从 AI Coding 到 AI Native SDLC:企业级人机协同研发范式的演进与落地|AICon深圳
<p data-type="paragraph">Agent 时代,哪些方向正在成为行业关键变量?50 + 实战案例揭晓答案!</p><p data-type="paragraph"></p><p data-type="paragraph">模型参数规模不断突破,推理成本持续下降,开源生态日益繁荣。当模型能力逐渐成为行业共识,一个新的问题开始浮现:<strong>当人人都能获得强大的模型能力之后,真正的竞争力还剩下什么?</strong> 答案正在从模型能力本身,转向围绕模型构建可规模化的智能系统;从单点能力提升,转向系统工程与组织级落地能力。</p><p data-type="paragraph"></p><p data-type="paragraph">在这一背景下,<a href="https://aicon.infoq.cn/2026/shenzhen/track" title data-type="link">2026 年 AICon 人工智能开发与应用大会 · 深圳站</a>正式启动。本次大会将于<strong> 8 月 21 日—22 日</strong>举办,聚焦 AI 基础设施、大模型系统、智能体工程、数据智能、多模态技术与行业落地等关键方向,邀请来自腾讯、阿里、华为、百度、蚂蚁集团等 50 + 头部科技企业技术负责人、科研机构一线专家,系统性分享前沿洞察与实战干货,共同探讨 AI 技术从能力到系统、从实验到生产的真实路径。</p><p data-type="paragraph"></p><p data-type="paragraph">网龙网络资深技术总监陈洁已确认出席 “<a href="https://aicon.infoq.cn/2026/shenzhen/track/1956" title data-type="link">AI 原生新范式:Coding Agent 重构软件研发全流程</a>” 专题,并发表题为<strong>《</strong><a href="https://aicon.infoq.cn/2026/shenzhen/presentation/7175" title data-type="link">从 AI Coding 到 AI Native SDLC——企业级人机协同研发范式的演进与落地</a><strong>》</strong>的主题分享。AI Coding 的企业化拐点不是“AI 会写代码”,而是研发组织开始把 Agent 放进需求、设计、实现、测试、评审、CI、度量和夜间自动执行的闭环里。本次分享将结合 2025 年 10 月以来的行业变化,以及公司 AICT Team 在 GitHub Copilot Enterprise、Claude Code、Codex、Gemini CLI / Antigravity、OpenSpec、MonoRepo、AI Testing、Metric Kanban 和 Multica 协作上的真实实践,说明如何把个人提效工具演进为企业级 AI Native SDLC。</p><p data-type="paragraph">陈洁,网龙网络资深技术总监,AI 与 Web3 技术专家,长期致力于人工智能应用创新、企业数字化转型及技术组织建设。现负责公司 AI 与 Web3 方向的技术战略规划、核心能力建设及创新产品孵化。拥有 16 年国际化技术管理与大型系统建设经验,先后任职于日本 Yamaha 总部及美国硅谷上市公司 EHealth,负责全球级企业平台建设、云原生架构升级、DevOps 体系落地及跨国研发团队管理,在企业级架构设计、工程效能提升和技术创新管理方面拥有丰富实践经验。深耕敏捷研发与 DevOps 十余年,熟悉 SAFe、Scrum 等现代研发管理体系。曾担任清华大学 X-lab SDG 开放创新马拉松挑战赛 Web3 导师,持续推动 AI、Web3 等前沿技术的产业实践与生态创新。他在本次会议的详细演讲内容如下:</p><p data-type="paragraph"></p><p data-type="paragraph"><strong>演讲提纲:</strong></p><ol data-type="numberedlist"><li data-type="listitem"><p data-type="paragraph" data-number="1">企业内 AI Coding & AI Testing 的真实痛点</p></li></ol><ul data-type="bulletedlist"><li data-type="listitem"><p data-type="paragraph" data-indent-1 >代码生成更快以后,瓶颈集中到需求澄清、上下文构建、测试验证、Code Review、CI 稳定性、发布风险和成本治理。</p></li><li data-type="listitem"><p data-type="paragraph" data-indent-1 >信任和交付仍未闭环,最终的提效难衡量。</p></li></ul><p data-type="paragraph">2. 从工具采用到 Harness Engineering 工程系统基建</p><ul data-type="bulletedlist"><li data-type="listitem"><p data-type="paragraph" data-indent-1 >公司级 GitHub Copilot Enterprise + GitHub.com Enterprise 导入,建立从 Copilot Coding 到 Agent Coding 的迁移。</p></li><li data-type="listitem"><p data-type="paragraph" data-indent-1 >基于 Claude Code、CodeX、Gemini CLI 等头部 Coding Agent,结合 OpenSpec、MonoRepo 的自研 AI Coding & AI Testing workflow,构建全链路 Agent 研发模式。</p></li><li data-type="listitem"><p data-type="paragraph" data-indent-1 >夜间 Agent 研发、测试任务实施(Pilot)。</p></li><li data-type="listitem"><p data-type="paragraph" data-indent-1 >Kanban Metric 建立,实时观察 AI Coding / AI Testing 使用状态、质量信号和团队采纳情况。</p></li><li data-type="listitem"><p data-type="paragraph" data-indent-1 >以上内容围绕三个真实案例:</p></li><li data-type="listitem"><p data-type="paragraph" data-indent-2 >新需求从 PRD 到 PR。</p></li><li data-type="listitem"><p data-type="paragraph" data-indent-2 >OpenClaw 自主获取 Bug Issue 到修复,再推动给人类工程师进行 PR。</p></li><li data-type="listitem"><p data-type="paragraph" data-indent-2 >夜间 Agent 推动尝试和问题。</p></li></ul><p data-type="paragraph">3. 企业级 AI Native SDLC 流程、管理制度、角色的转变</p><ul data-type="bulletedlist"><li data-type="listitem"><p data-type="paragraph" data-indent-1 >组织调整,岗职转变。</p></li><li data-type="listitem"><p data-type="paragraph" data-indent-1 >治理与边界。</p></li><li data-type="listitem"><p data-type="paragraph" data-indent-1 >如何衡量是否真的提效。</p></li></ul><p data-type="paragraph">4. 对于未来企业内 AI Coding & AI Testing 的思考</p><ul data-type="bulletedlist"><li data-type="listitem"><p data-type="paragraph" data-indent-1 >开发 / 测试 Agent 员工导入。</p></li><li data-type="listitem"><p data-type="paragraph" data-indent-1 >人人都是 QA → 人人都是产品经理?</p></li></ul><p data-type="paragraph"><strong>这样的技术在实践过程中有哪些痛点?</strong></p><ol data-type="numberedlist"><li data-type="listitem"><p data-type="paragraph" data-number="1">技术推广过程中的适配性,还有就是具体业务的研发场景。通用的解决方案不能很好的支持。还有就是对于游戏引擎的这部分 unreal 代码的 AI 支持不是那么友好。</p></li><li data-type="listitem"><p data-type="paragraph" data-number="2">数据闭环的分析采集等也是非常大的问题,如何有效衡量 AI 赋能的效用</p></li><li data-type="listitem"><p data-type="paragraph" data-number="3">对于指导普通业务团队构建 Harnessing 的 AI 基建部分挑战较大。</p></li></ol><p data-type="paragraph"><strong>听众收益</strong></p><ol data-type="numberedlist"><li data-type="listitem"><p data-type="paragraph" data-number="1">企业内构建 AI Coding & AI Testing 的技术解决方案;</p></li><li data-type="listitem"><p data-type="paragraph" data-number="2">企业内落地推动 AI Coding & AI Testing 的踩坑经验;</p></li><li data-type="listitem"><p data-type="paragraph" data-number="3">对于未来企业内 AI Coding & AI Testing 的思考。</p></li></ol><p data-type="paragraph"></p><p data-type="paragraph">除此之外,本次大会还策划了<a href="https://aicon.infoq.cn/2026/shenzhen/track/1949" title data-type="link">AI Infra、推理工程与异构计算</a>、<a href="https://aicon.infoq.cn/2026/shenzhen/track/1950" title data-type="link">超级个体与蜂群智能的共生进化</a>、<a href="https://aicon.infoq.cn/2026/shenzhen/track/1952" title data-type="link">迈向机器人 AGI 的关键技术与产业实践</a>、<a href="https://aicon.infoq.cn/2026/shenzhen/track/1953" title data-type="link">Agent 安全:从风险到可控</a>、<a href="https://aicon.infoq.cn/2026/shenzhen/track/1955" title data-type="link">端侧智能与 AI 原生终端</a>、<a href="https://aicon.infoq.cn/2026/shenzhen/track/1958" title data-type="link">AI Agent 高价值商业场景实战</a>等 11 个专题论坛,届时将有来自不同行业、不同领域、不同企业的 50+资深专家在现场带来前沿技术洞察和一线实践经验。</p><p data-type="paragraph"></p><p data-type="paragraph">大会限时早鸟票享 8 折专属优惠,现在报名立减 1160,更多详情可扫码或联系票务经理 13269078023 进行咨询。</p><p data-type="paragraph"></p>