一句话看懂：网龙网络资深技术总监陈洁将在2026年AICon深圳大会上，分享其团队如何从“AI会写代码”的阶段，迈入将Coding Agent嵌入需求、设计、测试、CI等完整研发闭环的“AI Native SDLC”范式，并公布基于GitHub Copilot Enterprise、Claude Code、Codex等工具的实战踩坑经验。
事件核心：发生了什么
2026年8月21日至22日，AICon人工智能开发与应用大会将在深圳举办，聚焦AI基础设施与智能体工程等关键方向。本次大会的一个重要专题是“AI原生新范式：Coding Agent重构软件研发全流程”，网龙网络资深技术总监陈洁将在该专题下发表演讲，主题为《从AI Coding到AI Native SDLC——企业级人机协同研发范式的演进与落地》。陈洁将结合其AICT Team自2025年10月以来的真实实践，详细拆解企业引入AI Coding和AI Testing后面临的四大痛点：需求澄清瓶颈、上下文构建成本、测试验证与Code Review的稳定性、以及发布风险与成本治理。他还会展示如何通过部署Claude Code、Codex、Gemini CLI等头部Coding Agent，结合自研的OpenSpec、MonoRepo工作流，构建夜间自动化研发与测试的“Agent工人”体系，并用Kanban Metric实时衡量提效效果。
为什么重要
当前的AI编程工具主要停留在“个人提效”层面，开发者最常问的问题是“AI写代码快了，但为什么整体项目交付并未显著提速？”陈洁的分享直接回应了这一行业焦虑：真正的企业级拐点不是代码生成速度，而是研发组织能否将Agent系统性地接入需求澄清、设计评审、CI/CT（持续测试）和度量闭环。这标志着AI在软件工程领域从“辅助工具”向“生产流程基础设施”的演进。如果这套“人机协同研发范式”成功落地，将直接挑战传统的瀑布式或敏捷开发流程，推动企业从“人写代码，AI辅助”转向“Agent执行，人类治理”的新组织形态。此外，演讲中透露的“对Unreal引擎代码支持不友好”等真实痛点，也揭示了AI Coding在大规模、特定领域（如游戏引擎）应用中的技术边界。
对用户/开发者/创作者的影响
对于软件团队的CTO和技术负责人：这项实践提供了企业引入AI Coding的完整路径和避坑指南——不是买个Copilot License就完事，而是要重建“Harness Engineering”工程系统，包括自研Agent工作流、建立质量信号仪表盘、以及调整岗位职责。对于普通开发者：未来可能需要同时承担“指导Agent工作”和“审核Agent输出”的双重角色，即“人人都是产品经理”与“人人都是QA”的可能性。对于游戏引擎（如Unreal）开发者而言：当前AI Coding工具对C++蓝图的代码补全质量有限，短期内仍需人工主导。同时，陈洁提到的数据闭环和分析采集难题，提醒企业在投入AI Coding之前，先建立度量框架，否则提效难以量化，成本治理会变成悬案。
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。
值得关注的后续
第一，产品落地验证：陈洁团队能否在2026年大会前展示可公开的“夜间Agent”交付数据（如PR通过率、缺陷逃逸率），是判断该范式是否真正具有可复制性的关键。第二，生态扩展：GitHub Copilot Enterprise与Claude Code的协作模式能否被更多中型企业采用，或是会形成“微软全家桶”与“多Agent组合”两大阵营。第三，竞品跟进：阿里、百度等国内公司是否会基于自身大模型（如通义灵码、文心快码）推出类似的“全链路Agent研发解决方案”，并在游戏、金融等高合规行业落地。第四，监管与安全：当Agent自动修改需求文档、自动发起变更并推动PR时，企业的合规审计与代码溯源机制如何同步进化，是值得观察的风险维度。
来源：InfoQ CN
