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。

AI Workflow 引领智能驾驶组织进化

吴博伦

智己汽车 架构集成算法高级经理

内容简介：

本演讲分享智己汽车在智能驾驶研发中落地AI Workflow的实践探索。面对AI工具碎片化、流程流转断链、经验难以沉淀等痛点，智己以"一条流程编排人、系统与Agent"为核心思路，构建从需求文档自动生成、IMFL智驾功能描述语言到全链路无人值守测试的闭环实践。案例显示：需求文档生产从4-6小时压缩至30分钟，Agent节点平均耗时从1.8天降至34分钟，发版时间从13.23天优化至10.96天。演讲揭示"工具是表象，协作方式才是根本"，分享从个人提效到组织提效的J曲线路径。

演讲提纲：

1.开场：造了一台没有方向盘的车——让车更聪明，让人更高效
2.痛点：个人提效≠组织提效
2.1.工具碎片化：Confluence/Jira/Gitlab/Sharepoint互不相通
2.2.三个断裂：流转断链、协同断裂、经验断链
2.3.集成摩擦：单点再快，环节之间接不上，需求变更靠人工通知、架构影响靠人评估
3.方法论：不是需要四个工具，而是回答四个问题
3.1.现在轮到谁——流程自动推进，不需要人盯着催
3.2.需要什么上下文——上下文随任务自动流转，不用人复制粘贴
3.3.什么结果算完成——交付标准写在流程里，Agent按标准自检
3.4.完成后流向哪里——结果自动回填字段和文档，交给下一环节
核心：一条流程把人、系统和Agent编排在一起，每个AI节点都是有入口、有交付标准、有人工门禁的最小闭环
4.实践案例一：L2量产雨刮灯光需求文档自动生成
Agent六步闭环：CTS输入→事实抽取→生成初稿→结构校验→语义评审→定向修订
成效：4-6小时→30分钟；待确认项隔离防幻觉；质量可追溯、能力可积累
5.实践案例二：基于IMFL的MFF SIL测试
IM Function Language智驾功能描述语言，让AI听懂智驾信号接口
四大AI Agent（需求分析/用例生成/用例执行/失败诊断）全链路无人值守，人工审核把关
6.实践案例三：智己-Momenta整零协同
数据留在本企业，字段按需同步，主权清晰可审计，协作不断链
7.量化成效
7.1. gent节点平均耗时：人工1.8天→34分钟
7.2.一条需求整体成本：2.0万/12.6人天→1,450元
7.3.指标看板：实例·总体·BadCase三视图，数据闭环迭代
7.4.效率J曲线：发版时间13.23天（7月）→10.96天（9月）
8.长期价值与展望
质量有下限、能力可积累、跨主体不断链；四条路径：精益智驾底座、坚守安全质量、赋能多品牌、安全体验跨代际提升

听众收益：

1.获得从"工具堆砌"到"流程编排"的AI Workflow落地方法论，掌握如何回答"轮到谁、要什么上下文、什么算完成、流向哪里"四个核心问题；
2.借鉴智己在需求文档自动化、SIL无人值守测试、整零协同三个真实场景的Agent闭环设计与量化成效数据；
3.认清AI提效的J曲线规律，把握"质量有下限、能力可积累、跨主体不断链"的组织能力建设方向。

智己汽车架构集成算法高级经理，负责智能驾驶架构集成与研发流程数字化建设。长期深耕智能驾驶软件开发、系统架构集成与AI工程效能提升，深度参与AI Workflow在智驾研发全链路的落地实践，覆盖需求工程、SIL测试、整零协同与质量闭环等场景，致力于以AI驱动组织能力从个人提效走向体系提效。

AiDD峰会

K+峰会

联系我们