随着 GitHub Copilot、Cursor 等工具的日益普及，越来越多的代码开始由 AI 产生。但现有模式始终困于「Copilot」范式——开发者仍需深度介入上下文、逻辑设计与调试纠偏。这种半自动化协创虽提升局部效率，却未能真正释放 AI 的工程潜能。

本演讲将从 Copilot 的历史讲起，与听众探讨未来 Agent 如何演进，介绍当前 Coding Agent 赛道的主要方向。并讨论在 AI 重度参与软件工程过程中后，开发者在其中的位置，以及在 AI 加速软件开发过程的情况下，软件质量所碰到的挑战。最后，将介绍 Gru.ai 在开发 Coding Agent 方面的一些实践经验。

演讲提纲：

1. 大模型时代，软件工作流如何变化
   • AI 参与软件开发过程的三种形态
   • Copilot 发展史
   • AI 的能力边界
2. 大模型时代，软件质量的新挑战
   • 更多 AI 写的代码，更快的交付，那质量怎么办
   • Code Review 能解决问题吗？
   • 构建 AI 时代的测试体系实践
3. Gru 构建 Coding Agent 实践
   • 为什么需要自建 AgentOS 
   • Agent 公司的工作核心：构建有效的上下文
   • 如何处理 Agent 与底层模型的关系
4. AI Coding 总结与展望

听众收益：

• 通过 Gru 团队使用 AI 踩坑的过程，了解大模型的能力边界，以及在这种边界下人与 AI 如何分工协作
• 在 AI 产生的代码越来越多的情况下，软件工程过程如何变化，软件质量如何保障
• 了解 Coding Agent 的架构选择与开发中的取舍