AiDD研发数字峰会

原生IDE和开发工具

本论坛探讨基于AI技术、LLM开发应用软件的思想、方法、框架及其实践。本论坛将聚焦于如何利用AI技术（深度学习、LLM等）开发创新的数字人、智能对话系统以及结合文化创意的应用等等，包括基于自然语言交流、语音交流、情感识别和新形式的表达等AI技术，开发出颠覆性的、更加个性化、让人耳目一新的AI原生应用软件。

出品人：陈鑫

阿里巴巴资深技术专家，Qoder IDE Agent 技术负责人。带领团队积极探索 Coding Agent 能力的上限，在上下文工程、智能体架构、AI Coding企业落地等方面有丰富一线实践经验。

阿里巴巴资深技术专家
Qoder IDE Agent 技术负责人

去哪儿旅行 L3 AI Coding 的研发平台与 Skills 实践

李佳奇

去哪儿旅行基础架构负责人技术总监

内容简介：

2025 年下半年，去哪儿技术团队开启了规模化的 AI Coding 落地，通过 coding 工具研发、研发流水线升级、业务线大规模实践等动作，实现了数百人的业务研发团队长期出码率 75% 以上、L3 级别的 AI Coding 落地成果，并沉淀出研发数字化、AI Coding 工具和自动化流水线等核心基建。本次分享会重点分享从研发数字化到工具和自动驱动出码率和自动化水平提升的实践过程和落地经验，希望能为在研发团队规模化落地 AI Coding 的听众提供有价值的参考。

演讲提纲：
1. 研发团队落地 AI Coding 的背景
1.1 AI Coding 的等级模型 L1-L3
1.1.1 L1 代码生成辅助
1.1.2 L2 AI + 工程师协作
1.1.3 L3 Skills 驱动的自动化开发
1.2. 去哪儿 AI Coding 目标
1.2.1 指标定义：出码率、自动化水平、研发效率
1.2.2 目标设定：L3 级别的高出码率
1.3. AI Coding 落地路径
1.3.1 出码率和自动化水平数字化采集
1.3.2 研发平台和 skills 建设
2. AI Coding 数据体系：出码数据和工具会话数据采集和分析
2.1 达成目标的前提：出码率和自动化水平的准确测量
2.2 横跨 CC/Codex/Cursor 等多端的 Coding 工具的会话数据采集方案
2.3 AI Coding 会话数据的 Insight 方案：挖掘最佳实践、识别问题改进
3.去哪儿旅行 AI Coding 典型实践案例
3.1 研发周期从天级缩短到秒级 - AI 研发自动化平台案例：
3.1.1 JDK/Spring 等框架自动升级
3.1.2 业务线一句话需求规模化自动交付
3.1.3 生产环境必修异常自动修复
3.2 人和 AI 协同：业务研发团队典型案例
3.2.1 业务场景复杂需求的 Spec 驱动的落地案例
3.2.2 AI 问题修复和回归测试案例
3.3 核心 Skills 沉淀
3.3.1 一句话需求自动化开发 skills
3.3.2 自动调试和部署 skills
3.3.3 性能自动优化 skills
4. 总结和展望
4.1 当前公司整体 AI Coding 出码率和自动化水平成果
4.2 未来 AI Coding 深入研发流程之后工程师角色和职能的变化

听众收益：
1. 如何定义 AI Coding 度量指标
2. 如何在业务研发团队中规模化落地 AI Coding
3. 如何通过研发平台和 skills 建设提升 AI Coding 水平
4. 完整的 AI Coding 落地实践案例

去哪儿旅行技术总监，基础架构负责人，技术委员会负责人、负责基础架构部门，在公司推广AI智能体、AI 研发、AI 数据获取和分析落地。10余年OTA一线研发经验，在高并发高可用系统建设、DDD项目落地、业务域系统价值度量、线上系统防腐治理等领域有代表性作品。

专家团(Expets)模式，将 AI Coding 带入“团队作战”时代

周成武

阿里巴巴 QTeam团队技术专家 Qoder核心开发成员

内容简介：

AI Coding 正从但 Agent 辅助编程走向多智能体协同的“团队作战”模式。本演讲从当前开发者面临的上下文过载、长任务漂移、串行执行等核心痛点出发，介绍 Qoder Experts 专家团架构如何通过多角色分工、并发执行与经验沉淀，实现端到端的高质量软件交付。

演讲提纲：
1. 从流程增强走向流程重塑
1.1 AI Coding 范式迁移路径
1.2 AI 重塑软件研发全流程
1.3 Haness Engineering 落地路径
2. 以专家团为核心，重塑软件研发流程
2.1 开发者痛点：全链路场景下的七大未解难题
2.2 端到端交付所需的Harness能力全景
2.3 Eperts 专家团多智能体架构
3. 专家团效果优化的三大关键技术
3.1 Qoder Experts 端到端任务测评数据
3.2 工程知识引擎：精准生码
3.3 AI 驱动的验证闭环：自动验证
4. 最佳实践和玩法
4.1 选择最合适的场景
4.2 先规划，再执行
4.3随时沟通，随时调整

听众收益：
1. 掌握从单 Agent 到专家团的架构升级思路
2. 获得效果优化的关键技术实践与真实数据
3. 看见 AI Coding “团队作战”的未来图景

阿里巴巴QTeam团队技术专家，10多年软件研发经验，Qoder核心开发成员。

华为云码道（CodeArts）代码智能体实践

树雅倩

华为云代码智能体技术专家

内容简介：

大模型正引领AI IDE从辅助编码迈向自主智能体时代，本次分享将深度解析华为云CodeArts代码智能体的设计理念，揭示其创新原生编码体验、双模开发范式、Skill驱动的任务执行及生成–验证闭环等关键技术。通过项目级深度理解、智能上下文切片与规范模式的安全守门，实现从自然语言到高质量代码的高效转化。结合真实案例，展示如何帮助开发者降本提效，并展望面向全生命周期的下一代智能开发演进方向。

演讲提纲：
1. 开发者困境与代码智能体的机遇
1.1 核心痛点：复杂度、交付速度、代码质量难以兼得
1.2 为何需要代码智能体：从补全、问答到自主执行的范式升级
1.3 华为云CodeArts的解题思路：原生编码体验、灵活与规范的平衡、项目级深度认知
2. CodeArts代码智能体核心能力一：项目级的深度理解与意图感知
2.1 多维代码索引与知识图谱：让AI真正“读懂”大型项目
2.2 精准意图识别与智能上下文切片：准确理解意图的同时，降低Token成本
2.3 功能展示：跨文件依赖下的代码生成、精准研发知识问答、代码解释与注释
3. CodeArts代码智能体核心能力二：双模开发范式，平衡灵活与规范
3.1 探索模式：人机协同，将模糊想法快速转化为原型代码
3.2 规范模式：内嵌编码规范与安全检查，作为代码质量的“守门员”
4. CodeArts代码智能体核心能力三：Skill技能框架，让AI从“想”到“做”
4.1 赋予AI“动手能力”，执行编译、测试、文件操作等任务
4.2 可编排的原子操作与受控执行：实现从指令到业务效果的闭环
4.3 功能展示：自动化代码重构、一键Bug诊断与修复
5. 落地实践与效能实证
5.1前端页面智能开发，从描述到可预览页面的一键生成，支持AI美化、CSS调试、DOM拖拽重排
5.2遗留系统重构，安全、高效地完成代码更新与回归验证
5.3缺陷诊断修复，堆栈分析、根因定位与一键修复
6. 总结与展望
6.1 如何在体验、质量、安全与成本间取得平衡
6.2 迈向全生命周期与高度自治的下一代代码智能体

听众收益：
1. 全面了解代码智能体如何通过项目级深度理解、双模开发范式等核心能力，切实应对真实开发挑战。
2. 理解Skill框架、代码生成与验证闭环等功能的实际效用，掌握利用AI编程实现个人与团队提效的方法与路径。
3. 借鉴华为云CodeArts在复杂企业场景下的落地案例与效能数据，为自研或选型AI编程工具提供实践参考，规避常见集成陷阱。

华为云CodeArts资深AI IDE开发专家，硕士毕业于南京理工大学，拥有多年IDE工具与代码智能体研发经验，致力于通过自主开发模式重塑编码体验，帮助开发者实现效率与质量的双重跃升。

AiDD峰会

K+峰会

联系我们