本文整理自 AICon 深圳直播《你真的驾驭好 AI Coding 了吗》通过AI音视频转录总结工具Ai好记视频转文字整理以下为精炼整理后的会议笔记内容。过去几年AI Coding发展飞快从代码补全到代码生成再到具备任务拆解与自主执行能力的AgentAI正越来越深入地参与到整个软件研发流程里。但让AI写代码已经不是难事难的是让AI理解团队的业务与代码上下文、保证生成代码符合架构规范、在复杂项目里保持稳定可维护以及让整个团队形成一套可复制的AI开发流程。这场直播邀请了网易游戏、网龙网络、平凯数据库TiDB、汇丰科技的四位一线专家围绕AI Coding规模化落地展开圆桌讨论核心问题就一个AI Coding进入团队后如何真正驾驭Agent。AI Coding进入生产环境后最大的变化是什么这次直播的第一个话题是AI Coding真正进入生产环境后最大的变化到底是什么。三位嘉宾从金融、互联网、游戏三个不同行业给出了各自的观察。1、从新功能到遗留代码改造平凯数据库TiDB的柏佳辰观察到过去做Coding更多是新功能开发但到了金融这类成熟客户那里Legacy代码的改造反而成了更大的需求。金融企业流程里有很多需要不同人去审批、去Review的环节这对AI Coding的产品形态和范式提出了更细致、更复杂的要求。组织协同的问题也会从产品层面暴露出来不同人对AI工具的熟练度、适配性、实践方式都不一致这些差异落在产品上就成了实实在在的缺陷。2、效率的分化比提升本身更值得警惕汇丰科技的李渭宁从三个维度给了观察。需求层面AI来了并没有减少人汇丰的业务需求反而大幅增加最近还在大规模招人。在他看来AI的意义不是替代而是更快地赋能业务。效率层面DORA指标确实有所改善但很难论证一定来自AI Coding。最值得警惕的分化出现了技术功底好、认知够、设计能力强的人用了AI Coding效率成倍提升但有些同事用了之后反而造成很多混乱代码写完还得回头改。Token层面今年6月以后GitHub Copilot等工具全面转向Token计费每人每月500美金的预算实际只有1%到2%的人用光大部分人只用到两到三成。原因也简单金融行业做软件是精修很少推翻重来也就不怎么烧Token。3、游戏行业的激进玩法与端到端卡点网龙网络的陈洁带来另一种打法。规范模式围绕Cloud Code、CodeDes、Man三个Coding Agent角色从需求设计到技术调研到架构再到详细设计流程规范但偏长。而他自己带的团队更激进控制端清一色从Auto Mode变成了Pass Permission跟AI说得最多的话是「你不要问我往前写」。不关注过程之后关注点就落到End to End上。团队里接近60%的QA同学被转成开发只留两个QA负责端到端业务测试卡点变成了怎样当好QA角色、做好测试。在他看来代码只是过程产物真正要做的是保证产品的功能不失控。MCP、Skill、Rules到底解决了什么有了Agent之后CP、Skill、Rules这些概念陆续被提出来。它们是换汤不换药的工具体系还是真改变了AI与工程系统的交互方式三位嘉宾从不同角度拆了这个问题。1、CP是固定范式Skill是按需加载Rules是护栏TiDB的柏佳辰做了框架性梳理。CP是最早出现的范式本质是自建的一层Calling机制但CP Tools的范式很固定工具不能太多。Skill本质是Lazy Loading先把最基本的Metadata载入再按需加载问题在于Skill bundle一多就容易到上百个缺乏治理。Rules则是给Skill铺好的路加上护栏。单独用的局限很清楚一个Agent塞太多技能和工具就会混乱。他的解法是Multi-Agent分而治之让不同的智能体各司其职前端做前端、后端做后端、需求评审做需求评审协同下来质量更高、任务更明确。2、金融行业的审慎与游戏行业的激进汇丰的李渭宁目标始终是两个AI的动态可规划性和输出可控性。CP在金融用得很少只用在内部知识库和项目管理上卡点在数据权限什么样的数据AI能消费。Skill主要集中在开发环节把团队的开发规范、工作流、自动化包装成Skill复用好。Rules则用来规范发挥不稳定的AI给边界和规约。网龙的陈洁在SkillHub上做治理个人Skill和公司平台复用结合外部接口还要过安全Gateway每个节点交接前做敏感信息评估。他个人开发时会把Cloud文件控制在130行以内分层分块抽象用Lazy Load空出Token核心目标就是抑制AI幻觉和多轮之后的指令漂移。AI时代怎么保障质量从纺锤型到哑铃型速度上去了质量怎么守传统质量指标没变但保障的重心和手段变了。1、传统体系强化工程护栏汇丰的原则是质量体系不变单元测试通过率、覆盖率、生产发布频次、事故分级这些照旧。要变的是给AI加工程护栏输入输出规范沿用User Story结构依赖管控严格只能从内部仓库下载一旦依赖包有漏洞立刻封禁CI/CD每个环节设checkpoint过了才能往下走。2、覆盖率变高质量却可能变低TiDB的柏佳辰点出理想与现实的背离。理想中人的精力应该呈哑铃型前面重视需求定义后面重视测试验证中间让Agent去写。但现实里AI Coding写出来的工程代码覆盖率更高质量却更低。背离有三层。第一层AI挺有写好习惯但写的全是happy case很少主动写edge case。第二层组件写对了放在整体架构里却是错的。第三层Spec很难反映真实需求因为产品迭代太快需求本身在漂移。3、代码不是目的功能不失控才是网龙的陈洁更关注端到端。自研的Spec系统用维护性更好的脚本语言替代Markdown区分Greenfield和Brownfield两种模式通过Issue日志做过程追溯让程序员判断哪些更新回传知识库。AI Testing方面中台500多个回归测试case已经有280个由AI自主实施。核心逻辑是代码只是过程产物保证产品功能不失控才是第一性原理。AI Agent的权限边界怎么设计Agent从辅助工具变成执行者权限给多给少成了绕不开的问题。激进与保守两种思路并存。1、是数字分身还是普通身份TiDB的柏佳辰抛出对比。激进视角认为Agent既然是未来的操作系统就该是数字分身拥有所有资料和权限。保守视角则认为给root太危险Scope本身也是权限机制缺乏治理体系的Agent可能把当前模块做对了、却把别的东西碰坏了。汇丰的李渭宁主张渐进式放开。把每个AI当成一个需要定义身份边界的实体一开始放进沙箱验证机制成熟后再放出来以既定身份做事。权限在前端、后端、数据库、网络层级层层控制就算乱来也不至于出大事。2、最大权限与强约束并存网龙的陈洁是典型的激进派控制台清一色Pass Permission但严格领域毫不含糊数据库表结构变更、生产环境权限全部拿掉审批与可追溯性必须到位。可以把AI当伙伴给最大权限但关键操作要严格把控。他还分享了一个真实案例AI建议建立双向网络隧道他一下就警觉了因为公司安全规定严格控制这类行为。应对办法是把安全手册下载到本地让AI阅读并做成强制约束。AI-native研发体系优先建设什么直播的最后三位嘉宾讨论如果要重构一套AI-native研发体系应该优先建设什么能力。1、网龙知识体系、评测门禁、AI治理陈洁给出五大优先事项。第一是知识体系只有保证知识体系正确输入给AI的信息才对这是抑制幻觉的基础。第二是评测门禁AI输出不完全可控必须通过评测发现哪个环节有问题。第三是AI治理Skill调用频次监控3个月零次调用就迁移归档。第四是工作流智能化通过自然语言对话让AI帮人构建工作流。第五是Token效能优化关注Token利用率和工具调用次数。2、TiDB改变人拥有与机器对话的能力柏佳辰直言最重要的是改变人让人拥有和机器对话的能力。AI Coding时代要求的不再是掌握SQL语言、做类型体操、算法或数据结构而是能否有效执行、有没有大局观念、能不能以产品或架构师的角度把整个项目构建起来。前端后端的职责分野在消失要的关键是表达全栈式需求剩下的事交给AI Coding解决。3、汇丰流程管控为先李渭宁类比汽车行业从手工生产到流水线自动化第一个想到的就是流程管控6σ、计算机辅助等方法让过程可见、可控、可提升。AI Coding也是一样玩法在变、人也在不断适配、工具也在变化最终要形成一套AI时代工程师的framework和工具集。观众问答精选组织架构的变革几位嘉宾判断目前还没有在大的范围内真正发生实质改变但变革动力一定是自下而上的当某种工具或形态大规模应用并获得足够信任后组织架构墙自然会被推倒如同福特引入流水线由利润驱动变成新范式。关于面试AI架构师李渭宁看重通用素养与持续学习陈洁则关注两点Cloud Code的insight指令使用看你能否把本地执行日志和输入输出做replay以及上下文压缩机制看你怎么处理多轮复杂任务后的指令漂移、保证指令遵循性。常见问题FAQQAI Coding进入生产后最大的变化是什么从新功能开发转向遗留代码改造同时暴露出组织协同、流程适配、人员熟练度差异等问题写代码不再是难点难点在让AI理解业务上下文并符合架构规范。QMCP、Skill、Rules是什么关系CP是连接外部世界的固定范式工具集Skill实现按需加载与复用Rules为行为设定边界护栏。三者共同治理上下文和确保输出可控但单一Agent塞太多会混乱多智能体协同是更好的落地范式。QAI生成代码覆盖率变高了为什么质量还可能变低因为AI写的多是happy case、缺少edge case组件对但架构错Spec又难反映真实需求所以覆盖率与质量并不总成正比需要端到端测试和工程护栏兜底。QAgent的权限该给多还是给少激进派主张给最大权限视作数字分身保守派主张纳入现有权限矩阵、沙箱验证、渐进式放开。共识是高风险操作严格管控、全链路日志可追溯具体尺度按风险分级定。Q重构AI-native研发体系最该优先建设什么优先建设正确的知识体系抑制幻觉的基础其次是评测门禁发现短板然后是技能治理、工作流自动化和Token效能优化同时培养人与机器对话的能力。以上内容由 Ai好记转录整理。Ai好记是一款支持音视频转图文笔记的AI知识库工具支持B站、小红书、抖音、小宇宙等平台链接及本地音视频文件解析视频转文字后自动生成精华速览、思维导图和结构化图文笔记帮助你把几小时的视频内容变成可搜索、可复习的图文笔记。