从「AI For What」到「Value From AI」，100+可落地实践案例打通 AI 实战最后一公里！
4 月 16 日-4 月 18 日，QCon 全球软件开发大会将在北京举办。本届大会锚定 Agentic AI 时代的软件工程重塑，聚焦 Agentic AI、多智能体协作、算力优化、技术债治理、多模态和 AI 原生基础设施等前沿话题，邀请来自腾讯、阿里、百度、华为、蚂蚁、小米、网易等企业技术专家，带来百余项真实落地案例，系统性分享前沿洞察与实战干货，以技术共创探索 AI 落地新路径。
Toco 创始人、CEO，前网易云音乐 CTO 曹偲已确认出席 “从软件工程到 AI 工程” 专题，并发表题为《从 Vibe Coding 到 Architecture Coding：Toco AI 建模驱动 AI Coding 实践》的主题分享。当前 AI Coding 工具在复杂系统中面临“结构不可控、上下文幻觉、资产难维护”的落地困境，代码采用率往往不足 10%。本次演讲曹偲将分享 Toco AI 探索的 “建模驱动开发 (MDD) + LLM” 新范式，深入剖析如何构建 “AI 架构师 (Agent) + 确定性引擎 (Engine)” 的双核架构：通过 DSL 定义领域模型与读写方案，利用 LLM 进行意图理解与胶水代码生成，再由引擎自动渲染 80% 的 DDD/CQRS 结构化代码，内容涵盖解决 “模型与代码一致性”、“非侵入式 DSL 设计” 及 “存量系统渐进式重构” 的技术细节与踩坑经验。
曹偲，15 岁进入浙江大学计算机系，毕业后加入网易，2012-2022 年，作为核心创始人、CTO 参与网易云音乐从初创到上市，离职网易云音乐后创办 Toco，致力于打造新一代端到端 AI Coding 工具，是超大型产品 &研发体系全生命周期主导者，拥有领导从 7 人到千人技术团队，网易云音乐第一行代码到两亿月活用户的完整技术管理经历；是产品创新实践者，曾同时负责网易云音乐产品策划团队，打造了深受用户喜爱的“一起听”等功能。他在本次会议的详细演讲内容如下：
演讲提纲
1. 痛点：为什么 Chat-to-Code 在复杂系统中失效？
现象： “Vibe Coding” 的繁荣与企业级落地的“ 10% 采用率”悖论
根因分析：
熵增效应： 概率性生成导致代码同义异表（Same Intent, Different Code），维护成本指数级上升
信任危机： 上下文窗口限制导致的“结构性幻觉”（引用不存在的类/循环依赖）
结论： 在 AGI 到来前，必须引入“中间层”（DSL）来锁定确定性
2. 新范式：构建“神经符号”双核架构
核心设计： Agent (右脑/概率) + Engine (左脑/确定性)
Agent 职责： 意图理解、模糊匹配、非结构化胶水代码生成
Engine 职责： 拓扑计算、架构约束、DDD/CQRS 骨架渲染
工作流解密：Input: 自然语言需求 -> Output: 中间态 DSL -> Action: 静态语法校验 -> Result: 渲染标准 Spring 代码
3. 关键技术实践与 DSL 边界
技术点 1：DSL 的“克制”哲学
挑战： 如何避免重蹈 UML 覆辙（变得极其复杂且难用）
方案： 坚决不侵入 if/else。DSL 仅描述实体 (Entity)、聚合 (Aggregate) 和读写契约 (Contract)
技术点 2：解决“N+1”与复杂查询的读写建模
方案： 引入 CQRS（读写分离） 策略
Write Model： 基于聚合根的事务一致性保障
Read Model： 基于 Toco-DTO 的自动组装器（Auto-Assembler）实现，解决跨表 JOIN 与脱敏
技术点 3：从模型到代码的渲染机制 (M2C Engine)
如何通过 AST 操作生成人类可读、可 Debug 的原生 Java 代码，而非二进制黑盒
4. 踩坑经验与反直觉教训
坑 1：Brownfield（存量系统）的阻抗失配
问题： 在“屎山”代码上强行叠加 MDD 模式遭遇失败
认知迭代： 承认技术的适用边界。该模式最适合 Greenfield（新模块/重构）。对于老系统，采用“双模开发” + “防腐层（ACL）”策略
坑 2：AI 并非全自动驾驶
问题： 试图让 AI 全自动设计架构，结果出现不合理的聚合边界
认知迭代： 强调 Human-in-the-loop。人必须作为“架构审核员”介入 DSL 的确认环节
坑 3：All-in Prompt 的失败
教训： 无论 Prompt 多精妙，无法解决长链路依赖。必须用 Engine 兜底结构正确性
5. 实施效果与总结
数据支撑： 某电商场景重构，Code Review 耗时下降 70%，架构类 Bug 归零
终局思考： AI 时代，Code 是过程，Model 才是资产
您认为，这样的技术在实践过程中有哪些痛点？
该方案对新建系统，新建模块，重构项目(Greenfield Projects)适合，对于在老系统(Brownfield Projects)上直接叠加逻辑并不适合建模驱动的开发模式. 需要一定的试用土壤，但长远来说，如果能成为行业标准，那么更容易成为大量系统重构的构建技术
在当前大模型基础上，无法让 AI 在所有场景都是按最佳实践去试用引擎，还是需要人进行积极干预
演讲亮点
把“架构规范”固化在工具里，彻底解决架构、代码随意发挥的问题。现有 AI 工具生成的代码风格完全取决于 Prompt 写得好坏和 AI 发挥，导致架构、代码风格严重发散，难以治理。我们通过内置引擎，统一了架构和结构性代码。避免了 AI 的发散导致的不易控制、不易维护的问题
解决 AI 代码“只管生、不管养”的维护难题 现有方案生成的代码往往是“一次性”的，后续需求变更时，AI 很难在庞大的旧代码堆里精准修改。我们采用模型驱动，改需求本质上是在改模型，引擎会自动重新计算并同步更新所有相关代码。这让系统具备了长期演进的能力，而不是随着时间推移变成一堆不敢动的“黑盒代码”
听众收益
了解一种解决 AI 编程“不可控”问题的架构实战模式（Agent + 引擎） 听众将看到我们是如何通过“中间层建模”和“双核驱动”的设计，让 LLM 负责理解意图，让规则引擎负责生成结构，从而解决 AI 写复杂系统时容易出现的“幻觉”和“逻辑不自洽”难题。这是一套可复用的架构设计参考
获得一套在 AI 代码爆发下，保障系统可维护性的工程治理策略 当 AI 能瞬间生成几千行代码时，传统的 Code Review 模式已经失效。听众将收获如何通过“模型管理”替代“代码管理”，确保团队无论产出多少代码，架构标准始终统一，避免系统沦为难以维护的“各种风格的大杂烩”
除此之外，本次大会还策划了Agentic Engineering、多模态理解与生成的突破、记忆觉醒：智能体记忆系统的范式重塑与产业落地、具身智能与物理世界交互、Agent Infra 架构设计、AI 重塑数据生产与消费、AI 原生基础设施、AI 驱动的技术债治理、小模型与领域适配模型、大模型算力优化、Agent 可观测性与评估工程、AI for SRE等 20 多个专题论坛，届时将有来自不同行业、不同领域、不同企业的 100+资深专家在 QCon 北京站现场带来前沿技术洞察和一线实践经验。
大会日程已 100%上线，更多详情可扫码或联系票务经理 18514549229 进行咨询。
