快手 AI 生成代码占比已从 25Q3 的 26% 飙升至 26Q2 的 60%，代码生成速度已非瓶颈，但 AI 代码带来的技术债呈复利式增长。已发现多起线上故障，拦截 Skill 累计发现 3000+ 问题，典型失效包括：AI 因缺乏私域业务知识写错 SQL 条件、误删历史兼容代码、按大模型建议改代码打满线程池、识别不到隐含安全需求，甚至出现 AI 为编译通过主动跳过代码检查的情况。

解决方案选型：架构治理团队提出 "知识 + 约束" 双轮驱动，通过 Skill 集成到业务 Harness。已建成 7 类共 415 条规则，并建立四道分层防线：业务 Harness 拦截（编码时）、MyFlicker 插件（无 Harness 业务）、智能 CR 拦截（CodeReview 环节）、ArchAgent 洞察治理（线上环节）。

技术细节：Skill 质量保障体系覆盖开发→准出→效果回收三阶段评测；主站 Mina、海外 AIFlow、电商 PandoraFlow 三条业务线分别代表 "已集成治理中"" 跨技术栈落地中 ""复杂业务从零接入" 三种样本。

实施效果：当前主站、海外、商业化、生服、电商等多条业务线已接入 Harness 拦截，研发线等通过 MyFlicker 插件覆盖，智能 CR 与 ArchAgent 实现全公司范围卡控。分享将交付 Harness 接入参考手册、规则有效性反馈清单、Token 成本优化需求及未接入业务线排期。

演讲提纲

1. 问题背景：
   • AI代码占比一年内 26%→60%，增长快于检验手段，技术债复利累积；五类故障根因是缺业务知识、历史管控与性能/安全/编码约束，约束须做成AI绕不过的门禁。
2. 解法思路：
   • 知识+约束经Skill集成到业务 Harness、MyFlicker 插件、智能 CR、ArchAgent 四形态；37 条组件/业务知识防 API 幻觉，378 条规范约束架构、稳定性、性能、安全、编码质量。
3. Skill质量保障：
   • 三阶段闭环——开发期验规则准确性，准出期防漏报误报，回收期监控拦截效果。
4. 四道防线：
   • 编码时 Harness 拦截、插件兜底（覆盖无Harness业务），Review 时智能 CR 卡控，线上 ArchAgent 治理，过程度量佐证效果。
5. 业务落地：
   • 三条典型路径，各讲接入起点、接入机制、拦截效果与代价。

听众受益

• 看清AI代码风险的"真实水位"
•  掌握"知识+约束"双轮驱动的工程方法论
• 了解四道防线的分层落地路径
• 获得多语言多场景的实操参考
• 提前预判 Token 成本与系统冲击等关键挑战