专场出品人:
......
......
AI驱动的软件工程(AI4SE)
专场定位:AI Coding进入深水区,从辅助编码到自主工程的全链路演进。

内容覆盖维度:
▪ Agentic Coding深度实践
▪ Loop Engineering新范式:AI编程从"辅助写代码"到"自演进循环"
▪ 自主代码审查Agent:代码质量门禁、安全扫描、自动化重构
▪ AI-native开发者工作流:IDE→Agent工作台→多Agent并行开发的范式迁移
▪ AI4SE的效率度量:从代码行数到交付质量的评估体系革新
谢明辉
从“会写代码”到“可规模化交付”的Coding Agent落地建设
腾讯音乐 技术专家
现就职于腾讯音乐娱乐集团,长期从事研发效能、AI Coding 与智能体工程化实践,关注大模型在真实软件研发流程中的规模化落地。主导和深度参与企业级研发智能体 Modus 的建设,将代码知识图谱、规格驱动开发、工程方法论、需求澄清、质量门禁及多平台 Agent 能力整合为可审计的研发闭环;同时推动业务知识库、代码知识库、反馈更新机制与 Benchmark 评测体系在真实业务需求中试点。实践重点不是单点代码生成,而是通过知识、流程、测试与评测协同,持续提升交付完成度、稳定性和组织可复制性,并积累了跨产品、开发、测试协同推进 AI 研效落地的实践经验。
议题背景:
AI 编程工具已经具备较强的代码生成能力,但在真实企业研发中,制约规模化提效的往往不是模型本身,而是项目知识缺失、需求上下文断裂、交付流程不可控以及效果无法度量。本次分享结合企业内部 Coding Agent 实践,介绍如何构建面向人的业务知识库与面向 Agent 的代码知识库,如何以需求单串联澄清、设计、开发、测试和评审,并通过反馈回刷、Benchmark 与研效指标建立可持续优化闭环。

内容大纲:
1. AI Coding 从个人提效走向工程提效的关键断点
1.1 代码生成能力不等于真实需求交付能力
1.2 知识、上下文、流程与评测的四类断点
1.3 简单需求直通与复杂需求治理的边界
2. 双知识库:同时服务人和 Agent
2.1 面向产品与开发的业务知识库
2.2 面向机器推理的 Domain、Module 与代码证据
2.3 业务规则、代码事实与目标需求的权威边界
3. 以需求为基石的 Agent 研发闭环
3.1 从需求澄清、设计和计划到开发、测试与 CR
3.2 产物流转、质量门禁与可恢复执行
3.3 多平台 Agent 的统一能力与上下文组织
4. 知识反馈与持续更新机制
4.1 从 Agent/Web 对话采集带证据的反馈事件
4.2 业务知识、代码事实、提示词与代码缺陷的分流
4.3 去重幂等、版本发布与回归验证
5. 如何评测 AI 研发提效
5.1 四组对照 Benchmark:模型、方法、流程与知识增益
5.2 完成度、质量、时间、Token、人工介入与稳定性
5.3 连接 AI 单测、AICR 与静态质量扫描的长期研效度量

听众受益:
1. 获得一套从个人 AI Coding 走向团队级工程提效的判断框架;
2. 理解业务知识库与代码知识库的分工、交集及更新方式;
3. 掌握以需求为基石串联澄清、设计、开发、测试和评审的落地方法;
4. 学会设计控制变量的 Coding Agent Benchmark,量化知识库和工程流程的独立增益;
5. 了解企业试点中产品、开发、测试协作的真实问题与推进策略。

敬请期待
敬请期待
......
......
......
SECon组委会是由业界多位资深技术专家发起,负责组织技术指导委员会,并和委员会的专家一起挖掘全球软件工程领域的创新技术,同时依托智盟创课国内领先的人才能力提升服务供应商,组织专业的会务服务团队,全面推进会议的顺利落地,保证参会者体验。
服务总线:400-183-9980
商务合作:151-2264-3988  木子  
票务联系:185-1306-7287  静秋老师
E-mail:speaker@qecon.com.cn
关注SECon公众号
添加SECon小助手,获取
会议最新资讯
电话
联系电话:
18513067287 静秋老师