2025-06-14 的今天参与了腾讯云架构师北京技术同盟的线下活动，今天的主题是 「AI 时代下的架构设计」，很有幸成为架构师同盟的一员，我将总结分享下今天的内容。

「AI 时代下的架构设计」

今天分享的主要有4个主题，确实收货满满

AI 时代下的数据治理

这一篇主题是我比较感兴趣的，之前了解 AI 的时候，就思考过 AI 在大数据处理中的应用，如何通过 AI 来实现业务中各种的数据统计与分析，此处老师分享的是数据治理。

在一些企业中，创建了数据湖仓，对应的数据来源可能从不同的子公司或者其他途径获取，其中不同子公司的数据字典词义相同，但是其语义不同，造成了数据湖仓中的数据分析的紊乱。

当出现此类情况时就需要我们的数据治理，如果数据字典数据量少的情况下，人工处理也是可以的，但是往往真实情况中数据字典量会非常庞大，这个时候我们就需要用到 AI 来治理我们的数据。

数据治理实现思路

数据治理需要制定数据标准，数据规范，可通过 AI 由以下几种方式进行实现

• 智能对话/业务咨询
• 业务术语、业务描述的生成
• 智能识别、智能匹配

在治理的过程中，可以结合「需求文档、设计文档、产品原型、培训文档」等资料训练模式，结合 SQL 给出业务语义，从而实现统一标准规范

AI 数据分级分类的实现思路：向量词

需要专业可靠的词库，否则专业词会被拆分，将会影响最终匹配结果，所以我们要继续完善词库信息

要点回顾

总结

以上为我在会议中的手画图，整体的数据治理流程就是通过将业务数据导入与采集，然后结合 AI 进行数据治理，统一规范标准后入数据湖仓，接下来通过数据分析与统计，回写到业务数据中进行展示，由此形成闭环。

AI 时代智能数据存储与处理解决之道

嗯~这一篇在讲结合 AI 的云存储的底层实现，感觉像是在介绍腾讯云产品，直接跳过吧

AI 驱动下的社交电商架构升级

这一篇是由闫国旗闫老师讲述的电商业务，围绕社交电商的核心业务场景，深入剖析 AI 技术如何针对这些场景的业务痛点，提供智能化解决方案。同时，阐述为实现这些 AI 应用，社交电商架构在数据层、应用层、基础设施层的升级路径，展现 AI 驱动下社交电商架构从理论到实践的完整升级过程。

开始讲述的电商的发展历程，从电商到社交，在到现在的短视频（忘记名词了），再到电商中 AI 的落地实现

• 以业务问题为导向
• 轻量级起步 + 快速验证
• 利用已有平台能力（无需从零训练模型）

接下来讲述基于电商的实际业务中的 AI 实现，其中包含

• 商品搜索
• 商品转链 - 文字染色，推广文案，文案敏感词检测（风控）
• 内容种草 - 数据洞察，内容创作
• 私域投放 - 流量引入

一些 AI 经验

深度释放模型CoT能力

业务问题结构化拆解，将复杂场景转化为“问题链”再通过CoT分步处理。使用提示词模板固定推理框架。

精准划定AI能力输出边界

利用传统技术在内容安全、数据隐私、业务合规等方面做兜底方案。特别是在线业业务，通过输出审计便于后期追溯和选代。

以点带线提升业务短板

采用高ROI场景切入策略，在问题边界明确、数据的可获得性，收益价值可量化三个方面进行筛选。要考虑能力的复用与价值链的延伸与技术资产沉淀。

目标

AI大模型通过打造基于消费场景的专业化助理、深化用户消费意图的多维度心智解析，以及将商品文案、营销素材等内容生成能力进行标准化封装输出，实现社交电商导购从需求捕捉到内容服务的全链路智能化升级，为商家降低运营成本的同时提升用户消费体验。

基于消费场景的AI助理

从“通用服务”到“场景专家。以线带面，基于用户场景，实现用户、商品与服务的连接。

用户消费意图理解

借助大模型的理解能力和情感分析能力，实现对用户消费意图的深度洞察。

内容生成能力优化

从“零散输出”到“标准化能力”，完成内容从“量”到“质”转变，拒绝制造“内容垃圾”。

总结

闫老师宣讲的内容更多的偏向于业务上的 AI 应用，更多的是让我们有一种产品思维去考虑在电商中如何应用 AI。

AI 技术赋能从产品设计到交付的效率

这位老师想从自己创业产品作为切入点，结果大多数是个人介绍的经理，唯一干货就是通过 cursor 生成项目代码，要保证代码可控，可以结合原型、UI自主生成代码，等有机会玩一玩，到时候出一篇文章来讲讲，唯一的缺点就是收费，差点意思。