HSS ProService成功转型为完全数字化企业,其核心支撑是基于Scala和Cats函数式编程构建的市场平台系统,结合智能体人工智能技术,能够处理复杂的租赁追踪环境。
去年10月,成立于1947年的HSS Hire Group将其包括130个仓库在内的实体租赁业务出售给私募股权公司,转型为连接建筑客户与供应商的纯数字化平台。
重新品牌化的HSS ProService成为这一"优步化"商业模式的数字枢纽。该公司不再维护装满设备的仓库,而是作为数字化市场平台,为建筑管理者匹配供应商网络,提供工具、设备、燃料、培训和建筑材料。
支撑其零资产技术企业转型的是基于Scala和Cats构建的定制化函数式编程架构,专门用于解决建筑行业复杂的财务和运营问题。
租赁业务无"结账"终点
建筑服务业长期以来一直是"记事本和纸笔"的传统行业。HSS要摆脱这种模式,需要的不仅仅是网站界面的更新。
转向纯数字化模式只有通过解决行业最棘手的问题才能实现,即建筑租赁的非线性特征。与标准电子商务在结账时完成交易不同,租赁过程是动态的。
HSS ProService首席技术官Daniele Turo表示:"你不是在某个时间点销售一件商品。你需要把设备运到现场,交付给客户,然后在几天、几周或几年后回收。这个过程中可能会出现各种问题,也可能与不同供应商产生纠纷。你还需要处理所交付物品的所有合规事项。因此,这比标准电子商务环境复杂得多。"
建筑计划经常变更。原本租赁三天的挖掘机可能需要使用两周,这会触发不同的费率结构。为了避免人工核算或"意外账单",Turo团队开发了他们称之为"自愈"财务系统。
这个系统是内部代号为"Brenda"架构的一部分,能够追踪"每日实际收入"。系统每天检查每份合同的完整生命周期。当租赁期限延长时,系统会自动实时重新计算整个合同期间的财务状况。
Turo补充道:"我们拥有这套自愈财务系统,能够每天精确告诉我们客户将支付多少费用,以及我们需要向供应商支付多少费用。"
函数式编程支撑架构
为了在"混乱"的现实环境中实现这种可靠性水平,Turo选择使用Scala编程语言,后端采用Cats库支持函数式编程。
Turo选择函数式编程主要基于对"局部推理"的需求,这能够在不影响整个分布式系统的情况下测试和修改特定代码元素。函数式编程通常在高并发金融科技环境中被采用。
Turo说:"纯函数式编程的优势,特别是在这种非常混乱的环境中,是你可以对代码元素进行非常局部的推理。Scala本身就是为大型系统构建的可扩展语言。通过Cats这些额外层次,你拥有了纯函数式编程,这使得推理变得更加简单,维护也更容易。"
该技术栈基于标准Postgres数据库构建,但大量依赖Kafka进行事件流处理和OpenSearch进行发现服务。整个基础设施采用无头架构和API优先设计,使HSS能够与仍在使用传统遗留系统的供应商集成。
从卡车到AI智能体
技术优先模式的转变也为AI集成铺平了道路。由于建筑行业的数字化成熟度仍然较低,HSS使用AI来弥合非结构化通信与其结构化API核心系统之间的差距。
该公司目前正在开发智能体AI架构,能够处理来自供应商的电子邮件(如交付证明或收集确认),并自动将其转换为API调用。
Turo表示:"我们不再要求技术素养不高的企业投入技术努力,而是改变我们的模式。现在可以将这些非结构化数据转换为良好的结构化数据,通过API推送到我们的系统中。核心系统无需任何改变。"
行业新蓝图
HSS的转型代表着企业身份的彻底转变。
通过剥离实体设备,HSS重新定位为数据驱动的中介平台。该平台现在将需求数据反馈给小型供应商,使他们能够基于从企业到消费者规模客户的实时搜索趋势来购买和维护相关设备。
HSS的案例展示了如何使用云原生函数式架构绕过遗留技术债务。通过将"最困难层面"——财务例外情况和现实物流——作为起点,该公司构建了一个平台,希望帮助其扩展到废物处理、燃料和清洁等新垂直领域。
Turo说:"这是一个漫长的旅程,因为通常情况下,从人员流程角度来看事情要困难得多。问题不在于技术的缺乏,而在于你需要带领人们踏上这段旅程。"
Q&A
Q1:HSS ProService的"优步化"商业模式是什么意思?
A:HSS ProService不再拥有和维护实体设备仓库,而是转型为数字化市场平台,就像优步连接乘客和司机一样,该平台连接建筑客户和设备供应商,提供工具、设备、燃料、培训和建筑材料的中介服务。
Q2:函数式编程如何解决建筑租赁的复杂问题?
A:函数式编程提供"局部推理"能力,可以在不影响整个系统的情况下测试和修改特定代码。HSS使用Scala和Cats构建的"自愈"财务系统能够实时追踪每份合同的完整生命周期,自动处理租赁期限变更和费率调整。
Q3:智能体AI在HSS ProService中如何应用?
A:智能体AI主要用于弥合传统建筑企业的非结构化通信与HSS结构化API系统之间的差距。它能够自动处理供应商发送的电子邮件(如交付证明),并将这些非结构化数据转换为API调用,无需供应商进行技术改造。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。