一句话看懂：汇丰科技内部开源负责人李渭宁将在 AICon 深圳站分享 AI Coding 在金融科技研发全流程中的落地实践，核心不是“让 AI 写代码”，而是把散落在各团队的 Prompt 和工具沉淀为可复用的 Agent Skills，推动 AI 从个人提效走向组织级研发能力。
事件核心：发生了什么
8 月 21 日至 22 日，AICon 全球人工智能开发与应用大会将在深圳举办，大会日程已全部上线。汇丰科技内部开源负责人李渭宁确认出席“AI 原生新范式：Coding Agent 重构软件研发全流程”专题，并将发表题为《从代码生成到研发闭环：AI Coding 在金融科技 SDLC 中的落地实践》的分享。
李渭宁深耕金融科技领域 15 年，曾在汇丰科技、恒生银行等机构任职。根据演讲提纲，他将介绍汇丰科技如何通过内部开源与社区共创，将不同团队在需求分析、架构设计、编码实现、代码评审、测试验证和交付协同中的 AI Coding 经验，沉淀为可复用、可治理的工具与 Agent Skills。具体场景包括：结合 Jira、Confluence 辅助需求澄清，结合 VS Code、GitHub Copilot 提升编码效率，以及用 MCP 连接工具、数据与研发上下文，让 Agent 进入企业真实工作流。
为什么重要
目前行业对 AI Coding 的讨论大多停留在“生成代码”的层面，但大模型输出的不稳定、金融场景的安全合规约束，以及不同团队技术栈差异，让规模化落地面临现实阻力。李渭宁的实践核心在于把 AI Coding 视为一套需要治理的工程体系，而不是单纯的开发者工具。
“内部开源 + Agent Skills”是这次分享中最值得关注的方法论：通过社区共创的方式汇聚一线开发者的真实使用经验，再把其中有效的做法标准化为可复用的能力单元。这种方式解决了两个关键问题——一是跨团队复制经验时面临的上下文割裂，二是企业级 AI 工具难以度量价值、难以治理的困境。在金融科技这种对安全、合规和数据边界要求极高的行业，这种探索路径对银行、证券、保险等领域的 AI 落地具有直接的参考价值。
对用户/开发者/创作者的影响
对开发者：AI Coding 的竞争焦点正在从“哪个模型生成的代码更准”转向“能否嵌入完整的研发流程”。掌握 Agent Skills 的编写、调试和治理能力，比单纯会使用 Copilot 类工具更具长期价值。MCP 这类标准化连接协议也值得关注，它决定了 Agent 能否真正安全地调用企业内外部工具。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对企业技术管理者：AI Coding 的推广不再是“采购一个工具发给员工”，而是需要平台、流程与研发文化同步变革。李渭宁分享中提到的安全评估、权限审计、推广运营机制，恰好回应了企业引入 AI 编码时最担心的合规与治理问题。试点场景的选择、可复制路径的构建、开发者采纳率指标的设定，是规模化落地前需要优先设计的环节。
对金融科技从业者：目前公开信息显示，汇丰科技的实践覆盖了需求、设计、编码、评审、测试、交付全流程，这意味着 AI 对研发效率的影响已经深入软件开发生命周期的每个环节。了解这些实践，有助于判断 AI Coding 在金融机构从试点走向全组织推广的真实进度。
值得关注的后续
第一，汇丰科技沉淀的 Agent Skills 是否会以开源形式对外释放。作为内部开源负责人，李渭宁的分享中如果能展示具体的 Skills 库结构，对其他企业的自建路径将是很好的参照。
第二，MCP 协议在金融企业内部工具集成中的实际效果。MCP 能否成为连接 Agent 与 Jira、Confluence 等企业系统的通用标准，将在很大程度上决定 Coding Agent 的工作流能走多深，而非停留在单点辅助。
第三，金融行业对 AI Coding 的安全合规边界如何界定。从个人试点到上万人使用的平台，权限控制、数据审计、模型输出的风险兜底机制，都需要形成可执行的行业规范，这会影响同类机构的技术选型和落地节奏。
来源：InfoQ CN
