哈啰落地Agentic AI双轨战略：对外“无感提效”，对内“重造研发”
撰文 | 李信马
题图 | AI生图
了不起的智能体：发现和介绍那些正在改变世界的Agent，这里有现场、有对话，还有未被广泛报道的一线实践细节。
AI浪潮席卷各行各业，互联网公司纷纷加速“上AI”，但真正实现规模化价值落地的案例仍属少数。
成立近十年的哈啰，作为深耕C端出行领域的中大型互联网平台，已构建涵盖哈啰骑行、哈啰电动车、哈啰顺风车、哈啰打车及哈啰租车等多元业务体系，注册用户超8亿。面对AI变革，哈啰选择以“Agentic AI赋能全业务链路”为核心战略——不是简单叠加AI功能，而是用智能体（Agent）深度重构业务主流程与研发协作方式，推动AI在真实场景中可衡量、可持续地创造价值。
SmartHey7月13日消息：经实地调研与深度访谈，哈啰AI战略的落地逻辑清晰呈现为两条主线——对外追求“无感体验”，对内聚焦“研发提效”。
01、对外：克制的Agent，隐形的升级
出行是强结果导向的场景：用户打开App只为快速解决问题——打车要快上车、租车要快提车、骑车要秒扫码。任何要求用户“等待AI思考”的交互，本质都是体验摩擦。
因此，哈啰App中几乎找不到显性的“AI入口”。这不是技术缺席，而是刻意为之的设计哲学。哈啰首席架构师邓小白表示：“首页引入AI极为克制，采用小步灰度、实时反馈机制；一旦监测到负面体验，立即降级。”团队发现，首页用户多为泛需求状态，意图模糊，直接部署对话式推荐并非最优解。
最终方案是“融合式智能交互”：将搜索、推荐、筛选与轻量对话有机协同，由大模型动态识别用户显性指令与隐性偏好，自主选择最适配的交互形态。“我们利用大模型原生语义理解能力，精准捕捉用户真实意图；并在推荐后生成具说服力的理由，显著提升转化效率。”邓小白解释道。
在具体实现上，哈啰构建了三层上下文智能体系：第一层“事件层”，完整记录用户每一次交互原始数据；第二层“记忆层”，通过大模型提炼用户长期行为特征，形成个性化偏好画像与长短时记忆；第三层“任务层”，结合实时行为与历史记忆，完成精准服务推荐与决策支持。
租车业务是典型范例。从选车比价、规则解读到保险选购，链路长、决策门槛高。哈啰为此打造“租车个人助手Agent”，在不同环节自动调用知识库、规则引擎与服务能力，以自然对话方式引导用户高效完成全流程。
在AI推荐层面，哈啰将其定位为“增强型服务”：通过动态模型监控与服务路由机制保障核心链路稳定性；自建内部大模型服务平台，支持多模型灵活接入与精细化成本管控；为确保毫秒级响应，多数场景采用“No-thinking”轻量化模型，并针对性压缩参数，在精度与性能间取得最优平衡。
还车后的扣费审核曾高度依赖人工，耗时长、误差大、争议多。哈啰引入多模态大模型+规则引擎联合判别机制：标准化场景（如油表读数识别、费用计算）交由规则引擎自动执行；复杂模糊场景（如车损定责）则由大模型辅助分析。用户全程无感知，却切实享受到“扣费更快、争议更少”的升级体验。
目前，哈啰已在出行机器人（对话类）、司乘撮合助手（撮合类）、大模型风控系统（决策类）等多个场景部署业务Agent。其共性在于：用户不感知Agent存在，却能明确感受到服务更准、响应更快、流程更顺——对C端平台而言，这远比炫技式AI更有长期生命力。
02、对内：用Agent重定义研发生产力
如果说对外Agent的成功标尺是“体验升级”，那么对内Agent的核心目标就是“研发提效”。
2025年上半年，部分工程师自发探索AI Coding工具并沉淀方法论；下半年起，该实践上升为集团级战略，系统化推进AI原生研发转型。哈啰AI能力体系分为四层：
第一层是AI Infra（AI基础设施）：在算力、存储与服务层面持续投入，建成训推加速、多云纳管、分布式存储等核心能力，实现吞吐翻倍与算力成本精细化管控；同步自研大模型服务管理平台，支持主流模型快速接入、压测、监控与私有化部署，为上层应用提供稳定可靠的底层支撑。
第二层是AI知识运营：针对大模型静态知识与业务动态演进之间的矛盾，建立可持续更新的知识运营机制，覆盖业务规则、技能模块与实时政策；配套打造ADK开发框架、Kiro低代码开发平台、在线部署工具链等全流程支持体系。
第三层是AI应用工厂：自主研发Agent Kit（Agent工具包）平台，集成记忆管理、效果评测、知识库接入、运行沙箱等关键能力。截至目前，已基于该平台孵化出400余个真实交付、持续迭代的AI应用。
第四层是AI Agent落地层：既包括面向用户的业务Agent，也包含服务内部员工的“哈啰龙虾”智能助手——可自动播报运营动态、预警核心指标异常、审批常规工作流，大幅提升跨职能协作效率。
数据显示，在工程质量要求严苛的成熟业务中，AI Coding使开发效率提升约50%；而在从0到1的创新项目中，提效幅度达67%以上。邓小白指出，差异根源在于技术债：“常规开发中，AI Coding有效破解了资源协调瓶颈，无需频繁跨团队借调；新业务探索则因无历史包袱，释放出更大效能空间。”
哈啰亦在实践中总结出Agent工程方法论演进路径：“从Prompt Engineering（提示词工程），到Context Engineering（上下文工程），再到Harness Engineering（运行环境工程），直至今年6月提出的Loop Engineering（循环工程）——行业正从单点优化迈向闭环自治。”
值得一提的是，亚马逊云科技深度参与哈啰AI建设，不仅是技术供应商，更是共建伙伴。今年上半年哈啰AI创新应用大赛吸引近100支队伍、300余人报名，其中超半数来自非技术岗位。赛事指定工具Kiro对多数人属全新领域，亚马逊云科技派出6–7人驻场技术团队，从早至深夜全程手把手指导，获邓小白盛赞：“专业扎实，更难能可贵的是极致客户导向精神。”
写在最后
谈及Agent未来方向，邓小白反复强调一个朴素原则：“绝不为AI而AI。必须扎根真实业务场景，在达成明确业务目标的过程中，识别哪些环节真正需要且适合AI介入。”这句话虽耳熟能详，但知易行难。哈啰的务实之处在于：对外，让AI成为“看不见的助手”；对内，让AI成为“拿得出实效的生产力”。这种克制与笃行，或许正是AI时代最稀缺的理性力量。