天猫新品用AI对话与MCP辅助后端全栈研发

天猫新品团队为顺应 AI 时代开启「后端向前、前端向后」的全栈化转型，把小二工作台与研发工具的开发交由后端同学承担。这类需求无视觉还原度要求、页面间独立性强、项目耦合度低，后端同学主要通过 AI 完成全部需求实现，基本不介入实际代码。为保证产出一致性与迭代成功率，团队分三阶段建设：初期做小二端开发培训、基础代码实现规范、采用页面间完全解耦结构、通过代码约束提高生成质量、针对高频页面提供代码模版；中期针对后端同学前端经验不足的问题，在后台新增「AI案例实践中心」，把 B 端常见页面归纳为标准化 prompt 模版，并基于此提供 MCP 速查工具「天猫新品业务编码助手」，后端同学通过工具对话即可获得页面模版并生成一份标准化页面 PRD 交给 AI 生成页面，另提供基于 Gemini 3.0 多模态能力特调的图片生成提示词工具，把参考页面转为结构化描述词（相较于直接传图给编程工具，转换后的结构化描述词有更好的页面还原效果）；同时把 AI 省下的时间投入案例沉淀，按新增型与更新型需求记录需求背景、实践步骤、功能自测与错误提示。后期针对大家偏好基础 Chat 模式、不想配 MCP 与跳出编辑器的反馈，改为提供轻量级团队知识库做无感辅助。 针对团队内多数人倾向使用基础 Chat 对话模式、不愿使用类 Spec 规划模式或配置 MCP，且业务复杂、仓库多、文档与规范改动无法及时同步的问题，团队为小二端开发提供了轻量级团队知识库（实际更多用于 C 端开发）：以类 Skill 形式封装小二端开发规范与代码模版，完成团队内 AI 开发方案的统一收口。知识库直接用 git 仓库管理，以 npm 包作为资源承载与版本管理工具；用文件链接做文档多级管理与索引、渐进式披露以不过度占用 token；AI 可直接通过 curl 命令读取 npm 包下的 CDN 资源获取必要知识，不依赖具体编码工具，接入方式只需配置在编辑器 Rules 中；还可直接借用 CodeWiki 进行知识库问答。由此形成了及时更新、不依赖编码工具、支持问答、使用无感的统一知识源。 C 端需求代码质量与验收标准高、业务隐含逻辑多，无法直接由 AI 完成全部内容，团队围绕提高 AI 参与度、串联长链路多仓库（前后端、组件库与工具库）、优化高频高耗时节点三个问题推进建设，主要 Action 包括：代码结构与公共组件的设计以提高生码效率与代码可控度；沉淀多类高频开发流程的标准化 workflow；建设基础团队知识库并提供统一读取方案与快速知识查询能力；让 AI 基于知识库内容产出技术方案并进行人工审核（后期考虑提供专用的技术方案 Agent，并对技术方案做打分评测）；在开发流程中提供走查辅助、接口查询、页面检查等 MCP 工具辅助。未来方向为完善知识库的生成与自动更新、弱化人工参与度，建设更 AI 友好的代码架构，进一步提高整条链路的 AI 串联度，并推进现有工具串联与理想化的 C 端纯 AI Coding 流程。