软件研发作为大模型落地最成功的方向之一，从代码自动补全、智能问答到Agent，正改变当前的研发流程。然而，当我们将Agent应用于严肃的、线上生产级、存量代码项目时，面临诸多现实挑战，比如AI代码生成的稳定性、知识工程建设以及团队使用门槛等，Agent在企业大规模落地遇到了阻碍墙。
本次分享介绍百度在推动Agent落地过程中的一些实践探索，包括如何推动Rules知识工程建设、典型场景的Agent框架如何选择、厂内的工具如何集成、以及如何通过运营与培训机制实现了研发团队的广泛赋能等，有成功的经验也有踩过的坑。

演讲提纲

1. 从企业落地角度看Coding Agent带来的变化
   • AI代码生成占比的成分变化
   • AI赋予了身份后，融入研发流程带来的变化
2. Coding Agent企业落地的主要挑战与应对实践
   • 知识工程建设（如何大规模推进Rules建设）
   • Agent框架选择（Agent系统需要稳定可控）
   • Agent和人之间的边界（不是银弹，现阶段哪些任务适合Agent处理）
   • 如何大规模推广Agent的使用（运营培训、理念不停的宣贯）
3. 总结与展望
   • Agent是巨大机会，但落地需要长期主义

听众收益

• 认识Coding Agent在企业级研发中的价值与定位；
• 了解Agent落地过程中的关键挑战与应对思路；
• 了解推动Agent大规模应用的组织与运营方法。