5.1 价值收益

通过这套 AI 研发工作流，借助 CodeBuddy IDE 这款 AI CODING 工具，通过“面向文档驱动的 AI 编程”，可实现沟通结构化、开发过程标准化、系统化、资产化，最终实现从想法到产品的快速迭代。除此之外，还实现以下价值：

面向 Rules 文档编程，深度激发人的思维和 CodeBuddy 潜力：通过面向文档编程，我们为 CodeBuddy  提供了丰富的 Rules 上下文， 让其发挥最大效能 。

请求-批准，指挥权归人 ：人指挥 Codebuddy  干活，一个指令就让 CodeBuddy 负责需求理解、思考、规划、编码执行、多文件代码修改，以及终端执行 git add "..."、git commit -m "xxx" 、git push origin "..." ，包括 Deploy 应用部署操作，在线模拟生产场景，人工验收。在关键节点上，人来做最后的指挥权，是否“批准执行”，与CodeBuddy 形成“请求-批准”的协作模式。

角色转变：让人从人工编码和繁杂重复的工作中释放潜能，并变成“监工”，实现角色左移/右移，我们不再是编码的执行者，而是流程的观察者和最高决策者。

每一步都可追溯：基于User Rules 约束，每次AI CODING 都能保留了完整的开发过程和执行结果的 devlog.md ，极大利于 后续问题排查。

这套方法将AI CODING 从简单的“对话聊天”提升到了系统化的“项目级工程”维度，让我们能够真正驾驭 AI，去高效、可靠地完成复杂的独立开发任务。当前仅仅是一个落地探索，而腾讯内部存在不同团队的【需求级】或者【小需求级】实践，这边也可以踊跃征集，毕竟生产场景很复杂，面向不同场景也存在差异，比如 C 端/B 端/G 端，每个场景对交付质量、研发效率、服务SLA要求都各不相同，欢迎更多同学一起实践和探索 CodeBuddy。

5.2 心得感受

最后，我个人的心得感受是：

1. 当前 AI 在不断抹平技术鸿沟，执行力才是核心关键。
2. 早些拥抱CodeBuddy 这类 AI CODING 工具，可以让我们学的更快，解锁先进生产力。
3. 实践中可小步快跑、持续迭代，最重要的是记得及时 git push your code !!!
4. 4AI 编程在团队过程落地会存在很多挑战， 现在仅仅做文档标准化，任重而道远。

5.3 产品思考

1. 多模态支持：希望支持语音输入、文生图（均已排期），上面APP 我花了很多时间在网上找图，传COS，再批量修改。直接在对话框中生图，比如生成 混元3D 图，就非常便利了，而且可以满足游戏开发者需求。
2. 安全层面：基于TCA 代码分析结果可以直接传递到 CodeBuddy，CodeBuddy 一键进行修复
3. 部署层面：希望可以加速部署到腾讯云/DevCloud、TKE 等云原生环境之中。

Agent 智能体设计

【拆任务步骤】强化需求计划

• 新需求有效拆解与分析，不急于动手

【意图识别能力增强】精简+工程理解+记忆

• 优化意图识别算法，理解用户潜在需求轻量改动机制与确认回撤机制支持更多@Add Context类型探索和增加 AI 记忆模式，强化 AI 记忆能力，避免幻觉

【Rules】+ 【Prompt】+【上下文】+【知识库】开发权限和丰富

• 开放 Rules + Prompt 设计权，允许人工定义 AI 生成要求结合企业知识库，AI 生成符合业务需要的效果

5.4 未来展望

从编程的角度来看，如图，相信团队级别 AI 规约编程，未来以技术规范和系统设计会形成共识，会有更多的团队级别编程落地，同时，在团队中落地 AI  CODING 过程一定会有摩擦，有分歧，有共识，特别是大型企业古老应用，或许不久将来，会诞生一个 "AI CODING 宣言" 作为理论支撑。

此外，未来研发工程师 + AI CODING 一定会比现在更加密切和共生，和业务关联跟密切，共同 奔赴AGI 。