专题演讲嘉宾：李渭宁

本次分享将结合汇丰科技在 AI Coding 领域的企业级实践，介绍如何通过内部开源与社区共创，汇聚不同团队在需求分析、架构设计、编码实现、代码评审、测试验证和交付协同等环节的探索经验，并将优秀实践沉淀为可复用、可治理的工具与 Agent Skills。

分享也将重点讨论 AI Coding 如何从个人开发提效工具，进一步演进为覆盖 SDLC 全流程的智能化研发能力。结合 MCP、VS Code、GitHub Copilot、Jira、Confluence 等工具与平台集成，展示 Agent Skills 在研发上下文构建、需求澄清、代码生成、测试验证、代码评审、知识沉淀和交付协同中的应用案例。

同时，本次分享也会结合金融科技场景下对安全、合规、风险评估和组织推广的要求，探讨如何在可控、可治理的前提下，推动 AI Coding 从团队试点走向规模化落地，最终实现从个人提效到组织级研发能力升级。

演讲提纲

1. 金融科技研发的现实挑战与 AI Coding 的演进
   • 从代码生成提效到研发流程提效  
   • 企业场景下的关键痛点：上下文、质量、合规、安全与度量  
   • AI Coding 从个人工具走向组织能力的关键拐点
2. 内部开源与社区共创：构建企业级 AI Coding 实践体系
   • 汇聚不同团队的 AI Coding 使用经验  
   • 通过内部开源推动实践复用与协同创新  
   • 从零散 Prompt 到可复用的顺手工具与 Agent Skills
3. Agent Skills 驱动的智能化 SDLC 应用案例
   • 需求阶段：结合 Jira、Confluence 辅助需求理解与澄清  
   • 设计阶段：辅助架构方案生成、影响分析与技术决策  
   • 编码阶段：结合 VS Code、GitHub Copilot 提升开发效率  
   • 评审阶段：辅助 Code Review、风险识别与规范检查  
   • 测试阶段：辅助测试用例生成、缺陷分析与验证闭环
4. 工具集成：让 Agent 进入企业研发工作流
   • MCP 在连接工具、数据与研发上下文中的作用  
   • 与 VS Code、GitHub Copilot、Jira、Confluence 等工具的协同  
   • 从单点助手到跨工具 Agent 工作流
5. AI Coding 的安全治理、风险评估与可控落地
   • 金融科技场景下的安全、合规与数据边界  
   • Agent Skills 的复用、权限、审计与质量治理  
   • 如何平衡效率提升与工程风险
6. 从团队试点到规模化推广的实践经验
   • 从内部开源小项目到上万人分享与共建的 AI Coding 平台  
   • 如何选择高价值试点场景并形成可复制路径  
   • 推广过程中的开发者采纳、培训反馈与社区运营机制

实践痛点

1. 效果不稳定：模型输出存在幻觉和不确定性，在复杂业务场景下难以保证代码质量与一致性。
2. 安全与合规风险：可能涉及敏感数据泄露、工具越权调用等风险。
3. 规模化推广不易：不同团队的技术栈和研发流程差异较大，应用价值也难以量化，需要同步推动平台、流程与研发文化的转变。

听众收益

1. 了解实践模式：了解如何通过内部开源，共创 AI Coding 实践与 Agent Skills。
2. 掌握落地方法：掌握 Agent Skills 赋能 SDLC 各环节的实施路径。
3. 借鉴推广经验：借鉴 AI Coding 在安全治理、风险评估及规模化推广方面的经验