—— AiDD 北京站“AI+ 业务&需求 ” 线核心议题前瞻
8 月 21—22 日，第 10 届 AiDD 北京站将在北京举行。 本届大会围绕 AI+开发、AI+测试、AI+工程、AI+组织与流程、AI+业务与需求五大方向展开，集中呈现 AI 原生软件工程从能力突破走向生产落地的一线实践。本文重点梳理“AI+ 业务&需求 ”线的核心议题。
代码可以生成，Agent 也开始调用工具和自动执行。企业却很快发现，最难的部分并没有消失：业务真正要解决什么，模糊表达怎样变成可验证规格，执行以后怎样证明它改善了转化、效率、质量或客户体验。
过去，一条业务需求要在人之间反复翻译：业务提目标，产品写文档，研发解释实现，测试补验收，运营再判断问题有没有解决。入口模糊、责任割裂、结果失联时，AI 只会让错误更快穿过流程。
AiDD 北京站“AI+业务与需求”线包含3 场论坛、12 个议题 ：8 月 21 日下午的去哪儿专场，从真实业务中的规模化实践讨论 AI 如何进入端到端工作链；8 月 22 日上午的“Agentic 需求工程与 SDD ”，讨论业务意图怎样被澄清、结构化并转成 Agent 可执行的规格；当天下午的“AI 驱动的业务运营与交付”，讨论 AI 怎样进入具体行业、运营策略和交付系统，并用业务结果完成闭环。
三场论坛连起来，回答的是同一个问题：AI 已经会执行，企业怎样让它做对真正需要的事？
图 1：“AI+业务与需求”线从真实工作链、可执行需求、业务结果闭环三层连接意图与交付
第一条主线：不要从“给 AI 一个需求”开始，要从真实工作链开始
从个人辅助走向贯穿 Idea、研发、验证、发布与运营的端到端协作
论坛主席： 李佳奇｜去哪儿旅行基础架构负责人、技术总监 8 月 21 日下午，“去哪儿专场：从 AI 辅助到 Agentic Engineering：研发提效新阶段”把讨论放回一条真实生产链。它不是先问哪个模型更强，而是先盘点工作究竟在哪里等待、返工和失真，再决定 Agent、平台、Skills 与人应该怎样协作。
去哪儿旅行基础架构负责人、技术总监 李佳奇 将在 《从基础架构到超级团队：AI 时代的技术组织进化实践》 中，展示基础架构团队怎样从工具提供者走向能力赋能者。AI Coding 平台服务研发，AI 运营平台和数据分析 Agent 进入产品与运营，团队交付的对象也从中间件和工具扩展为“AI 平台 + Skills”。其分享中的年化万 PD 级运营提效、L3 AI Coding 与 75% 出码率固然醒目，更重要的是这些指标背后已经出现一套覆盖业务、产品和研发的共同能力底座。 去哪儿旅行基础架构基础平台负责人、技术总监李晓悦的 《AI 驱动的项目全周期流程重塑与落地实践》 ，把这条链路进一步展开：Idea 和需求进入飞书文档生态，Claude Superpowers Skill 驱动 Spec、编码与评审，AI 代码评审和单元测试提供质量证据，智能回归、按需测试环境、智能发布与 AIOps 继续接管后半程。目标不是在每个节点各装一个 Copilot，而是让需求、实现、验证、发布和运维共享上下文，逐步接近“Idea 一键到生产”。 去哪儿旅行基础架构部技术专家李子洋的 《从单点提效到端到端交付——天弦研发自动化平台的演进与实践》 ，则把任务入口、流程编排、Skills、执行状态和结果证据放进同一套系统，让团队看见一次交付如何流动、又在哪里失败。 真实业务的复杂度并不统一。去哪儿旅行国内机票研发团队高级技术经理、技术中心 AI 研发 SIG 负责人张培将在 《AI Coding 在真实业务中的规模化分层实践：一句话需求、中等需求与大规模重构》 中，讨论三类 Agentic Engineering 方法：一句话需求可以缩短链路，中等需求需要任务拆解与协同，大规模重构则必须加强 Task Graph、Harness 、自动测试和质量门禁。 去哪儿旅行前端架构团队研发工程师赵翔的 《Skills 支持的前端需求一体化交付》 ，将问题落到前端团队常见的两处断点：页面自测重复而容易漏，前后端需求对齐又常因接口和理解偏差反复返工。通过需求理解、任务规划、前后端联调、自动化自测和经验沉淀形成一体化链路，Skills 才不只是个人技巧，而是团队共同遵守的交付路径。 五个议题共同指出：所谓 AI+业务，不是把一个聊天框摆在业务人员面前，而是找到一条能够被端到端重构的真实工作链。需求的价值，也不再取决于文档写了多少页，而取决于它能否携带足够上下文和验收条件，一路被产品、研发、测试、运营与 Agent 连续消费。
第二条主线：需求不再只是“写给人看”，还要能够被 Agent 执行和验证
从自然语言意图到可追溯、可消费、可验收的共同事实
论坛主席： 杨溢龙｜北京航空航天大学软件学院副教授
执行链一旦拉长，入口质量就会成为放大器。8 月 22 日上午的“Agentic 需求工程与 SDD”论坛，处理的正是业务语言怎样进入工程系统。 自然语言很适合人提出设想，却天然包含省略、歧义和默认知识。人可以在会议里追问，也能凭经验补齐空白；Agent 如果把这些空白当成自由发挥空间，输出越快，偏差可能越大。Agentic 需求工程的目标不是消灭沟通，而是把澄清、建模、决策与验收前移，让关键假设在执行前被看见。
中兴通讯有线研究院 AI 技术教练、需求域教练蔡李生将在 《基于 OpenClaw 的需求顾问智能体实践》 中，分享需求顾问智能体怎样进入规划侧。面对需求来源分散、沟通链路长、转化质量不稳定的问题，智能体通过 Skills 分层完成收集、澄清、结构化和追溯，让需求从沟通到可用产出由两三天压缩到小时级。这里真正被缩短的，不只是写文档的时间，而是等待信息、反复确认和重新解释的时间。 华为 SDD 专家付安的 《SDD 驱动企业级 AI Coding 智能体落地实践》 ，继续解决“澄清之后怎样执行”。复杂项目里，仅凭一句自然语言指令很容易造成需求理解偏差、设计缺失和结果无法验证。SDD 通过需求分析、方案设计和任务规划，把开发者意图转成信息明确、可验证的规格，再指导 Coding Agent 完成设计、编码、测试与反馈修正。它把 Vibe Coding 的即时创造力，放进一个能够控制变更范围和质量风险的项目级工作流。 银河证券研发效能负责人韩金阳将在 《基于 SDD 和 SKILLs 的全链路 AI 研发效能提升》 中，补上企业规范与能力复用。技术栈、目录、命名、代码风格和质量门禁进入项目配置；需求、领域、生成、测试、评审、工程六类 Skill 被打包和分发；“Goal—Decision—AC—Tasks—Verify”把目标、决策、验收条件、任务与验证连成一条协作结构。业务、产品、开发、测试和 Agent 因此不必各自维护一套对需求的解释。 三场分享共同推动了需求定义的变化：需求不只是沟通媒介，还要成为人机协作的控制面，说明为什么做、做什么、不做什么、谁来判断、什么算完成，并可被不同角色和工具持续消费。
第三条主线： 业务价值不是模型输出，而是策略进入执行后的可度量变化
从 “生成一个答案”到把行业知识、业务规则、工具和反馈接进生产系统
需求被结构化以后，企业仍要面对最后一道检验：AI 的输出能不能改变业务结果。8 月 22 日下午的“AI 驱动的业务运营与交付”论坛，把 Agent 放进物流、电商、智能生产和研发平台四类场景，观察它怎样从建议者变成执行系统的一部分。
货拉拉资深算法工程师万勇韬将在 《懂货懂车懂用户：货拉拉 AI 应用实践》 中，展示垂直业务为什么不能直接交给通用大模型。货物品类、车型规格、装载限制、价格约束和个性化要求共同构成一个复杂决策空间。车货匹配数字人通过“懂货物、懂用户、懂车型”三个智能体，把模糊输入转成货物画像、运输偏好和车型选择，再结合领域知识、工具调用与业务规则完成推荐。AI 的价值最终由下单转化和漏损改善检验，而不是由回答是否流畅检验。 快手技术专家孙沪增的 《AI 重塑快手电商 B 补活动实践之路》 ，把同一逻辑放进运营策略。传统商家激励活动需要运营人工设目标、分配奖励、圈选商家，覆盖有限、迭代周期长。快手采用“LLM + 规则引擎”的混合架构：AI 负责理解产品需求和生成策略，规则引擎保障业务逻辑的可控与可解释，算法结果通过数据流水线进入活动系统，灰度、A/B 实验、异常熔断和人工兜底继续守住生产边界。 商汤科技高级工程师周清峰将在 《从 Copilot 到 Agent：小浣熊客户端的工程化实践与交付闭环》 中，把业务知识、Memory、Skill、Plan Mode、专家团协同、定时任务和本地工具组织成 Agent 工作台。重点不再是生成一段内容，而是形成任务规划、执行、审查、产物和沉淀的生产流程。一个业务人员能否扩展自己的知识库和工作流，一个团队能否共享专家经验，决定 Agent 是一次性助手还是长期生产接口。 极狐 GitLab 高级解决方案总监张扬的《跨越 AI 工程化鸿沟：基于多智能体编排的下一代研发平台实践》 ，则把需求、开发、评审、安全、流水线和知识沉淀接到组织级平台。专业智能体通过事件触发协作，工具权限和审计约束执行，效果度量和知识复用推动能力演进，避免需求上下文和执行证据在分散插件之间丢失。 四个议题共同定义了“业务结果”的工程含义：模型输出必须经过行业知识、业务规则和工具系统，进入真实动作；动作必须接受权限、灰度和人工兜底；结果还要被指标验证，并把成功与失败都回写到下一轮需求。
赛道核心价值 ：覆盖真实工作链、需求顾问智能体、SDD、Skills、垂直 Multi-Agent、混合策略引擎、Agent 工作台与组织级编排平台，帮助企业把业务意图从一句话推进为可执行、可验证、可运营的交付闭环。
三场论坛连起来，需求才从“入口文档”变成价值闭环
只有端到端平台，没有高质量需求，自动化会把模糊意图快速传递到更多环节；只有结构化 Spec，没有业务运营反馈，团队可能按规格完成了任务，却没有解决真正的业务问题；只有一个场景 Agent，没有平台、权限和资产沉淀，成功经验又会停留在单个项目和少数专家手里。 - 真实业务中的问题、数据、客户反馈和运营目标形成需求信号； - 需求顾问智能体与业务人员共同澄清目标、约束、例外和成功指标； - SDD 与 Skills 把意图转成设计决策、任务、验收条件和可复用能力； - Agent 在端到端平台中调用工具、执行工作，并接受规则、权限、测试和人工门控； - 运营与交付系统用转化、效率、质量和风险指标验证结果； - 真实反馈回写知识、规则、Skill 和下一轮需求，组织从一次性交付走向持续学习。 开发线讨论怎样让 Agent 进入软件交付，测试线讨论怎样建立可信证据，工程线提供上下文、Spec、ATDD 与 Harness，组织与流程线重新定义角色和责任。“AI+业务与需求”线位于这套系统的两端：一端定义为什么做，另一端判断是否真的产生了价值。
不同角色，应该带着什么问题来听？
如果你是业务负责人或产品负责人 ，可以重点关注需求顾问智能体、业务对象建模和成功指标。需要判断的不是 AI 能否替你写一份 PRD，而是它能否帮助团队更早发现模糊目标、隐含规则与例外场景，并让这些信息一路进入交付。 如果你负责业务运营， 可以重点关注货拉拉的垂直Multi-Agent、快手的 LLM + 规则引擎和Agent 工作台。核心问题是：哪些策略可以生成，哪些规则必须固化，哪些动作能够自动执行，哪些风险必须由人兜底。 如果你负责需求工程、业务分析或研发效能 ，可以重点关注规划侧收口、Skills 分层、SDD 和“Goal—Decision—AC—Tasks—Verify”。要带走的是一套让需求可追溯、可消费、可验证的共同语言，而不是再增加一种文档模板。 如果你是 CTO、架构师或平台负责人， 可以重点关注端到端平台、专业智能体编排、权限审计和效果度量，判断上下文、工具调用、执行证据和跨团队复用如何进入统一治理。 如果你负责企业 AI 转型或 FDE 交付 ，可以把三场论坛看成一张现场工作图：从业务问题发现、需求澄清和 PoC，到系统集成、上线运营与指标复盘。FDE 要确保业务意图跨越多个角色和系统后仍可追溯，并最终回到结果。
AI 越能执行，企业越要重新建设“理解业务”的能力
AI 的执行力会继续提升，但速度不会自动带来价值。目标清楚、规则完整、反馈及时的组织，会更快形成闭环；意图模糊、责任割裂、结果失联的组织，也会更快产生返工和风险。
从北京站 “AI+ 业务与需求 ” 线可以看到，需求工程正在离开文档中心，进入任务与证据中心；业务运营正在离开人工串联，进入人机协同的执行系统；技术团队也不再只交付功能，而要和业务共同交付可度量的结果。
2026 年 8 月 21—22 日，第 10 届 AiDD AI+ 研发数字峰会北京站 ， 将通过去哪儿专场、 “Agentic 需求工程与 SDD”“AI 驱动的业务运营与交付 ”3 场论坛，系统讨论业务意图怎样被理解、表达、执行、验证和持续运营。
AI 已经开始接管越来越多动作。企业下一步要补的，不是更多指令，而是让业务事实、需求决策、执行证据和价值反馈进入同一个闭环。
当业务意图能够穿过整个交付系统， AI 的执行力才真正变成企业的结果。
峰会独家彩蛋：不止于听，更重在“练”与“连”
参会指南 时间：2026年8月21日（周五）- 8月22日（周六） 地点：北京·希尔顿逸林酒店 查看完整日程 ： https://aidd.vip/2026bj
适合谁参加？ 正在探索AI研发落地路径的技术管理者/架构师 希望用智能体重构研发流程的工程师与测试专家 关注垂直行业智能化转型的产品与业务负责人 寻求前沿技术合作与生态连接的创业者与投资人 渴望掌握AI原生工程方法论的高校研究者与学生
扫码报名，抢占智能研发时代先机！ 与 80+ 实战专家面对面，解锁 60+ 硬核议题，连接 1000+ 行业同行者。
加入智库
成为客户
