时至今日，移动互联网已步入存量时代，过去高投入高收益的打法逐渐显现瓶颈，陷入低投入低收益的负循环。如何应对新格局，破除“客三消”的迷思，是我们的共同难题。

快手基础架构团队在此挑战下，连续构筑出应对多端挑战的 KMP 鸿蒙跨端技术、挖掘深水区价值的领域化架构演进专项、助力研发效能的 AI DevOps，持续创造技术收益，破局负循环。

本次分享将介绍我们是如何运用白盒化思想在当前环境下看清、决策、执行。以快手对 KMP 技术的投入为例，怎么以小博大，用 5 人力撬动数千人力的效能收益。希望把我们的经验开源出来，和大前端朋友们一起越挫越勇。

演讲提纲

1. “存量时代”下，技术团队面临的“降本降效负循环”挑战

• 业务增速放缓，研发资源收紧，难以承担高风险的创新技术投入

• 没有创新技术投入，无法挖掘深水区的业务收益，再难撬动高价值

• 技术价值走低，业务支撑作用持续放缓，进入死循环

2. 技术基建团队应该如何破局

• 全面看清：全方位解构问题，洞察本质诉求

• 多维决策：多视角评估，寻找最优路径

• 精准投入：接受约束，把控成本，高效落地

3. 快手基础架构团队的破局实践

• 【重点】怎么在多端时代（鸿蒙）构建 KMP 跨端能力，创造业务价值

• 应对内部资源限制，怎么驱动业务进行领域化架构升级，解放研发资源

• 拥抱先进生产力 AI DevOps

4. 持续展望

实践痛点

以 KMP 为例：

• 看清难，鸿蒙远景不清晰，技术路线模糊，业务价值难佐证，用什么技术，走什么路线看不清

• 决策难，跨端类技术风险大，方向不清晰，很难说服业务进行投资

• 落地难，横向和纵向挑战都大，中美关系下华为和 Jetbrain 投入难，缺乏纵向支持；行业缺乏最佳实践，公司缺乏存量经验，极难发动执行

演讲亮点

• 快手的鸿蒙 KMP 跨端技术实践，包含行业首个鸿蒙 & KMP 原生跨语言通信方案，移植 50% Android 代码至鸿蒙的实战经验

• 移动端的领域化架构演进方案，存量业务价值再发掘

听众收益

• 存量互联网时代，技术团队、架构师，如何持续挖掘深水区业务价值

• 鸿蒙多端挑战下，如何决策并落地 KMP 跨端技术

• 白盒化思想下，移动端架构和 AI 效能怎么走

在菜鸟物流领域，研发团队面临效率提升、成本控制、用户体验优化、无线化和国际化等多重挑战。为应对这些问题，菜鸟构建了企业级低代码平台，覆盖数百个核心产品，页面覆盖率超过90%，实现了全栈研发模式的深度变革，显著提升了交付效率。本次演讲将分享菜鸟低代码大规模落地的技术先决条件和架构思路，探讨通过前端架构低成本实现存量业务的移动化升级及极致的性能优化手段。同时，结合全栈和AI趋势，分享设计师与前端开发岗位职责的新的定义，并通过实际案例讲述新职责在专业领域带来的突破和价值，帮助资深前端开发者理解并借鉴这些转型策略，推动企业高效管理与技术创新。

演讲提纲

1. 背景与挑战

• 菜鸟业务形态特征
• 研发面临的问题：效率、成本、用户体验、无线化、国际化等多重挑战

2. 技术架构和实施前置条件

• 菜鸟产品设计体系的取舍，低代码体系的服务边界
• 前端工程收敛和统一，前后端研发规范和基础设施的保障
• 页面逻辑和业务逻辑适度解耦的设计，数据连接器和网关的技术架构
• 一码多端的设计、前端组件体系架构细节

3. 实施效果、痛点权衡

• 全栈研发变革成果、弊端和解决手段
• 如何做到业务个性化诉求的自定义扩展
• 平台级的性能优化方案和诊断措施

4. 全栈变革后的岗位职责再分工

• 设计师与前端开发的新职责
• 分享岗位职责调整后的实际案例与成效

5. 持续展望

• 90% 低代码覆盖率对大型企业带来的新的可能性，对设计和前端岗位新的机遇
• AI 时代的智能研发体系和产品交互体系，不仅研发更智能，研发出的产品也具备 AI Anywhere

您认为，这样的技术在实践过程中有哪些痛点？

• 体验一致性和灵活性、不断升级的平衡：低代码平台通过可视化开发和预设模块加速开发流程，但在面对复杂或高度定制化的业务需求时，平台的局限性显现
• 自动生成的代码在性能优化和系统可扩展性方面可能不如手工编写的代码执行更高效。对于需要高性能响应和大规模并发的应用场景，低代码平台生成的解决方案可能难以满足需求，需额外投入资源进行优化和调整
• 面向非专业前端出身的全栈研发转型，大量的咨询和答疑，对平台团队在技术的封装、技术产品化的设计方面，无论是工作量还是专业度都面临前所未有的挑战

演讲亮点

大型企业使用低代码往往解决长尾应用，而菜鸟大规模落地低代码体系和全栈变革，支撑近百款核心产品，阐述如何通过将页面逻辑与业务逻辑适度解耦，确保核心产品复杂业务逻辑的灵活支撑，从产品设计规范、前端工程、业务模型架构的实战经验，以及分享全栈变革后，菜鸟传统设计、前端岗位职责的变化带来的积极影响和机会。

听众收益

• 了解企业级低代码在大型组织落地的方案选型、架构设计到平台实施的完整流程
• 获取低代码实施中可能遇到的技术难点以及解决方案，了解基于前端组件体系在 ToB 场景的 PC、移动适配新的实践方案
• 通过实际案例，探讨在全栈和 AI 趋势下，在大型企业的传统设计师与前端开发岗位的职责变化和新机遇，提升整体技术水平和项目成果

当前 AI 应用蓬勃发展，如何在资源有限的情况下，快速构建覆盖多端的 AI Native 应用成为关键挑战。文小言团队通过创新性的技术架构与优化策略，成功构建了一套高效、一致的跨平台解决方案，实现了在 iOS、Android、Web、小程序、桌面端甚至鸿蒙系统上的无缝部署，同时保证了 AI 交互体验的一致性和流畅性。

演讲提纲

1. AI Native 应用的跨平台挑战

• 传统跨平台方案在 AI 场景下的局限性与新思路
• 平台生态差异：平台差异化问题与用户体验一致性矛盾
• 开发效率与易用性平衡：如何在保证易用性的同时提高跨平台开发效率

2. 文小言的跨平台技术架构

• 技术架构详解
  • 核心架构设计理念：以用户体验为中心的"弹性"框架
  • 统一抽象层：屏蔽各平台差异，提供一致的API调用
  • 自适应组件系统：根据平台特性动态加载最优组件
• 统一渲染与交互体验
  • 多模态内容的流式渲染：图文、代码、图表等复杂内容的一致性渲染
  • 统一协议的动态组件渲染：基于统一的 UI-JSON 协议，在端侧解析并动态渲染
  • AI Native 产品特有的体验优化
• 数据同步与状态管理策略
  • 数据同步策略：跨平台数据同步的挑战与解决方案
  • 状态管理机制：如何保持跨平台状态的一致性
  • 数据持久化方案：端侧数据存储与同步策略

3. 实战案例与落地效果

• 文小言在不同产品形态、不同平台的适配过程与挑战

4. 未来展望

• 跨平台 AI 应用的技术演进方向
• 大模型在端侧的发展趋势与机会

您认为，这样的技术在实践过程中有哪些痛点？

• 性能的平衡取舍：如何平衡取舍应用在面对不同技术选型中的性能差异，特别是在移动端设备上
• 渲染一致性问题：AI 生成内容（特别是多模态内容）在不同平台的渲染差异导致用户体验一致性问题
• 兼容性挑战：以保证不同平台功能一致性为前提，会造成开发成本低，维护成本高

演讲亮点

• 创新的"弹性架构"：可扩展的技术框架，能根据产品需求和平台特性快速构建跨平台 AI 应用
• AI生成内容的渲染方案：解决多模态内容和多服务编排数据的渲染，以及在不同设备上的一致性展示问题
• AI Native 产品特有的体验优化

听众收益

• 了解 AI Native 应用的跨平台架构设计思路与最佳实践
• 获取跨平台 UI 设计在 AI 应用场景下的特殊考量
• 学习如何在资源有限的情况下高效构建多端 AI 产品

日常开发中的任何一次改动，都需要经历编译、产物传输到真机、调试启动等步骤才能看到最终效果。抖音作为一个超大规模的 App，往往需要两三分钟后才能看到运行效果。且正随着工程复杂度的增加而持续劣化中，严重影响了研发效率。

本次演讲首先会分析主要的耗时步骤，可能的度量方式与优化思路。其次会简单对比业内其它优化方案（比如 Preview、Mergable Library、Injection 等）的优缺点。最后会深度介绍抖音为何选择利用动态库的特性，结合对研发流程和构建工具链的改造，对构建用时进行大幅优化，并且保持在与工程复杂度无关的常数级别，完成彻底的治理。

演讲提纲

1. 项目背景

• 增量构建各阶段主要耗时瓶颈分析和度量方式
• 业内常见的优化方案介绍，各自优缺点分析

2. 核心实现流程

• 基于动态库方案的优势及挑战
• 链接器的工作模型和动态库常见的符号问题
• 构建流程与链接器配合调整，保障产物正确性
• 常见的不兼容动态库的场景，以及适配方案

3. 落地收益与未来规划

• 在抖音的实际落地效果与收益
• 渐进式迭代思路

您认为，这样的技术在实践过程中有哪些痛点？

• 部分特殊的业务代码如果没有考虑过动态库场景，有一定的适配成本
• 部分改动需要对构建步骤有一定的调整，需要结合构建系统(比如 Bazel)的支持才能达到完全无侵入的体验
• 工程规模越大，方案收益越大。对于中小型业务来说收益就不一定足够明显

演讲亮点

• 利用动态库的方式完成秒级链接和构建耗时的大幅降低
• 基于对构建工具链的改动保障任意多个组件可以转换为动态库
• 通过将线性复杂度降维成常数复杂度，对关键耗时步骤进行根本性的优化治理

听众收益

• 对构建各个环节的主要耗时点、度量方式、可能的优化思路有整体的了解
• 对动态库的原理和优点有更深入的理解
• 对链接器的工作原理有更深入的理解