在人工智能技术迅猛发展的当下，为了帮助企业在人工智能的浪潮中抓住机遇，“AI+研发数字峰会（AiDD）”应时而生，致力于协助企业利用AI技术深化计算机对现实世界的理解，推动研发进入智能化和数字化的新时代。AiDD峰会是兼具专业性、专注性、全面性与前瞻性的顶级 AI 数字峰会。
2025 AiDD峰会深圳站共设五大条线，分别是“AI+开发”、“AI+测试”、“AI+技术前沿”、“AI+领域”、“AI+工程”线。其中“AI+开发”线精心策划了三大论坛，涵盖超越“编程Copilot”、为大模型贴身打造的需求工程（中兴专场） 、multi-Agent协同开发框架，汇聚了众多AI领域的顶尖专家与前沿成果，包括腾讯、百度、极狐驭码、汇丰、中兴、科大讯飞、CAMEL-AI等顶尖企业，为参会者带来了一场思想碰撞与技术盛宴。
论坛出品人：汪晟杰 腾讯 资深技术专家
本论坛聚焦从辅助编码向自主软件构建的范式跃迁，探讨代码大模型在需求理解、架构设计、全栈生成与自我演化的进阶能力。围绕语义深度理解、上下文感知编程、人机协同开发模式等议题，推动AI从“助手”走向“协作者”，重塑软件研发范式。
1.《从Coding Agent到Coding SubAgent》
百度文心快码智能体负责人牛万鹏系统回顾了Coding Agent的发展历程——从早期插件式补全工具，到具备上下文感知能力的编程协作者，再到如今面临复杂任务分解难、多轮交互精度衰减、上下文容量受限等瓶颈的现实挑战。为此，他提出“SubAgent”分层协同架构：由一个主控的Lead Agent统筹调度，结合系统级SubAgent（如搜索、写作、命令执行）与自定义SubAgent，实现能力解耦与任务拆解。2.《Vibe Coding屠龙纲要：CodeRider在AI辅助编程中的实践经验》
极狐驭码AI解决方案专家武让以驭码CodeRider为实践载体，提出了“心法、技法、身法”三位一体的Vibe Coding实战纲要。所谓“心法”，即坚信“Context is All You Need”，强调通过上下文工程注入架构设计、命名规范与依赖关系；“技法”则是提炼出“精准提问、分步引导、反馈闭环”三板斧，提升人机协作效率；而“身法”则倡导灵活应对——当AI连续出错时，“走为上计”，及时切换策略或回归人工干预。3.《AI Agent落地实战：汇丰科技的智能化SDLC改造之路》
汇丰科技内部开源技术委员会主席李渭宁主导推进了汇丰科技内部AI Agent与MCP（Model Control Plane）平台的建设，旨在通过智能化手段重构整个软件开发生命周期（SDLC）。他分享道，传统开发流程中存在效率低、协作断层、评审滞后等问题，而AI Agent的引入正逐步改变这一局面。团队通过内部开源共建机制，打造了一系列定制化Copilot插件，并将其无缝集成至VS Code、GitHub Copilot、Jira、Confluence等主流工具链中，实现了从需求分析、架构设计、编码评审到测试部署的全链路赋能。4.《AI 编程工具选型实践指南：插件、IDE 与终端形态的深度解析》
腾讯资深技术专家汪晟杰在演讲中深入剖析了当前AI编程工具的三种主流形态：插件、IDE与终端，并逐一解析其技术实现逻辑与发展脉络。深度解析为开发者和技术管理者提供了科学选型框架，也勾勒出AI-native开发环境的清晰蓝图。
论坛出品人：王一 中兴通讯有线研究院需求AI应用负责人
聚焦大模型技术提升全流程需求分析效率和质量，重点探讨如何借助AI和知识工程能力，重塑需求获取、分析与评审验证的新范式。议题涵盖智能需求引导、多模态需求融合、多角色智能需求评审、需求域知识工程实践等方向，旨在构建互联知识体系注入大模型，实现客户需求精准表达及高效流转。
中兴通讯有线研究院AI算法工程师刘洪旭提出一种革新性的解决方案：构建基于多智能体协同的需求质量防御体系。本分享将系统阐述该体系的设计理念、关键技术实现路径及在企业中的实践成效，为提升研发初始质量、实现主动式风险管控提供可复用的方法论与工程实践。中兴通讯有线研究院需求AI应用负责人王一主导构建了一套基于知识图谱的需求工程体系：首先通过需求管理平台规范知识输入，再利用知识流水线抽取实体与关系，最终在知识图谱平台上实现端到端的知识管理。基于此图谱，AI能够实现精确查询、智能关联与全量知识组装，显著提升需求分析的准确性与效率。中兴通讯无线院需求设计域AI提效牵头人陈琳将揭秘大模型赋能下需求分析效率提升的底层逻辑与产品知识体系构建范式：为何四大“五”字诀不约而同指向同一维度？是巧合还是AI时代软件研发的必然规律？这里藏着定义下一个AI时代规则的终极密钥——掌握“五维知识”者，方能主导研发新纪元！
论坛出品人：王一男 华为技术专家
本论坛聚焦多智能体在软件工程中的协同机制，探讨软工智能体角色分工，任务规划分解，上下文压缩与传递，知识沉淀与检索，异常处理与恢复等关键技术。展示在需求分析、自动编码、测试验证等场景中的Agent协作实践，构建可解释、可调控、可持续演进的智能开发系统。
1.《多智能体协同 - 打造智能化驱动的研效提升新范式》
科大讯飞 研发效能产品团队负责人于航带领团队打造了一个基于Multi-Agent架构的统一效能平台。该平台将需求管理、项目管理、测试管理、CI/CD等能力模块化为独立Agent，每个Agent专注解决特定领域问题，如需求PRD生成、任务拆解、自动化测试等。通过多智能体协同框架，这些Agent可在复杂场景下协同工作，实现从需求到部署的端到端自动化。2.《Nebula-GUI Agent: 精准快稳的端到端屏幕操作解决方案》中兴通讯AI算法工程师张凯莉聚焦于GUI-Agent这一新兴赛道——即让AI像人一样操作手机界面完成订票、点餐、缴费等任务。然而，现有方案普遍存在准确率低、响应慢、泛化差等问题。为此，她介绍了自研的Nebula-GUI Agent框架及其配套的7B量级视觉语言模型。该方案从数据合成、训练优化到推理加速全流程创新：采用自动化脚本生成高质量标注数据，引入SFT图思维链增强逻辑推理能力，结合任务级在线强化学习提升鲁棒性，并通过轻量化推理优化保障实时性。3.《Agent 研发框架的设计及其在业务全域质效提升中的实践》
腾讯PCG工程效能平台部工程效能与AI算法研究专家刘琮玮带领团队持续探索其在需求、代码、用例、缺陷等领域的应用边界。他们构建了一套完整的MultiAgent大模型研发框架，涵盖Prompt工程、MCP能力调度、Agent编排等核心技术，支撑AI能力在研发全流程的渗透。这套框架已在腾讯多个业务线取得实效，成为AI赋能质效提升的重要基础设施。4.《Building the Future of Multi-agent Workforce》
CAMEL-AI 工程师孙韬将深入分析AI技术的三个发展阶段：从辅助工具到自动化的单体Agent，再到能够在多种环境和任务中协同适应的多Agent系统。我们将聚焦于技术构建的细节，探讨如何利用底层的大模型、辅助工具、记忆等组件构建复杂的AI系统，并分析这些技术的实际工程实现。 “AI+开发线”十位嘉宾的思想碰撞，共同描绘出一幅AI重塑软件研发全景图：从编码辅助到自主构建，从个体智能到群体协同，从工具使用到范式变革。这场由大模型驱动的技术浪潮，已不再是“是否要用AI”的选择题，而是“如何构建属于自己的AI研发体系”的必答题。
加入智库
成为客户
