写点什么

从代码生成到研发闭环:AI Coding 在金融科技 SDLC 中的落地实践|AICon 深圳

  • 2026-08-16
    北京
  • 本文字数:1865 字

    阅读完需:约 6 分钟

AI摘要

大模型能力已趋成熟,产业焦点正转向智能体工程化与AI系统级落地。汇丰科技将分享AI Coding在金融科技SDLC全流程的实践路径,覆盖需求到交付各环节。其核心在于通过内部开源沉淀可治理Agent Skills,并集成主流工具链实现可控规模化落地。

Agent Skills需覆盖SDLC全环节并支持可复用、可治理;AI Coding须适配金融行业安全合规要求;工具链集成(MCP/VS Code/GitHub Copilot等)是构建研发上下文的关键。

适合AI平台工程师、金融行业DevOps负责人、AI Native研发团队技术负责人阅读。

大模型能力持续演进,但 AI 的下一阶段竞争正在发生变化。模型能力之外,如何构建可靠的智能体、完善 AI 工程体系,并让 AI 在复杂业务环境中稳定运行,正在成为产业探索的新重点。

8 月 21 日-22 日,AICon 全球人工智能开发与应用大会将在深圳举办。大会全日程现已 100%上线,来自产业一线的技术专家将围绕 Agent 工程化、大模型基础设施、AI Native 研发、具身智能等前沿方向,分享 AI 时代的技术探索与工程实践,共同探讨 AI 从能力突破走向系统构建的新路径。

汇丰科技内部开源负责人李渭宁已确认出席 “AI 原生新范式:Coding Agent 重构软件研发全流程” 专题,并发表题为从代码生成到研发闭环:AI Coding 在金融科技 SDLC 中的落地实践的主题分享。本次分享将结合汇丰科技在 AI Coding 领域的企业级实践,介绍如何通过内部开源与社区共创,汇聚不同团队在需求分析、架构设计、编码实现、代码评审、测试验证和交付协同等环节的探索经验,并将优秀实践沉淀为可复用、可治理的工具与 Agent Skills。分享也将重点讨论 AI Coding 如何从个人开发提效工具,进一步演进为覆盖 SDLC 全流程的智能化研发能力。结合 MCP、VS Code、GitHub Copilot、Jira、Confluence 等工具与平台集成,展示 Agent Skills 在研发上下文构建、需求澄清、代码生成、测试验证、代码评审、知识沉淀和交付协同中的应用案例。同时,本次分享也会结合金融科技场景下对安全、合规、风险评估和组织推广的要求,探讨如何在可控、可治理的前提下,推动 AI Coding 从团队试点走向规模化落地,最终实现从个人提效到组织级研发能力升级。

李渭宁,汇丰科技内部开源负责人,深耕金融科技领域 15 年,具备研发、测试、运维、架构、项目交付及产品管理等多领域实践经验。曾服务汇丰科技、广汽汽车金融、小鹏融资租赁、恒生银行等金融机构及科技企业,积累了丰富的金融系统建设、技术架构演进与数字化转型实践经验。他在本次会议的详细演讲内容如下:

演讲提纲:

  1. 金融科技研发的现实挑战与 AI Coding 的演进

  • 从代码生成提效到研发流程提效

  • 企业场景下的关键痛点:上下文、质量、合规、安全与度量

  • AI Coding 从个人工具走向组织能力的关键拐点

2. 内部开源与社区共创:构建企业级 AI Coding 实践体系

  • 汇聚不同团队的 AI Coding 使用经验

  • 通过内部开源推动实践复用与协同创新

  • 从零散 Prompt 到可复用的顺手工具与 Agent Skills

3. Agent Skills 驱动的智能化 SDLC 应用案例

  • 需求阶段:结合 Jira、Confluence 辅助需求理解与澄清

  • 设计阶段:辅助架构方案生成、影响分析与技术决策

  • 编码阶段:结合 VS Code、GitHub Copilot 提升开发效率

  • 评审阶段:辅助 Code Review、风险识别与规范检查

  • 测试阶段:辅助测试用例生成、缺陷分析与验证闭环

4. 工具集成:让 Agent 进入企业研发工作流

  • MCP 在连接工具、数据与研发上下文中的作用

  • 与 VS Code、GitHub Copilot、Jira、Confluence 等工具的协同

  • 从单点助手到跨工具 Agent 工作流

5. AI Coding 的安全治理、风险评估与可控落地

  • 金融科技场景下的安全、合规与数据边界

  • Agent Skills 的复用、权限、审计与质量治理

  • 如何平衡效率提升与工程风险

6. 从团队试点到规模化推广的实践经验

  • 从内部开源小项目到上万人分享与共建的 AI Coding 平台

  • 如何选择高价值试点场景并形成可复制路径

  • 推广过程中的开发者采纳、培训反馈与社区运营机制

实践痛点

  1. 效果不稳定:模型输出存在幻觉和不确定性,在复杂业务场景下难以保证代码质量与一致性。

  2. 安全与合规风险:可能涉及敏感数据泄露、工具越权调用等风险。

  3. 规模化推广不易:不同团队的技术栈和研发流程差异较大,应用价值也难以量化,需要同步推动平台、流程与研发文化的转变。

听众收益

  1. 了解实践模式:了解如何通过内部开源,共创 AI Coding 实践与 Agent Skills。

  2. 掌握落地方法:掌握 Agent Skills 赋能 SDLC 各环节的实施路径。

  3. 借鉴推广经验:借鉴 AI Coding 在安全治理、风险评估及规模化推广方面的经验

除此之外,本次大会还策划了AI Infra、推理工程与异构计算超级个体与蜂群智能的共生进化迈向机器人 AGI 的关键技术与产业实践Agent 安全:从风险到可控大模型效率工程与 Agent 系统实践AI Agent 高价值商业场景实战等 10 个专题论坛,届时将有来自不同行业、不同领域、不同企业的 50+资深专家在现场带来前沿技术洞察和一线实践经验。

日程已 100%上线!AICon 深圳站:10 大专题+1 个动手实验室、近 60 场重磅议题,集结浙大知名高校教授及阿里、腾讯、华为、快手、Google Cloud 团队等头部企业技术专家,聚焦 Agent 工程化,构建可靠智能的技术路径。更多详情可扫码或联系票务经理 13269078023 进行咨询。