首页 时政热点 科技头条 智能AI 安全攻防 数码硬件 开发者生态 归档 标签 关于

从“能写代码”到“能交付”:腾讯轻量云 LoopForge 云端 Loop实践

2026-11-18 1 阅读 约10分钟阅读 江露
分享:
字号:
采访嘉宾 | 江露 策划 | 康悦 Rita 导语:AI Coding 正在从辅助开发工具走向软件研发流程。代码生成本身已经不再是唯一问题,企业更关心的是:Agent 能否理解完整任务?能否协同完成多个研发环节?能否在长任务中保持上下文和状态一致?最终生成的代码,又能否通过验证并进入稳定交付?围绕这些问题,InfoQ 与腾讯轻量云研发专家江露进行了会前交流。她即将于 AICon 北京站分享《从“能写代码”到“能交付”:腾讯轻量云 LoopForge 云端 Loop实践 》,探讨 AI 如何从“会写代码”进一步走向“能够完成任务”。 一、 面对从“个人提效”到“团队信任”的软件交付难题 在 AI Coding 应用的早期,团队首先关注的是代码生成的速度和准确性。但当 Agent 开始参与完整的研发流程,评价它的标准也随之变化。 江露说,问题已经从“AI 写代码快不快、准不准”,转向““AI 产出的结果能不能被团队信任、接手和合入”。这份信任,取决于需求和验收标准由谁确认,结果由谁验证,失败后由谁接住,以及同样的做法换一个项目还能否继续使用。 在实际推进中,江露发现,从代码生成到完整交付,有几处容易断开的环节。首先,Agent 获得的信息并不完整。第三方接口约定、业务规则、测试数据和环境配置,大多不在代码仓库里。开发者熟悉的背景知识,对 Agent 而言可能完全不可见。缺少这些信息,它只能依靠推测继续执行。 其次,验证能力未必跟得上代码产出。人工逐行 Review 容易成为瓶颈,而让 Agent 自测自评,又可能出现“自己证明自己是对的”的情况。需求、评审意见和测试结果如果还散落在不同工具与会话中,交接就仍然依靠人来转述。每个角色都在工作,整个任务却需要人不断推动。 更容易造成误判的,是对“完成”的理解不一致。流程跑完、提出合并请求(MR)、代码实际合入、业务验收通过,分别代表不同的进展。混在一起看,就会高估真正完成的交付。 回顾团队的实践,江露说“出问题最多的是两头,中间的编码实现反而相对稳定。”一头是需求理解:需求存在歧义、隐含约束没有写出来、验收标准模糊,Agent 就可能做出一个“看起来合理但不是要的”结果。另一头是验证与合入:测试没有自动化不具备AI修改自动Loop验证(改 → 验证 → 打回 → 再改)的条件,测试环境与实际环境不一致,甚至代码已经修改,使用的仍是旧的检查报告。 在分析原因时,团队也没有把问题全部归结为模型能力。江露认为:“模型能力决定上限,但大多数失败我们最后归因到工程机制上。” 上下文是否真正被读取,验收标准是否可检查,评审与测试是否独立,失败后能否带着原因回到相应环节,都直接影响最终结果。更强的模型并不会自动补齐这些缺口。对于团队而言,下一步需要明确的是将需求确认、产物交接、结果验证和失败处理写入可执行的 SOP,让原本依靠人提醒和补位的环节,有明确的执行规则。 二、 不能让 Agent 协作放任自流,把团队共识写成可执行的 SOP 早期团队也曾期待 Agent 自由编排整个任务。但长任务运行起来后,一些问题逐渐暴露:执行路径不稳定,出错后难以定位原因,团队已经约定好的检查步骤也可能被跳过。多 Agent 协作过程中,每个 Agent 都完成了自己的任务,但整体任务却没有真正完成。 江露由此提出一个很实际的判断:“研发流程本身是团队已有的共识,比如先分析再实现、实现后必须评审和测试,没有必要每次让模型重新‘发明’一遍。” 所以团队开始将共识写成可执行的 SOP:用 DAG(有向无环图)定义节点之间的先后依赖,程序负责状态流转、检查与交接,Agent 在节点内完成分析、设计和实现。返工则沿单独声明的回退路径执行。 这样,流程便有了可追溯的执行依据:每次运行固定流程版本,事后能查清当时按什么规则执行;失败可以定位到具体节点,定向返工,不需要从头重来。检查步骤不会被 Agent 绕过,没有前置依赖的节点则可以并行。 SOP 规定了执行顺序,也明确了每个节点接收什么、产出什么,以及可以使用哪些工具。方案、代码变更和检查报告会通过文件交接,并保留每次尝试的快照,让下游能够核对所用产物的版本,而不是依赖上一环节的自然语言转述。 写进 SOP 的规则,则主要来三类经验:反复踩过的坑、角色交接处容易遗漏的约定,以及只有老员工知道的事。例如,需求没有说清就开始编码,团队便把需求说明和验收确认前置;测试环境如何搭建、执行前需要做哪些准备,也要写下来,成为 Agent 可以使用的上下文。 至于每一步交给谁,团队的原则是:步骤明确、结果能够通过命令判断的工作,交给脚本;需要理解和判断、输出又能够被检查的工作,交给 Agent;涉及关键取舍和最终责任的决定,则保留给人。沿着这一思路,团队将几类高频工作整理成了可重复执行的 SOP。 但有了流程,并不代表可以一劳永逸。SOP 需要持续维护,模板与具体项目之间的差异需要有人处理;遇到流程未覆盖的情况,仍要转交人工判断或调用子流程(子 SOP)。因此,这种方式更适合验收标准清楚的交付任务。对于目标和路径尚不明确的探索性工作,则需要保留更多灵活性。 三、流程能执行,结果也能独立验证 有了执行规则,仍需要回答一个问题:Agent 交出的结果,是否真正满足了原始需求? 团队将评审和测试角色与实现角色分开,使用独立上下文,避免直接继承实现者的判断。但江露强调,角色隔离只是起点。他们曾遇到过参数语义错误,代码评审没有发现,直到测试对照预期运行时才暴露出来。 “真正起作用的是『独立的预期 + 可复现的运行事实』,而不是简单换一个 Agent。” “独立的预期”,是依据原始需求或 Issue 判断正确结果应该是什么,不能从实现者的代码或修复报告中倒推标准。“可复现的运行事实”,则要求评审和测试真正执行构建、单测和 E2E 等检查,并记录结果,让其他人能够重跑、核对。 当一个人同时运行十几个 Agent 任务,单靠人工逐行检查已难以持续。围绕不同类型的失效,团队建立了五道质量门禁: 这些门禁各有侧重,按改动风险选择,并非每次都全部执行。它们的价值也不止于拦截:检查失败后,具体原因会反馈给修复 Agent,成为下一轮返工的依据。代码发生变化,旧的检查报告也必须失效,不能继续用来证明新版本已经通过验证。 不过,测试环境始终无法完全等同于生产环境。团队曾遇到单机验证通过、进入集群后才暴露约束的情况。因此,分层验证之后仍需保留人工对产物确认,上线后也要持续观察。检查报告提供决策依据,剩余风险是否可以接受,仍需要人作出判断。 四、从被动响应到主动发现:交付流程向生产运维延伸 当研发交付逐渐稳定,新的瓶颈开始出现在“线上问题的发现与接力”。一个线上问题,往往需要人依次完成盯告警、建单、收集现场、准备环境、跟进测试和整理证据。每一步都有人推动,问题却可能迟迟无法解决。与此同时,Agent 带来的代码产出增加,也要求线上反馈能够及时回到研发流程中。为此,团队将能力延伸到生产运维:从日志、K8s 和慢 SQL 巡检中发现异常,经过聚类去重后建单,再衔接修复、验证和人工确认合入。 这条流程首先需要解决的,是哪些问题值得处理。团队为建单设置门槛,筛选持续、有影响的异常,避免把告
这篇文章对您有帮助吗?

订阅66必读

每日精选科技资讯,直达你的邮箱