小红书拆解存储数据库助理 SDBP 的团队化建设实践

小红书 Lab1327 团队介绍其 QE Agent 如何实现从 AI 辅助测试到 Agent 自主验证，已覆盖多个 App 和 PC 端产品，每月完成150余次完整测试。

小红书 2049 Lab 与 Rokid 合作，以智能眼镜为载体打造 AI 生活搭子“小红书蜜薯”，并介绍了其整体架构。系统由端侧体验、实时会话与 Agent 协作构成交互主链路，Memory 与能力服务独立支撑任务推进。其中多模态全双工支持插话与跨链路取消，Proactive 持续观察并判断回应时机，Memory 分层组织证据并异步读写，目标是走向持续服务个人的 Personal OS。

小红书存储与数据库团队用两年把10多个存储和数据库产品从各自建设带入统一管控、分层复用、业务原生的融合架构。研发日常运维投入从高峰期的40%降至10%以下，产品NPS提升到60%以上，同期集群规模增长约一倍。运维治理AI Agent助手SDBP上线后On-call和运维有效覆盖率超过50%，自主闭环率超过30%。

小红书构建了上下文驱动的推荐评测 Agent，以一次推荐请求为最小评测单元，通过确定性规则与 LLM-as-Judge 分工，对用户当时看到的内容做分维度语义判断。系统采用 0/1/2 三档评分，并固定输入快照与评测版本，使结果可比较、可回放、可下钻到具体请求与单篇内容。团队还探索 LLM-as-User 连续用户模拟，目前定位为上线前的离线预筛工具，不替代线上 A/B 实验。

小红书技术团队详解推荐系统 Agentic 发布实践：一次发布横跨十几个部署组、数千个 Pod，平均持续 10 多个小时，团队将发布知识沉淀为近 20 万字 SKILL，并构建长程任务 Harness，通过任务持久化状态、流程模板、引擎推进与 Transactional Outbox 效果查证保障跨昼夜可靠执行。

小红书与 vivo 联合打通从 vivo 相册生成 3D 图到小红书发布、分发与消费的完整 3D 内容链路，并共同设计面向移动社交场景的新型 3D 格式。

小红书与NVIDIA联合构建GR-Inference，一个面向长Context、短Decode、大Beam的生成式召回专用推理引擎，覆盖KV抽象、连续批处理、专用Decode Attention、受限生成与CUDA Graph等优化。

当前 AI 热点，聚合 3 个独立信源、35 条信号。

自媒体作者卡兹克分享自己搭建近一年的Agent自动化系统，核心是把任务起点从人身上移开，由事件触发Agent工作。系统分为自动化中台、Agent执行、CI中台和飞书决策四层：中台用rules.json统一管理事件触发和Agent调度，本地MacMini跑Agent任务，自建CI中台完成审查、检查、合并、发布、核实五步，只在删数据、花钱、改方向等关键决策时通过飞书卡片找作者拍板。

Addy Osmani 分享 Claude Code 技巧：当任务比预期更难时，在 Claude 工作期间输入 ultrathink，可提升该回合剩余部分的推理努力，该功能适用于最新版本的终端。他引用 @dmwlff 的帖子，其中提到 ultrathink 已回归 Claude Code CLI，此前因显得怪异且可能令人困惑曾被关闭。