专题演讲嘉宾：唐俊开

演讲主题：

从个人提效到组织生产力提升：快手 AI Coding 演进实践

AI 代码生成率从 0 做到 30%+，83% 的研发人员开始使用 AI 工具，个人体感提效 20-40%——但需求交付效率并未得到相应幅度的提升。这是快手在 2024 年真实观察到的数据悖论，是本次分享的起点。过去三年，快手在 10000+ 研发人员的组织里，走过了三个清晰的演进阶段：

• 智能化 1.0：以 Kwaipilot 为核心推动 AI 编码工具全员普及，完成从 0 到 30%+ AI 代码生成率的跨越，同时发现了"用 AI 工具 ≠个人提效 ≠ 组织提效"这道核心命题；
• 智能化 2.0：Kwaipilot 升级为 CodeFlicker，以其为载体，从推广工具回到元问题——如何用 AI 提升需求端到端交付效率？通过定义三种开发方法、建立需求 AI 研发成熟度模型（L1/L2/L3），并完成 Agent 架构的四方面升级（并行化、主动性、全闭环、自进化），在标杆团队验证了需求交付周期下降 53%、人均交付需求提升 38% 的结果；
• 智能化 3.0：随着 CodeFlicker 向 MyFlicker 演进，AI 能力从研发横向扩展至全员，从个人效率工具走向组织智能底座。

本次分享将呈现这条演进路径上的关键决策、架构变迁与真实数据，以及一套在大型研发组织里被验证有效的 AI 研发范式升级路径。

演讲提纲：

1. 背景与问题
2. AI Coding 工具的架构演进
   • 快手 AI Coding 工具经历了三个阶段的演进，每一次升级都指向一个更明确的组织目标：Kwaipilot（Code Copilot → Code Agent）：从 IDE 插件代码补全起步，逐步扩展至 AI IDE + CLI，覆盖率从 0 做到 70%+，AI 代码生成率突破 30%。核心发现：工具普及解决了"用起来"的问题，但无法解决"组织提效"的问题，必须在架构层做根本性升级。
   • CodeFlicker（AI 工程师）：针对组织提效的核心命题，完成 Agent 架构四方面的升级：
     • 并行化：从单链路到多层级并行，工具并行→任务并行→Agent 并行，开发者从"串行写代码"变为"并行指挥 AI"
     • 主动性：从被动响应走向主动协同，前置需求澄清与技术方案生成，后置 Auto Fix 与 Agent Review，向"AI 工程师"演进
     • 全闭环：从只管编码到端到端交付可用软件，覆盖 Figma2Code、Browser Use、Vibe Coding 等全场景
     • 自进化：上下文策略与记忆管理，积累项目知识与用户偏好，越用越懂业务场景上线 1 个月内，AI 代码贡献率从 30% 突破 50%+，研发覆盖率达 90%+
   • MyFlicker（AI 工作伙伴）：同一套 AgentOS，能力从研发横向扩展至全员全岗位。Agent Teams 实现多 Agent 并行协作，7×24 持续运行，100+ 公司级 Skills 覆盖全场景，Skills 市场形成组织级自进化机制。目标从"研发提效"升维为"组织生产力提升"
3. 工具演进如何服务于组织目标
   • 工具架构的升级，需要与效能实践和度量体系协同才能真正转化为组织效能。快手的做法：定义三种开发方法（AI 辅助编码/AI 辅助开发/AI 协同开发）+ 建立需求 AI 研发成熟度模型（L1/L2/L3）+ 三层落地实践（个人级/团队级/业务线级）
4. 总结与展望

听众收益：

• 认知升级：理解"用 AI 工具 个人提效 组织提效 ≠ ≠ "这道不等式的深层根因，以及为什么大多数企业的 AI 提效投入止步于个人层面、无法传导 到组织交付能力的提升
• 方法论参考：获得一套从工具普及到范式重构的完整路径，包括三种开发方法的定义与分级、需求 AI 研发成熟度模型（L1/L2/L3）的建立，以 及如何将度量指标从 AI 代码生成率升级为能真正牵引组织提效的核心指标
• 架构洞察：理解企业级 AI Coding Agent 的演进逻辑，架构升级背后的设计思路，以及每一次升级如何对应一个更明确的组织目标
• 实践经验：获得快手在万人规模组织里被数据验证的关键结论与落地过程，包括标杆团队和业务线级的真实案例、踩过的坑，以及 AI 能力从研 发扩展至全员的完整路径

演讲主题：

Coding Agent 重塑研发效率 · 超级个体篇

研发效率的瓶颈，正在从“写代码速度”转向“任务理解、上下文管理、工程判断和交付闭环”。Coding Agent 的价值，不是替代程序员敲代码，而是重构研发流程中的执行层。

演讲提纲：

1. 一个正在发生的变化
2. 为什么我们需要重新讨论研发效率？
3. AI Coding 的三个阶段
4. Coding Agent 的本质
5. 它重塑研发效率的四个层面
6. 真实工作流案例
7. 不是所有任务都适合 Agent
8. 落地 Coding Agent 的工程化前提
9. 对个人开发者的影响
10.  对研发团队的影响

听众收益：

1.  重构研发工作流
2.  如何配合Agent快速完成产品和项目