当 Agent 真正进入企业流程，哪些工作可以交给 AI ？50 + 实战案例揭晓答案！
AI 正在从回答问题的辅助工具，走向理解目标、调用系统、完成任务的工作承担者。当 Agent 真正进入企业流程，问题不再是 “如何把 AI 做出来”，而是哪些工作可以交给 AI、结果如何验收、权限、成本与风险如何收住。随着大模型向推理、工具调用、多模态和长任务延伸，开发重心正从单次调用转向上下文、工具、执行环境与反馈回路的设计，Coding Agent 也从代码补全演进为能理解代码库、运行测试、完成复杂任务的工程协作者。OpenAI、Google Cloud、Anthropic 的最新实践共同指向一个结论：模型决定 Agent 能做什么，工程决定它能否真正进入生产、创造价值。
在这一背景下，2026 年 AICon 人工智能开发与应用大会 · 北京站正式启动。本次大会将于 12 月 18–19 日，在北京新云南皇冠假日酒店举办。本届大会以探索 A 应用边界为主题，设置 13 大技术专题，覆盖大模型后训练、推理优化、Agent 工程、知识工程、智能体评测与安全、自进化系统、AI 软件交付、原生架构及组织变革等核心方向，汇聚一线技术专家，深入分享 AI 技术突破与企业规模化落地的真实实践。
荣耀首席 IT 技术架构师杨杰已确认出席 “Agentic Software Engineering｜从代码生成到软件交付” 专题，并发表题为《ADD 资产驱动开发：让 AI Coding 懂业务、守规范、稳架构、实现端到端交付》的主题分享。AI Coding 工具能力持续迭代，但存在三大天然局限：缺乏企业私域认知（工程规范、业务上下文、共享依赖关系）、上下文窗口容量有限、生成结果具有概率性误差。当这类工具应用于缺少历史文档、技术栈碎片化、代码规模达几十万行的存量系统时，会暴露出全仓扫描 Token 消耗过高、同一功能实现风格不统一、修改一处引发关联故障、代码与文档不同步、研发过程不可追溯等诸多问题。这些问题无法通过模型工具的升级解决——根源不在模型侧，而在企业侧的知识与治理体系。
ADD（Asset-Driven Development，资产驱动开发）的核心思路，是将企业私域知识结构化为两套与代码同仓管理的资产：Framework 层的「技术宪法」明确「代码应当如何编写」的统一规范；Endpoint 层的「四件套」（时序、规则、不变量、索引）清晰定义「每个端点当前的业务逻辑」，且每个环节都绑定代码锚点。在此基础上，通过三套工作流（WorkFlow）定义 AI 在工程初始化、端点梳理、日常开发三大场景下的执行流程与禁行规则，并以单需求五阶段交付件归档机制，保障全流程可审计、可追溯。
杨杰的本次分享将围绕三大阶段展开：第一阶段聚焦单个需求的精准交付；第二阶段通过架构度量，将目标从「功能实现正确」升级为「系统结构健康」，避免 AI 的快速交付异化为技术债的快速累积；第三阶段从资产驱动开发延伸至资产驱动测试与可执行流程，最终实现「需求输入、代码输出」的端到端自动化交付。分享会明确每个阶段的落地成果、推进路径与实践踩坑经验。
杨杰，荣耀首席 IT 技术架构师，18 年架构和开发经验。2023 年起负责荣耀 IT 新质生产力平台的技术架构设计，从 0 到 1 搭建企业级 AI 落地底座——数字员工平台、企业统一知识库、AI 评测中心；并主导 AI 编码使能框架 ADD，在 30 万行大型代码库上实现单次开发成本降 40%、Token 用量降 30%。此前在华为主导电信计费系统平台架构，产品服务全球 130+ 运营商。
他在本次会议的详细演讲内容如下：
演讲提纲
1. 为什么工具能力升级仍不足以解决核心问题
AI Coding 的三大天然局限：私域知识缺失、上下文容量受限、生成结果概率性误差，及其与大型存量系统现状的叠加效应
上下文压缩的恶性循环：系统规模越大，AI 越容易丢失关键上下文
核心结论：问题根源在企业侧，解决方案也必须构建在企业侧
2. ADD 框架全景：三套工作流、两类资产、一套交付体系
两类核心资产：Framework 层按领域拆分的「技术宪法」（覆盖 Web 层、数据访问、消息队列、缓存、日志等领域，非功能约束内嵌于各专题）；Endpoint 层以 API、MQ 消费、定时任务为入口的「四件套」，配套全局统一的业务对象类图与接口契约
全链路可追溯：从接口契约到时序步骤、代码锚点，再到业务规则与不变量，支持正向推导与反向溯源
四方角色协同与四条核心铁律：改代码必同步更新资产、新增端点必先构建资产、修改共享组件必做影响分析
3. 第一阶段：单个需求的精准交付
五阶段工作流：资产检索（仅读取资产、不扫描全量代码）、影响范围分析、资产前置变更、代码实现、双向校验
跨端点涟漪分析：共享组件索引在梳理阶段自动维护，当引用端点数量超阈值时自动暂停，触发人工确认
资产先行机制：先输出资产变更差异供人工确认意图，再执行代码修改；资产变更的审查成本远低于代码变更
人机协同机制：确认节点设置原则、校验脚本与 Git Hook 的兜底方案、交付件归档如何支持会话中断后的续接
降本提效原理：将开放式生成转化为「查表+填空」的确定性推理，同时明确 ADD 方案的适用边界
4. 第二阶段：架构腐化的防控与治理
现状与缺口：ADD 已在资产中定义了结构约束（依赖方向、数据所有权、不变量），缺少的是合规性校验与架构健康度的度量反馈闭环
AI 引发架构腐化的五大风险：局部样例模仿导致风格异化、加法偏好引发冗余膨胀、设计意图未纳入上下文、变更吞吐与审查节奏不匹配、验证逻辑迎合当前验收标准
四维治理视角+一横切维度：代码质量、端点与契约、数据资产、技术组件，叠加设计意图与系统现状的偏离度可追溯
落地执行路径：从架构主张到仓库适用规则，再到可落地的检查证据；特殊场景采用例外登记而非放宽规则；存量系统问题先分类治理，增量变更严格执行门禁管控
机械信号与模型判断的边界：代码克隆不等同于知识重复，规则声明不代表实际运行生效
5. 第三阶段：迈向「需求输入、代码输出」的端到端交付
现状复盘：编码环节已相对成熟，自测环节是当前体系最薄弱的一环，过程合规不代表质量达标
资产驱动测试：业务规则、不变量、接口契约本身就是天然的测试断言来源，将其转化为可执行测试，才能为自修复循环提供输入
流程升级：从「给模型读取的散文式流程」转向「可被程序执行的流程图式流程」，实现流程定义与执行分离、状态可落盘、循环逻辑显式化
端到端交付的边界与验收标准：明确人工必须参与的环节，以及可完全自动化的环节
6. 落地实践：效果、踩坑与未来方向
MVP 落地节奏：1 周完成框架初始化、3 周完成核心端点梳理、第 5 周正式切换运行
常见认知误区澄清：ADD 等同于写文档吗、AI 能力足够强就不需要约束吗、先写代码再补资产是否可行
实践踩坑总结：规范写成散文式文本导致模型理解偏差、校验重流程轻产出、不同 Skill 执行口径不统一
听众收益
了解一套可直接复用的存量系统 AI Coding 治理框架：明确资产分层方式、Skill 定义方法、人工确认节点设置原则
了解一把 AI Coding 流水线成熟度评估标尺：清晰编码前、编码中、自评审、自测、合并门禁各阶段的能力水位
学习架构度量的落地起步方法：先明确架构主张再制定度量指标，避免度量沦为纸面报表
除此之外，本次大会还策划了Post-Training Engineering｜数据、奖励与模型能力塑造、大模型推理与算力调度实践、Knowledge Engineering｜让 Agent 理解企业、Multi-Agent Systems、智能体评测与生产可靠性探索、Agent Security｜身份、权限与行动安全、AgentOps｜企业 Agent 全生命周期管理、Self-Evolving Agents｜从经验学习到可控进化、Agentic Software Engineering｜从代码生成到软件交付、Personal Agent、AI 原生架构的演进与治理、AI 时代的组织重构、AI × Industries ｜产业智能化等 13 个专题论坛，届时将有来自不同行业、不同领域、不同企业的资深专家在现场带来前沿技术洞察和一线实践经验。
8 折优惠倒计时最后一周，现在报名立减 1160，查看更多详情可扫码或联系票务经理 13269078023 进行咨询。
