塔斯娱乐资讯网

企业 AI Native 研发流程升级与重塑

作者 | 宋文龙(闻可),阿里巴巴 Qoder 高级技术专家

编辑 | 宇琪

审核 | 罗燕珊

策划 | AICon 全球人工智能开发与应用大会

2022 年以来,大模型在软件工程领域率先展现出可量化的生产力提升,Coding Agent 也从代码补全快速演进为能够参与生产级系统开发的主体。

本文整理自阿里巴巴 Qoder 高级技术专家宋文龙(闻可)8 月在AICon 2026 深圳站的分享《企业 AI Native 研发流程升级与重塑》。他结合自身团队用 Coding Agent 开发 Coding Agent 的实践,以及多家企业客户的落地经验,系统讨论了 Coding Agent 从个人工具走向团队级生产系统所必须跨越的关键问题。围绕 SPEC 先行、团队级 Harness、Agent team 与组织转型,他给出了从许愿式编程到 on the loop 研发范式的完整推进路径,并分享了高德、闪购以及 Qoder 内部的一手案例。

以下是演讲实录(经 InfoQ 进行不改变原意的编辑整理)。

1 AI Coding 的发展趋势及现状:从辅助编程到自主编程

我是一名做了二十多年的老码农,目前专注于 Qoder 这款 Coding Agent。Qoder 在开发者社区里有一些用户,可能和大家熟悉的 Codex、Claude Code、Cursor、Qoder 等 Coding Agent 同处于当前编程工具演进的第一线。我的工作重点是把 Coding Agent 放到大规模企业生产场景里落地,观察其中的问题并寻找解决方案。我们团队自己也在用 Qoder 开发 Qoder,这是一直坚持的方法,同时也让我们有机会看到大量客户在使用 Agent 开发生产级软件系统时的不同用法、困难与有效方案。

从整个 Coding Agent 的发展趋势来看,2022 年大模型兴起之后,我们最早只是在问答场景中尝试把 LLM 用在 Coding 上。到今天行业已经基本形成共识:大模型在 Coding 领域的生产效率提升是最明显的,明显超过许多其他行业。这个演进大致可以分为三个阶段。2022 年到 2024 年之前,大模型 Coding 能力尚未出现突破性进展,我们处在辅助编程阶段。那时工具主要在做代码补全,帮助程序员写一行代码、补一个 API、生成一点测试,核心生产仍然由人完成,企业核心资产是代码本身。

2024 年到 2025 年,Coding 模型快速演进,工具不再只是补全,而是进入协同编程阶段。模型能力有了明显突破,程序员群体一度担心失业,但从目前看还没有那么悲观。这个阶段更有价值的理解是,Coding Agent 可以成为结对编程中的伙伴。过去没有 Coding Agent 时,两个程序员互相补充,现在我们把这个角色交给 Agent。提示词、rules、规范开始成为重要资产,Agent 的输入和 Agent 产出的代码与人的产出同样重要。人的能力被大幅拓展,任务执行也开始转向任务驱动。

到 2026 年之后,业界正在进入自主编程阶段。Agent 可以在人可控的范围内,自主完成生产级实现。此时真正稀缺的已经不是生成式代码。大模型最擅长的就是大量生成代码、生成文档,它能给一个 hello world 写出上千行。真正成为企业核心资产的是 SPEC、研发规范以及面向 Coding 的知识库。有人已经不去逐行看代码了,人越来越向业务侧拓展。相应地,研发范式也必须从面向人转向面向 Agent,当前阶段我们更倾向认为是人和 Agent 并存的研发范式。

与此同时,LLM 工程化思路也在快速演进。最早期我们做 prompt engineering,给模型一个好的提示词;后来发现单轮提示不够,需要把上下文和输入输出一起纳入设计。2026 年前后,LangChain 的 Viv Trivedy 提出一个重要理论,即 Agent 等于 LLM 加上 Harness。因为 LLM 本身的能力存在天花板,只有加上驾驭工程,才能产生我们期望的输出。此后又出现了 loop、graph 等概念,本质上都是希望模型和 Agent 在工程化体系里更可控、更高效地产出。这些术语推得越来越快,但核心始终是如何驾驭模型,让它的输出更规范、更符合预期。

不同阶段的自主程度、核心资产、研发角色和开发范式都在发生变化。在辅助编程阶段,核心资产还是代码;协同编程阶段,提示词、规则、规范成为同等重要的东西;自主编程阶段,资产进一步上移为 SPEC、知识库和研发规范。这个变化在客户实践中表现得非常具体。我们看到很多企业都在用 Coding 工具,有人买了 Qoder 之后说,工具是好的,但团队遇到的问题反而更尖锐了。

一种非常典型的普遍现象是:个人快了,但整体团队研发效率没有提上来。程序员个人写代码的速度可能成倍提高,但团队的交付节奏、协作质量并没有同步改善。另一个现象是局部快了,Coding 本身快了,代码可以成千上万行地产出,但整个生产流程没有提速,软件发布流程没有提速,软件质量也没有得到真正改进。原因在于,Coding 只是完整软件工程里的一小段。

在使用 Coding Agent 时,还存在两个极端态度。一端是 vibe Coding,中文里常叫许愿式编程。用户非常信任 Coding 工具,认为它无所不能,觉得丢两句话进去就能得到生产级输出。但目前看,这并不现实,仍然需要加入知识体系和 Harness 工作。另一端是极端不信任,主要来自一些既保守又激进的态度。他们觉得 AI 真正产出什么都不可靠,不愿让 Agent 自主工作。有的客户甚至提出,能不能把 AI 工具产生的代码从一片一片 accept,改成一行一行接受。这背后其实是对 Coding 工具本身极度不信任。

这些现象暴露出一个更基本的问题:整个软件研发流程从需求到设计、编码、验证再到发布,编码本身虽然非常重要,但它占整个软件工程的工作量和时间往往低于 30%。把 Coding 效率提升 50%,在全生命周期里只能带来大约 15% 的提升;哪怕把 Coding 时间压到零,最多也只能提升 30%。剩下的 70% 必须回到整个软件工程中去解决,这正是我们在企业落地下一步要攻的方向。

2 AI Native 研发流程及范式:从 SDLC 演进到成熟度模型与流程重塑

谈到整个软件工程领域,我们需要重新审视流程规范的价值。几十年前,软件生产还只是打孔机时代或汇编时代,开发方式比较随意。但一旦进入大规模生产级系统,人们发现必须建立流程规范,于是推动了软件工程化。七十年代出现典型的瀑布模型,前期要规划大计划,做 high level design、low level design,再写代码、写单测、写集成测试、写性能测试,最后进入生产级交付。那套模型非常传统,但在当时解决了大规模协同的问题。

后来软件需求大规模发展,人的生产力成为代码生产的瓶颈,程序员非常累也非常吃香。于是行业提出极限编程、轻量方法、敏捷开发等思路,核心是把更多精力倾斜给程序员写代码。敏捷开发强调个体交互胜过工具流程,可运行的代码胜过写文档。那时程序员都不愿意写文档,文档和流程规范在软件工程中被旁路掉,甚至事后补文档、应付验收也屡见不鲜。但到了 AI Coding 时代,情况发生了反转。人已经不去逐行写代码,Agent 接收的输入说白了就是你的文档。过去被旁路的文档、规范、流程,现在成为必须项。以前常说磨刀不误砍柴工,现在必须先把刀给 Coding 工具准备好;没有这些前置工作,产出一定有问题。

在 AI native 时代,给 Coding 工具的不是简单的命令,而是生成约束、契约接口和流程规范。大模型泛化能力非常强,去年年底到今年年初很多非技术人员非常兴奋,因为用 Coding 工具可以快速写出以前要请求程序员很久的东西。但这种泛化能不能稳定、可靠地运行在生产级系统里,仍然需要大量的工程化工作。

基于这些观察,我们提出一个四级成熟度框架,用来讨论企业使用 AI Coding 工具所处的阶段。

第一级是基础 AI 辅助,现在已经基本没有人停留在这里。第二级是 Agent 作为个人工具助手,程序员给 Agent 挂一个 Codex 或 Qoder,自己写代码非常快,但这并没有解决生产率的团队级提升问题。第三级是关键转折,团队需要建立 software engineering 级别的 Harness,而不是只停留在 Agent 级别的 skill、MCP 和上下文管理。团队要建立自己的知识体系,明确整个团队给 Agent 的基础规范和知识契约。产品经理、测试、程序员看到的是一份知识,Agent 看到的也应该是同一份知识。这样 Agent 才不会天马行空。第四级是比较理想化的阶段,组织要 AI native 化,研发流程、生产系统全部面向人与 AI 重新设计。

这里还需要区分两个概念:人在 loop 之内,还是人在 loop 之上。如果人的工作方式仍然是原来的流程,Coding Agent 只是嵌进去,生成的东西由人提交到原有流程,那么效率仍然很低。即使把 Agent 放进流程中,只要人和 Agent 都被锁在 loop 之内,改善也有限。真正高质量的做法是让人站到工作 loop 之上,让 Agent 和实体个体在 loop 里跑,人去做关键质量把关。这样生产力提升才不局限于那 30% 的编码环节,而是可以期待整个流程的显著提速。

因此,研发流程需要面向人和 AI 做重塑、优化或精简。传统链路里,需求评审、任务拆解、开发、测试、回归每个环节都做得非常细。Coding 工具来了以后,一些细小环节应该尽量压缩,让工具自由发挥,同时通过质量门禁和规范让它自主产出。但核心关键点必须由人验收:需求合理性要人把控,合并代码前人要验收,发版前人要验收。这样既没有放弃人对软件工程的关键把控,又能充分发挥 AI Coding 工具的能力。

3 AI Native 解决方案:SPEC × Harness × AgentTeam × 组织文化

落地方法上,我们总结出几个大方向:做 SPEC,做团队 Harness,做 Agent team,同时并行推动组织文化和组织转型。

大家刚开始用 Coding 工具时,最常见的是 vibe Coding。用户两句话写一个愿望,期待工具直接给出生产可用的结果。写个 demo 还可以,但放到生产系统里一定是灾难性的。后来我们开始写 plan,把复杂的 plan 写到接近伪代码的级别。但 plan 仍然局限于与 Coding 工具的单次交互过程,它没有沉淀为持久化、结构化、可验收的资产。过去程序员常说 talk is cheap, show me the code;到了 AI Coding 大规模应用之后,我们更倾向于说 code is cheap,甚至可以不看代码,show me your SPEC。这里的 SPEC 就是最核心的资产。所以一定要做 SPEC 先行,并像管理代码一样严格管理 SPEC。

用 Qoder 做会话时,它会主动要求澄清一些问题,最后生成结构化的 SPEC 文档。还有一些客户把 Qoder 与 OpenSPEC 工具结合,强制分阶段产出文档。究竟是一个大文档,还是每个阶段一个文档,其实并不重要。重要的是覆盖需求澄清、做什么、怎么实现,以及非常关键的 validation,也就是如何验收。还需要写清楚哪些是允许的,哪些是 forbidden,让模型在可控范围内产生输出。这样才能避免模型泛化带来的偏差。

好的 SPEC 至少要做到三重闭环。第一,需求澄清要完整,不能只写一个标题或一句愿景。第二,实现路径要讲清楚,但避免把 SPEC 写成伪代码,否则就失去了 Agent 的自主性。第三,验收规则必须精确,尤其是对测试覆盖、错误处理、边界条件和禁止事项的定义。那些用得非常好的团队,对 SPEC 的管理甚至比代码管理还要严格。因为 SPEC 一旦被 Agent 消费,它会直接影响几百行、几千行甚至几万行代码的生产。规范错误会被成倍放大。

做完 SPEC 之后,下一个重点是团队级的 Harness。这里所说的 Harness 不单指 Agent 级别的 skill、MCP 和上下文管理,更重要的是整个团队的知识体系。很多用 Coding 工具用得好的团队,都投入了大量精力做知识管理、生成和治理。

除了知识,团队 Harness 还包括能力工程和质量门禁。现在无论什么 Agent 工具,生成一个 skill 都非常容易,两句话就可能产生一个 skill,结果 skill 泛滥成灾。团队必须区分哪些是好的 skill,哪些可以从个人级沉淀到团队级。代码生成、测试生成、迁移、重构等任务,都需要有专门的能力约束,否则 Agent 要么偷懒,要么产生过度工程化的东西。

测试与验证是团队 Harness 中特别反直觉的一环。Coding 工具来了以后,有些团队不再设置专门测试人员,但测试这件事反而更重要了。因为我们给模型的输入和前置知识不同,产出质量差异很大;反向的验收点不同,产出同样差异巨大。表面上测试人员数量可能变少,但测试工作变得无处不在。过去我们说人人都是产品经理,现在可以说人人都是测试员。我们 Qoder 团队里有一些做得非常好的工程师,甚至专职全职在写测试用例。把知识、能力和验收门禁组合起来,Coding 工具才能真正发挥作用。否则它只能提升你的下限,永远无法决定你的上限。

个人使用 Coding Agent,解决的只是超级个体问题。再往后走,每个人都要带一个 Agent team。Qoder 里有专家团模式,每个专家团里有产品经理、开发、测试等角色,每个角色有自己独立的配置和倾向。用户发一句号令,leader Agent 会自己去拆解任务,并判断什么时候让产品经理干活、什么时候让开发 Agent 干活。过去需要人去调度的协调工作,现在由 Agent team 自行完成。

从 Qoder 团队的实践来看,几乎每个同学都配了一台 mac mini,上面跑着大量他自己的 Agent 工具。人和这些 mac mini 上的 Agent 组成一个协同网络。一个 Agent 去问另一个 Agent,这种协同不是理论描绘,而是在真实环境中跑起来的状态。人机协同不只是人发指令给 Agent,而是多个 Agent 与人共同形成工作网络。

这个变化对组织提出了新的要求。很多客户来找我们交流,不是和我们技术或产品同学聊,而是和阿里的 HRBP 聊如何做 AI native 组织转型。问得非常直白:要不要砍人?职责怎么调整?这里没有统一范式,但能看到一些共同特征。组织需要极短的决策链路,因为 Agent 生产力极高,它躺在那儿嗷嗷待哺,决策慢就是浪费。需要更高的人才密度,因为人的能力被极大提高,团队规模可能变小,但留下来的人能力要更强。我们听到有团队说,今年给我配一些 token 额度,我就不要人了。这不是替换,而是人的能力杠杆发生了变化。

同时需要极低的协调开销。布鲁克斯在《人月神话》里提出,在一个进度落后的软件项目中增加人手,进度反而会更落后。这是因为人和人之间的协同成本会随着人数增长而拖累整体节奏。现在人和 Agent 协同,人的能力大幅增强,更应该尽量减少人与人之间的协调开销。敏捷时代经常讲 one pizza team,一个团队七八个人。有了 AI Coding 工具和 Agent 以后,这个规模可能还要进一步下降。最后一点是极强的决策洞察。人的洞察能力、对事物的判断能力,还不能被 Agent 取代。当前 AI 并不是通用人工智能,关键判断和决策仍然要依赖人来完成。

4 Qoder AI Coding 最佳实践:产品全家族 × 避坑指南 × 八个技术方法 × 标准化流程

前面讲的方法论,并不是空谈,我们自己在面对并解决这些问题,同时把它们沉淀为产品能力。Qoder 整个产品家族看起来比较复杂,但底层都是统一的大模型、Agent 引擎和全球 SOTA 模型,加上 Harness 能力。所有产品形态都基于同一个 Qoder CN CLI。IDE、数字员工、云端 Agent 全部构建在 CLI 之上。很多团队直接用我们的 CLI 包装成自己的 Coding Agent,因为客户购买了 Qoder 之后,也可以直接用底层 CLI 做二次开发。

在产品能力上,QMind 承担企业级知识管理;Qoder 本身有强 SPEC 模式,必须先产生一个持久化的 SPEC,Agent 才能往下执行;工具支持 loop,也提供数字员工、Cloud Agents 和 Qoder CN CLI 的 SDK,客户可以在自己的系统里把能力嵌进去,成为自己的 loop。

以强 SPEC 模式为例,用户必须经过需求澄清、生成 SPEC、审核 SPEC,然后才能进入实现和提交。强 SPEC 模式还支持定时任务和目标驱动执行。我们见过一些用得好的程序员,白天专心写 SPEC,晚上把复杂 SPEC 交给模型执行,第二天早上模型已经按照 SPEC 完成了大量代码。这既需要 SPEC 本身写得足够好,也要求底层 Coding 工具有足够强的长程执行能力。如果工具跑到一半就跑不下去,留给你的是半套代码和不确定的产物,这种生产方式就不可持续。

Goal 驱动映射到 loop engineering,用户可以给出一个明确目标,让 Agent 自主持续运行直到达标。提高测试覆盖率、代码迁移、性能调优这类典型场景,都可以用目标驱动方式完成。Qwen3.8 发布时有一个非常大型的长程任务,就是通过这种工具执行的。在企业级知识库上,我们一直说要像编译代码一样编译知识,把知识交给知识库编译生成,再喂给 Agent 做生成和检索。此外还有专家团模式,把 Agent team 直接集成进产品,用户不用再自己搭建复杂的中控逻辑。

关于实践中的共性问题,其实不限于 Qoder,所有 Agent 工具都会遇到。上下文给得太少,不设规则,部分任务完成后不去审查,每一次产出都停留在与模型的会话里,没有沉淀为个人可复用资产,更谈不上组织级资产。要解决这个问题,必须在项目里写好 rules,把规则写进 report 或 Agent markdown;做 SPEC 先行;管理 skill;支持多 Agent 协同。多个 Agent 协同尤其重要,因为一个 Agent 的上下文和偏差是固定的,让它 review 自己产生的东西,很难发现真问题。必须更换另一个 Agent 来做审查。同时还要关注上下文输入、MCP 配置和知识维护。人仍然要做审查,但不是全部都审。AI 一次产生三千行代码,人不可能全部看。AI 特别擅长生成过度工程化的东西,例如用六边形架构填充大量空壳。人要看的是关键点判断:哪些路径是核心、哪些约束是硬性的、哪些问题曾经发生过。把这些判断前置进去,把关键验收放进流程,才能真正做生产级标准化。

5 阿里 AI Native 实践案例分享:高德地图 · Qoder Harness

高德的知识管理曾在公众号上有过一篇非常详细的文章,我认为他们做得非常好,他们用的就是我们的 QMind 知识库。这并不是说 QMind 拿代码扫一遍就完了,他们做了非常多的知识工程。他们把知识分成四层:底层是代码,因为代码是所有知识的基础来源;再往上是工程级的内部流程术语;然后是业务知识;最后是质量门禁和常见问题。上次犯过的错误,如果不写进门禁,下一次模型可能还会再犯。他们还做过一个内部 Coding benchmark 的实测:在通用领域,Coding 工具的 one shot 一次解决成功率可以达到 90%,但只要涉及专业领域知识,表现就会明显下降,所以必须做专门的知识工程。

他们基于代码生成项目 report,这在 Qoder 里对应一种类似大 wiki 的知识形态,看起来像一个资深架构师写出来的文档。但深入看会发现问题:模型在通用领域生成内容时,会夹杂官话套话。所以高德团队做了前置的 Coding plan 和 knowledge plan,明确哪些内容要生成,哪些额外信息要补进去。发现知识有问题之后,还会做后置补救调整。代码变化时,他们通过 web hook 基于底层 SDK 和 CLI 更新产品知识。知识更新完成后,会通知关联团队,比如让产品或运营更新产品手册,让测试更新测试用例。这些行为的源头仍然是代码知识,并通过知识工程向外分发。

高德有二十多个 SDK 仓库,存在大量嵌套依赖。一个改动会影响谁,单纯靠人工很难搞清楚。他们通过知识工程做嵌套召回,让知识层能够感知跨仓库的影响。这个案例说明一个反常识的判断:AI Coding 时代代码不再稀缺,真正稀缺的是高质量知识。但知识不会自动变好,它需要像管理代码一样做工程化。

回到我们 Qoder 自己。我们既是 Coding 工具的生产商,也是 Coding 工具的使用者,面临的问题比一般客户更复杂。一般客户只要用编码工具开发生产系统即可,我们则要用 Coding 工具开发 Coding 工具本身。Coding 工具本身受大模型不确定性影响,需求的变化和模型能力的迭代交织在一起。为此我们做了整个研发流程的 Harness,需求进来之后由 AI Coding 接管。各个节点分别由 mac mini、底层 CLI 以及云端 Agent 承担,内部有 graph engineering 的设计思路,通过图中节点调度不同 Agent,形成闭环。Qoder 在全球有上百万用户,每天反馈的问题量非常庞大,纯粹靠人看根本看不过来。现实中我们每天发布一个版本,相当一部分 bug 是由 Agent 自己修复的。这就是这套 Harness 带来的实际价值。

有两个数据可以说明我们在生产级场景中的验证效果。第一次做生产机重构时,存量代码有四百万行,我们基于自己的工具和流程写了四十万行代码。另一个实践是五人七天,基于 Qoder 的 CLI 开发了一套桌面办公系统 QoderWork。这些实践不是对外吹产品能力的数据,而是我们自己在生产环境中使用这些方法后得到的真实结果。

最后回到根本问题上。Agent 越强,人的重要性不是降低,而是重要性方式发生了改变。过去人重要在写代码,现在人重要在给 Agent 提供什么样的输入。软件工程真正复杂的部分,是整个真实物理世界的本质复杂性;把这些复杂性转化为可运行代码,反而只是次要问题。AI Coding 工具让我们有机会把人从次要问题中解放出来,更深入地去处理软件工程的本质复杂性问题。

会议推荐

12 月 18–19 日,AICon 全球人工智能开发与应用大会将在北京举办。本届大会以探索 A 应用边界为主题,设置 13 大技术专题,覆盖大模型后训练、推理优化、Agent 工程、知识工程、智能体评测与安全、自进化系统、AI 软件交付、原生架构及组织变革等核心方向,汇聚一线技术专家,深入分享 AI 技术突破与企业规模化落地的真实实践。9 折优惠限时开启,现在报名立减 580,查看更多详情可扫码或联系票务经理 13269078023 进行咨询。