破局多端困境，拥抱 AI 变革：飞猪跨端技术的过去、现在与未来

本文整理自 AICon 上海2026《陈立宝 - 破局多端困境拥抱 AI变革飞猪跨端技术的过去、现在与未来》通过AI音视频转录总结工具 Ai好记 进行整理以下为精炼整理后的内容。飞猪多端生态的技术挑战作为旅行电商平台飞猪从淘宝电商业务孵化而来其多端投放场景极为复杂高体验阵地淘宝、支付宝、飞猪应用的核心交易链路需高性能原生方案流量扩展端支付宝、微信、抖音、小红书等小程序平台营销场景全年不断的导购营销需求变更频率极高采用纯 H5 React 方案AI 原生体验流式布局与 LUI 融合场景涉及 MP、Weex 等技术栈总结下来飞猪的技术架构可以概括为Native Flutter 保体验 H5 做通投 小程序拓流量。这套架构在过去很好地平衡了性能和效率但在 AI 时代面临新的挑战。AI 时代带来的三个核心变化1. 研发流程的根本性重构去年还是产品出需求→设计师出设计→研发写代码→测试验证的线性流程。AI 作为辅助编码工具介入后逐步演变为研发设计 AI 工作流、由 AI 生成代码、人负责策略和决策的新范式。工程师的责任边界开始模糊角色从编码执行者转向工作流设计者。2. AI 友好型技术选型权重飙升过去选技术栈看性能、效率和生态成熟度。现在多了一个更关键的维度AI 友好度。大模型快速迭代技术选型短期变化频繁如何让 AI 理解和操作你的技术架构成为架构师的核心课题。3. 沉默成本——最大的工程障碍飞猪团队在实践中发现AI 工程化的最大障碍不是模型能力不足而是沉默成本——存量代码结构复杂、面向人工设计的架构难以被 AI 理解、模糊的业务需求无法被 AI 解析。这在一次描述多端生码的场景中尤为突出。项目一自动化评测系统面对 AI 生成海量代码带来的质量保障挑战飞猪构建了自动化评测系统目标是对 AI 生成的代码做端到端黑盒测试。系统架构制定评分策略与评分器软件硬件指令生产执行器积累分场景、分用户画像的数据集用多模态大模型进行自动化评分这套系统的价值不仅在于测试效率提升更在于能发现多个需求叠加后产生的系统性业务问题——这种问题传统单元测试和集成测试很难覆盖。项目二FlyAI——AI 原生产品探索FlyAI 是飞猪对 AI 原生应用的探索其核心技术点是终端中枢服务LUI 组件生命周期管理管理自然语言/多模态输入输出与 GUI 的融合与路由多会话 SSE 管理实现 App 内跨页面的持续对话与状态管理GUI 行为与 LLM 上下文打通将用户界面操作数据抽象为高质量信息辅助大模型决策端云协同多模态识别端侧小模型做实时识别云端大模型做深度讲解飞猪团队判断未来的产品交互将是LUI语言用户界面与传统 GUI 的深度、场景化融合而非简单的叠加。项目三研发流程的 AI 化改造飞猪在 AI 研发流程中总结了两套通用方法论RURIC 思路多角色循环优化策略——学生执行任务裁判对结果打分老师给出改进指导。通过多个角色交替协作持续优化产品或代码质量。数据先验模式利用历史成功/失败案例作为训练集让 AI 从中抽象出有效路径和规律指导未来的决策与生成。经验总结组织与人才同步升级飞猪的经验表明AI 转型不只是技术问题。工程师需要转型为能设计 AI 工作流、制定演进策略的策展人组织需要从固定角色分工转向模糊边界、小团队闭环协作的敏捷模式。而对于架构师核心考量是在追求极致用户体验的底线不变的前提下如何让你的技术架构对 AI 友好——这是 AI 时代跨端技术最值得深思的问题。以上内容由 音视频转录总结工具Ai好记转录整理。Ai好记是一款音视频转图文笔记的视频总结工具支持解析B站、抖音、小宇宙等平台链接及本地、网盘音视频文件自动生成精华速览、思维导图和结构化笔记帮助你把几小时的视频内容变成可搜索、可复习的图文笔记。