AiDD研发数字峰会

快手专场：AI × 研发效能：
快手万人团队的智能研发范式跃迁

AI 正在加速重塑软件研发体系，推动研发模式从传统工程流程迈向 AI 深度参与的智能化阶段。在本专场中，快手技术团队将分享在大规模研发团队中，AI 如何驱动研发效能范式升级的实践经验，探讨 AI 在研发全流程中的深度应用及其对效率、质量和协作模式的系统性提升，将展示从个人提效到组织提效的规模化落地路径，共同展望 AI 驱动研发体系升级的未来趋势与发展可能。

出品人：沈浪

曾在阿里巴巴、百度、美团等互联网公司任职，深耕技术研发与研发效能领域十余年，长期专注于工程效率体系建设与研发组织能力提升。加入快手后，持续推动研发平台、工程方法论与数据体系的系统化建设，并积极探索 AI 技术在研发场景中的深度应用，致力于打造面向 AI 时代的新一代研发效能体系，推动大规模研发组织实现效率与创新能力的持续跃升。

快手研发效能负责人

快手主站千人级团队AI DevOps 研发范式升级实践

李思

快手主站 AIDevops 项目负责人

内容简介：

当 AI 能力跨越拐点，千人级研发组织如何从局部提效走向范式升级？快手主站技术部基于 L1-Copilot、L2-Agent、L3-Agentic 三级研发范式，围绕能力建设、研发实践与效能度量，推动 AI 与研发全流程的深度融合。本次分享将聚焦三个核心问题：如何在大型复杂工程中体系化建设 AIDevOps 能力、如何穿透个体变快但组织没快的转化困境、以及如何推动研发范式与协作范式的共同演进。我们将结合一线实践数据与踩坑经验，分享千人级团队从传统效能走向 AI Native 的路径与思考。

演讲提纲：

1.机遇：AI 编程能力跨越拐点，千人级研发组织迎来范式升级窗口

2.建设：以 L1/L2/L3 三级范式为牵引，体系化构建 AIDevOps 能力并推动研发实践落地

3.验证：构建分层度量与归因体系，穿透"个体变快但组织没快"的转化困境

4.演进：推动研发范式与协作范式共同升级，探索 AI Native 组织形态

听众收益：

1. 获得一套可复用的体系化框架：如何在大型研发组织中系统性地规划、建设和推广AI DevOps

2. 理解从个体提效到组织效能的转化逻辑：为什么 AI 让人变快了但交付没快，以及如何通过度量归因和协作范式升级打通转化链路

3. 看清研发范式的演进方向：从 L1 到 L3 的真实路径、落地条件与踩坑经验，为自身团队的 AI 转型提供参照

曾在阿里、百度、美团等各大互联网公司任职，十余年来长期从事技术研发和研发效能提升工作。现任快手研发效能中心负责人，致力于将传统效能平台、方法、数据和AI深度融合，帮助快手实现AI研发范式的持续升级。

曾任职于美团，2016年加入快手，现任主站技术部搜索技术中心负责人，同时担任快手主站千人规模 AI DevOps 研发范式升级项目负责人。长期深耕 AI 驱动的工程效能提升与 AI Coding 等方向，积累了丰富的一线实践与落地经验。

从Copilot到Agent：开发提效与范式跃迁

周鸿轩

快手AI Coding专家

内容简介：

近年来，大模型的代码生成能力突飞猛进。从早期的代码补全与问答辅助，到当下的 Vibe Coding、Agentic Engineering，再到 Agent Teams —— 产品形态与技术范式的高速迭代。这不仅重塑了 AI Coding 的边界，更改变了软件开发的生产关系。

本次演讲将分享快手自 2023 年底至今，在 AI Coding 领域的全景式技术演进，从中亦可窥见行业变迁的微观缩影。我们将深度拆解生产级 Coding Agent 的建设思路、AI-Native IDE/客户端的工程化实践，并结合典型场景的 Agent 落地案例，展示从「工具辅助」到「人机协同」的提效跃迁。

演讲提纲：

1.AI Coding 的演进：快手从代码补全到 Agent Teams 的形态变迁

2.生产级 Coding Agent 的架构设计与演化方向

3.Agent 的产品层建设，不止于插件、IDE、CLI

4.Agent 落地与提效：我们如何用 Coding Agent 来解决团队的泛 Coding 场景问题

听众收益：

1.了解快手与业界 AI Coding 从代码补全到 Agent Teams 的演进路径、技术决策及落地方法

2.获取生产级 Coding Agent 架构设计，以及 IDE/CLI 产品化建设的工程实践经验

3.掌握泛 Coding 场景的落地策略与效能提升方法

曾任职于百度，2019年加入快手，负责 Node.js 基础设施与云研发等方向。目前专注于 AI Coding 领域，主导快手 AI Coding 产品从代码补全到 Agent 化的整体技术演进，在 Agent 架构、IDE 工程化及规模化落地方面积累了丰富实践经验。