写点什么

可复制的 AI Coding 全栈实战:比 OpenSpec 更轻量、更丝滑|QCon 北京

  • 2026-04-12
    北京
  • 本文字数:2016 字

    阅读完需:约 7 分钟

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。

淘宝闪购高级技术专家邓立山已确认出席 “Coding Agent 驱动的研发新范式” 专题,并发表题为可复制的 AI Coding 全栈实战:比 OpenSpec 更轻量、更丝滑的主题分享。面对 AI 编码实践中暴露出的研发流程低效(如需求理解偏差、多轮调试)和编码质量不可控(如单文件臃肿、代码纠缠、前后端耦合、缺乏架构约束)两大核心问题,淘宝闪购团队一直在持续不断的迭代优化实践经验,前期实践分享无论在内网还是外网都获得广泛认可。本次分享结合团队实战经验,融合 Spec-Kit 的规范严谨性与 OpenSpec 的轻量敏捷性以及当前主流技术,创新提出 “Rules + Spec + Skills”三位一体全栈 AICoding 架构,进一步提高研发效率。

邓立山,作为 AI Coding 实践的先行者,曾获得首届阿里 &蚂蚁联合发起的最佳 AI 实践案例奖,并在集团内外多次受邀进行实践分享,带领 60+ 成员团队持续推进 AI 编码落地;在 2025 年 2 月末即开始体系化践行 SDD 编码,较业界同类方案更早探索并沉淀可复用方法。同时,作为团队架构师,主导架构整治与演进,使人均应用数从 1.3 降至 0.62,每年带来研发资源降本上百万元;作为团队稳定性负责人,多次主导双 11 大促保障,多次获得稳定性保障最佳团队奖及个人奖。他在本次会议的详细演讲内容如下:

演讲提纲

  1. AI 编码的本质思考及挑战:AI 编码工具层出不穷,为什么依然写不好生产级代码

  • AI 编码的“幻觉”本质

  • 生产级编码应用面临的挑战

  • AI 编码对程序员认知的转变

2. AI 编码方案的探索:如何低门槛让 AI 高效写出可控的生产级代码

  • 让 AI 写出质量可控的生产级代码

  • 系统架构的兼容与落地

  • AI 生码质量和效率的平衡

  • AI 编码方案的规模化可复用

  • AI 编码方案的自由扩展性

3. AI 编码方案的演进:AI 编码方案随着新技术的出现不断迭代升级,紧跟 AI 技术潮流

  • AI 编码范式的发展及演进

  • AI 编码主流技术分析及对比

  • Rules+Skills+Spec 三位一体 AI 编码方案的形成

  • 构建自我反思与规范迭代的持续进化机制

4. 中后台全栈研发的破局:突破技术栈限制,AI 助力走向全栈开发

  • 前后端研发技术的特点分析

  • 研发规范的分而治之

  • 前端研发实践的三种模式

5. AI 编码质量的保障:人机协作,多维度共同保障 AI 编码质量

  • 需求分析阶段的澄清至关重要

  • 多维度的代码质量审查

  • 构建审查->优化->再审查的闭环机制

  • 人作为监督者的不可或缺

6. AI 编码方案的推广及运营:如何让大家轻松接受 AI,提升团队整体 AI 能力

  • AI 编码指标牵引

  • 营造 AI 编码氛围

  • 运营推广,助力全员 AI

7. AI 编码未来的演进方向:迈向全自动智能研发闭环

  • 跨应用 AI 研发任务的智能化拆分

  • 测试驱动的更加完善的 AI 迭代保障机制

  • 构建“研发-测试-部署-运维”全链路 AI 智能化协作生态

这样的技术在实践过程中有哪些痛点?

  1. 面对不同团队可能需要调整规范(具备高扩展),在实践的过程中不断迭代演进;

  2. 无法确保生成 100%符合预期的代码,研发人员作为 Review 者的角色很重要;

  3. 面对跨应用需求,当前阶段还不能自动根据应用拆分需求,需要人工界定需求边界。

演讲亮点

  1. 融合 Spec-Kit 的规范严谨性与 OpenSpec 的轻量敏捷性,比 OpenSpec 更轻量,具备高扩展,自适应工程架构。

  2. 弥补了 Spec-Kit 和 OpenSpec 在编码阶段缺少的编码规范,这套规范在我们的前期实践中已经得到了质量验证,产出更高质量的代码。

  3. 洞察前后端研发特点(前端更注重交互逻辑,后端更侧重业务逻辑),拆分出前、后端不同的研发规范,遵循统一套流程,真正做到前后端全栈。

  4. 对用户更友好,0 门槛上手,无需特别指令(commands),全程自动识别用户意图、自动加载相关技能及规范,用户只需聚焦于需求分析的正确性、完整性

听众收益

  1. AI 编码当前主流技术,以及各技术优缺点;

  2. AI 如何生成得以控制的高质量代码;

  3. AI 生成的代码如何跟当前工程架构兼容;

  4. 如何实现团队级的研发提效,打造适合自己团队的研发范式,而不是每人一套方案;

  5. 一套基于 Rules+Spec+Skills 方法论打造的高质量可复用的 AI 全栈开发新范式,有助于沉淀团队级的研发范式,提高人机协作效率。

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。