AI+研发体系
规范驱动的 AI 全栈研发体系 × 研发智脑 Agentic AI 平台
人重设计，AI 重执行——规范 + 测试双驱动，重构研发模式
从传统的「人主导流程」研发模式，升级为 AI 时代「人重设计、AI 重执行」的研发模式。
以规范、测试双驱动管控 AI 输出，重构研发全链路，解决需求理解偏差导致的返工、AI 适配难、审查成本高、效率提升有限等痛点，让 AI 深度融入研发，重构研发模式、提升效能。
传统软件研发模式
人主导流程
从设计、编码到测试，人是开发的绝对主体。
AI 时代的研发模式
人重设计，AI 重执行
人负责制定规范、评审需求；AI 负责落地执行、验证结果。
AI 目前擅长
文档处理
自动拆解需求，快速生成标准化需求文档
代码生成
既定方案下自动生成基础代码，减少重复编码
重复工作
高效完成自动化测试、接口文档生成等重复性工作
AI 目前缺乏
架构设计
难以胜任复杂高耦合系统的整体设计与权衡
深度洞察
难以挖掘隐含业务规则与非功能需求之间的关联
创造创新
没有创造直觉，难以原创全新技术方案
——所以要由人做设计，AI 做执行。
大模型学习自研技术框架，降低研发难度，提升效率及质量
AI 执行需要规范来保证生成的内容不走偏、符合预期。这套规范不是凭空而来的：我们没有从零开始，而是基于现有的基础技术框架，提炼、演进出 AI 可查阅的技术规范，作为「执行制度」贯穿 AI 执行的全过程。
基于 OpenSpec 的规范驱动开发 SDD。
Rules 规范库 → 自研技术框架（100+ 组件）
通过 AI 大模型学习基础框架，由架构人员共同评审、制订规范，作为大模型执行的基础准则。
传统研发模式
人学习基础技术框架再做研发。人员有个体差异，学习成本高，还容易出现人为错误。
AI 研发模式
AI 大模型学习基础框架规范，并根据需求自动选择合适的技术组件。对人员来说零学习成本，效率成倍提升，避免人为错误。
研发智脑：企业级自主可控 AI Agent 生产中心
构建统一、通用的 AI Agent 开发平台，服务业务和管理场景。自主可控的 Agentic 开发中台采用领先的 ReAct 推理开发范式来构建 AI 原生基础设施，同时提供统一的路由入口、声明式智能体编排、Tools 与 MCP 管理及自动注入、上下文记忆持久化等机制。
核心建设价值
坚持自主研发路线，构筑 AI 原生基础设施
把 Agent 能力建设从「外部厂商协同研发」转变为「内部可定制、可演进」。
构建可控、领先、长期稳定运行的工程底座
可控——智能体的思考链、工具调用轨迹全链路可视化，执行过程可干预；领先——把工作区、记忆、技能等打包成一套长期稳定运行的工程基础设施。
提升研发效率
自建 Agentic 开发中台，减少重复开发，并可复用已有 Agent。
确保业务数据安全，逐步沉淀技术
核心业务数据不出私域，满足合规风控要求；Agent 建设经验可以沉淀复用。
技术选型：阿里 AgentScope
技术领先、持续迭代
阿里通义实验室研发，搭载领先的多智能体混合编排架构，可无感切换最新大模型和技术。
全栈适配阿里 AI 生态
可与阿里云基础设施、通义大模型、业务系统快速联动；兼容第三方主流大模型（智谱、DeepSeek 等）。
让技术团队聚焦业务
框架底层能力全封装，团队可以直接开发业务规则、业务流程和专属智能体逻辑。
多智能体（Multi-Agent）混合编排架构｜AI 驱动 · AI 规划 · AI 执行
管理用户会话的完整生命周期，保证对话连续和上下文理解
可按业务领域扩展 Agent 池