AI Coding 提升了个人编码效率，但需求澄清、方案评审、环境准备、测试与发布仍依赖多人串联，组织交付效率未必同步提升。本次分享基于字节内部研发实践，以 AgentKit 为案例，介绍如何以 Spec 明确目标、边界与验收标准，将人工决策与多 Agent 执行编排到同一交付流程。重点剖析 AgentKit 支撑的身份权限、沙箱运行、Skills/MCP、质量门禁及观测评测机制，并通过需求澄清到验收回写的全链路演示，说明任务如何委托、结果如何验收、异常如何转交人工。最后给出以交付周期、一次通过率、人工介入率和缺陷为依据，逐步提升自治等级的落地方法。

演讲提纲

1. 效率鸿沟：为什么个人提效没有自然转化为组织提效
   • 分析 AI Coding 提升编码效率后，需求澄清、方案评审、环境准备、测试与发布中的协作瓶颈，明确从代码生成走向端到端交付需要解决的问题
2. Spec 驱动：建立人和 Agent 的共同任务合约
   • 通过 Spec 明确目标、边界、依赖与验收标准，结合项目上下文统一理解
   • 定义流程节点的输入、输出、证据与责任，减少执行偏差
3. 多 Agent 协作：基于 AgentKit 构建可控的研发流程
   • 人工决策与 Agent 执行编排到同一流程
   • 介绍 AgentKit 的身份权限、沙箱运行、Skills/MCP、观测与评测能力
   • 介绍质量门禁和人工接管机制
4. 全链路实践：从需求澄清到验收回写
   • 演示需求澄清、Spec 确认、Agent 编码与测试、环境部署、验收及结果回写的完整链路，说明关键决策点与异常处理方式
5. 渐进式落地：从场景试点到团队推广
   • 选择边界清晰、验收明确的高频场景，以交付周期、一次通过率、人工介入率和缺陷衡量效果，逐步沉淀流程模板、知识与失败经验

听众收益

• 获得一套 Spec 与流程节点设计方法，能够把模糊需求拆解为有明确输入、输出、责任与验收证据的 Agent 任务
• 理解多 Agent 交付所需的关键工程能力，以及权限、沙箱、质量门禁、观测评测和人工接管的设计要点
• 获得从小场景试点到团队推广的实施框架，能够通过交付周期、一次通过率、人工介入率与缺陷等指标评估实际收益