Thoughts · 0017 · research-log

ASE会议20260612

工程证据与发版之后#agent#software-engineering#evaluation

背景

上午,集团会议,公开。

整体感受

  • 自动化为主,没有见到智能化的味道
  • 人机协同只是【口号】级别,ai/agent占据人的生态位是结构性必然
  • 大领导有水平,提到了纵向贯通的制度线

个人的学习

1.1 组织治理

  • 软件/组件包从坚硬/稳定的路径,到柔软/支持变化的路径节点
  • agent - harness - loop, 关注边界(权限/责任),工具,上下文
  • 组织建设,组织能力:可复用的规范/制度。是纵线。loop是横线。
  • 从特定的组织,到可复制
  • 闭环:协作/功能/资产运营
  • repository only
  • 文档体系,文件关联性设计(导航)
  • 量化验证/回放质量矩阵/交付证据包
  • 工程/研发组织方式,需要agent友好,需要MBD
  • 代码,配置,手册,追踪,知识库
  • 环境,质量,规模化,知识(可链接),治理
  • 每次变动范围需要控制:冻结目标与非目标/验证口径
  • 可审查切片内容:goal,架构,tech
  • 膨胀-压缩:每个节点会有较多同质agent,需要考虑统合;flow随着ai和工具升级需要整理
  • 可复用/可运行资产;可复用的任务能力
  • 入口地图:工程记录系统
  • repo资产化,组织skill,共享知识底座,平台化治理

1.2 可关联性追溯的完整证据包

  • 证据包:需求-可验证的任务卡-开发-测试
  • 人+AI-需求:人和AI多轮修改,明确可测试点/验收标准,生成说明书/spec;
  • AI-开发:测试驱动,先出plan,拆分为可测试的步骤,最小修改/实现原则,约定交付需求追踪矩阵的内容和报告格式
  • 人-代码审查:问题,矛盾点,边界条件
  • 历史决策沉淀

2 人机协同

  • 协同:人与机器的参与度占比,人多创造性,ai多规则性
  • 瑞士奶酪模型,多层防护
  • 研发过程工具化,组织资产结构化,体系流程数字化,质量证据自动化
  • 角色-组织资产规则-工具链基础/协同引擎-过程记录-研发流程
  • CBB,人工随时插入。
  • 逐条确认:符合GJB要求
  • AI+ MBD,simulink
  • 人调用 - 人机协同 - agent为主

3 数字化转型和提效实践

  • 组织研发重构,效能评估
  • 一句话需求-调研-PRD-生成-部署
  • MCP,skill,外部生态打进来
  • 管理者洞察
  • 打通:跨角色往返,对齐
  • 效能看板
  • 人与AI的边界
  • 3个季度的观测
  • 核心,潜力种子,运营动作,黑客松,
  • 信息衰减,对齐成本低,链路短
  • 人:问题抽象,目标/spce设计(需求),工程判断(架构),技术兜底(复杂系统铰链)
  • 工具评价:效率,质量,成本,采纳,生成,存留
  • 可比,可追踪,可复盘
  • 试点团队/场景,基础度量口径,沉淀案例/skill/规范,复制

4 智能体驱动的SE

  • gap:能识别,能获得,能补足
  • 测试:基于需求/大纲的黑盒测试,基于代码的白盒
  • 代码语义,混合语义,需求语义。测试的重点是断言生成
  • 分析误报的经验沉淀

5 专家观点

  • 试点 -> 规模化
  • 赋能的角色,关键堵点,E2E
  • 软件军队建设,牵动组织变革的先锋队
  • 技术/管理方式革新,需要重构流程/体系/组织
  • 约束条件:安全,可靠,确定
  • 赋能与规范性的顺序问题

5 大专家观点

  • 软件的核心不变量:高安全本质,嵌入式作为主要承载形式,过程能力(约束)保障结果,形式化验证
  • 人的角色分配。agent自进化。生产力水平提高。需求-结果的追溯水平提高。

把握好3个关系:

  • 过去-现在-未来:已经积累工具链的生命力,资产规范性是能力短板,试点到应用的赋能点怎么做;
  • 软件-系统:软件落实系统。训练ai用已有软件,还是开发ai友好的软件;
  • 局部-整体:开发式架构下的局部动能。规范化(主要发力点)和高自由度;

几个工作:

  • 基础设施建设:抓能力,统一大管
  • 研管中心:标准/规范,从上到下干什么;
  • 试点规范性要强:全要素(业务/组织/流程/资源),工程化(在组织体系下完成)