全链路研发智能体 ——从\"体感能用\"到\"实际可用\"的工程实践¶
Ch01.1354 全链路研发智能体 ——从\"体感能用\"到\"实际可用\"的工程实践¶
📊 Level ⭐⭐ | 3.7KB |
entities/全链路研发智能体-从体感能用到实际可用的工程实践.md
全链路研发智能体 ——从"体感能用"到"实际可用"的工程实践¶
来源: 百度Geek说
发布日期: 2026-06-24
原文链接: https://mp.weixin.qq.com/s/a3Pd3XwLI82nCgeZ8iCUXw
。
点击蓝字，关注我们
作者 | 阿拉丁RD&QA团队
导读
introduction
AI Coding 已改变研发方式，但单点代码生成只占研发工时 10-32%，整体提效有限。本文从我们团队在项目的真实交付复盘出发，提出 Harness 全链路研发智能体：把大模型放进一套可控的研发流程，将需求分析、接口设计、代码生成、自动 CR、单测、冒烟验证、环境部署、问题排查串成带反馈控制的闭环，让 AI 从"会写代码"升级为"能完成可验证交付"。本文系统阐述其需求可执行性检查、状态机与质量门禁设计、失败回流机制、复杂度感知编排、RD/QA 协同模式，并以行业研究（METR RCT、Google DORA、SWE-bench 等）做交叉印证。
全文 6746 字，预计阅读时间 7 分钟
GEEK TALK
01
问题定义：AI Coding 为什么"用起来不错，但没省多少时间"？
1.1 我们自己的复盘：coding 快了，但需求没更快交付
2026 年 4 月起，我们团队在项目里全面接入 AI Coding。用了一段时间后做复盘，结论有点反直觉： 写代码这一段确实明显快了，但需求落地的整体时间，并没有按同样的比例缩短。
我们统计了已接入需求的实际数据：
在coding环节我们可以提效30%，但是大家的需求完成时间，几乎没有变化。
为了确认这不是个别人的错觉，我们又和不同项目的同学沟通探讨，反馈高度一致：提速集中在"写"，而写之前的需求澄清、写之后的验证和环境、以及穿插其间的各种杂事，AI 基本没碰到。
1.2 这个体感成立吗？业界研究也指向同一处
我们的复盘只是单个团队的样本，会不会有偏差？带着这个疑问去对照业界研究，发现结论一致——而且能解释清楚原因。
先看时间都花在哪了。Antenna 基于 IDE 插件遥测的研究显示：开发者每天 实际编码的中位数仅 52 分钟 ，远低于多数人自认的"2 小时以上"；Stripe 报告则发现工程师约 42% 的时间 花在技术债和