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。
平安科技高级专家工程师褚秋实已确认出席 “Coding Agent 驱动的研发新范式” 专题，并发表题为《金融级 Al Coding 落地实践：从“氛围”编程到“严谨”开发》的主题分享。随着大模型与 Coding Agent 的推理和执行能力持续迭代增强，平安科技研发团队在 AI Coding 落地方面已迈入深水区。AI 具有极强的可塑性，他们通过对实际项目工程的持续探索与实践，在试点的高频迭代复杂业务系统中，AI 入库代码占比已达 60%。同时，平安科技研发团队也对 AI 如何驱动业务平台开发形成了新的解读：即通过“设计+规范”、“知识+工具”、“模式+流程”三大驱动，实现 AI 模型与工具的能力增强与研发团队工程优化的双向管齐下与双向奔赴。
褚秋实，平安科技专家工程师，长期担任核心业务平台研发负责人，先后负责过传统金融业务平台如车险报案理赔业务、寿险保全业务；互联网金融平台如贷前贷后业务；以及创新业务 AI 区块链应用等项目开发，积累了丰富的架构设计，研发管理，敏捷及工程实践的实战经验。在 AI Coding 兴起以后，带领团队持续在实际项目中探索 AI Coding 实践，形成集团内标杆示范案例。他在本次会议的详细演讲内容如下：
演讲提纲
平安爱码：平安科技上万开发者的 Coding Agent，研效提升的"曲率引擎"
平安爱码 Agent 的形态和能力概述
2025 年平安爱码赋能研效提升成果
2. 核心实践：金融级“严谨”AlCoding 的四大支柱
规范驱动：核心实践构是建提质提效的 AI 规范驱动开发，我们在大型业务平台系统工程落地 AI Coding 的过程中，开展了两大规范驱动实践：
首先，沉淀 AI 开发指导规范：针对前后端业务功能及技术任务细分，体系化梳理形成开发指南，作为 AI Agent 产能释放的关键，有力支撑了 60%的 AI 代码占比。
其次，实现代码质量强约束与 AI“自愈”：借助 AI 将项目私域的架构设计与代码规范批量转化为 Lint、ArchUnit、P3C 等 CI 工具，无论是人工还是 AI 产出的代码，均须通过强制校验，将无形规范转化为有形约束，显著提升人机协作的代码一致性。
知识工程：核心实践是如何沉淀一个大型业务系统的结构化私域知识，大型业务系统代码库动辄百万行，涉及大量企业私域的业务概念与规则，通用大模型难以精准理解。我们通过“软件项目知识银行“的实践，将一个软件系统关键知识利用图数据库、向量数据库及文档数据库等针对性结构化存储，并通过 MCP 将知识外挂赋能 Coding Agent，补齐模型的私域业务认知短板。
上下文工程：核心实践是分场景精准管理上下文，确保 Coding Agent 在每次大模型请求时携带任务相关的精准上下文。基于一线研发实践，我们将核心任务场景划分为三类：项目功能开发、项目理解分析、项目开发质量保障，每一大类上下文又进一步细分。通过细分场景所需的具体规范、知识与工具，实现高质量私域上下文的精准加载。
人机异步协作：打造“睡后编程”人机流程，我们 AI Coding 研发的先锋团队已开始全面转型异步协作模式，开发人员在工作日一定时段会调整工作重点（每日下午后两小时及周五下午）从传统开发转向布置 AI 异步开发任务，挖掘夜间及周末等非工作时间价值。通过实施 How-to/To-do 两阶段异步开发模式，最大化研发时间的利用率提升人机异步产出。
3. 总结与展望：Coding Agent 持续演化
过去是，等等指令的"实习生"
当前是，只认文档的"外包团队"
下一步，主动规划的"技术合伙人"
这样的技术在实践过程中有哪些痛点？
很多项目的开发架构缺乏 AI 亲和严重制约了 AI Coding 在项目上的落地和发挥效果。开发架构在 AI 时代会异常重要，我们也在持续探索什么样的代码工程结构和代码组织方式是比较有利于 AI 开发的？比如 单体、微服务、模块化宏服务，前后端分离与前后端整合等怎么来提升 AI Coding 的效果？
AI Coding 的编程推理模型持续在迭代能力越来越强，但是模型和项目代码库之间的隔阂全靠 coding Agent 的上下文来对齐，上下文窗口一直在扩展但是也是有限的，如何在有限的上下文上支持研发过程中多个种场景的 AI 提效，如项目理解场景、功能开发代码生成场景、质量保障场景等？
我们也在推动开发人员在 AI 加持下面的角色左移和右移，希望打造既懂业务又懂技术的前线交付工程师，全流程端对端怎么搭建稳定高效的 agentic 工作流？目前我们有一些局部尝试断点较多，特别在行业属性合规和准确要求高的要求下如何在端到端的 AI 开发上发力？
演讲亮点
平安科技 AI 编码实践案例
金融行业独家严谨 AI Coding 之道
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。
