AI Coding之后，Agent如何融入企业研发全链路？得物Harness实践

从AI Coding到研发全链路：Agent的进阶之路

过去两年，AI编程工具（如GitHub Copilot、Cursor）让开发者体验到了代码补全和生成的便利，但很多团队发现，AI Coding只是“点状”地提升了编码环节，而研发流程中的需求分析、测试、部署、运维等环节仍然依赖人工。得物技术团队在探索AI Agent落地时，意识到真正的价值在于让Agent“贯穿”研发全链路，而不仅仅是写代码。

为什么需要Agent进入全链路？

研发过程中，大量时间消耗在非编码环节：需求澄清、用例设计、代码评审、环境准备、发布验证等。这些环节重复性高、规则性强，非常适合Agent自动化。得物团队发现，如果只做AI Coding，整体研发效率提升有限（约20%-30%），而将Agent嵌入全流程，可以撬动更大的效率杠杆，同时减少人为疏漏。

得物Harness平台：Agent全链路落地的关键

得物团队选择基于Harness平台构建自己的Agent工作流。Harness是一个持续交付与软件供给链管理平台，但得物并没有直接使用其开箱即用的功能，而是结合自身研发体系，做了深度定制。

1. 需求到代码的闭环

在需求阶段，Agent会解析PRD（产品需求文档），自动生成技术方案初稿、拆解任务，并关联代码仓库。开发阶段，Agent根据任务描述生成代码，并自动编写单元测试。得物团队强调，这里的关键是“人机协同”：Agent生成初稿，开发者审查和修改，而不是完全自动化。

2. 测试与质量门禁

Agent会基于需求生成测试用例，并执行自动化测试。在Harness中，得物设定了质量门禁（Quality Gate），比如代码覆盖率、静态扫描结果等。如果Agent生成的代码未通过门禁，会自动触发回滚或通知开发者。这一机制将质量保障前置，减少了后期返工。

3. 发布与运维的智能化

在发布环节，Agent会根据变更内容评估影响范围，自动选择发布策略（如金丝雀发布、蓝绿部署），并监控发布后的指标。如果出现异常，Agent会尝试自动回滚或执行修复脚本。得物团队表示，这大大降低了发布风险，尤其是对于频繁迭代的业务。

实践中的挑战与解决思路

挑战1：Agent的“幻觉”问题

AI生成代码或文案时，可能产生“幻觉”（不合理但看似正确的输出）。得物团队的做法是：为Agent提供严格的上下文（如仓库结构、编码规范、历史提交），并强制要求Agent在输出前进行自检（如运行编译、测试）。此外，人工审批环节仍然保留，尤其是涉及核心业务逻辑的变更。

挑战2：流程的标准化

Agent擅长执行固定流程，但企业内流程往往存在“非标准化”情况。得物团队先梳理了研发全链路的SOP（标准作业程序），将其数字化并嵌入Harness，让Agent有章可循。对于例外情况，设计人工介入的接口。

挑战3：团队信任与协作

开发者最初对Agent持怀疑态度，担心被替代或增加负担。得物团队通过“小步快跑”的方式，先在非核心项目中试点，展示Agent如何减少重复劳动，并收集反馈持续优化。同时，强调Agent是“助手”而非“替代者”，最终目标是让开发者专注于创造性工作。

对开发者和AI使用者的启示

1. 从单点工具走向全流程编排：如果只把AI当“代码生成器”，价值有限。尝试将AI嵌入需求、测试、发布等环节，形成闭环。
2. 重视上下文与规范：Agent的输出质量高度依赖输入上下文。建立清晰的代码规范、流程文档，并让Agent“理解”它们。
3. 人机协同是常态：完全自动化在现阶段不现实，设计好“人审查、机执行”的协作模式，既能提升效率，又能控制风险。
4. 平台选择要可定制：Harness这类平台提供了丰富的API和插件机制，企业应根据自身流程进行定制，而不是“削足适履”。

结语

得物的实践表明，AI Agent进入企业研发全链路不仅是可能的，而且能带来显著收益。关键在于：梳理流程、定制平台、人机协同、持续迭代。对于正处在AI转型期的团队，这提供了一个可参考的路径。