ITPub博客

介绍自建的「OpenSpec 规范层 + AI Workflows 执行层」体系，通过一套「规范 + 技能 + 钩子」机制，对 AI 的理解、执行和校验进行系统化约束与增强，显著提升开发协作中的准确率与稳定性，让 AI 从“需要反复纠正的实习生”逐步成长为“可信赖的开发搭档”。

从 ReAct 出发，文章讨论 Agent 工程如何从“模型循环”走向 Harness：通过前后端共享的 State Schema、运行事实和 UI 边界，让模型行为变成可交互、可恢复、可控制、可追溯的产品能力。

笔者在不手写一行代码的情况下，通过AICoding2个工作日内完成了一个4年历史、2万行Vue项目的全面重构。核心观点：AI辅助开发的关键不在AI本身的能力，而在于人为AI建立的约束体系。

我们团队提出了VeraRetouch，一个轻量、全可微分、可移动端部署的多任务推理式照片修图框架。它不仅能自动修图，还能将用户想要的风格描述，把高层语言意图转化为像素级调整，执行精确的参数式调整，在保持图像结构和细节的同时完成专业化色调与色彩优化。

推荐系统擅长回答“推什么”，用户却卡在“怎么选”。 本文探索：不改排序，补上排序之后的“表达与决策”——把游戏理解透，让同类多款可比较、可解释、可追溯。做法是让大模型放开探索、用工程约束收住，使生成稳定进生产。目标不是替代排序，而是帮用户从“给结果”走向“帮决策”。

本文提出LearnIR，通过训练轻量网络预测梯度校正分布，实现无需前向算子的扩散后验采样校正；并设计动态分辨率模块，进一步抑制噪声。在多个图像复原基准上，LearnIR的PSNR、SSIM、LPIPS均达到先进水平。

本文介绍了一种基于 search_after + Redis 多级锚点缓存的Elasticsearch深度分页跳页方案。针对Elasticsearch原生不支持随机跳页的限制，通过三轮优化，将 50 万数据量下的任意跳页响应时间从 10 分钟级优化至 1 秒以内。

本文以“大模型不是马，而是大脑”为核心视角，重新定义 AI 系统结构，指出当前问题不在模型能力，而在 Agent 作为“身体”的不成熟。笔者认为，人类正在通过实践逐步定义 AI 的正确使用方式。

本工作提出全新强化学习框架BeautyGRPO。实验证明，BeautyGRPO 在真实场景的肌肤纹理重建与整体审美对齐上，全面超越了现有的专精修图方法与通用编辑大模型。

本文介绍 vivo 线下门店「大头贴」拍照合成打印一体化桌面应用软件的技术方案。该项目基于 Tauri 2.0 + Rust + Vue 3 构建，实现了手机实时投屏、智能拍照、Live Photo 处理、模板合成、视频生成、跨平台打印等核心能力，为门店用户提供沉浸式拍照体验。

MagicWorld 针对当前视频世界模型在长时间交互中易出现运动不合理与场景崩坏的问题，提出了一种面向长时稳定性的交互式建模框架。该方法通过引入基于光流的运动约束提升动态真实性，利用历史检索机制增强跨时间一致性，并通过多步聚合的训练策略优化整体交互序列质量，从而有效缓解误差累积问题。整体上，MagicWorld 实现了在长时间交互下更加稳定、一致的世界生成能力。

本文从 Android 渲染系统内核出发，系统拆解 Native、Lottie、PAG、SurfaceView、TextureView五种动效方案的底层原理，通过多维度量化测试建立性能评估模型，结合实战场景提供可落地的优化策略与选型体系，帮助开发者突破动效性能瓶颈。

我们团队提出了 LiveMoments，这是第一个专门针对 Live Photo 重选封面帧画质修复的解决方案，已被 ICLR 2026 录用。 针对用户重选封面时面临的画质降级痛点，我们利用 Live Photo 自带的原始高清封面作为参考，构建了一个包含运动对齐模块的参考引导扩散模型。 该方法有效解决了两帧之间因时间偏移产生的运动错位问题，成功将低质的重选帧修复至高清水平，让用户捕捉的每一瞬间都能拥有“封面级”的清晰度与细节。

最近在做知识库问答输入框的 @文档 能力，表面上是“输入 @ 后选一个文档”的小需求，实操后发现核心难点在于编辑器稳定性。本文按真实心路历程展开：先讲最直觉的 DOM 方案与踩坑，再讲为什么转向 ProseMirror，并给出 @文档 的落地实现。

本文介绍AI导购技术在 vivo 官网 APP 的落地实践，通过定义解决问题的边界能力、搭建多层架构方案、方案落地这三大块内容逐步递进地展开 AI 导购在为用户服务的应用过程。

我们围绕三大业务场景（笔记、知识库、项目管理）统一了一套可组合的 AI Agent 能力。本文聚焦「Chat 模式」落地，将工具调用、Agent 回合循环、事件流与 UI 交互组合在一起，并为后续历史与检查点能力预留 threadId/runId。

本文主要介绍了vivo大数据架构的演进历程中YARN服务的升级事项，从整体方案出发剖析每个环节遇到的问题难点并逐一分析讲解，对于研究调度器性能和从事大数据运维工作的同学具有较大的参考借鉴价值。

本文分享 vivo 社区在 WebP 已全面落地的基础上，引入下一代图片格式 AVIF 的实践经验。通过 CDN 边缘缓存 + 服务端异步转码的方案，在保证画质的前提下，图片体积相比 WebP 进一步降低 20%+，有效提升了用户的浏览体验。

本文聚焦 vivo 活动中台出海场景，提出“全球共线”架构方案。通过复用内销核心能力支撑外销业务，实现多语言、多时区统一管控，显著提升组件复用率并降低多地域维护成本。

本文分析OpenClaw 要进入真实生产场景还欠缺的关键能力。笔者认为，要让 Agent 在业务世界稳定落地，必须把开放、分散、难回滚的执行环境，重构成一个可视化、相对封闭、可验证、可恢复的操作空间。