返回资讯中心
外部精选
软件工程
#工程实践#架构

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

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?

InfoQ 中国江露2026/11/18 · 今天12 分钟阅读中文

以下正文同步自 InfoQ 中国,版权归原站所有,已转换为易读排版。

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”。

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。

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。

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。

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,避免把告警噪声转化为大量修复任务。建单时还要附上时间窗口、影响范围和可能相关的提交,让修复 Agent 带着现场信息开始工作,减少重复收集。

能够获取现场信息,也不代表可以自由操作生产资源。日志、K8s 和数据库慢 SQL 等访问能力需要明确边界,默认以只读方式提供。进入修复环节后,团队强调最小改动,并结合变更影响分析和专项审查,控制误修风险。验证则必须对准原问题:先复现,再修复,确认问题消失后补充针对性的回归检查,并在独立环境中运行全量 E2E,检查是否影响其他功能。

最终提交给人的,是一份支持决策的交付包:根因是什么、改了哪些地方、在哪里验证、测试结果如何,以及还有哪些风险。人据此判断改动是否越界、验证是否充分,并决定是否合入。江露强调:“Agent 负责把证据准备齐,人负责做判断、承担决定。”

代码合入并不代表问题已经闭环。修复上线后,巡检还要继续观察同类指标,确认问题是否真正解决。对于测试与生产环境之间仍然存在的差异,团队依靠分层验证、人工确认和上线后观察共同控制风险。

这样,线上发现的问题能够进入修复流程,修复结果又回到线上接受检验,减少了过去依赖人工逐步接力的工作。

随着 Agent 参与研发交付,团队原有的岗位分工也在变化。很多产品同学已经能够借助 AI 构建页面,后端工程师也开始交付前端甚至全栈需求。

但跨岗位实现功能,不代表能看清改动的全部影响。团队曾遇到产品同学删除一个参数来修复返回路径,本地验证有效,前端工程师却发现,这会破坏其他页面的返回逻辑。

对此,江露强调:“岗位边界会被打开,但责任边界必须更清楚。谁来做可以变,谁对结果负责不能变。”

团队需要同时做好两件事:把专业经验写入 Skill、检查项和评审规则,让后续任务能够复用;把责任落实到模块负责人,让交付和上线后的问题始终有人负责。

研发人员的重心,也从“推动每一步”转向“让 AI 能可靠地完成任务”。团队将工具、上下文、任务运行、验证、观测及权限管理等配套能力称为 AI 基建,也就是 Harness。人则逐渐从逐步推动任务,转向设定目标、观察过程、处理例外并对结果负责,即从 Human in the Loop 走向 Human on the Loop。

这仍需要长期投入:上下文散落在会议、群聊和各类系统中,知识增加后,Agent 也未必能判断哪份信息可信。

对于刚开始引入 Coding Agent 的团队,江露建议从高频、验收标准清楚的任务小范围试跑,优先做好独立验证、项目上下文和交接记录,再逐步考虑规模化,而不是一开始就追求全自动和和大并发。 在此,她给出的提醒是:“先把人放在正确的位置,而不是急着把人拿掉。”

从代码生成走向软件交付,在衡量效果时,流程结束、提出 MR、代码合入和业务验收需要分别统计。在江露的判断中,只有合入并通过验收,才算真正完成交付。团队还需要同时看返工、等待时间、人工介入和完整任务成本,而不能只看 Agent 生成了多少代码、同时跑了多少任务。

可执行 SOP 将这些约定落实为运行规则。独立验证为结果提供证据,返工记录帮助团队修正流程,人的专业判断则通过上下文、检查项和责任机制持续发挥作用。

衡量效果时,也需要把流程结束、提出 MR、代码合入和业务验收分别统计。江露在采访中明确提出:“只有合入并通过验收的才算。”团队还要同时关注返工、等待时间、人工介入和完整任务成本,而不能只看 Agent 生成了多少代码、同时跑了多少任务。

这也是江露的实践带来的一个启发:当 Agent 能够承担更多任务,研发团队更需要把自己的经验表达清楚、验证充分,并让它们在下一次交付中真正生效。

嘉宾介绍:江露,腾讯轻量云专家,后台研发负责人,负责 DNS、Skillhub 等后台研发工作。2014 年先后入职百度、腾讯,在腾讯从事过 CVM、DNS、Skillhub 相关领域的研究和落地,曾获得多项公司级奖项。当前关注 AI 在个人或组织级的提效的研究与应用。

在 AICon 北京站“Agentic Software Engineering|从代码生成到软件交付”专题中,江露将进一步分享 LoopForge 在可执行 SOP、多 Agent 协作、质量验证与交付恢复方面的实践和取舍,敬请期待!

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →