背景
随着AI能力的不断增强，降本增效突然间仿佛成为了每个公司的一个主题，当然我所在公司的也不例外。下到写代码的普通开发人员，上到公司的CEO，从去年开始全公司从意识形态上基本全部渗透。
对于普通研发人员来说，主要聚焦在使用AI提高工作效率。比如代码开发人员使用AI自动编写代码，数据分析人员使用AI自动生成可视化的分析报告，设计人员使用AI生成设计图稿等等。
对于公司的管理层来说，主要聚焦在降低成本。既然AI能够辅助研发人员提升工作效率，以前2个人干的活现在可以一个人干完了，那么公司的成本就可以节省50%。
除了以上这些基于工具的提效手段外，AI的普及也加强了对系统智能化建设的意识。所谓的智能化，就是系统在不需要外界干扰的情况下，能够自动调整，确保系统的稳定性和收益最大化。
供需匹配系统的智能化建设
供需匹配系统对于网约车平台来说是一个帮助公司赢利最重要的武器。
供需匹配系统的目标： 提升供需匹配的效率，帮助公司在不同阶段，实现快速盈利的能力。
实现目标的方式：
- 乘客： 差异化匹配策略，留住忠实的老用户，也能吸引新的用户。
- 司机： 司机分层派单，挽留高优司机，保护新手司机。
- 平台： 在保证司乘派单体验的情况下，提升平台的收益。
系统架构设计：
- 匹配流程： 建立标准化的派单流程引擎，流程可编排易维护。
- 匹配策略： 建立统一的匹配策略管理系统，策略元素可复用，沉淀共用的策略匹配能力。
- 匹配算法： 基于一对一或者一对多匹配算法，完成订单和司机的最优匹配。
从整体建设来看，系统架构设计中的匹配流程和匹配算法是标准化的能力和基础底座。这个在前期设计和建设完成后，后期就不应该反复变更。
而匹配策略是一个随着公司在不同阶段的发展，要不停去更新和迭代升级的能力，无法一次做到位，那么匹配策略的智能化程度就代表着供需匹配系统的智能化程度，也是供需匹配系统工程建设的最大挑战。
如何建设智能化的匹配策略系统
智能化的匹配策略系统建设完成有两个要达成的目标：
- 新策略开发自动化，策略可智能化的配置生成，无需再投入研发人员进行软件开发，实现零代码开发，提升研发效率，降低研发成本。
- 策略定义和内容自动化生成，通过大模型和算法自动进行策略的调配，无需人工介入进行管理，提升运营效率，降低运营成本。
一个网约车公司达成这两个目标后，可以大大节省研发和运营成本。
这两个目标又是相辅相成的，其中第一个目标是工程的架构建设，支撑好策略无码化开发的框架底座，保障好策略的高效管理；第二个目标是AI算法的赋能建设，完成策略的自动化生成，保障好公司业务目标的达成。
工程能力建设
策略的底层开发要支持界面可配置，做到无码化开发，要做好几个关键点：
- 策略的触发控制。
- 策略的执行控制。
- 策略的结果控制。
- 策略的全流程监控。
如果把不同的策略定义为不同的接口，触发控制就是管理好接口的输入，策略的执行控制就是管理好策略的实现，策略的结果控制就是管理好接口的输出。最终通过产品化界面的控制，对新策略的开发做到可配置化的过程。
触发控制
策略基于事件进行触发，定义好不同的事件类型所对应的派单流程，建好事件类型和派单流程之间的映射关系。同时，要管理好事件的输入参数，建立好字段管理，对于不同入参与对应的事件建立好关联，并定义好入参的类型和字段编码，并支持对不同的入参进行组装。
执行控制
定义好策略的名称，类型等基于内容，建立好策略与对应事件的关联关系，基于事件触发策略的执行。
对策略的执行规则建立通用的底层能力，定义好常用的规则类型：大于、小于、等于、包含，不包含、且、或等等。
基于字段管理，能够获取到事件入参与策略配置字段之间的关联，从而获取到策略的输入数据，再基于策略规则的逻辑控制，能够确定事件的输入是否命中策略的条件，最终完成策略执行的自动化。
结果控制
策略规则条件命中后，最终就会获取到对应的策略内容。策略内容的输出，最终还是要关联到事件上，通过事件触发策略的执行，策略执行的结果，最终还是要通过事件返回给调用方。
这个结果返回的字段，同样可以基于字段管理，建立好一层包装映射，返回给调用方。这样既方便内部对策略的输入和输出进行管控，也可以对调用方进行一定的定制化建设。
全流程监控
策略从输入到输出，做到了无码化开发。那么还有一件重要的事情，就是对策略执行和结果要做好监控，策略的执行过程是否有问题，以及策略最终的结果是否准确，要做到全程可监控。
如果策略有问题，做到能够快速发现和恢复。那么就要做到：
- 策略有变更，能够及时通知
- 策略有问题，基于版本控制，能够快速回滚
算法能力建设
策略最终要能够做到自动化，就是不需要人工去配置和管理策略，而是大模型基于人工定义的业务目标，自动搭配生成对应的策略组合，完成业务目标的实现。
而这个过程又要分为三步走：
- 人工定义策略要配置的元素，由算法生成对应策略元素具体要配置的内容，如果算法生成的配置内容由于人工的配置，说明算法比人工更准确和靠谱。这是一个半自动化的过程，需要人起主导作用，算法进行辅助。
- 人工定义具体的场景问题，策略配置的元素和内容，全部由算法自动化生成，完成单个策略的自动化。
- 基于公司的目标，由算法来自动生成多个策略组合，完成多策略之间的高效协同和配合，帮助公司能够更好的达成整体的目标。
策略内容的全自动化建设，这个事情的复杂度和落地难度，比工程建设要更加难。一是，这个事情要对公司的业务结果进行负责，二是，这个需要对整个派单流程的各个策略前期有深入的了解。
所以要完成策略内容的自动化建设，前提有两个：
- 对整个派单流程各个环节的策略建设，都已经具备较成熟的业务感知。
- 基于出行领域的AI大模型已经初具规模，能够为上层的业务决策提供一定的依据。
