当前，AI 研发在工具软件等场景中已广泛落地并取得显著收益。然而，面对历经长期演化、拥有海量服务与严苛业务要求的超大规模复杂存量工程系统，企业究竟该如何破局并取得倍数级的研发收益？围绕这一核心命题，本次演讲将系统复盘我们在淘宝的实战经验与核心解法：

1. 破局“局部生码提速、全局交付不提效”：明确将研发执行主体从“人类专家”移位为“自主 Agent”的 AI 原生研发模式，构建支撑“人 -Agent / Agent-Agent”深度协同的平台底座；针对业务生产现场的落地阻力，探索并验证了兼顾不同组织成熟度与业务复杂度的 「需求端到端 - 半托管（人主导流程）」 与 「需求端到端 - 全托管（Agent 主导流程）」 两种推进范式。
2. 专职 Agent 矩阵与工业级客观评测：系统解答企业级研发 Agent 的拆解依据与职责边界，给出 “1 TL 编排中枢 ＋ 若干专职 Agent 矩阵” 协同方案；此外，构建了一套贯穿阶段过程产物与代码事实的 Agent 工业级评测体系，实现复杂交付效果的客观度量与精准归因。
3. 企业私域知识自动化抽取与双模应用：针对私域隐性规则难以显性化的难题，构建了一套算法主导的研发知识自动化抽取与动态评价方案；进一步围绕 Agent 如何精准使用知识，对比验证了 “上下文动态注入通用 SOTA 模型” 与 “私域知识内化训练淘宝领域专家模型” 两种技术路线的差异效果。

演讲提纲

1. 代码生成更快了，需求交付却没有明显变快
2. 从“人使用AI”到“Agent执行、人类把关”
3. 一个 TL Agent，如何带领多个专 职Agent 完成复杂需求
4. 如何让 Agent 真正“懂淘宝技术”
5. 如何证明 Agent 真的完成了工作，而不只是“看起来完成了”

听众收益

• 掌握复杂存量工程中 AI 研发的落地思路，结合团队成熟度与业务风险，选择半托管或全托管模式，明确人和 Agent 的分工
• 借鉴多 Agent 协作、私域知识应用与工业级评测方法，提升端到端交付能力，并用实际产物和代码事实判断效果、定位问题

演讲亮点

• 超大规模复杂工程的一手实践
  • 聚焦海量服务、复杂依赖和严格质量要求下的真实研发场景，讨论 AI 如何从局部代码生成走向端到端需求交付
• 从辅助工具到研发执行主体
  • 分享 Agent 执行、人类决策与验收的 AI 原生研发模式，以及适配不同团队和业务风险的半托管、全托管两种落地路径
• 可复用的多 Agent 协作与知识体系
  • 介绍“1 个 TL Agent ＋多个专职 Agent”的分工协作架构，以及让 Agent 理解和使用企业私域知识的关键方法
• 面向真实交付的工业级评测
  • 不以代码生成量衡量效果，而是结合过程产物、代码事实和交付结果，客观评估 Agent 能力并定位问题来源