天猫以Skills、Hooks和月度观测治理AI编码

天猫团队把 AI Coding 成熟度水位从 L1/L2（人人用 Agent、团队无沉淀）推到 L3：先把核心模块的长期决策写成 design/ 设计文档，再抽出研发范式 paradigm/（步骤清单 + 反模式列表 + 标准锚点路径），再把范式编码成 13 个被自动触发的 agent Code Skill（如 add-schedule-biz-type、add-process-template、check-docs-sync、analyze-grayconfig），用 8 个 Hook（SessionStart/UserPromptSubmit/PreToolUse/PostToolUse/Stop/PreCompact）落 skill-usage、prompts、commit-snapshot、edits 四类日志，每月跑一次 analyze-skill-usage 输出 6 类报告（使用频率、意图触发、落地率、绕过率、GAP 等），再回头调 description、调范式、加 hook 形成飞轮。 实测 aiAddOn 接入：11 个骨架文件 5 分钟生成完毕（人工抄 findDiscount 至少半天），骨架里 12 个反模式 checklist 帮 Code Review 提前拦住 3 个潜在问题。单业务接入成本从 3.5–4.5 人天压到约 0.7 人天，按接入频率估年度节省 40–80 人天（体系维护成本月度 1–2 人天）。 同时如实披露绕过率 8 条（集中在 findDiscount/node 系列）与 GAP 数据噪声。