先说结论

9 月 22 日下午的云栖大会「Qoder 助力 AI Native 超级组织」专场（国博一期新闻发布厅 B，13:30—16:20），是这场大会里离「AI 编程到底改变了企业什么」最近的一场。背景先补一句：Qoder 是阿里巴巴 2025 年由通义灵码升级而来的 Agentic Coding（智能体编程）产品线，如今旗下有 Desktop、IDE 插件、CLI、Cloud Agents 等一整个家族（经核验：Qoder 官网与阿里云帮助中心，原 Lingma 系列已整体更名 Qoder CN）；本场论坛就是它的企业级年度升级发布会——刘洋洋的 Agent SDK、田皓的 Qoder Cloud Agents、汪圣平的安全可信底座，加上满帮、海信、慧博、中宏保险四个行业客户的一线账本。

全场真正的主角是一个矛盾，由海信曲栋在开场就抛了出来：**AI 代码写得越来越快、工具越来越强，交付效率是不是跟着提升了？一个工程几分钟就能写出来，但和业务对齐的时间、功能确认的时间、迭代上线的时间，缩短了吗？**七位讲者从不同行业给出的答案高度一致：没有。满帮李旭泽用木桶理论说破——Web coding 让开发提效了，不等于组织提效了，「一个水桶能盛多少水，不是由最长的木板决定，而是最短的木板」；田皓拿服务企业客户的反馈佐证——95% 的问题反馈不是模型不够聪明，开源仓库 GitHub issues 里七八成是 harness（执行系统）的问题；汪圣平引 Veracode 报告提醒——45% 的生成任务会把已知安全漏洞写进代码；中宏王志宇则给出组织侧的解法——把 human in the loop 改成 human on the loop，人退出环路、监督环路。把这些拼起来就是本场论坛的核心判断：模型能力已经跑在前面，卡住 AI Native 组织的是模型之外的四重基建——执行系统（harness）、全链路流程、安全治理和组织文化。

需要如实说明的是：本文依据的现场录音转写共 63 个时间段、覆盖 0—7441 秒，全部读完无缺段；但对照官方议程，十个演讲中转写只覆盖了七个（李旭泽、曲栋、刘洋洋、田皓、贾世龙、汪圣平、王志宇），开场张燎原、联想刘琳琳、收官宁晓民三段未包含在这份录音内（刘洋洋演讲中两次提到「燎原刚才放过的图」「联想伙伴等会儿分享」，可侧证两段确实发生过）。下文按行业逻辑而非议程顺序组织，关键主张均标注来源层级，企业自报数字未经第三方核验的均已注明。

一、货运平台的第一课：个人提效不等于组织提效

满帮集团资深算法专家李旭泽的分享是全场最「业务」的一段，因为他先讲清楚了一个大多数 AI 转型演讲回避的问题：什么场景根本不适合 AI。满帮的背景他自带核验（与公开资料一致）：运满满 2013 年成立，2017 年 11 月与货车帮战略合并组成满帮集团（经核验：钛媒体、界面新闻及满帮官网均载；满帮后于 2021 年在纽交所上市，以 2020 年 GTV 计为全球最大数字货运平台），如今是典型的三边市场——货车、货、司机在平台上撮合，业务特点是专业知识深、时空错配严重、运力极端不平衡、个体司机居多。个体司机居多带来一个很中国的细节：干线上普遍存在「副驾文化」——丈夫开车，妻子坐副驾帮他找货、跟货主沟通，孩子留在老家由爷爷奶奶带。李旭泽说，满帮转型 AI 平台（他称 2025 年为转型之年）的最终目标就落在这个场景上：用 agent 替代「卡嫂」，让妻子回归家庭、让留守儿童得到母亲身边的爱。这句收尾是全场少见的把 AI 转型讲到人身上的表述。

方法论层面他给了三层筛选。第一层是场景：标品很难结合 AI（会阻碍原有链路），重决策场景（比如买房）用户不会让 AI 拍板，真正合适的是「中决策」场景——一定要决策、订单金额从几百到几千、需要大量交互，满帮的撮合平台恰好符合。第二层是能不能做：他坦承满帮「技术栈偏老」（转写记作「GTK 八」，疑为 JDK8 之误，无法确认则存疑）、对 AI Agent 框架需要自研，而近千人的开发团队在 2025 年落地时 AI Agent 经验几乎为零，只能内部培养加外部引进两条腿走。第三层是价值排序：先做内部提效（几千人的标岗团队：运营、开发、测试），再把 AI Agent 结合到业务侧服务客户。选择 Qoder 的理由他给了四条：背靠阿里、安全可信（「AI 时代数据安全是第一要务」）、企业知识库、生态——「它不是一个单点工具，是全链路全方位的组件」。

最有信息量的是三组具体账。其一是 prompt 的工业化：满帮业务级 prompt 普遍在万 token 以上，「人很难维护了，每加一条规则，准确率不会上升，会下降」——于是他们基于强化学习把整条链路拆成优化器、变种池、ML 推理、基于黄金数据集的智能评估器和候选池做自动迭代，发货场景字段准确率提升约 12 个百分点（嘉宾自述口径）。其二是开发提效：算法同学不是专职开发，借助 Qoder 从架构分析、需求分析到实现，「原有五十人日的需求今天变成十人日」；与 Qoder 快速模式协作约一周产出 agent 技术框架——关键洞察是「发货业务大家以为是表单，其实是订单」，订单需要字段准确率、字段间联动和状态机——一个月内落地第一版 agent。其三是知识管理：过去每个算法同学要手工把代码整理进 wiki，如今提交代码时实时生成 Repo Wiki；过去排查问题人工翻代码「找一天两天」，现在把链接交给 Qoder 的 web agent 边看代码边对话解决；甚至基于 Qoder 把存量 RPC 接口自动转换成 MCP（Model Context Protocol，模型上下文协议）来适配新的 AI 架构。

组织侧的判断比技术侧更锋利。「公司赚公司的，个人赚个人的」——想让员工用 AI，得让他看见自己的效率提升，所以要树榜样：把人群分成顶部的尝鲜者、中部的观望者、下部的绝缘者，用「超级智能体」个体去牵引。但话锋一转就是全场的金句级反方：超级个体的出现不等于组织提效——Web coding（转写如此，疑为 Vibe Coding 之误）一定提效开发，但木桶的短板在别处，必须全链路把每个工种都 AI 化，看整体不看局部。他给出的时代公式是：非 AI 时代产出 = 人力 × 工时；AI 时代产出 = 判断力 × AI 执行力——所以越懂业务、越知道哪部分用户要解决什么问题的人，经验反而越来越值钱。同时组织会更扁平：原来的汇报体系靠人层层 summary，AI 自动 summary 之后「管理半径会不断扩大」。

第一条机制链：Agentic Coding 把个体编程速度提上去 → 组织产出的瓶颈转移到最短的工种（木桶效应）——业务闭环里未被 AI 化的环节（对齐、判责、客服、报表）重新成为交付时长的决定项，满帮的应对是把履约侧、判责侧全量 AI 化、六个业务 agent 上线（发货、跟单、找货等，对应三边关系）→ 二阶影响：研发提效指标（人日、字段准确率）与业务指标（客诉接手率、判责自动化）必须分开核算，否则会高估转型收益；经验丰富者的判断力溢价上升 → 读者启发：先画出端到端流程里每个工种的 AI 化覆盖率，找到那块最短的木板再投预算；同时警惕「我们也在用 AI coding」这类汇报——没有业务侧 agent 落地证据的提效都只是局部故事。（观点与数字均为李旭泽口述自报；满帮集团沿革经外部核验）

二、四阶段是叠加不是升级：海信用 Harness 工程把 AI 塞进交付链路

如果说满帮讲的是「为什么」，海信集团 AI 技术中心负责人曲栋讲的就是「怎么干」。他的开场之问（即前文核心矛盾）之后，先交代了海信的约束条件：1969 年成立的跨国多元集团、六家上市公司、1+7 运营中心、32 个研发中心、六千多研发人员分布国内外（公司背景与公开资料一致，内部数字为自述）。这个约束决定了选型逻辑：「我们找的不是一个更好的工具，而是可复用的标准工程底座和可治理的新开发范式」——只考虑一个团队好不好用，在全集团推不开。

建设历程是一条清晰的工具进化史（自述口径）：2023 年 GPT 刚出就引入智能编码，最早用 Copilot（转写记作 Complent），「摁个 Tab 键就能补齐」，但推不动——代码外发、安全合规、成本问题使它在集团层面铺不开；2024 年做多产品综合评测，通义灵码评测第一，一周内完成投产部署；2024 年底经重新安全评测引入 Qoder，「内部推得最快的产品，一个月推广两千多用户」；2025 年重点做 Harness 工程建设，并在内部推 Loop AI 之夜和 Graph AI 之夜两个专项。术语解释一下：Harness 本义是马具，在 Agent 语境里指承接大模型、供其调用工具并约束其行为的那套执行系统——曲栋的定义是「把分散的知识和规范，一步一步变成 AI 智能体可以理解、可以执行的资产」。

全场最有复用价值的认知框架是他的「四阶段」论：第一阶段提词工程（Prompt Engineering，解决能不能用 AI 开发）；第二阶段 Harness 工程（解决 AI 输出能不能稳定地放上生产）；第三阶段 Loop（智能体把单个交付流程跑成闭环，而不是每个环节点状辅助）；第四阶段 Graph（多任务、多角色自动协调编排）。关键是他的强调：这四个阶段不是迭代演进关系，而是叠加关系——「没有前面 Harness 工程化的规范，不可能自动跑 Loop；Loop 如果跑不稳，谈不上做 Graph，Graph 可能就是只画了张皮。」海信目前正从 Loop 级向 Graph 级过渡：Loop 已在很多生产环境自动化运行，先锋项目基于 Graph 做 SDLC（软件开发生命周期）全流程提效。

落到工程细节，三层依次展开。Harness 层投入最大：把设计文档、测试用例、软件规范全部纳入代码仓，「AI 和开发者共享同一个知识源」，用 Rules 和 Spec（转写记作 Scale，疑为 ASR 对 Spec 或 Skills 的误识别）把规范变成可执行护栏，再用 AI 审查做可观测反馈——Qoder 在这里提供 Repo Wiki、Rules、Spec、MCP 等原生接口。角色也重新分工：泛化组织里所有角色参与交付，产品经理用 Qoder 输出验收标准，SE 技术经理定方案和接口边界，产品、开发、测试统一以 Spec 为基准确认生成内容，业务方用自然语言参与需求闭环，还有专职的 Harness 开发工程师。效果（自述）：过去需求对齐要一周、至少三到四次会议拉通，现在 PRD 生成、门禁核验、Spec 生成全部自动化、人只做关键节点判断，「基本上缩短到一天内」。Loop 层的要点是人在关键环节做门禁闸口，AI 在约束条件内自动生成、测试、评审、修复，配合「有界、有据、有档、有苗」（转写如此，末词疑有误）四要素加硬性熔断机制。Graph 层把交付全流程变成「可恢复、可停机的节点图」：需求节点人做最终决策，方案拆解由 Graph 自动编排，编码由多个数字员工并行，测试由独立验收器验证，交付过 review 门禁——他们用阿里开源的工具（转写记作 AutoMander，疑为阿里通义实验室开源的多智能体框架 AgentScope，经查该框架真实存在且支持编排与 A2A 协议，但名称未能确证）把 Graph 跑起来，用 Event Gate 和 States 门禁记录每个节点的进入条件、产出证据和关闭结论，做到「流程中断能继续跑、失败能快速定位定点重执行」。

收益数字他给得很克制、分了档（均为自述）：新项目或适合 Loop 化、Graph 化的项目，端到端交付提升三倍以上（三到五倍），人力成本节约 50% 以上；搭建十年以上、框架特别老的系统，基于 Harness 工程实践「至少 1.3 倍到 2 倍以上提效」。而他特意解释了数字的来源：「这些数字背后的意义，并不是一段代码写得更快，而是整个链路的压缩」——从需求对齐到代码交付压缩出的时间，最终投到关键评审和决策上；跨复杂系统的改造则需要投入更多精力做 Harness 治理。三层架构（工具层 Qoder 原子能力、Harness 实践层质量护栏、编排层承载数字员工）对他最大的意义是「既能让 AI 大规模跑起来，又能保证它不越过治理边界」。

第二条机制链：AI 生成质量不再由模型单独决定，而由知识供给决定（Harness = 把规范与经验变成 AI 可执行的资产）→ 企业能否把 AI 放进生产，取决于最不性感的那层基建——文档入仓、规范成护栏、经验可沉淀；跳过 Harness 直接画 Graph 的组织只会得到一张皮 → 二阶影响：需求对齐等「会议密集环节」成为被 AI 重构的第一批对象（海信一周三到四次会议变一天内），研发效能的度量单位从代码量转向端到端交付时长；老系统与新系统出现两套收益率（3—5 倍 vs 1.3—2 倍），技术债被重新定价 → 读者启发：自检你们公司的设计文档、测试用例和编码规范是否进了代码仓、机器可读——如果没有，先补这层再谈多智能体；评估供应商时把「规范能否变成可执行约束」当第一问。（框架与数字为曲栋口述自报；通义灵码 2024 年评测背景未独立核验）

三、Harness 全面开放：Qoder 把「Agent 减大模型」做成生意

产品侧的重头戏是两场连讲：刘洋洋的 Qoder Agent SDK 与田皓的 Qoder Cloud Agents，一个开放内核、一个托管上云，合起来是 Qoder 把内部沉淀的 harness 能力商品化。刘洋洋先给认知坐标：两三年前做 Agent 靠 Prompt Engineering，后来是 Context Engineering，而今天「没有一个词可以很技术化地概括 Agent 到底要怎么做」。由此两个判断：已经发生的是，Agent 的竞争从模型能力转向「模型和执行系统共同完成真实任务的能力」；对未来的判断是，Harness 的战场正从 coding 走向复杂通用任务、从个人扩展到组织——多人协作、人和 agent 协作、能力边界与安全，是下一步要发展的方向。

他首次对外分享了团队做 Harness 的「北极星指标」：单次任务成功交付的成本。分子不只是 token 和工具调用的资源成本——时间成本（一个端到端任务十分钟完成和一天完成有本质区别）和人工介入成本（human in the loop 里人要校验、监督、返工，「这个成本其实更高」）同样计入；分母是成功交付的任务数。翻译成白话就是「多快好省」。支撑这套指标的是案例：Qoder 之前一个办公智能体，五人七天从想法做到推向市场（自述），因为 Harness 内核已经沉淀了大量能力；而不同场景、不同任务形态的反过来又让内核更普适——这就是 8 月 11 日低调发布到官网、受欢迎程度超出预期的 Agent SDK 的底气。集成模型很清楚：企业自己管产品形态、业务流程、审批、数据和权限，SDK 负责「Agent 减大模型」的那部分——模型调用（多模型、BYOK 自带密钥）、工具协同、Agent 运行时、会话记忆、安全治理、模型策略。一个卖点是新模型 Day 0 可用：提前跟模型厂商做适配，模型发布第一天用户就能用上，包括 SOTA 模型和自家的 Qwen 系列。适配场景他分了四类：产业智能化（并点破一个常见误区——企业 AI native 转型不是「采购足够多的工具、token 管够、让大家都变成超级个体」就起飞，而要从端到端产业流程看 AI 改变什么）、软件 AI 化、硬件智能化（眼镜、耳机、AI PC、AI 手机——时效性和复杂环境挑战更大）、行业智能体。合作伙伴名单是首次分享：联想天禧电脑集成 Agent SDK 做个人 AI 助手；新东方全国机构的教师将用上基于 SDK 定制的教师端工作台（备课、知识、学生管理）；客如云（转写记作课如云，按知名餐饮 SaaS 厂商校正）为数百万餐饮商家提供客流与业务分析；卡比特（转写如此，车机与两轮车智能化方案商，待核）在安卓设备里做智能化；阿里云 AnalyticDB 的数据库运维场景已经可用。SDK 目前提供 Python 和 TypeScript，Java 即将开放。

田皓的 Qoder Cloud Agents（简称 QCA）回答的是另一段路：从 demo 到生产。他的观察跟前面满帮、海信的痛点完全咬合：做出一个 agent demo 不难，难的是老板问「可以交付给客户了吗」时的忐忑——开源方案带来低成本试错，但看 GitHub issues 会发现「百分之七八十的问题并不在模型本身，而是在整个 harness 的一些问题上」：任务跑一半中断了，是连接断了还是沙箱断了？接入企业内部系统后权限、工具、凭证怎么管？不同用户怎么隔离？高峰期扛不扛得住、闲时会不会白白浪费资源？他引一份 YC 报告称 99% 的业务场景没有触达模型上限，结论是「模型能力当然重要，但跑通之后还得投入大量时间精力搭建系统，把运行、权限、资源和效果管起来」——企业需要的不只是一套模型接口，而是一套能持续把事情做完的生产系统。产品时间线（自述）：今年 2 月某云端 Agent 产品（转写记作 Open Cloud，疑为 ASR 误识别的产品名，待核）带火「环境范式」时推出 alpha 给阿里内部试用，5 月上线 beta 邀测，9 月 16 日——OpenAI 发布 Agent API 后约一周——正式发布 1.0，目前月调用量已超千万级、客户数千家。

QCA 的本质是 Agent as a Service：把支撑 agent 在企业上下文完成任务的所有底座变成可集成、可管控、可扩展、可观测的云服务，与其他 Qoder 家族产品共用同一个「与五百万以上终端用户联合打磨一年多」的内核（自述）。架构上最有辨识度的是「脑手分离」：中心化的 Agent Runtime 七天二十四小时在线，沙箱按需拉起——查天气这类简单任务在 runtime 里调一个 MCP 就完成了，不必为每个用户常驻一台云电脑。他给出的对比数字：相比每用户分配一台云电脑/云 Linux 的单机架构，沙箱持有时长和成本节省 95% 以上，沙箱并发上限可达十万级（自述口径）。产品能力四件套对应四类痛点：一键直达生产（从 Qoder Desktop、IDE 乃至其他 AI coding 工具用自然语言发起集成，不必登录控制台；控制台所有能力都有 API，可以自建行业级 agent 托管平台再交付给自己的客户）、在业务中生长（内网打通、五层安全管控、知识库/MCP/Skill 市场、多智能体协同）、可验证的智能引擎、上量后成本可控。其中「可验证的进化闭环」值得展开：执行中由类似 AI 监督员、打分器的机制持续校验过程与产物，每次会话可设预算防止 agent「陷入不断较真儿的 loop」；事后有 trace 和多维指标，平台自动识别配置冲突（今天上的 skill 和明天的 skill 矛盾）、支持夜间自动记忆整理（「晚上自动沉淀白天做的事，重新优化记忆，越用越懂你」）；上线前可针对业务特性设评估器——他举的例子很具体：金融客户查今天的股价，绝不能返回昨天的开盘价。三个客户案例：小多科技（电商智能客服与消费者洞察，痛点是上下文割裂——用户退鞋换码七天后再回来问，会话一换指标就得重讲；上线时间从数周级缩短到数天级，转写记作「数千级」疑为「数天级」，自述）、慧博科技（后面详述）、阿里云数据安全检测（面向系统而非人的场景：批量打标、数据批处理、内容审核，agent 辅助研判多源告警给出风险等级再交专家复核，核心指标是「AI 与专家一致率——代表能解放多少个专家」）。成本设计上还有闲时折扣：夜间模型五折、部分两折。

第三条机制链：模型能力趋于可替换（多模型、Day 0 适配、BYOK）→ 竞争壁垒向执行系统迁移——harness 从大厂的内部基建变成可采购的商品（Agent SDK 开放内核、Cloud Agents 托管上云），「Agent 减大模型」成为一门可计费的生意 → 二阶影响：企业自建 agent 底座的必要性被重估——通用运行时外包（QCA）、行业知识自持（慧博把研发精力留给零售业务）成为新分工；demo 与生产的差距被产品化为「稳定性、隔离、成本归属、结果验收」四个可验收指标；沙箱架构（脑手分离 vs 单机常驻）直接改写云成本结构（自述省 95% 以上）→ 读者启发：选 agent 平台时先问四个田皓式问题——十几个小时长程任务中断可恢复吗、新业务接入的边际成本够低吗、多租户资产边界清晰吗、结果谁说了算；别为「查天气级」任务付常驻沙箱的钱。（产品能力、数字与案例均为 Qoder 团队口述自报，发布时间线未独立核验）

四、零售与保险的两种落地姿势：从拉报表到安全左移

两位行业客户一零售一金融，恰好展示了同一套底座在「轻」与「重」两个极端的用法。北京慧博科技 CTO 贾世龙的赛道是消费者运营：2013 年成立、服务两千家品牌客户（安踏、联想、Babycare——转写记作 B B Care 疑为该品牌、乖宝宠物等，自述），做全渠道消费者数字化运营，让品牌无论在淘宝、抖音还是企业微信都能识别出同一个人。十三年下来他看清楚零售闭环就六步：看报表、找问题、定策略、去执行、做复盘、再优化——过去靠运营人员的经验在系统里找功能模块串起来。问题随之而来：「数据有了，系统有了，谁来解决经营的问题？」他的答案是零售全域 Agent（转写记作「小慧 Qoder/小会Cloud」，产品名待核）：过去交付的是系统能力，现在用 Agent 来组织这些能力，「让它像人一样去干活，把真实的经营任务完成」。

最能说明问题的是一个真实到扎心的案例：服务联想时，新来的运营不会拉内部报表，慧博上门培训，对方对系统很满意，最后却说「你能不能把刚才取数的步骤写下来，我照着去做」——「BI 再好用再实时，对新运营来说上手门槛依然存在」。现在品牌把自己内部的报表模板（不需要标准格式）交给 agent，它理解表头、识别渠道/门店/品类维度、自动打通中台找数填回表格，过去一整天的报表工作变几分钟（自述）。往后是完整的经营链路：agent 诊断哪些客户流失、谁到了补货周期，基于购买商品、规格、数量和消费行为算出每个人专属的复购窗口——把「按统一购买日期给所有人发一样的提醒」升级为「每个人的个性化经营时钟」；再编排分阶段策略（前七天初步提醒、前三天看加购浏览行为强化触达、当天在最可能下单的时间点引导、过七天未购二次召回），每发一条信息都过一次安全校验避免过度打扰。而对于「AI 全天候运营是不是让大模型 24 小时盯着安踏几千万客户不停判断」的误解，他的架构回答很清醒：大模型负责思考（策略、规划），工作流负责稳定执行——到满足时间和条件就触发，客户已购买就停止，需要分析和决策时大模型再参与，效果回流帮运营复盘迭代。「让 AI 从帮我们做一次运营，走向帮我们持续做生意。」复购能力被整理成四层（基础零售能力、业务规则知识、harness 运行支撑、经营 agent），新场景如流失召回、小样转正装直接复用。工程底线有三条：任务中断能恢复、多品牌账号数据权限严格隔离（「SaaS 的底线也是红线」）、成本可控——于是慧博选择由 QCA 承接通用 Agent 运行能力，自己的研发精力放在零售业务和经营链路落地上；对 QCA 的评价除托管完善、按调用计费且夜间更便宜之外，他还特意点名了「团队的责任心和响应速度：群里解决不了，马上抠个会」。

中宏保险 AI 基础架构总监王志宇代表的是另一个极端：强监管、重流程、老系统。中宏是中国第一家中外合资保险公司（经核验：1996 年 11 月由加拿大宏利金融与中化集团合资成立，为国内首家中外合资寿险；嘉宾称今年恰逢三十周年，与成立年份自洽），同时受集团安全团队和国内监管机构、等保体系的双重监管。系统现状（自述）：最大应用约两百个微服务，保险交易流程极长——一个新单从录入到交单提交长达约二十个节点、录入接近二十到三十分钟，「不像短平快的互联网业务」，是强人为干预的长链路；三十周年积累的大量存量老系统带着技术债。最硬的约束是安全：所有上生产的系统，中级以上漏洞要求全部修复——这直接决定了他们 AI coding 的建设方向。旅程分四段（自述）：去年 6 月用 Qoder 的前身通义灵码做补全（与 Qoder 品牌沿革的公开信息一致）；10 月用基本 rules 进入类似 Vibe Coding（转写记作 Web coding）的模式；第三阶段个体标准化，用 Qoder 加 Spec 的模式逐个职能提升；今年正式做 coding 流水线，不到半年 loop 迭代约十个版本——4 到 6 月简单 Spec loop，7、8 月 agent loop，当前是 agent loop 加并发 work tree 模式。他解释了为什么单点先行：保险是相对传统的行业，组织和全公司变化都慢，在保持现有组织框架的前提下以单点提效先行，「偏互联网的公司可以跑得更快，我们不行」。

这套流水线的全局设计分三层：底层 harness（Qoder、agents、rules、Spec、工具加复盘度量机制与 agent loop benchmark），中间 loop 运行时（按软件生命周期定义交付节点），最上层是人——他做了一个精确的概念迁移：把流行的 human in the loop 改成 human on the loop，「你不再参与环路，而是监督环路怎么运行」。人只需要盯两头：需求和方案设计，以及最终 SIT 验收的指标与测试报告；中间的 bug 诊断、需求规划、编码、测试、代码评审、安全评审、安全修复「全过程可以全部自动化」，所有失败都能在规则定义里回到原点继续诊断，环路一直跑到验收目标达成为止。安全左移的做法尤其具体：中宏每年安全投入大几百万（自述），流水线上最重要的三个扫描——静态扫描、开源扫描、镜像扫描——全部前置，通过 MCP 接入 Spec：扫描报告进来、Spec 分析、回流水线修复，集中流水线再设一道安全门禁验证真实修复效果。最新版本还做了并发：以 work tree 的「甬道式」开发，每条甬道独立编码、测试、扫描、提 PR，并配独立的临时 SIT 环境（用阿里云 serverless，AI 直接拉起部署、测完即销毁），最后进串行合并队列。模型策略上做高低搭配：因 Qoder 暂不支持用自然语言给子 agent 绑定模型，必须以 custom agent 方式配置，于是拆出 master 与 sub agent——master 和高性能要求节点绑强模型，按计划执行的节点用低性能模型。他总结的 Spec 开发六条经验里最有价值的是「明确授权和证据」：agent 能跑什么、不能动什么要定义清楚，每个节点的流转是否真实执行，「不能凭 agent 一句话说我做完了，而是要真正有证据和留痕」；还有契约闭合（下游节点是上游产物的消费者）与渐进式披露（什么时候加载上下文，而不是一次性塞进去）。benchmark 的做法朴素但可抄：以某真实版本发现的 31 个 bug 冻结修复前后效果作基线，此后每次 Spec 变更、agents 变更、模型切换都回基线重跑验证，指标包括工具成功率、路由准确率、端到端耗时、人工介入率等。阶段收益（基于一个现实的小项目，他明言复杂项目还没走到那一步，自述）：交付周期降约 80%；供应商报价十人月的系统，流水线跑下来两人月完成；安全反馈从「中央流水线才知道有没有漏洞」变成开发过程中实时发现。定性收益三条：个人经验变成团队资产、交付流水线证据化交接、以及「基于新应用的开发，真的可以做到超级个体——一个人承担原来一个团队的角色」。

第四条机制链：AI coding 的收益兑现点因行业监管强度而分岔 → 轻场景（零售运营）按「大模型思考+工作流执行」分工，把 agent 嵌进经营动作（报表、复购、触达），价值度量是经营指标；重场景（保险研发）按「单点标准化→流水线化→安全左移」推进，价值度量是交付周期与漏洞时效 → 二阶影响：安全要求越严的组织，AI 化的切入点反而越清晰——把「中级以上漏洞全部修复」这类硬约束转译成 MCP 接入的扫描门禁，合规成本变成工程问题；供应商报价体系被流水线重写（十人月变两人月），软件外包市场承压 → 读者启发：别抄互联网的激进姿势，先按监管与流程长度给自己定位；建自己的 benchmark（冻结一组真实 bug 的修复前后效果），让每次换模型、改 Spec 都有回归测试可跑；把「证据和留痕」写进 agent 的规格——没有验收证据的自动化是负债不是资产。（两家企业的全部数字均为嘉宾自述；中宏 AI coding 实践未检索到公开报道，属灰色信源）

五、45% 的生成任务带漏洞：AI 编程的安全账

压轴之前，Qoder 安全负责人汪圣平把全场绕不开的一笔账摆上了台面。他的引用（经核验，口径略有出入）：Veracode 今年发布的报告称约 44% 的情况下模型会在代码生成中产生漏洞，「去年是 45%，模型已经非常聪明了，但代码生成安全性并没有得到提升」。经查证：Veracode《2025 GenAI Code Security Report》（2025 年 7 月发布）实测一百多个大模型、80 项编码任务，45% 的生成任务引入 OWASP Top 10 漏洞，且安全性随模型发布时间基本持平——与嘉宾的核心论点完全一致，具体数字（44%/45%）与报告口径略有差异。他把后果推演成一条链：模型安全性没有提升 + 代码生产采用率逐年提高 = 进入最终代码仓库的漏洞越来越多，单位时间内代码仓积压更多漏洞。更麻烦的是漏洞形态的变化：大模型把过去单行编写的漏洞演化成跨配置依赖、跨数据流、跨信任边界的复杂漏洞，局部审查很难发现；而且一个错误的写法或框架函数会在企业里被快速复制，影响面放大。

他的应对框架分四层安全架构（身份、运行、数据、审计）和三条主线。接入安全：Admin Portal 做企业身份对接、agent 运行时映射员工身份、模型接入管控（企业自定义模型、专属 VPC、机密推理）；运行安全：MCP 插件管控、命令黑白名单、模型执行意图识别、命令执行沙箱；数据安全：企业数据隐私模式、代码仓库对模型的可见性控制、多租隔离、CN 版本的机密推理（推理层不可见防护）；可控审计：控制台操作审计、端上日志、安全信息导出（转写记作 SPM/S form 表，疑为 SIEM/SAST 类合规报表，待核）。其中一个设计思路值得单独记：Qoder 通过端上的 Hooks 机制把数据脱敏和日志审计接到企业既有的安全软件上——「把 Qoder 纳入企业原有的安全管控体系」，而不是另起炉灶。代码安全本身则分四阶段扫描：编码时（静态规则实时反馈、即时修复、不打断编码流）、变更后（分析本次 commit 的局部语义）、深度扫描（跨文件追踪、调用链分析、完整数据流还原）、全量扫描（从编写到进仓库全生命周期覆盖）。相比传统 SAST（静态应用安全测试，擅长已知危险函数和漏洞框架），大模型的优势在业务权限的语义理解、资源与业务的关联分析、代码变体追踪，结合规则、模型与 agent 多轮推理，「论证漏洞产生的原因、是不是真的可能被触发」——用分支可达性分析压误报，在传统难题越权检测上也有不错表现（自述）。整体效果是把传统「扫描→发工单」的修复链路推到小时级。近期发布的企业能力包括成员 L1 到 L3 的控制开关、代码合入分支前的强制安全扫描、企业自定义规则（「每个企业会因业务属性产生漏洞偏好」）、安全统计报表。最有想象力的部分是他把安全也 Agent 化：在需求阶段就根据需求点生成对应安全要求（支付链路自动带出权限与金融管控要求），设计阶段调用安全规约形成安全上下文，代码生成时默认纠偏，发布时联动门禁——通过 Agent Graph 联动安全知识、代码智能、智能编排和风险治理，「做到生成即约束」；发现漏洞后再把原因沉淀回企业安全上下文，形成自进化。信任中心同步上线，可下载三方审计证书与安全白皮书。

第五条机制链：AI 编程的漏洞率不随模型变强而下降（Veracode：45% 引入漏洞且随时间持平）× 代码生产采用率上升 → 安全债务的积累速度被双重放大——漏洞形态复杂化（跨信任边界）+ 错误代码被 agent 批量复制 → 二阶影响：安全从流水线末端的门禁左移为生码时的约束（生成即约束），扫描工具从规则匹配升级为语义推理（可达性分析压误报）；「中级以上漏洞全部修复」这类监管硬约束成为强监管行业 AI 化的第一驱动（中宏即为实例）→ 读者启发：把「AI 生成代码的漏洞率」和「AI 代码占比」两个指标放在一起看——剪刀差越大，安全左移的紧迫性越高；采购 AI 编程工具时先看它能否接入你现有的安全体系（Hooks、MCP、日志导出），而不是只看代码补全采纳率。（Veracode 数据经外部核验，报告为 45% 且持平；其余能力与效果为厂商自述）

结语：模型之外，全是组织问题

把七场演讲串起来看，这场论坛真正讲的是一个分层结构。满帮回答「为什么慢」——个人提效和组织提效之间隔着木桶的最短板；海信回答「怎么补」——Prompt、Harness、Loop、Graph 四阶段叠加，先打地基再上楼层；刘洋洋和田皓回答「买还是建」——harness 已经成为可采购的商品，企业的差异化在行业知识而非通用底座；贾世龙和王志宇展示了轻重两个极端的落地姿势；汪圣平则提醒所有人，速度的账单最终要由安全来结。有意思的是，几乎每位讲者都在不约而同地做同一件事：把人从「执行者」的位置上挪走，挪到「目标设定、关键门禁和例外处理」上去——从满帮的判断力乘以 AI 执行力，到海信的人在闸口，到田皓的验收标准，到王志宇的 human on the loop。AI Native 组织的「超级」，最终不是超级个体，而是让每个工种都被 agent 补齐之后、管理半径扩大了的扁平组织。

值得盯的观察指标有四个：Qoder Cloud Agents 的月调用量（现已千万级，自述）与数千家客户的续约情况——它验证「harness 即服务」这门生意是否成立；海信式四阶段与中宏式 benchmark 能否沉淀出跨行业可复制的度量标准；AI 代码占比与漏洞率这对剪刀差的走向——Veracode 下一份年报若仍持平，安全左移将从最佳实践变成准入门槛；以及满帮那句最朴素的检验标准——agent 到底有没有把「卡嫂」从副驾上解放出来。反方风险同样清楚：这是 Qoder 的主场论坛，四个客户案例都由供应商串联，提效数字（50 人日变 10 人日、十人月变两人月、3—5 倍交付提升）全部是嘉宾自报口径、未经第三方核验，中宏的 AI Coding 实践甚至检索不到公开报道；harness 叙事本身也在鼓励「多建底座」的消费。对于正在做预算的读者，这场论坛最可迁移的也许是最不性感的三句话：先把规范和文档变成机器可读的资产；给每一次 agent 交付留证据；别为查天气级的任务付一台云电脑的钱。

转写与核验说明：本文基于 63 个时间段、0—7441 秒的现场录音本地转写（两遍提取法全文读毕、无跳段；末段仅「就坐」二字，为自然收尾）。对照官方议程（云栖大会 9 月 22 日国博一期新闻发布厅 B「Qoder 助力 AI Native 超级组织」论坛，13:30—16:20 共十个演讲），本录音覆盖其中七个：李旭泽（满帮）、曲栋（海信）、刘洋洋（Agent SDK）、田皓（Cloud Agents）、贾世龙（慧博）、汪圣平（安全）、王志宇（中宏保险）；张燎原开场演讲、刘琳琳（联想天禧）端侧 AI、宁晓民收官演讲三段未包含在这份录音内，文中仅据刘洋洋转述侧证、未采信具体内容。ASR 人名与专名已按议程及上下文校正：张辽元→张燎原、许栋→曲栋、田浩→田皓、汪盛平→汪圣平、汇博→慧博、课如云→客如云、Coder/Code 的→Qoder、Complent→Copilot、通义明码→通义灵码、困模型→Qwen 模型、搜塔→SOTA、加拿大红利金融→宏利金融、YD→ID；存疑保留项：满帮「GTK 八」疑为 JDK8、「Web coding」疑为 Vibe Coding、「Scale」疑为 Spec 或 Skills（中宏段「渐进式披露」「契约」语境指向 Agent Skills 生态术语，未能确证，正文按 Spec 处理并标注）、海信「AutoMander」疑为阿里开源多智能体框架 AgentScope（该框架真实存在、语义吻合，名称未确证）、田皓段「Open Cloud」疑为某云端 Agent 产品名、「Manage Agents」疑为 Anthropic Managed Agents、慧博 agent 产品名（转写「小会Cloud/小慧可乐」）、「回天表格」疑为「回填表格」、小多科技上线「数千级」疑为「数天级」、「有界有据有档有苗」末词疑误、「Web 购的点位」疑为 Webhook、卡比特为转写原名待核。经外部核验的关键主张：Qoder 为阿里巴巴通义灵码 2025 年品牌升级而来的 Agentic Coding 产品线（Qoder 官网「Qoder（原灵码）」、阿里云产品页与帮助中心 Qoder CN 系列，2025—2026）；满帮集团由运满满（2013 年成立）与货车帮于 2017 年 11 月合并组建、全球最大数字货运平台（钛媒体、界面新闻、货车帮官网）；中宏保险为国内首家中外合资人寿保险公司、1996 年 11 月由加拿大宏利金融与中化集团合资成立（中宏官网、新浪财经），与嘉宾「三十周年」表述自洽；Veracode《2025 GenAI Code Security Report》实测 100+ 模型、80 项任务、45% 生成任务引入 OWASP Top 10 漏洞且安全性随模型发布时间持平（Veracode 官网报告与 BusinessWire，2025-07-30），与汪圣平引用口径（44%/去年 45%）略有出入，核心论点一致；AgentScope 为阿里通义实验室开源多智能体框架（阿里云开发者社区）。待核项：中宏保险 AI Coding 流水线实践未检索到公开报道（阿里云保险业公开客户案例为中华财险，非中宏）；海信 2024 年多产品评测「通义灵码第一」、Qoder Agent SDK 8 月 11 日发布、Cloud Agents 9 月 16 日发布 1.0 及月调用量千万级、各企业全部提效数字（满帮 50→10 人日与 +12pp、海信 3—5 倍与 50%、慧博一天变几分钟、中宏 80%/十人月变两人月/31 bug 基线）均为嘉宾或厂商自述口径，未经第三方核验；满帮六个业务 agent、慧博两千家品牌客户、新东方/客如云/卡比特/AnalyticDB 集成进展为刘洋洋、田皓口述。本场嘉宾职务与议程以云栖官方议程为准，主持人顾莹莹（转写一致）。