角色崩坏几乎是必然。vivo BlueImage Lab与南京大学提出 SSR-Merge：不在参数空间做算术，而在信号空间做路由。路由器 R = QG⁻¹ 由数据的二阶统计量直接解出，等价于最小二乘的唯一解析解，无需训练、无需调参，部署时可重参数化为标准 LoRA，推理零额外开销。 阅读全文

摘要： 一次 Tool 调用即使执行成功，也不代表 Agent 做出了正确且获授权的业务行动。本文提出推理对象作为判断与行动之间的可追溯锚点，并区分 Tool、Skill、Capability 和治理基础设施的责任，让 Agent 保持动态协调能力，同时不再成为所有责任的容器。 阅读全文

摘要： vivo 蓝图实验室提出妆容迁移框架 ART，通过两阶段训练将监督信号从合成伪目标逐步锚定到真实参考图像。该方法有效解决了复杂妆容迁移中的细节丢失与身份漂移问题，在多个数据集上取得 SOTA 效果，并发布首个 2K 妆容数据集 MF2K。 阅读全文