AiDD研发数字峰会

论坛主席：林冠峰

就职于中国民生银行信息科技部，聚焦人工智能、区块链、物联网等方向，负责新技术、新产品、新模式等方面创新孵化与管理工作。目前作为智能化软件工程实践的引领者，主导了理论、体系、架构与应用落地等多项重要工作。

中国民生银行处长

AI+研发效能提升

本论坛将探索人工智能如何赋能软件工程、研发管理和项目管理等，以显著提高研发作业效率和质量。深入讨论研发领域基于LLM的智能助手、LLM驱动效能度量、智能工具集成、LLM赋能项目管理、LLM赋能CI/CD等关键技术。通过分享成功案例和策略，旨在帮助企业科技研发通过AI技术实现效能的飞跃。

基于SDD和多agent协同的端到端AI开发探索与实践

林冠峰

中国民生银行处长

内容简介：

大模型技术高速发展，推动软件研发从“人工编码为主导、AI为辅助”向“人机协同规划驱动”加速转型。民生银行以标准研发流程工艺与规格为核心，通过知识、工具、模式三大手段，打造从业务需求到交付的端到端AI 智能研发新方案。该方案以知识连通“上下文断点”，推动代码隐性知识显性化；以工具连通“疏程断点”，依托自主研发的民生 Code CLI （Command-Line Interface，命令行界面）实现多 Agent 协同与编排，折叠研发上下游环节；以模式打通“质量断点”，创新“企业级、领域级、项目级”三级规格方法论，以规格驱动开发（Spec-driven devel opment，简称SDD）将 AI 概率性输出转化为金融级确定性交付。经重点业务领域研发交付实践，形成了可复制、可推广的金融级AI 智能研发范式。

演讲提纲：
1. AI Coding趋势与演进方向
2. 企业级私域Agentic Coding新范式
3. 端到端AI Coding实践
4. Agentic coding带来的新挑战

听众收益：
在金融级高度严谨的私域研发环境中，针对如何运用Agentic Coding有效作用于企业级代码生产，了解通过知识、工具、模式、生态多方面建设，赋能端到端AI研发实践。

就职于中国民生银行信息科技部，聚焦人工智能、区块链、物联网等方向，负责新技术、新产品、新模式等方面创新孵化与管理工作。目前作为智能化软件工程实践的引领者，主导了理论、体系、架构与应用落地等多项重要工作。

从 Coding 到 Engineering：AI 如何参与 TRAE 的真实研发流程

张皓洋

字节跳动 TRAE 研发团队技术专家

内容简介：

当 AI Coding 能力快速跨越拐点，企业研发正在从“工具辅助写代码”迈向“AI 深度参与工程链路”的新阶段。但在真实复杂业务中，AI 的价值不止于生成代码，更在于能否进入需求澄清、方案设计、任务拆解、交叉验证、端到端测试、Oncall 分析修复与知识沉淀等完整研发流程。
本次分享将结合 Trae 团队在 AI-Native 研发中的一线实践，系统拆解如何通过 Spec Coding、Cross-Verification、仿真验证与 Loop Engineering，把 AI 从单点 coding agent 推进为可参与真实交付闭环的 engineering agent。分享也将进一步讨论研发流程上云后，PRD、技术文档、Spec、Skill、Memory、验证报告和问题复盘如何沉淀为中心化的组织级上下文，并通过证据链、人类门禁和跨会话记忆，让 AI 更安全、可信、持续地参与企业研发。

演讲提纲：
1. 背景：AI Coding 跨越拐点，企业研发进入 AI 深度参与阶段
2. 挑战：为什么真实研发不能只解决“代码生成”问题
3. 实践：Trae 如何通过 Spec Coding 构建 AI 可执行的工程输入
4. 验证：Cross-Verification 与端到端仿真如何提升交付可信度
5. 沉淀：Spec、Skill、Memory 如何形成中心化的组织级上下文
6. 闭环：Loop Engineering 如何支撑 On-call 分析、修复、验证与知识复用
7. 反思：AI-Native 研发中的风险边界、人类门禁与人的新职责

听众收益：
1. 理解 AI 从 Coding Agent 走向 Engineering Agent 的真实路径，掌握企业级研发场景中 AI 落地的关键环节。
2. 获得一套围绕 Spec Coding、交叉验证、仿真测试、知识中心化和 Loop Engineering 的体系化实践框架。
3. 了解 Trae 在 AI 参与真实研发闭环中的经验、边界与踩坑，理解如何通过证据链、人类门禁和跨会话记忆提升 AI 研发的可信度与可复用性。

字节跳动 TRAE 研发团队技术专家, 深耕一线 AI 研发全链路流程, 负责 TRAE IDE agent, 在AI 工程化, 可观测性, 效果评测和整体研发效能提升等方向的探索和实践上有丰富实战经验。

中原银行AI驱动研发工程体系实践

黄仲辉

中原银行二级部副总经理

内容简介：

随着大模型能力快速演进，AI 赋能软件工程已从概念验证走向规模化落地。本次演讲以中原银行 AI 驱动研发工程体系建设为蓝本，系统分享开发规范智能化约束、SDD 需求与设计融合、AI 友好 CLI 工具链、质量门禁自动匹配等核心工程实践；介绍 AI 技术中台的架构设计与关键能力——AI 注册中心、网关、可观测平台如何支撑全行 AI 应用规模化；展示自主智能体在代码审查、运维排障等场景中人机协同的落地成效。结合一线实践中的挑战与经验教训，为金融机构 AI4SE 落地提供可借鉴的路径参考。

演讲提纲：
1. 背景与痛点：破解“个人提速、组织卡顿”悖论，探讨成熟金融体系下 AI 落地面临的需求衰减、审查消化瓶颈与安全治理挑战。
2. 工程全景图：提出 “SDD改流程、规范管行为、HotPlex管运行时、运营促采纳” 四位一体工程体系。
3. SDD 流程重构：用轻量 CLI 缝合 DevOps 平台，通过“L1–L3 渐进式模型”将需求转为机器可读、前置校验的结构化 Spec。
4. 规范植入 (Agent)：采用 B/C 双通道指令注入 + Skill 场景库 + Hook/Gate 代码拦截，坚持面向 LLM 设计工具。
5. HotPlex 运行时：自研开源 Gateway，集中承载 AEP 统一协议、多租户隔离、IM 移动离岗审批与全行为审计链。
6. 组织落地与度量：构建教练网络进行“诊所带题结对”并按“灯塔➔扩面➔覆盖”循序推进，坚持问题诊断导向、拒刷“生成率”KPI，用一线反馈驱动规范与平台演进。

听众收益：
1.中小银行 AI4SE 落地的务实技术路径：了解如何在资源有限条件下选择适合自身的切入点和推进节奏，从开发规范智能化到研发流程融合的分阶段迭代实践
2.AI 技术中台架构设计参考：获得 AI 注册中心、网关、可观测平台等核心组件与 Coding Agent 与研发平台集成的实践经验
3.一线踩坑与避坑指南：直接获取在 AI4SE 推进过程中遇到的技术挑战与解决方案——AI 生成质量的兜底机制、大模型行内部署适配、效果度量等实战经验，减少试错成本

现任中原银行基础技术研发部技术负责人，全面负责全行开发平台、PaaS、DevOps 工具链及 AI 基础设施建设。主导 AI 驱动的研发工程体系、AI 技术中台、数字员工体系建设。

徐晨钢

联想集团AI解决方案架构师

内容简介：

随着生成式AI的发展，企业软件开发正在从“个人生产力工具”向“组织级协同系统”演进。本次分享将结合联想Vetra实践，解析如何通过AI重构从需求、设计、开发到测试与治理的全流程，实现可追溯、可验证、可规模化的软件交付能力。
Vetra通过规格驱动开发（SDD）、多Agent协同、知识沉淀与工程治理体系，将AI嵌入企业研发流程，解决传统开发中沟通成本高、质量不可控、经验难沉淀等问题，实现交付效率与组织能力的量级提升。

演讲提纲：
1. 行业背景：AI 编程的两条路径
1.1 Vibe Coding：提升个人效率，但缺乏治理与可维护性
1.2 企业场景核心问题：协同复杂、质量不可控、流程断裂
2. Vetra 核心定位：AI-Native 交付操作系统
2.1 AI嵌入需求→设计→开发→测试→治理全链路
2.2 不只是工具，而是企业级交付体系升级
3. 技术与架构关键能力
3.1 Specification Driven Development（规格驱动开发）
3.2 多Agent协同（需求、开发、测试）
3.3 Memory / Skill / Sandbox 核心架构
3.4 工具链整合（JIRA / GitLab / Confluence）
4. 实际落地场景（Enterprise Use Cases）
4.1 原型驱动开发
4.2 智能体托管
5. 关键价值（Business Impact）
5.1 原型周期：周 → 小时
5.2 交付周期：月/年 → 按周持续交付
5.3 知识从“个人经验”变为“企业资产”
5.4 全流程可追溯与可治理
6. 组织变革与未来趋势
6.1 从“开发工具”到“交付操作系统”
6.2 人机协同 → 人主导 + AI执行
6.3 AI工程化（AI Engineering）成为企业核心能力

听众收益：
1. 清晰理解企业AI落地的关键路径（从工具 → 平台 → 体系）
2. 掌握AI在SDLC全流程中的具体应用方式（需求到交付）
3. 获得可复用的企业AI工程化实践模型（Vetra案例）

拥有丰富的企业级软件架构设计与工程治理经验。参与建设Lenovo Vetra AI-Native SDLC平台，通过结合生成式AI与多智能体协作框架，重塑了从业务需求到产品交付的研发流程，探索出具备高复用性与持续能力沉淀的企业级软件工程新范式。

从 Vibe Coding 到 AI-Native 交付：Vetra 如何重构企业软件工程体系

驭智成规：华为云码道Harness Engineering 实践

韩社丰

华为资深解决方案架构师

内容简介：

基于华为云码道代码智能体分享Harness Engineering 在智能编码领域的应用实践，通过多维驾驭工程提升智能体编码效果。

演讲提纲：
1.代码智能体的发展趋势
1.1 代码智能体的应用趋势及挑战
1.2 提示词工程上下文工程驾驭工程的演进
2.华为云智能开发驾驭工程实践
2.1 华为云智能开发应用三层框架（大模型、云端协同驾驭工程、端侧应用）
2.2 华为云驾驭工程实践及应用场景
-agent team
-规范驱动开发
-全流程质量守护
-研发知识工程提升代码仓深度理解
-Agentic devops构筑全生命周期智能开发
-企业级安全合规保障智能开发安全
3.演进思考
3.1Loop工程及未来演进思考

听众收益：
1. 了解驾驭工程的发展
2. 了解华为云码道驾驭工程实践

华为云中国区资深解决方案架构师，2007年加入华为，深耕研发18年，曾任研发工程师、版本经理、主任工程师、软件工程专家等，长期负责和参与产品线级、公司级敏捷、持续交付、可信软件工程、研发数字化等研发变革项目，对外服务多家大型企业研发数字化、智能化解决方案规划和建设。

AiDD峰会

K+峰会

联系我们