精华:去哪儿网AI Coding研发平台实践,值得读三遍的样本
去哪儿网AI Coding 研发平台实践:一份值得所有技术管理者读三遍的样本
内容来源:去哪儿旅行基础架构负责人/技术总监 李佳奇的技术大会的分享
主题:从工具试点到范式升级——去哪儿网是如何把 AI Coding 从"个人玩具"做成"组织能力"的
01
过去一年,我看过太多关于"AI Coding"的分享:有的在讲 Prompt 技巧,有的在讲 Cursor/Claude Code 的花式用法,有的在晒个人提效多少倍。但真正让我眼前一亮的,是这次去哪儿旅行李佳奇的分享——
他几乎不讲"AI 写代码有多爽",而是把镜头对准了一个更底层的问题:
当一个几千人的研发组织里,100% 的人都在用 AI Coding 时,团队的能力到底发生了什么变化?我们又该如何度量它、引导它、让它不要失控?
这份分享提出了三个让我印象极深的概念:
- AI Coding 的"自动驾驶分级"
(L0 - L5),把业界最热门的"AI 写代码"装进了一个可以和自动驾驶对标的成熟框架里; - Harness(驾驭/束带)
——决定 AI Coding 上限的不是模型,而是"约束、隔离、人工审查节点"组成的工程体系; - QunarDevCenter + 天弦 + Qsuperpowers + Skills 体系
——一套把"个人提效"沉淀为"组织能力"的完整工程实现。
下面我把这 49 页的分享,按"为什么—是什么—怎么做—效果—启示"的逻辑,完整还原成一篇值得你在团队里转发的深度长文。
02
去哪儿作为一家典型的大型 OTA(在线旅游)公司,在 2025 年做了一个非常激进的决定——全面落地 AI Coding。从分享里可以看到他们在 AI 应用层的布局:
- 应用层
从 prompt 级别的"帖子评级自动化""改图提示词扩写",到 workflow 级别的"URS 智能归因""质检运营提效""AI 自动化测试""代理商 AI 助手""漏洞审核 Agent",再到 AI Agent 级别的"九章 AI""护航 Agents""Deep Research",一直延伸到 Agentic AI 级别的"AI Coding""数分 Agent"和"通用智能体"。 - 入口层
Web 端、飞书机器人、API 接口三路打通。 - 基础能力层
账号管理、成本监控、用户/权限、报警监控、会话管理、Case 集管理、自动化评估、安全控制、审计日志、智能体管理一应俱全。 - 模型层
Deepseek 系、GPT 系、Gemini 系、Claude 系、GLM 系、Qwen 系、GPT-4o、GPT-4o-mini、aliyun/qvq-max 全部接入;自研了 Embedding 模型和 Rerank 模型。
结果:数万 PD 级业务提效、近亿级业务价值。
但这个"宏大叙事"背后的隐含问题是:当公司决定 All in AI Coding 时,作为基础架构团队,到底应该先做什么?
李佳奇的回答非常冷静:
先回答"度量"这件事。
03
这是整场分享最"反共识"的一页。
绝大多数团队在搞 AI Coding 的时候,兴奋地对外宣布"出码率 90% 了!"、"我们的 AI 生成了 100 万行代码!"。但李佳奇把这些都归到了"过程指标"的范畴,并在右下角打了一个大大的问号:"越多就越好吗?"
他反问:"出码率 90%"背后的质量、安全、长期可维护性,谁来负责?
正确做法是看效果指标:
- 研发效率提升
——而且必须可以进入计划阶段(这就是后面"双估时"的伏笔) - 业务价值贡献
——AI Coding 不是"写代码更快",而是要回答"它到底让业务变好了多少?"
于是他们给出了完整的AI R&D Metrics = Volume × Maturity度量公式:
量的度量(Quantity):
- 出码率(AI code ratio)
- 出码量(AI code volume)
- 团队覆盖率(Team adoption)
- 需求覆盖率(Requirement coverage)
质的度量(Quality):
- Coding 自动化水平(从辅助编码到端到端自动化,对应 L1 - L3)
- Harness 等级(环境、工具链、流程成熟度,对应"Refined"等级)
度量目标:同时衡量 AI 产出规模与研发过程成熟度。
这一页其实给了我们一个非常重要的提醒:别让 AI Coding 变成一场"出码率 KPI 竞赛"。没有质的量,最终会让团队付出代价。
04
这是我整场分享里最想给所有管理者看的一页。
李佳奇直接借用了自动驾驶分级体系,把 AI Coding 也分成了 L0 - L5 六级。每一级都有明确的"AI Coding 定义"和"自动驾驶类比",堪称业界最清晰的一份 AI Coding 阶段定义:
| L0 | |||
| L1 | |||
| L2 | |||
| L3 | |||
| L4 | |||
| L5 |
去哪儿在 2026 年 H1 给自己定的目标,就是 L3 自动化任务占比 30%+。
为什么这个分级重要?因为:
- 让团队有共同的"语言"
以前我们说"我们用 AI 写代码",每个人脑子里想的等级不一样——有的是 L1(Copilot 补全),有的是 L3(需求到代码)。有了 L0 - L5,大家可以明确说自己团队现在在哪一级、下一阶段要去哪一级。 - 让"AI Coding"成为可治理的对象
管理者可以根据等级差异,给不同任务配不同的人力审查强度,而不是一刀切。 - 让"AI Coding 价值"可衡量
L1 → L2 → L3 的跨越,本质上是把"个人效率"变成"组织能力"的过程,每跨一级,对业务价值的贡献都不是线性增长。
05
如果说上一章是"分阶段定义"(AI 做到了什么),这一章就是"分过程定义"(AI 是怎么被控制的)。
李佳奇抛出了一个让我醍醐灌顶的概念:
Harness = AI 研发过程控制能力。衡量 AI 在研发流程中是否被稳定触发、被约束、被隔离、被审查。
他明确说:"不是只看 AI 是否参与,更关注 AI 参与方式是否可控、可复用、可审计、可规模化。"
目标:安全地提升自动化。在关键节点保留人工判断,避免 AI 直接无约束进入生产链路。
他把核心研发流程的 12 个环节全部拆出来,定义了每个环节的 AI 参与控制点:
- 需求文档编写
AI Draft → 模板约束 → 人工确认 - 需求评审
缺口识别 → 评审规则 → 关口审查 - 方案设计
方案生成 → 架构约束 → 专家 Review - 代码编写
Skills 触发 → 编码规范 → 隔离环境 - 代码测试
测试生成 → 覆盖率门禁 → 沙箱执行 - Checklist/Case 编写
Case 生成 → 验收标准 → 人工补充 - 开发自测
自测助手 → 虚拟环境 → 结果校验 - 代码 Review
风险扫描 → Review 规则 → 人工合入 - QA 测试
缺陷分析 → 测试准入 → QA 判断 - 自动化回归
回归编排 → 隔离执行 → 失败拦截 - 灰度验证
指标观察 → 灰度策略 → 人工放量 - 生产发布
发布辅助 → 变更门禁 → 人工审批
为了把 Harness 做实,他提出了四把锁:
- AI 触发机制
——在关键环节引入 Skills / Workflow / Agent,让 AI 能力被流程化调用。 - 约束与门禁
——明确输入模板、编码规范、质量标准、准入条件和失败拦截规则。 - 安全隔离环境
——为 AI 执行、测试、回归提供沙箱或虚拟环境,避免直接影响生产。 - 人工审查节点
——在需求、设计、合入、灰度、发布等关键节点保留人工确认权。
我的个人评价:这一页是整场分享最被低估的资产。业内绝大多数团队现在还停留在"模型换更好、Prompt 写得更好"的层面,却没有意识到——AI Coding 的真正瓶颈是 Harness。一个没有 Harness 的 AI Coding 系统,就像一辆没有方向盘的车,模型再强也只会撞墙。
06
讲完了"度量"和"水平定义",李佳奇给出了去哪儿实际跑通的整体落地路径,分四步走:
Step 1:AI Coding 工具引入和推广- 引入头部工具:Claude Code、Codex、Cursor - 工具引入:面向团队提供可选工具组合,降低 AI Coding 使用门槛 - 实践沉淀:输出 Prompt、Workflow、代码生成、Review 等最佳实践 - 案例推广:挖掘高价值场景和优秀团队样板,形成可复制方法
Step 2:基建建设与 AI 接入适配- 围绕研发基础平台和 Skills 网关,建立统一接入、治理和分发能力 - Skills 网关:对研发流程中的基础平台进行 AI 接入适配改造 - 统一仓库:建立统一 Rules 与 Skills 仓库,支持复用和治理 - 安全治理:支持安全审核准入、统一分发、实时更新等能力
Step 3:研发自动化平台建设- 自研研发自动化平台"天弦"(Qunar Dev Orchestrator,简称 QDO),支撑多 Agent、多 Skills、全链路编排 - Multi-Agent、Multi-Skills - 多 Coding Agent:统一调度不同 Agent,适配不同研发任务 - 多研发环节编排:覆盖需求、设计、编码、测试、发布等环节 - 端到端交付:从局部提效走向自动化编排与自动交付
Step 4:全流程数字化采集和分析- 建设 QunarDevCenter,形成 AI 研发全流程数据采集、上报与分析闭环 - 多端采集:支持主流 AI Coding 工具的数据采集与上报 - 标准协议:制定统一上报数据标准协议,保证可比、可聚合 - 洞察分析:Insight 出码率、自动化水平、覆盖率和质量变化
底层的闭环逻辑:
- 从"工具使用"到"流程接入"
先让 AI Coding 被用起来,再让 AI 能力进入研发基础设施和标准流程。 - 从"单点提效"到"端到端交付"
以自动化平台承接流程编排,以数据采集分析驱动持续优化。 - AI 研发落地闭环
Tool → Infra → Automation → Insight
我的解读:这四步不是"四条平行线",而是严格的依赖关系。没有 Step 1 的工具普及,就不会有 Step 2 的接入适配需求;没有 Step 2 的基建,就支撑不了 Step 3 的自动化平台;没有 Step 3 的全链路编排,Step 4 的数据洞察就没有意义。这是一个典型的"先打地基,再盖楼"的故事。
07
进入 PART 02 的核心内容:AI Coding 数据体系建设。
为什么必须先做数据体系?李佳奇在 page 14 给了清晰的因果链:
2025 H1 做了研发全流程数字化落地——覆盖任务、测试、发布、监控等平台的前后端研发行为埋点,并完成链路串联;最初用于分析研发效率瓶颈和机会点。 2026 在此基础上形成AI Coding 数据体系——利用研发全流程数字化底座,采集并分析研发各环节中的 AI 参与情况,形成可度量、可洞察、可优化的数据体系。
具体四步:
- 采集 AI 参与情况
——识别 AI 在需求、设计、编码、测试、发布等环节的参与深度。 - 接入多端工具数据
——汇聚 Claude Code、Codex、Cursor 等工具行为数据。 - 打通研发链路分析
——将 AI 数据与任务、测试、发布、监控链路关联。 - 支撑管理洞察
——洞察出码率、自动化水平、覆盖率和效率变化。
AI Coding 数据体系的四类核心分析能力:
效率瓶颈识别 AI 参与度分析 自动化水平洞察 数据体系闭环
这是 QunarDevCenter 的客户端界面,左侧有"概览/模型/会话/Cursor/设置"五个 Tab,主体显示"本地会话"——总记录 360 条、已上传 215 条、待上传 0、失败 0、已过滤 145。
它的核心定位是:
- 面向 AI Coding 落地的数据采集、CLI 代理管理与公司大模型接入工具
Codex 与 Claude Code 均需安装:请首先安装此代理,它是 AI Coding 数据采集与公司模型接入的入口组件。 - 统一管理 CLI 端代理
让 Claude Code、Codex 等 CLI 工具走公司的大模型,并统一管理模型配置。
四大能力:
- Session 数据采集
——采集 Claude Code、Codex 的本地会话记录,用于个人出码率计算与 AI 研发数据分析。 - 多端数据接入
——同步接入 Cursor、Copilot、OpenCode 等使用数据,补齐 IDE 与 CLI 两类 AI Coding 行为。 - 本地过滤上报
——上报前在本地过滤,仅上传 git remote url 为公司 GitLab 的项目相关会话记录(安全合规红线)。 - 模型与 Thinking 支持
——持续支持 DeepSeek、GLM、Qwen、Kimi、MiniMax 等模型,支持思考级别与 1M 上下文。
数据来源:Claude Code / Codex / Cursor / Copilot / OpenCode / IDE 行为数据 目录模式:单项目模式、Workspace 模式、Qunar Workspace、VSCode Remote、Git Worktree
高频迭代主线:从 Session 采集到多端、多模型、多模式支持——1.3.0 基础能力成型、1.4.x/1.5.x 代理与模型增强、1.6.x 本地会话与稳定性、1.7.x Cursor 与远程场景、1.8.0/1.8.4 Workspace 与配额、1.8.5/1.8.6 OpenCode 与 1M 上下文。
整个处理流程被设计为三段式:
阶段一:发现 Session 文件(Discovery)
- Claude Code:扫描 ~/.claude/projects/**/*.jsonl
- Codex:扫描 ~/.codex/sessions/**/*.jsonl
- Windows:额外支持 WSL 路径
- OpenCode:读取 SQLite 的 session / message / part,拼装等价 jsonl artifact
阶段二:扫描 & 过滤(Scan)
- 快速路径:mtime + size 未变、且有 git/workspace cache,则复用缓存跳过解析
- 内容解析:读取文件计算 sha1,解析 git remote 或 workspace 信息
- 过滤:按 gitRemoteAllow 白名单过滤,非命中标记为 filtered
- 去重:已上传且内容未变的 session 直接跳过
阶段三:调度上传(Upload)
- 触发:通过定时器轮询触发上传,上传时逐个处理
- 限速:支持 rate limit,控制 IO 与网络压力
- 错误策略:4xx 不计连续失败数;5xx / 网络错误累计,默认 3 次后跳过剩余文件
- 持久化:结果写入 SQLite upload_state 表
上报数据格式(原始 jsonl artifact + 严格校验元数据):
clientId string · 客户端标识
os string · 操作系统
appVersion string · 应用版本
sessionSource enum · 'claude' | 'codex' | 'opencode'
relativePath string · 相对路径 / 虚拟 locator
fileName string · 文件名
mtimeMs number · 修改时间
size number · 文件大小
sha1 string · 40 位内容指纹
username string · 用户名
git.remoteUrl optional · 仓库地址
context.repos[] workspace 模式:name / relativePath / remoteUrl
ClaudeCode / Codex / OpenCode 多端兼容:通过统一 Provider 抽象(listSessions()/ loadArtifact()/ source registry/ upper pipeline)屏蔽底层的 jsonl/SQLite 差异,最终都归一化为上传内容= session 文件原始内容(即 jsonl artifact)+ 上述 metadata,所有字段在上传前进行严格校验。
-- session_upload_objects:上传内容 + 元数据
CREATE TABLE session_upload_objects (
id BIGINT PRIMARY KEY,
session_source VARCHAR(32) -- claude / codex / opencode,
object_key VARCHAR(128) -- object storage key,
username VARCHAR(64) -- upload user,
client_id VARCHAR(512) -- local client id / path,
relative_path VARCHAR(1024)-- local session relative path,
file_name VARCHAR(256) -- jsonl file name,
mtime_ms BIGINT -- file modified timestamp in ms,
size_bytes BIGINT -- original file size,
sha1 CHAR(40) -- content fingerprint,
os VARCHAR(32) -- darwin / win32 / linux,
app_version VARCHAR(64) -- QunarDevCenter version,
git_remote_url VARCHAR(1024)-- repo attribution,
content_encoding VARCHAR(32) -- gzip / none,
content_bytes BLOB -- uploaded artifact content,
raw_bytes BIGINT -- raw artifact bytes,
compressed_bytes BIGINT -- compressed artifact bytes,
metadata_json JSON -- original client metadata,
create_time TIMESTAMP -- record create time,
);
-- session_meta_info:会话级元信息
CREATE TABLE session_meta_info (
id BIGINT PRIMARY KEY,
session_id VARCHAR(128) -- parsed session id,
session_source VARCHAR(32) -- claude / codex / opencode,
object_key VARCHAR(128) -- source artifact object key,
username VARCHAR(64) -- upload user,
client_type VARCHAR(64) -- client application type,
client_version VARCHAR(64) -- client application version,
os VARCHAR(32) -- darwin / win32 / linux,
git_url VARCHAR(1024)-- repository remote url,
input_tokens BIGINT -- prompt / input token count,
output_tokens BIGINT -- completion / output token count,
cached_tokens BIGINT -- cached token count,
upload_time TIMESTAMP -- artifact upload time,
session_begin_time TIMESTAMP -- session start time,
session_end_time TIMESTAMP -- session end time,
create_time TIMESTAMP -- record create time,
update_time TIMESTAMP -- record update time
);
-- ai_gen_code_change:AI 代码变更记录
CREATE TABLE ai_gen_code_change (
id BIGINT PRIMARY KEY,
session_id VARCHAR(128) -- source AI session id,
change_type VARCHAR(32) -- ADD / MODIFY / DELETE,
file_name VARCHAR(1024)-- changed file path,
code_add_num BIGINT -- added code line count,
code_delete_num BIGINT -- deleted code line count,
change_content JSON -- addlines / removelines detail,
git_branch VARCHAR(256) -- branch name when generated,
gen_time TIMESTAMP -- AI generation time,
create_time TIMESTAMP -- record create time,
update_time TIMESTAMP -- record update time
);作为一个写过埋点系统的工程师,我对这套表设计有强烈共鸣:原始 artifact 与元数据分离、会话与代码变更分离、token / 时间 / 路径分门别类,几乎是为后续做 AI Coding 数据分析"量身定做"的。
分享里给出了一张"出码率计算"流程图,这条链值得仔细读:
- 数据源采集
Claude / Cursor / Codex 三个工具的 session 通过定时器清洗后入库 session-upload-object; - 会话元数据入库
从 session 中提取元信息(session_id、git_url、username、time_range 等)写入 session_meta_info; - 代码变更记录
ai-gen-code-change表里记录了每次 AI 在某个 session_id 下的change_content(addlines / removelines)、timestamp; - 生产发布消息
监听 IC(集成中心)的发布消息,落库 prod-release-payload; - 关联 Git 地址
通过 git_url匹配到对应发布 tag; - 匹配 session_id
把 session 落到对应发布版本上; - AI 代码改动
在 ai-gen-code-change表中查得到具体改动; - 两次 tag 之间的时间周期
——根据分支创建时间优化; - 两次 tag 期间所有 commit
——是否在 AI session 提交范围内?判断逻辑是 用户修改代码行,是否可被通过 Git Blame 化; - 代码 diff 结果
——从两次 tag 之间拉 diff 出来; - 出码率计算
——分母是基于 git_url、tag、pmoId 等聚合出来的"用户实际写的代码量",分子是 AI 在同一个时间窗口内生成的代码量。
我看到这张图时笑了——这不就是经典的"生产基线对比"思路吗?先确定基线版本,再确定目标版本,然后对比两版本间的所有 commit 中,AI 贡献了多少行。
但这套流程里藏着几个非常工程化的细节:
- Git Blame 化处理:区分"用户自己改的" vs "AI 改的",避免把用户后续的微调也算成 AI 产出;
- PMO 信息查询:要拿到 dev/fe/qa 的人员标识;
- 失败拦截:4xx 不算连续失败,但 5xx/网络错误累计到 3 次就跳过剩余文件——这是非常真实的"分布式系统"经验。
上图是一个完整的出码率可视化报告:
- 顶部卡片
提交者、Source Branch、Target Branch、项目、Git URL、生成时间、查询时间范围 - 左侧命中 Session 列表
62 个 session,含 Session ID、来源、用户、创建时间 - 右侧文件详情
每个文件的"AI 命中 X/Y"展示 - 右侧统计
总代码行数、AI 代码行数、用户代码行数、AI 占比 47.4%
这一页给我的启发是:出码率必须做到"可下钻"。光给一个公司级的 47.4% 是没有用的,必须能下钻到部门、下钻到项目、下钻到人、下钻到 session、下钻到文件。否则就是"自欺欺人的数字"。
为了把 L1 - L3 的等级定义变成可观测的指标,他们定义了三个核心维度:
- T 绝对时长
(duration):该队伍所有有效会话中,最早开始时间到最晚结束时间的跨度,体现整体推进效率。可用于观察需求从开始 coding 到发布合并 master 的整体周期。评分趋势:越小越好。 - M 用户消息数
(messages):用户消息总条数,即交互次数,体现人工介入频次。消息越多通常意味着需要更多澄清、纠偏、重试或人工拆解。评分趋势:越小越好。 - C 用户输入字符数
(chars):所有用户消息文本长度之和,体现需求表达精炼程度。输入越长,往往说明上下文补充、约束说明、人工指导成本更高。评分趋势:越小越好。
从完整 Session 还原 Coding 全过程:
- 需求关联
通过分支 / git_url / session_id 关联到某个需求。识别需求从开发开始到合并 master 的周期。 - AI Coding 使用
解析用户消息、assistant 输出、tool_use、tool_result。识别 AI 在设计、编码、测试中的参与方式。 - 人工介入
通过消息数、用户输入量、重试轮次观察人工介入频次。识别澄清、纠偏、补充上下文和手动调整。 - 输出调整
对比 AI change_content 与后续 diff。识别 AI 输出被修改、替换或保留的程度。 - 独立完成
观察 AI 是否完成整个功能、测试、case、回归脚本。判断人工是否仅做验收或关键审查。 - 发布闭环
关联 rTag、release_time、commit、PMO 信息。形成需求级自动化水平 insight。
自动化水平 L1 - L3 映射:
- L1 辅助编码
AI 参与局部代码生成。人工输入多、交互频繁,AI 主要完成片段补全、函数修改、局部解释或小范围代码生成。 - L2 半自动交付
AI 完成模块级开发。AI 能完成较完整功能模块,人工主要负责需求拆解、约束补充、结果校验和少量修正。 - L3 高自动化
AI 端到端推进任务。AI 能连续完成编码、测试、回归和交付准备,人工主要在关键节点审查和验收。
最终 Insight 输出:
- 自动化水平
基于 T/M/C、AI 改动占比、人工调整程度,生成需求级 L1 - L3 评估。 - 人工介入点
定位在哪些环节人工输入最多、反复纠偏最多、上下文补充最多。 - 瓶颈与卡点
识别需求表达、环境准备、测试回归、发布联动中的效率瓶颈。 - 改进机会
反推需要沉淀的 skills、模板、上下文、约束和自动化工具链能力。
这一页是整场分享里"技术含量最高"的一页。它把"AI Coding 自动化水平"从抽象定义变成了可观测、可计算、可改进的数据指标。
更重要的是,它把"AI 写代码"这件事从模型能力问题变成了工程问题——你的 T/M/C 三个指标如果都下降,那说明你的 Skills 沉淀、上下文管理、约束机制在起作用;反之则说明 AI 还在"乱撞"。
- 三级部门维度-AI 出码率-周维度
每条线代表一个三级部门,从 2026W01 到 2026W18 的出码率变化趋势。可以看到大部分部门从年初的 0.1-0.2 涨到了 W18 的 0.6-0.9,其中峰值 1.00 出现在某个部门 W07。 - 三级部门维度-需求覆盖率-周维度
每条线代表一个三级部门,从 2026W01 到 2026W18 的需求覆盖率变化。可以看到大部分部门的需求覆盖率从年初的 0 涨到了 W18 的 0.6-1.0。
这张图最值得说的不是"我们涨了多少",而是"我们敢把这种图贴出来"。一个三级部门维度的周维度公开看板,意味着内部已经形成了一种"被看见的研发透明文化"。这种文化反过来又会驱动各团队"看齐"和"内卷",是组织级 AI Coding 落地的隐形加速器。
08
进入 PART 03,开始讲典型案例。但比起"案例",我更想说的是:去哪儿是怎么把零散的"AI Coding 任务"变成一个"可被调度的工作流"的。答案就是他们自研的天弦(Qunar Dev Orchestrator,简称 QDO)。
QDO 主界面左侧菜单:
- 一句话需求
- 异常修复
- workflow 需求
- 线上诊断
- JDK 升级
- 新建场景
- 任务看板
- Skill 市场
- 平台设置
主区显示任务列表,每条记录包含:用户输入的需求描述、状态(已完成 / 失败 / 等待中 / 运行中)、claude-code 执行代理、消耗的 token 数(如 24.84、0.306、4.894、3.948、6.4、1.016 等)、来源项目、提交时间。
场景示例(截图里看到的真实需求):
"使用 checklist-pipeline skill,根据测试主题:五一活动优化,文件:skills/checklist-pipeline/checklist..." — 已完成 "写一个 checklist" — 已完成 "order.barter.service.action.NewConfirmBarterActionService#handleHighPr..." — 等待中 "在这个目录下写一个定时任务,每小时打印一条日志,内容是你好" — 运行中 "删除 SwiftConfig" — 已完成 "先使用 feishu-doc-smart-recognition,处理以下飞书文档 prd:https://..." — 失败 "修改空指针" — 等待中 "使用 checklist-pipeline skill,根据以下 prd 生成 checklist 并生成 km 格式的 checklist,需求变更日志变更时间变更人变更内..." — 等待中 "BudgetUsageService 中的 defaultPrice 修改为 0.028,并且改为从 qconfig 中读取" — 已完成 "componentManage.jsp 页面中的列表项删除按钮增加弹框二次确认,免误操作删除" — 已完成
看到这些"一句话需求"列表,我的第一反应是:这就是 L3 自动化的"作业现场"。每一个需求都很具体、很真实,但又足够复杂,AI 完全可以代劳。这种"业务场景清单",本身就是 AI Coding 落地最难沉淀的资产。
AI-based JDK Auto Upgrade累计成功升级应用 211 个,编译通过率 93%。
方案核心:规则 + Agent + 流水线
- OpenRewrite 规则升级
——基于已有规则能力完成 JDK API、依赖、配置、语法层面的批量迁移,提供确定性改造基础。 - AI Coding Agent 自动开发
——Agent 承接规则无法覆盖的编译错误、兼容性问题、业务代码适配和测试修复。 - 开发测试流水线自动化
——自动拉取分支、执行编译、分析日志、修改代码、重新测试,直到交付可编译通过版本。 - 可交付代码产物
——自动产出升级分支、代码 diff、执行状态、耗时、版本信息,支持查看详情与 Diff。
6 步任务闭环:
新建 JDK 升级任务(任务创建) 任务提交与调度(submitted) Agent 执行升级 Workflow(AI Workflow) 自动编译与错误修复(compile loop) 查看代码变更 Diff(Diff Review) 升级成功并交付分支(success)
效果与平台通用性:
- 从"规则批改"升级为"自动交付"
OpenRewrite 解决可规则化改造,AI Coding Agent 解决长尾代码适配与编译修复,流水线负责环境执行与结果闭环。 - 可观测任务结果
任务列表沉淀 appCode、Git 仓库、源/目标版本、分支、状态、耗时、创建人、更新时间、code diff。 - 可审查代码改动
通过详情…