AI研发体系建设：让AI提效可控、可沉淀、可复制

首讲：认知重构

——AI重构研发模式，解码新时代研发瓶颈和工程本领

一、范式迭代：

AI重塑软件开发全流程推演

1. AI的定位变化：从代码补全，到参与诉求、规划、编码和验收

2. Agentic编程趋势：AI从“辅助个人”走向“参与流程”

3. 公司关注点：不是抓手能写多少代码，而是AI能否进入稳定研发架构

二、瓶颈迁移：

AI时代研发核心矛盾的彻底转变

1. 传统研发旧瓶颈：人手不足，编码效率、交付速度

2. AI研发新瓶颈：诉求清晰度、差事拆解质量、执行环境承接本领

3. 高速编码下的衍生隐患：代码越快，质量将控、影响面评核和验收制度越要害

三、现况复盘：队伍

AI抓手落地后的典型乱象剖析

乱象一：抓手碎片化，准则不统一

乱象二：产能提速，工程质量失控

乱象三：个人提效，队伍本领无沉淀

四、本领升级：

AI时代重新被放大的工程本领

1. 诉求领会：判断AI是否在破解真正的问题

2. 架构规划：判断AI代码能否进入长期系统

3. 差事拆解：让AI在清晰边界内稳定执行

4. 验收评审：管住AI带来的工程隐患

实例：

为何有些队伍用了

AI以后，代码更多了，交付却没有更稳

次讲：环境落地

——AI研发Harness执行环境和个人准则化事务流搭建

一、从研发情境领会

AI研发执行环境

Harness的核心定义：

不是单个模型，实操中，而是

AI进入研发流程的执行环境。

1.

Harness三大核心支撑情境

1）代码库：领会项目结构、倚重、历史约束

2）终端和测试：运行命令、发现失败、反馈修改

3）PR和交付：形成可审查、可回滚的变更

2

. 两类主流AI研发环境本领拆解

1）通用大模型：学识问答、技艺调研、方案推演，文档整理

2）CodingHarness：代码库领会、局部修改、重构、测试和提交准备

抓手样本：

Cursor、ClaudeCode，Codex、Trae、Copilotcodingagent，通义灵码

二、不同研发差事的协同方式

1. 技艺调研

1）整理：迅速汇总文档、issue，代码片段

2）比较：列出备选方案和适用条件

3）隐患：提示兼容性、成本和维护问题

2. 方案规划

1）多路径推演

2）架构取舍

3）影响面拆解

3. 编码达成

1）明晰边界

2）文件范围

3）验收准则

4. 测试验收

1）推演查验

2）遗漏隐患

3）影响面复核

三、

搭建可复用的个人

AI研发闭环事务流

1. 准则化全流程链路

：调研

→规划→编码→验收

2

准则化差事输入五要素

1）业务来由：明晰业务标的、现存问题、已有决策和迭代来由

2）执行边界：清晰划定可修改范围、禁止改动范围，模块隔离边界

3）约束条件：明晰技艺规范、性能要求、兼容性规则，合规要求

4）输出要求：统一代码格式、文档规范、交付物准则

5）验证方式：指定测试命令、自查清单、验收口径、校验准则

3.

上下文文件准则化配置

1）AGENTS. md

2）CLAUDE. md

3）项目规范

4）验收清单

4. 核心标的升级

——从“让AI写代码”，到“让AI推进可验收差事”

四、

精准将控个人

AI事务流的本领上限

1. 小差事：个人+AI迅速闭环。

2. 大型系统：上下文管控、影响面将控和独立验收

——从个人提效到队伍协同，是AI研发落地的要害门槛

实战上手：

将一个真实研发诉求拆解成

AI可领会、可执行、可验收的差事描述

三讲：协同升级

——AgentTeam多定位分工和复杂项目AI协同落地

一，

大型项目必须搭建

AgentTeam的底层原因

AgentTeam的核心本质

：

不是堆抓手，而是拆责任

1. 大型项目核心缺口：定位分工和进程将控

2.

单

AI全流程作业的致命隐患：自我论证，自我确认的闭环偏差

二、

AgentTeam四大核心岗位和权责架构

1. 诉求Agent（

负责标的和边界管控

）

1）澄清标的：业务要破解什么问题

2）补齐情境：用户、流程、异常和限制

3）形成边界：什么属于本次差事，什么暂不处理

2. 规划Agent（

负责方案和隐患管控

）

1）技艺方案

2）影响面

3）架构隐患

3. 开发Agent（

负责落地和迭代精进

）

1）编码

2）修复

3）局部重构

4. 验收Agent/学识Agent（

负责校验和沉淀复用

）

1）验收隐患

2）沉淀规范

3）复用模板

三、

AgentTeam三类准则化编排方式

1. CodingHarness编排

1）代码库：读取文件、领会倚重、定位影响面

2）终端：执行测试、构筑、脚本和排错命令

3）上下文：加载规范、差事说明和验收清单

2. Computer-useHarness编排

1）承接浏览器

2）页面操作

3）跨系统流程和人工确认

3. 自研编排轮廓编排

1）复杂状态流

2）业务系统内嵌

3）自定义事务流

抓手：

Codex、ClaudeCode，Cursor、OpenClaw、OpenHands，OpenCode；自研编排可参考LangGraph，LlamaIndex等等。

四、

AI时代顶级研发的精细化差事拆解办法

拆解核心要则

：

复杂系统不能靠一句话生成，边界不清必然失控

1. 按照模块拆解：让AI处理清晰范围内的问题

1）单次差事只覆盖一个模块或者一类问题

2）跨模块改动先做影响面评核

3）高隐患改动拆成可回滚步骤

2. 按照职责拆解：诉求、规划、开发、验收各有产出

3. 按照验证单元拆解：保障可校验可回滚

五、构筑独立验收和学识沉淀制度

核心管控要则：

写代码的

AI不适合完全自己验自己

1.

四维准则化验收维度

1）诉求满足：检验是否完成原始标的

2）边界遗漏：排查是否影响未放权范围

3）规则破坏：校验是否违反业务规则或者工程规范

4）隐患可控：复核潜在隐患、兼容问题、长期维护隐患

2.

准则化验收状态架构

1）PASS（借助）

2）WARNING（预警）

3）BLOCKER（阻断）

3.

常态化学识沉淀载体

1）Agent. md

2）ADR

3）验收模板

4）踩坑清单

实例：

复杂系统项目中，让

AI参与诉求拆解、方案规划、编码达成、独立验收和心得沉淀。

四讲：

架构落地

——

公司

AI研发架构准则化建设路径和组织赋能

一、识别公司

AI研发的四个阶段

1. 抓手运用阶段：个人开始采用AI，拉升局部效率

2. 个人提效阶段：形成稳定个人事务流

3. 队伍协同阶段：构筑定位分工、协同制度和验收准则

4. 架构建设阶段：将AI研发办法沉淀为组织本领

二、建设

AI研发事务制度

1. 人机协同制度：AI做什么，人决策什么，往细里说，哪些必须共同完成

2. Harness采用规范

1）代码库权限：仓库、文件、环境和资料访问范围

2）终端命令：允许执行的构筑、测试，脚本和排错命令

3）测试边界：哪些动作必须人工确认

3. AI验收制度：让隐患在上线前暴露

4. 学识沉淀制度：规则、模板、心得和踩坑记录

抓手：

代码仓库、

CI、PR，Agent. md、ADR，Langfuse/LangSmith。

三、促成个人心得向组织本领转化

1. 个人办法：整理成差事模板和提示规范

2. 要害判断：沉淀为架构决策记录和业务规则说明

3. 抓手心得：转化为流程制度，而不是少数高手的招数

四，规划未来

12个月落地节奏

第

1阶段：

试点启动期（

1-3个月）

——选抓手、建规范，做小范围试点

第

2阶段：

流程沉淀期（

4-6个月）

——沉淀个人事务流，准则化高频研发差事

第

3阶段：

架构成型期（

7-9个月）

——建设AgentTeam，就一线经验说，形成协同闭环

第

4阶段：

全域复制期（

10-12个月）

——评核研发效能，复制成功心得

课程收束：

AI时代研发队伍的竞争力，不只是写代码速度，而是差事拆解、执行环境、进程协同、独立验收和学识沉淀的架构化本领。

老师简介

Introduction to lecturers

弄懂更多

博闻智咨询|闫波老师