AI Coding 迎来深水区拐点:金融科技把「写代码」升级成「管研发」
8 月 21 日-22 日,AICon 全球人工智能开发与应用大会将落地深圳。汇丰科技内部开源负责人李渭宁将带来《从代码生成到研发闭环》主题分享,首次系统拆解 AI Coding 如何在金融级 SDLC 中,从个人提效工具演化为覆盖需求、设计、编码、评审、测试、交付全流程的组织级研发能力。
8 月 21 日-22 日,AICon 全球人工智能开发与应用大会将落地深圳。汇丰科技内部开源负责人李渭宁将带来《从代码生成到研发闭环》主题分享,首次系统拆解 AI Coding 如何在金融级 SDLC 中,从个人提效工具演化为覆盖需求、设计、编码、评审、测试、交付全流程的组织级研发能力。
AICon 深圳站的日程已 100% 上线。大会聚焦 Agent 工程化、大模型基础设施、AI Native 研发、具身智能等方向,集结高校教授及头部企业技术专家,探讨 AI 从能力突破走向系统构建的新路径。
注:「AI 原生新范式:Coding Agent 重构软件研发全流程」为十大专题之一,李渭宁的分享是该专题核心议题。
但真正值得关注的,不是一场演讲,而是一个信号。
李渭宁的演讲提纲里,反复出现一个词:拐点。他的判断很直接——AI Coding 正在从个人开发提效工具,演进为覆盖 SDLC 全流程的智能化研发能力。这不是效率的差别,而是维度的差别。
单点代码补全与生成;效率收益集中于开发者个人;工作流是断点式的,经验难以沉淀。
覆盖需求到交付全流程;实践沉淀为可复用、可治理的 Agent Skills;跨工具 Agent 工作流打通。
问题来了:Agent 具体怎么进入研发流程?
分享的核心不是概念,而是方法。李渭宁将展示如何用 Agent Skills 把研发流程拆解成可治理的智能单元,并在 MCP 的连接下,让 Agent 真正进入企业研发工作流。
注:以上六环节对应演讲提纲第三部分,每个环节都强调「验证」与「可治理」,而非单纯追求生成速度。
当然,这条路径不是一路绿灯。
李渭宁在提纲中明确列出了 AI Coding 落地的三大现实问题。这些问题的坦率程度,恰恰说明这套方法经受过真实环境检验。
模型输出存在幻觉与不确定性,复杂业务场景下难以保证代码质量与一致性。
敏感数据泄露、工具越权调用是金融场景的红线,数据边界必须严格管控。
团队技术栈与研发流程差异大,价值难以量化,需要平台、流程、文化同步转变。
注:三个痛点分别对应演讲第五、六部分的治理方案与推广机制——先承认问题,再谈落地。
答案藏在四个字里:内部开源。
汇丰科技的做法不是自上而下地推平台,而是从内部开源小项目起步,让不同团队把 AI Coding 的实战经验贡献出来,在共享与协同中持续打磨。
这条路最终长成了一个上万人分享与共建的 AI Coding 平台。一个反直觉的结论是:金融科技对安全、合规的高要求,反而倒逼出一套更严谨的 AI 落地框架——这或许是最值得其他行业借鉴的部分。
AI Coding 的下半场,胜负手已经从「模型能生成什么代码」,转移到「体系能不能交付可靠软件」。金融科技今天趟过的合规、治理与规模化之坎,是每个行业明天都要补的课——先补课的人,先拿到组织级生产力。
「AI 原生新范式:Coding Agent 重构软件研发全流程」专题
全日程已 100% 上线 · 票务咨询同步开放