腾讯轻量云LoopForge:Agent写代码之后,交付难题怎么破?
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
采访嘉宾为江露,策划为康悦 Rita。
AI Coding 正从辅助开发工具进入软件研发流程。代码生成本身已不再是唯一问题,企业更在意的是:Agent 能不能读懂完整任务?能不能一起完成多个研发环节?长任务中上下文和状态能否保持一致?最后生成的代码,能不能通过验证、进入稳定交付?
InfoQ 与腾讯轻量云研发专家江露做了会前交流,聊的正是这些话题。她将在 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》,谈 AI 如何从“会写代码”再往前走一步,走到“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
AI Coding 用起来的早期,团队先盯的是代码生成快不快、准不准。可当 Agent 参与进完整研发流程,评价它的尺子也跟着变了。
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”。这份信任取决于几件事:需求和验收标准由谁确认,结果由谁验证,失败后由谁接住,同样的做法换个项目还能不能用。
推进过程中,江露发现从代码生成到完整交付,有几处环节容易断开。头一个是 Agent 拿到的信息不完整。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 来说可能完全看不见。少了这些,它只能靠推测往下执行。
再一个是验证能力未必跟得上代码产出。人工逐行 Review 容易堵成瓶颈;让 Agent 自测自评,又可能变成“自己证明自己是对的”。需求、评审意见和测试结果要是还散落在不同工具与会话里,交接照样得靠人转述。每个角色都在干活,整个任务却要人不停推着走。
更容易造成误判的,是对“完成”的理解不统一。流程跑完、提出合并请求(MR)、代码实际合入、业务验收通过,各自代表不同的进展。混在一起看,就会高估真正完成的交付。
回头看团队的实践,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:需求有歧义、隐含约束没写出来、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;甚至代码已经改了,用的还是旧的检查报告。
分析原因时,团队没有把问题全算到模型能力头上。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。”
上下文有没有被真正读取,验收标准能不能检查,评审与测试是否独立,失败后能不能带着原因回到相应环节,这些都直接影响最终结果。模型再强,也不会自动把这些缺口补上。对团队来说,下一步要明确的是把需求确认、产物交接、结果验证和失败处理写进可执行的 SOP,让原本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
早期团队也盼着 Agent 能自由编排整个任务。可长任务一跑起来,问题就慢慢冒出来了:执行路径不稳定,出错后难定位原因,团队已经约定好的检查步骤也可能被跳过。多 Agent 协作时,每个 Agent 都完成了自己的任务,整体任务却没真正完成。
江露由此给出一个很实在的判断:“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。”
于是团队动手把共识写成可执行的 SOP:用 DAG(有向无环图)定义节点之间的先后依赖,状态流转、检查与交接交给程序,Agent 在节点内完成分析、设计和实现。返工则走单独声明的回退路径。
这样一来,流程就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,不必从头重来。检查步骤不会被 Agent 绕过,没有前置依赖的节点还能并行。
SOP 管着执行顺序,也明确了每个节点接收什么、产出什么、能用哪些工具。方案、代码变更和检查报告通过文件交接,每次尝试都留快照,下游可以核对所用产物的版本,不用依赖上一环节的自然语言转述。
写进 SOP 的规则主要来自三类经验:反复踩过的坑、角色交接处容易遗漏的约定,以及只有老员工才知道的事。比如需求没说清就开始编码,团队便把需求说明和验收确认前置;测试环境怎么搭、执行前要做哪些准备,也写下来,成为 Agent 能用的上下文。
每一步交给谁,团队的原则是:步骤明确、结果能用命令判断的,交给脚本;需要理解和判断、输出又能被检查的,交给 Agent;涉及关键取舍和最终责任的决定,留给人。顺着这个思路,团队把几类高频工作整理成了可重复执行的 SOP。
有了流程,也不代表一劳永逸。SOP 要持续维护,模板与具体项目之间的差异得有人处理;碰上流程没覆盖的情况,仍要转交人工判断或调用子流程(子 SOP)。所以这种方式更适合验收标准清楚的交付任务。目标和路径都还不明确的探索性工作,则要留出更多灵活性。
三、流程能执行,结果也能独立验证
执行规则有了,还有一个问题要回答:Agent 交出的结果,是否真正满足了原始需求?
评审和测试的角色被团队与实现角色拆开,各自用独立上下文,不直接沿用实现者的判断。江露说,角色隔离只是起点。此前有一回参数语义写错,代码评审没看出来,直到测试按预期运行才暴露。
“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。”
所谓“独立的预期”,是照着原始需求或 Issue 去判断正确结果该是什么,不能从实现者的代码或修复报告里倒推标准。“可复现的运行事实”则要求评审和测试真的去跑构建、单测和 E2E 等检查,并把结果记录下来,让别人能重跑、能核对。
一个人同时挂着十几个 Agent 任务时,逐行人工检查已经撑不住。针对不同类型的失效,团队设了五道质量门禁。
这些门禁各有各的侧重,按改动风险来选,不是每次全都跑。它们的作用也不只是拦截:检查失败后,具体原因会回传给修复 Agent,作为下一轮返工的依据。代码一改,旧的检查报告就必须作废,不能再拿来证明新版本已经通过。
测试环境终究和生产环境有差距。团队碰到过单机验证过了、进集群才冒出约束的情况。所以分层验证之后,人工对产物的确认仍要保留,上线后也得继续盯着。检查报告给的是决策依据,剩余风险能不能接受,还得人来判断。
四、从被动响应到主动发现:交付流程向生产运维延伸
研发交付慢慢稳下来之后,新的瓶颈跑到了“线上问题的发现与接力”上。一个线上问题,常常要人按顺序盯告警、建单、收集现场、准备环境、跟进测试、整理证据。每一步都有人在推,问题却可能拖很久。另一边,Agent 带来的代码产出变多,线上反馈也得及时回流到研发流程。团队因此把能力伸向生产运维:从日志、K8s 和慢 SQL 巡检里发现异常,聚类去重后建单,再接上修复、验证和人工确认合入。
这条流程先要回答的是,哪些问题值得处理。团队给建单设了门槛,只筛持续、有影响的异常,免得告警噪声变成一堆修复任务。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 带着现场信息开工,少做重复收集。
能拿到现场信息,不等于能随意动生产资源。日志、K8s 和数据库慢 SQL 这些访问能力要划清边界,默认只读提供。到了修复环节,团队要求最小改动,再配合变更影响分析和专项审查,压住误修风险。验证必须对准原问题:先复现,再修复,确认问题消失后补上针对性的回归检查,并在独立环境里跑全量 E2E,看有没有波及别的功能。
最后交到人手上的,是一份支撑决策的交付包:根因是什么、改了哪些地方、在哪里验证、测试结果如何、还有哪些风险。人据此判断改动有没有越界、验证够不够,再决定合不合入。江露强调:“Agent 负责把证据准备齐,人负责做判断、承担决定。”
代码合入不代表问题就闭环了。修复上线后,巡检还要继续盯同类指标,确认问题真的解决。测试和生产环境之间的差异仍然存在,团队靠分层验证、人工确认和上线后观察一起控风险。
这样一来,线上发现的问题能进修复流程,修复结果又回到线上接受检验,过去靠人工一步步接力的情况少了。
五、岗位边界正在打开,专业判断如何留下来?
Agent 参与研发交付之后,团队原来的岗位分工也在变。不少产品同学已经能借 AI 搭页面,后端工程师也开始接前端甚至全栈的需求。
但跨岗位把功能做出来,不等于看得清改动的全部影响。团队遇到过产品同学删掉一个参数来修返回路径,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。
江露对此强调:“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。”
团队要同时做两件事:把专业经验写进 Skill、检查项和评审规则,让后面的任务能复用;把责任落到模块负责人头上,让交付和上线后的问题始终有人管。
研发人员的重心也从“推动每一步”转成“让 AI 能可靠地完成任务”。团队把工具、上下文、任务运行、验证、观测及权限管理等配套能力叫作 AI 基建,也就是 Harness。人则从逐步推任务,转向定目标、看过程、处理例外并对结果负责,即从 Human in the Loop 走向 Human on the Loop。
这还需要长期投入:上下文散在会议、群聊和各类系统里,知识一多,Agent 也未必分得清哪份信息可信。
对刚引入 Coding Agent 的团队,江露建议挑高频、验收标准清楚的任务小范围试跑,先把独立验证、项目上下文和交接记录做扎实,再谈规模化,别一上来就追全自动和大并发。她的提醒是:“先把人放在正确的位置,而不是急着把人拿掉。”
结语:让一次交付的经验,进入下一次任务
从代码生成走向软件交付,衡量效果时,流程结束、提出 MR、代码合入和业务验收要分开统计。江露的判断是,只有合入并通过验收,才算真正交付完成。团队还得同时看返工、等待时间、人工介入和完整任务成本,不能只盯 Agent 生成了多少代码、同时跑了多少任务。
可执行 SOP 把这些约定落成运行规则。独立验证为结果提供证据,返工记录帮团队修正流程,人的专业判断则通过上下文、检查项和责任机制持续起作用。
效果怎么衡量,得拆开看:流程收尾、提出 MR、代码合入、业务验收,各算各的账。江露在采访中把话说得很直白:“只有合入并通过验收的才算。”返工情况、等待时长、人工介入程度、以及完整任务成本,同样要盯住。Agent 写了多少行代码、并行跑了几路任务,这些反而不是团队该盯的全部。
江露的实践还带出另一层启发。Agent 能接下的活越来越多,研发团队就得把自身经验讲明白、验扎实,让这些经验在下一轮交付里真正派上用场。
江露是腾讯轻量云专家、后台研发负责人,DNS、Skillhub 等后台研发工作由她负责。2014 年她先后进入百度、腾讯,在腾讯做过 CVM、DNS、Skillhub 相关领域的研究与落地,拿到过多项公司级奖项。眼下她关注的是 AI 在个人层面和组织层面如何提效。AICon 北京站设有“Agentic Software Engineering|从代码生成到软件交付”专题,江露将在那里进一步拆解 LoopForge 在可执行 SOP、多 Agent 协作、质量验证和交付恢复上的做法与取舍。
会议推荐
12 月 18–19 日,AICon 全球人工智能开发与应用大会落地北京。这届大会以探索 A 应用边界为主题,13 大技术专题覆盖大模型后训练、推理优化、Agent 工程、知识工程、智能体评测与安全、自进化系统、AI 软件交付、原生架构及组织变革等方向,一线技术专家会到场讲 AI 技术突破和企业规模化落地的真实经历。9 折优惠限时开放,现在报名立减 580,扫码或联系票务经理 13269078023 可了解详情。