为保障您的参会权益，本次大会采用人脸识别入场；人脸信息仅用于本次核验，请放心使用

AI 原生架构的演进与治理

会议室：待定

出品人：刘中兵

AI 原生架构治理面向大模型与 Agent 应用规模化落地后的共性挑战，重点解决... 展开 >

旗下议题

出品人介绍

Topic 1
AI Coding 增量风险管控：Skill 门禁与 Harness 落地实践
熊纪元
快手技术专家

专题出品人：刘中兵

快手架构治理团队 & AI 架构演进负责人

任职于快手架构，长期深耕于架构治理与 AI 原生架构演进、及治理过程AI化。面向公司所有业务线、各基础平台推动横向架构治理，助力各业务在大规模 AI 应用治理、领域与工程依赖治理、服务容器健康度治理、存储大数据健康度治理、域名健康度治理、AZ健康度治理、安全架构治理、策略治理、稳定性架构问题洞察等领域的架构水平演进。曾经任职于 VIPKID/猎聘/搜狗公司，负责基础架构建设、业务研发团队等。

专题：AI 原生架构的演进与治理

AI 原生架构治理面向大模型与 Agent 应用规模化落地后的共性挑战，重点解决 Token 成本增长、长任务执行不可控、数据权限边界模糊、Prompt 注入风险等问题。随着 AI 能力深入研发、运营和业务系统，企业在获得效率提升的同时，也需要解决数据乱访问、Token 激增、AI 代码无约束、模型结果不稳定等突出问题。如果缺少统一规范，这些问题将逐渐形成技术债，影响系统长期演进和组织整体运行效率。

本专题将从架构、工程、服务、模型、成本、安全和稳定性等维度，系统梳理 AI 原生架构治理的关键方法，覆盖 Agent 定义、代码管控、安全约束、成本优化、模型稳定性、Agent 性能、CLI 接口开放与 Skill 规范等核心议题。传统架构聚焦高可用保障，AI 原生架构聚焦智能化可控性。

by 熊纪元

快手

技术专家

AI Coding 增量风险管控：Skill 门禁与 Harness 落地实践

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

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。
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。
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。
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。
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。