高德出行后端团队落地技术方案设计Agent，跨系统方案覆盖度达95%以上

背景：高德出行后端面对运行多年、跨多仓库多服务的存量分布式系统，关键约束散落在历史方案、事故复盘与配置平台中，AI容易产出「局部正确、整体错误」的设计，技术方案设计是架构师介入最深的瓶颈环节。做法：团队以「架构师Agent」为方向、从技术方案设计切入：business-knowledge-distill把技术方案与稳定性串讲资料蒸馏成按领域边界组织的业务知识库（元语、原则、场景、实践、引用五类，交互图一并解析），service-knowledge-generate为各微服务生成AGENTS.md等结构化知识；运行时由KBase MCP取业务知识、AITOM做链路追踪、Git仓库回源核对事实，prd-digest承担需求准入；Agent沿需求理解、场景解析、链路定位、仓库知识读取、Gap分析、方案生成六步推进，全程渐进式披露按需加载。已披露结果：在「体验站三期」真实需求上，原始需求较完整、知识库齐备的前提下，AI原生技术方案覆盖度达95%以上（按需求、系统、证据、风险、验证、不确定性治理六维衡量）；回源机制还发现知识漂移——知识库记录某模块「不排序」而代码实际按权重排序，方案据此修正；service-knowledge的code indexing作用估算至少提升约25%效率。边界与必要条件：人仍是知识质量与关键决策的最终负责人，跨团队决策、数据口径等以显式待确认项留给人；知识库需日常增量维护并借大促前后稳定性资料周期性校准，否则过期知识会误导Agent。