火山引擎朱杰：AgentKit如何把研发协作从编码提效推到组织效能

当 Agent 真正走进企业流程，哪些活能交给 AI 干？50 + 实战案例将给出答案。

AI 已不再是只会答问的辅助工具，它开始理解目标、调用系统、把任务做完。Agent 进入企业流程之后，真正要回答的是哪些工作可以托付给 AI、结果怎么验收、权限、成本与风险又怎么管住，“如何把 AI 做出来”反倒退居其次。大模型朝推理、工具调用、多模态和长任务方向走，开发重心也从单次调用挪到上下文、工具、执行环境与反馈回路的设计上；Coding Agent 同样不再只是补全代码，而是能读懂代码库、跑测试、把复杂任务完成的工程协作者。OpenAI、Google Cloud、Anthropic 的最新实践指向同一个结论：模型决定 Agent 能做什么，工程决定它能不能真正进入生产、创造价值。

2026 年 AICon 人工智能开发与应用大会 · 北京站因此启动，举办时间定在 12 月 18–19 日，地点是北京新云南皇冠假日酒店。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核心方向，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实践。

火山引擎技术专家朱杰已确认参加 “Agentic Software Engineering｜从代码生成到软件交付” 专题，带来主题分享《基于 AgentKit 重塑研发协作：从编码提效到组织效能跃迁》。AI Coding 让个人写代码更快，可需求澄清、方案评审、环境准备、测试与发布这些环节仍要靠多人串联，组织层面的交付效率未必跟着涨。朱杰这次分享取材于字节内部研发实践，以 AgentKit 为案例，讲怎么用 Spec 把目标、边界与验收标准定清楚，让人工决策和多 Agent 执行编排进同一个交付流程。他会重点拆解 AgentKit 支撑的身份权限、沙箱运行、Skills/MCP、质量门禁及观测评测机制，并用一条从需求澄清到验收回写的全链路演示，说明任务怎样委托、结果怎样验收、异常怎样转交人工。最后给出落地方法：以交付周期、一次通过率、人工介入率和缺陷为依据，一级一级提升自治等级。

朱杰是火山引擎计算产品技术专家，也是火山引擎 AgentKit 产品的核心研发成员。他长期关注 AI Agent 在研发效能领域的创新与落地，深入摸索智能体在需求分析、代码开发、测试验证、问题诊断及交付运维等研发全流程中的用法，想用 Agent 技术改写研发协作与交付模式，让研发流程从“工具辅助”走向“智能自治”，把端到端研发效率、交付质量与工程体验持续往上提。

他在本次会议的详细演讲内容如下：

演讲提纲

1. 效率鸿沟：个人提效为何没能自然变成组织提效

• 剖析 AI Coding 拉高编码效率之后，需求澄清、方案评审、环境准备、测试与发布环节里卡住的协作瓶颈，讲清从代码生成走到端到端交付还得解决哪些问题

2. Spec 驱动：让人和 Agent 有共同的任务合约

• 用 Spec 把目标、边界、依赖与验收标准定下来，再结合项目上下文拉齐理解

• 把流程节点的输入、输出、证据与责任界定清楚，减少执行走偏

3. 多 Agent 协作：用 AgentKit 搭出可控的研发流程

• 把人工决策和 Agent 执行编排到同一流程里

• 讲 AgentKit 的身份权限、沙箱运行、Skills/MCP、观测与评测能力

• 讲质量门禁和人工接管机制

4. 全链路实践：从需求澄清走到验收回写

• 演示需求澄清、Spec 确认、Agent 编码与测试、环境部署、验收及结果回写的完整链路，说明关键决策点和异常处理方式

5. 渐进式落地：从场景试点走向团队推广

• 挑边界清晰、验收明确的高频场景先做，用交付周期、一次通过率、人工介入率和缺陷衡量效果，把流程模板、知识与失败经验一点点沉淀下来

听众收益

• 拿到一套 Spec 与流程节点的设计方法，能把模糊需求拆成输入、输出、责任与验收证据都明确的 Agent 任务

• 弄懂多 Agent 交付需要哪些关键工程能力，以及权限、沙箱、质量门禁、观测评测和人工接管的设计要点

• 拿到从小场景试点到团队推广的实施框架，能靠交付周期、一次通过率、人工介入率与缺陷等指标评估实际收益