Coding Agent Harness与组织进化-AiDD研发数字峰会2026-深圳站

论坛主席：彭云鹏

百度工程效能副总经理，负责文心快码Comate智能代码助手、云IDE、代码分析、效能度量和效率云平台等业务和团队，在代码智能化、静态分析、开发工具、软件测试、研发数字化等领域申请国内外发明专利88个，已获授权专利44个，国家重点研发计划《基于编程现场大数据的软件智能开发方法和环境》技术骨干，国家高质量专项《基于大模型技术的工业领域智能化开发工具项目》技术骨干，OpenHarmony技术指导委员会IDE TSG成员。

百度工程效能副总经理

Coding Agent Harness与组织进化

本论坛聚焦编码智能体的工程化底座建设，探讨如何通过Harness把模型能力稳定接入研发链路，让代码生成、补全、重构、审查与验证形成可控闭环。论坛将讨论工具接入、上下文管理、任务编排、质量门禁、反馈学习等关键议题，分析当编码方式被重塑后，团队协作、职责分工和管理模式如何随之演进。听众将获得构建可落地Coding Agent体系的方法。

AI Native 研发深水区：让 Agent 从"会生成"走到"可托管"

王启军

腾讯 技术专家

内容简介：

以 Claude Code、Codex CLI 为代表的 Coding Agent，已经证明 AI"会生成"：能读仓库、能改代码、能跑验证。但当团队真正把 Agent 引入日常交付，才发现"会生成"与"敢托付"之间隔着一段深水区——生成越快，验证、审查、回滚的压力越大；模糊需求被 AI 更快放大成模糊实现；个人提效了，组织交付却没变快。本次分享提出：Agent 规模化落地的关键，是完成从"会生成"到"可托管"的跨越——把工程链路改造成可执行、可验证、可托管的系统。围绕这一目标，将系统展开三个关键动作的落地方法：重构需求载体，把 PRD 转为 AI 可执行的结构化输入；重建人机闭环，人定义问题与边界，Agent 持续执行与验证；改造交付机制，让 AI 节点、人工审查节点与回滚节点可观测、责任可追踪。最后回到组织侧：当 Agent 可托管，人的判断、品味与管理价值将迁移到哪里。

演讲提纲：

1.从真实研发数据说起
看一组真实任务的耗时分布：时间究竟花在哪里。
为什么 AI 编码更快了，整体交付却未必更快。
2.从“会生成”到“可托管”
人为什么还需要一直跟着 Agent，哪些工作值得交出去。
什么算可托管，以及哪些判断仍应由人负责。
3.企业落地最难的几件事
让 Agent 理解需求背后的讨论、取舍与约束。
接入企业已有系统，减少人工传递信息和操作。
判断任务是否真正完成，而不只看代码能否运行。
4.怎样让 Agent 接住一段工作
明确任务范围、验收要求和异常时的接管方式。
结合案例，讨论从人工协作到任务托管的做法与取舍。
多 Agent 如何分工，避免把原有的交接问题再复制一遍。
5.托管之后，研发流程怎么改
调整角色分工与评审方式，让产品讨论和关键决定能够被后续执行使用。
从重复的人工纠偏中积累经验，探索可验证、可回退的自进化。
重新看待评审容量、交付质量与投入成本，判断托管是否真正带来收益。

听众收益：

1.一张"可托管"的工程蓝图：把工程链路改造为可执行、可验证、可托管系统的三个关键动作、配套方法与落地路径
2.一份深水区踩坑与避坑清单：需求放大效应、验证能力失衡、团队信任建立等高频问题的应对经验

腾讯技术专家，AI Coding、Harness Engineering 工程化探索者与实践者，长期深耕 Cloud Native 与 AI Native 领域，著有《持续演进的 Cloud Native》一书。

从 AI Coding 到 Agentic Engineering：构建组织级智能研发新范式

李杨

百度 Comate架构师

内容简介：

随着 AI Coding 从代码补全、对话式编程走向具备自主规划、工具调用和复杂任务执行能力的 Coding Agent，软件研发正在从“人使用 AI 编写代码”向“人和 Agent 协同完成软件工程任务”演进。
然而，模型能力的提升并不意味着研发效率可以自动规模化。个人开发者的效率提升，未必能够转化为团队交付效率；Agent 能够生成代码，也不代表它能够理解复杂业务、遵循企业研发规范并持续稳定地交付高质量软件。
本次分享结合百度 Comate 的产品演进与企业级 AI Coding 实践，围绕 Agentic Engineering 与 Harness Engineering，探讨如何通过上下文工程、组织知识资产、可复用 Skills、工具生态集成、Spec 驱动研发流程和自动化验证机制，将大模型的生成能力转化为可复用、可度量、可持续演进的组织级研发能力。

演讲提纲：
1. 为什么 AI Coding 提效了，组织交付却未必提效？
2.从 Coding Agent 到 Harness Engineering
3.Comate 实践——从代码助手到企业级智能研发平台
4. Workspace 与组织级知识工程——让经验持续流动

听众收益：
对研发工程师与技术专家
理解 Coding Agent、Harness、Skills、MCP、上下文工程和自动化验证之间的关系，掌握从个人使用 AI 到构建可复用研发工作流的思路。
对研发负责人和架构师
识别组织提效的关键瓶颈，学习如何建设团队知识资产、标准化 Agent 工作流、优化人机职责分工，并将 AI 效果纳入端到端交付度量。

Baidu Comate 架构师，百度云端开发平台（iCoding）技术负责人，百度一级专利发明人，名下已获授权国内外发明专利10余个，国家重点研发计划『基于人机结对编程与协同进化的智能敏捷开发云平台』技术骨干。

让码道持续进化：代码智能体的 RSI 工程实践

杨佳瑞

华为云 研发大模型团队高级算法工程师

内容简介：

AI 编码助手正加速演进，如何利用运行经验实现持续自我改进，成为新的探索方向。本次演讲将结合业界递归自我改进（RSI）的探索，分享华为云码道在轨迹诊断、问题单消解、OPSD 与 SFT 后训练、数据自进化等方面的工程实践，探讨代码智能体从局部优化走向持续自主进化的路径与挑战。

演讲提纲：
1. 从编码智能体到自进化系统
介绍编码智能体的演进、码道产品及 RSI 的业界探索。
2. 码道的 RSI 工程实践
2.1轨迹观测与自主诊断：还原执行过程，定位问题并生成优化建议。
2.2多模态问题单消解与经验自演进：贯通现场定位、复现验证与结论回写，通过旁路自愈沉淀经验。
2.3 OPSD 后训练与 harness 内化：结合自蒸馏与高质量轨迹 SFT，持续提升模型能力。
2.4评测反馈驱动的数据自进化：基于模型薄弱点分析，定向补充高质量数据，持续优化数据策略。
3. 从单点改进走向持续自进化
探讨经验复用、模型训练与数据策略的协同，展望端到端自闭环RSI

听众收益：
1. 了解递归自我改进（RSI）的核心理念、业界探索及代码智能体自进化的发展趋势。
2.了解码道在轨迹诊断、问题单消解、模型后训练与数据自进化方面的工程实践。
3. 理解从问题发现、经验沉淀到模型优化的持续改进闭环，探索自主进化的实现路径与关键挑战。

华为云研发大模型团队高级算法工程师，主要负责 CodeArts码道的竞争力建设，端到端负责从架构设计、数据构建、模型训练、能力测评以及交付上线。

一天一个版本背后的研发范式变迁

邓忠阳

阿里 Qoder技术专家

内容简介：

AI 提升了编码效率，为何研发团队反而更忙？本次分享基于 Qoder CLI 一天一个版本的研发实践，剖析代码产出增长后，协作、验证与决策成为新瓶颈的原因。围绕自然语言 Spec、AI 测试与问题修复、MR 驱动的持续集成、文档同步和架构契约，介绍覆盖研发生命周期的人机协作机制，分享如何让人聚焦意图定义与关键决策，将 AI 产出转化为可信、可持续的高频交付。

演讲提纲：
1. AI 提效之后，为什么团队反而更忙？
1.1 Qoder CLI 的实践背景：代码产出增长与“一天一个版本”的交付节奏。
1.2 从岗位分工到全栈交付，从单个助手到多个 Agent，研发方式发生了哪些变化。
1.3 瓶颈如何从编码转移到评审、验证和决策，以及人与人之间的等待、交接与对齐。
2. 以自然语言 Spec 统一需求、开发与验收
2.1 用功能描述与验收断言，同时回答“应该做什么”和“怎样算做对”。
2.2 如何描述与实现无关的产品行为，覆盖正常路径、边界和异常。
2.3 将 Spec 作为开发、自测、端到端验证与重构的共同依据。
2.4 AI 辅助生成初稿，人负责校准意图，控制 Spec 的数量与维护成本。
3. 建立可信的 AI 测试与问题修复闭环
3.1 为什么 AI 同时生成代码和测试，仍可能出现“测试通过、意图错误”。
3.2 自然语言用例如何驱动真实 CLI 交互，并形成可检查的验证结果。
3.3 将反馈接入分类、复现、版本对照、修复、提交 MR 与历史回归流程。
3.4 通过问题复现率、修复合入情况和人工修改量，判断自动化的实际价值。
4. 以 MR 为入口，串起持续集成与文档交付
4.1 对 MR 进行 AI 增量审查、修复和变更总结，为人工决策提供依据。
4.2 自动衔接功能验证、全量回归、构建发布与变更日志生成。
4.3 通过质量门禁阻断不合格版本，明确人工审核与发布决策的边界。
4.4 文档与代码在同一 MR 中更新，建立产品版本、代码版本与文档快照的对应关系。
5. 用架构契约约束生成，避免高效产出加速架构腐化
5.1 AI 开发中的典型问题：重复实现、跨模块调用失序与超大业务文件。
5.2 按模块维护 AGENTS.md，明确职责边界、接口契约与调用约定。
5.3 结合按需上下文加载、Hook 与 Skill，将约束嵌入开发过程。
5.4 存量系统如何通过反向梳理、人工校准和渐进重构补建契约，并用 Spec 验证行为。
6. 实践成效与落地反思
6.1 展示每日发布、AI 自动测试和版本变更日志的实际运行情况。
6.2 复盘仍需人工把关的环节，以及 Spec、文档和治理规则的维护成本。
6.3 总结落地路径：识别链路短板，逐步补齐验证与协作机制，让高频交付可持续。

听众收益：
1. 识别 AI 提效后的真实瓶颈。理解为什么编码加速未必带来交付加速，学会从等待、交接、验证和决策环节定位团队的改进重点。
2. 掌握贯通需求与交付的实践方法。了解如何以自然语言 Spec 统一产品意图与验收标准，并通过 MR 串起 AI 审查、测试、修复、文档和发布。
3. 建立兼顾速度与质量的治理机制。掌握架构契约、按需上下文与自动检查的组合方式，明确人机分工，并以实际交付结果评估 AI 的价值。

阿里巴巴 Qoder 技术专家，专注于 Coding Agent、CLI/SDK 架构与企业级 AI 应用基础设施建设，参与 Qoder CLI 核心能力设计与工程落地，致力于推动 AI Coding 能力在真实业务场景中的规模化应用。

iCode关键技术与企业场景下AI辅助研发的思考

刘佳奇

华为 技术专家

内容简介：

iCode是一个100%由AI生成、敏捷迭代、快速创新的面向研发场景的智能体平台和工作流执行工具。是华为2012实验室软件工程应用技术实验室开发的一款面向个人、组织以及团队的研发平台。该工具已经在内部和外部多范围内被使用和验证并且现在已经开源至openJiuwen社区。本次分享将围绕着工具的开发历程、经验以及组织级落地AI辅助研发工具和团队协作模式展开经验分享和讨论。

演讲提纲：
1. 介绍华为iCode项目背景和关键技术以及Demo
2. 介绍AI辅助研发工具在企业内推广使用过程中遇到的难题和思考
3. 分享在纯AI驱动的开发场景下遇到的挑战和解决方案

听众收益：
1. 了解当前Coding Agent相关的技术和难点
2. 了解企业内组织级使用AI的痛点、难题和解决方案
3. 了解如何在AI时代下做正确的事情

华为2012实验室技术专家、前微软资深工程师、GitHub万星作者、全栈程序员、拥有多年软件工程工具、智能体应用开发经验和模型相关领域经验。

AiDD峰会

K+峰会

联系我们