课程介绍

面向汇川技术研发体系全体总监及部分高级专家，围绕"拉齐认知 / 启发实践 / 拓宽视野"三大目标，用 1 天（净课时 7 小时）完成一次"决策者视角"的 AI 集中赋能：

拉齐认知：系统梳理 AI 大模型与智能体的核心概念、技术边界与 2026 最新进展，建立理性客观的判断力。

实践落地：以软件工程领域为重点，深入讲解 AI Coding 最新实战经验与自主编程的前沿实践，帮助研发总监理解一个成熟技术领域正在如何被改造。

拓宽视野：了解 AI 在工业生产、研发、经营决策、人力资源等其他业务领域的真实进展，为汇川自身业务与 AI 的结合提供决策参考。

课程特色

1. 决策者视角：不讲"怎么写一条 Prompt"，讲"研发总监该怎么判断、怎么组织、怎么花钱"。

2. 软件工程深度：以讲师正在进行的系统重构自主开发、企业级智能体系统等真实项目为底本，而非理论演绎。

3. 工业场景贴合：优先选用与汇川业务切合度高的生产管理优化、制造业L2C全流程智能化等案例。

4. 最新素材：全部内容基于 2026.02–04 的最新模型、工具与实战数据（Opus 4.6、Sonnet 4.6、GPT-5.4、OpenClaw 爆发、Mitchell Hashimoto 的 Harness 公式等）。

5. 可带走的框架：输出"Agent = Model + Harness"、"四类软件 AI 介入分级"、"3AD 敏捷 AI 工程"等可直接用于内部决策的思维工具。

课程收益

认知层面：理解 AI时代的研发与过去的本质不同，建立 Agent = Model + Harness 的系统认知；理解 Prompt → Context → Harness 三代 AI 工程范式的演进；具备对 AI Coding 工具与自主编程的客观判断力。

工程层面：掌握"大模型 + 脚手架 + 上下文工程"三位一体的研发效能提升路径；理解 AI 辅助编码 / 测试 / 调试的真实落地边界；明确什么代码可以直接上线、什么需要人工审查。

管理层面：掌握 3AD 敏捷 AI 工程方法；理解自主编程时代的研发团队重组方向；获得一套可在内部启动讨论的"AI 介入分级策略"与"效率度量基线"思路。

业务层面：通过多个工业 / 运营 / 研发场景的真实案例，对 AI 在汇川业务中的价值与潜力形成具象感知。

课程大纲

模块一：AI 基本概念导入

核心定位：不谈空泛概念，聚焦"软件工程"这一具体领域展开；用研发总监听得懂的语言对齐关键词。

1.1  2026 的 AI 有什么新发展

·         2025.12 – 2026.04 中美大模型发布时间线：GPT-5.4 / Opus 4.6、4.7 / Sonnet 4.6 / Gemini 3.1 / DeepSeek V3.2 、V4 / Qwen 3.5、3.6 / GLM-5、5.1 等 12+ 旗舰模型密集发布

·         Agent 专项测评已成主流评分维度：SWE-bench Verified、OSWorld-Verified、Terminal-Bench 2.0、BrowseComp、GDPval-AA

·         三代 AI 工程范式演进：Prompt Engineering (2022-2024) → Context Engineering (2025) → Harness Engineering (2026)

·         一个核心判断：Agent 能力已取代"更聪明的对话"成为竞争焦点

1.2  智能体基本原理：软件工程视角

·         Agent = Model + Harness（Mitchell Hashimoto, 2026 年 2 月）——模型是引擎，Harness 是底盘与仪表盘

·         Workflow（Dify / Coze）vs 大模型自主规划：两条路线的本质差异

·         关键词对齐（结合软件工程场景）：

·         大模型、脚手架（Scaffolding）、上下文工程（Context Engineering）、提示工程（Prompt）

·         Agent / 子智能体（Sub-Agent）、工具调用（Tool Use）、模型调度

·         Skill / 插件 / MCP、记忆（Memory）、Hooks（钩子）

·         企业级智能体架构速览：会话管理 / 模型调度 / 工具层 / 持久化记忆 / 多智能体 / 可观测性

·         知识库与 RAG：向量库、图数据库、SQL/NoSQL 的选型与边界、Page Index等新方案

1.3  讨论 & 答疑

·         "我们公司之前用 Workflow 搭的 AI 应用，今年要发挥AI自主能力，要不要推倒重来？"

·         "OpenClaw的诞生只用了两天，智能体平台和知识库工具，我们是该自研还是采购？"

模块二：AI 在软件工程的实战与发展

核心要求：深入浅出、项目化教学；使用讲师正在进行的真实项目案例。

2.1  AI Coding 的三次演进与主流工具对比

·         三次演进：Copilot 式补全 (2022-2023) → Vibe Coding (2024-2025) → 自主编程 (2026)

·         主流工具深度对比与选型策略：

· Claude Code：CLI 原生、Agentic 流程、自主 Shell 调用、CLAUDE.md 规范

· OpenClaw：Skill 系统、与 Claude Code 的结合（Sub-Agent 调用）、企业通道集成、ClawHub 5,400+ Skills

· Cursor / Trae / Copilot：各自适用场景与局限

·         OpenClaw 爆火的启示：IM 入口 + 24/7 在线、持久记忆 + 持续演进、Skills 生态

·         研发效能提升的"三位一体"：大模型 + 脚手架（Scaffolding）+ 上下文工程 —— 同一模型有无脚手架差距可达 10×；后续 2.2 Harness 与 2.3 自主编程均以此为骨架展开

2.2  Harness Engineering 精要

·         Agent = Model + Harness（Mitchell Hashimoto, 2026.02 公式）—— 模型是引擎，Harness 是底盘与仪表盘

·         Harness 的三大支柱 + 一种机制：

·  Guides（前馈控制）：CLAUDE.md / AGENTS.md、规范文件、架构约束

·      Sensors（反馈控制）：Linter、类型检查、自动化测试、LLM-as-Judge、可观测性

·      Hooks：类似 Git Hooks 的生命周期钩子 ——"每当 Agent 犯一次错，就在环境中工程化一个永久修复"

·      质量门禁：从"人工 Review"升级为"可编程门禁"

2.3  AI 自主编程与生产级代码质量

·         基于 Harness Engineering 和多智能体协同的 AI 自主编程环境搭建

·         代码从耐用品到消耗品：背包 vs 塑料袋的类比 —— 区分业务重要性而非一刀切

四类软件 AI 介入分级策略（核心决策框架）：

· 第一类（全自动）：内部数据分析、报表工具 —— AI 开发完即上线

· 第二类（里程碑审查）：业务系统（如 CRM）—— 分版本开发，人工 + AI 双重 Review

· 第三类（合规介入）：支付、认证等合规模块 —— 特定环节强制人工

· 第四类（人工值守）：交易系统、核心 ERP —— 每步操作需人工 Permission

·         代码质量控制：

·         AI 自动测试与Code Review策略

·         踩坑与边界：Commit 级通过但里程碑级会暴露深层问题

·         既有系统重构的路径选择："维护屎山" vs "推倒重来"，AI 时代为什么重写可能比维护更经济

2.4  AI 时代的研发团队重组

·         前后端合一 / BA 升级 / 新岗位：Harness Engineer、AIBP、FDE、Skill 封装工程师、AI 效能教练

·         软件成本急剧下降 ⇒ 软件作为资产的贬值风险

·         开发人员 → 业务与技术的连接器、顾问、技术决策者

模块三：领域应用与智能体研发管理

核心要求：优先选择与汇川工业自动化、新能源、电机驱动等主营业务切合度高，且已有成熟工程落地的场景。

3.1  大规模生产领域智能体案例剖析

·         生产域亿元级项目：11 套智能体上线

·         故障维修、车站运作、应急处置、乘客问询等核心场景

·         车辆 / 工务 / 供电 / 机电 / 通信 / 信号等设备专项智能体

·         钢厂降本案例：年节约 > 1 亿元

·         煤气平衡优化，放散率 4.9% → <2%，大模型分析历史数据 → 预测模型 → 调度辅助

·         能源管理 → 故障预警 → 生产协同 → 原材料 / 采购 / 物流联动的扩展路线

·         制造业 L to C 全流程优化：某制造业大型企业 L to C 主链 70+ 节点、一笔订单穿 25–30 关

·         节点与流程智能化：定价与报价、合同与信控、全球报价、发货与回款

·         经营数据洞察驱动流程优化：惯性节点、冗余判断、动态路由、瓶颈与返工识别

3.2  企业运营与 IT 场景

·         IT 运维与排障：定时巡检 / 智能排障 / 自动修复 / 报告生成（直接可用）

·         经营决策 · Chat BI：自然语言问经营，30 秒生成跨系统交叉分析，告别报表排期

·         人力资源：从标杆研究到面试评估，招聘研究周消耗 → 小时级

·         材料审查 / 合规风控：合同 / 协议 / 宣传材料的自动 OCR + 规则比对 + 问题标注

3.3  智能体研发管理 —— 3AD 敏捷 AI 工程

·         全球范围AI项目从PoC到规模化居高不下的失败率（ > 70%）的原因？

·         传统研发管理方法在 AI 项目中的四大挑战：需求"涌现式"、设计"返工多"、技术"更新快"、验收"无止尽"

·         3AD 敏捷 AI 工程方法：价值驱动、客户共创、数据优先、小队作战、快速迭代

·         3AD 敏捷小组角色：AIBP（业务专家）+ FDE（全栈工程师）+ 数据管家

·         3AD 智能体开发生命周期（3ADLC），6-9 个月 4 阶段，交付AI能力而非智能体本身

·         Fail Fast 决策关口：敢砍、早砍、砍得有依据

3.4  安全底线：研发总监必须知道的事

·         提示词注入攻击的"原罪"：指令与数据共享同一语义空间

·         纵深防御（Defense in Depth）思路：L1 输入 / L2 执行 / L3 数据 / L4 监控

·         最小权限 + 内外隔离 + 审批门控：面向客户场景的核心原则

收官：组织变革开放讨论 + 行动清单 + Q&A

·         最重要、也是最难的事情：组织变革

·         研发团队组织能力与组织架构演进路径？

·         研发团队与业务团队、客户的关系重塑？

·         降本增效优先？还是对外开拓优先？

·         研发总监的 AI 行动清单（3 个月 / 6 个月 / 12 个月）

·         5–10 个可在 1-3 个月内启动的候选场景、两个可直接下周启动的汇川试点建议

五、课前准备建议

·         建议学员（或陪同技术骨干）提前安装并使用 Claude Code / OpenClaw

·         现场演示环节需要可靠网络环境支持

·         提前收集 3–5 个汇川研发体系内部"痛点场景"作为分组研讨素材