淘宝闪购把骑手助手"养"了3年，现在决定让它自己进化

一个骑手在暴雨天找不到商家位置，系统能不能在他崩溃之前主动推一把？

这不是科幻片，是淘宝闪购正在干的活。4月16日-18日的QCon北京站上，他们的技术负责人李克华准备聊聊这件事——怎么把"骑手遇到问题再求助"变成"问题发生前系统已经出手"。

淘宝闪购的业务增长很快，但履约链路的复杂度涨得更快。骑手被卡住的节点多了，工单自然水涨船高。李克华团队最初的解法很实在：建个AI知识库，把业务规则塞进去，让骑手先问机器人，问不明白再找人。

效果有，但天花板明显。知识库像一本永远翻不到最新页的说明书，覆盖率、时效性都是硬伤。于是他们往前进了一步：做SubAgent，专门啃高频复杂问题的骨头。再进一步：把这套能力平台化，让物流全域的业务都能用。

现在他们盯上了更难的事。比如Agentic RAG——让系统不光能检索答案，还能判断"这个问题我该不该自己答，要不要喊别的Agent来帮忙"。再比如"主动服务Agent"，预测骑手即将超时，提前弹个提醒，而不是等他急得跳脚了才介入。

这里头全是trade-off。服务响应要快，模型能力要强，两头很难兼顾；平台要做通用，业务要深度定制，中间的张力一直存在。李克华的分享里有个细节挺有意思：他们的目标是让答疑能力从"Advanced RAG"走到"Graph RAG"再到"Agentic RAG"——听起来像游戏通关，实则是把"骑手万能客服"从被动应答往主动进化上推。

这次QCon的阵容不算小。腾讯、阿里、百度、华为、蚂蚁、小米、网易的人凑了100多个真实案例，话题从Agentic Engineering到AI驱动的技术债治理，覆盖面够广。对想动手做AI落地的人来说，这种"从坑里爬出来"的经验比论文实在得多。

李克华在阿里、滴滴都待过，微服务、LBS、大数据都搞过。他提的一个判断或许值得记一下：企业大模型应用落地的痛点，往往不是模型不够强，是平台不够贴业务，或者贴太死了又没法复用。

淘宝闪购的骑手助手现在每天处理多少咨询、拦截了多少工单，数据会在现场披露。但比数字更有意思的是他们下一步想试的——让Agent自己进化，而不是每次靠工程师手动调。