拓冰网站定制 
月消耗 360 亿 Token单人同时跑的 Agent 从 5 个增加到 20 个。某个夜晚一次失控递归跑了 7000 层烧掉 7.34 亿 Token、533 美元。还有一天AI 一口气写出了 4.4 万行代码。结果经历 27 轮 Review、发现 193 个问题后团队最终决定这批代码不合并。这是腾讯高级后台开发工程师、项目组研发转型负责人任磊达正在经历的 AI 原生研发现场。乍一看这是一个“Token 烧疯了”的故事。但真正扎心的是他最后发现当 AI Coding 足够快之后最大的瓶颈已经不是模型能力而是人的注意力以及整个研发系统能否接得住 AI 的产能。这可能也是 2026 年所有正在推进 AI 研发转型的团队都必须回答的问题。敲代码时代正在终结但研发系统接得住吗Anthropic 今年分析约 40 万次 Claude Code Session 后发现在典型 Agentic Coding 会话中人更多负责决定“做什么”而 Agent 更多负责“怎么做”。领域经验越丰富的人Agent 往往能在单次指令下完成更多工作。这可能就是 AI 原生软件研发真正的方向程序员并没有简单地从 Loop 中消失。人的角色正在从亲手写每一行代码转向定义目标、设计约束、构建反馈、判断风险以及设计整个 Loop。因此真正值得技术 Leader 关心的可能是错误会不会活过第二次迭代Feedback 能不能回到下一轮 AgentBenchmark 能不能代表真实生产哪个环节应该 Human in the Loop哪个环节可以 Human out of the Loop我们是在让 AI 帮人写代码还是正在建立一套真正 AI Native 的软件研发系统专注研发效能分析的 Faros AI 在研究了约 2.2 万名开发者、4000 个团队的工程数据后观察到随着 AI 使用程度提升团队的代码产出明显增加但与此同时PR 规模、Review 压力以及部分质量指标也出现了上升。其报告中PR Review 的中位耗时甚至接近原来的 5 倍。这意味着代码生成能力在 ScalingReview、测试、评测、反馈和组织机制也必须跟着 Scaling否则新的瓶颈就会迅速暴露出来。AI Coding 的核心问题也正在从“AI 会不会写代码”转向我们有没有一套真正适合 AI 写代码、AI 做软件的工程体系这也是今年 2026 奇点智能技术大会「AI 原生软件研发从 Harness 到 Loop」专题真正想讨论的东西。从 Harness 到 Loop接下来拼的不是模型而是工程体系当 AI Coding 真正进入生产团队遇到的问题已经不再是“模型会不会写代码”而是怎么让它在真实工程里长期、稳定、可控地工作。在 2026 奇点智能技术大会现场北京航空航天大学计算机学院副教授杨健关注的是 AI Coding 从“代码生成”走向“软件工程”之后的能力跃迁。他将带来《从代码大模型到仓库级智能体核心技术演进与工业级落地》聚焦仓库级软件工程智能体、代码执行反射、多模态开发智能体等前沿方向并展示了其开源的 LoopCoder、Qwen-Coder 等模型在 SWE-bench 等权威评测中的领先表现。对于正在做仓库级 Agent、AI Coding 平台或复杂工程自动化的团队来说这场分享更像是在回答为什么 AI 会写代码却还不一定会做软件腾讯 WorkBuddy 模型研发负责人董汉德要解决的是另一个很现实的问题Agent 上线之后为什么不会自然越用越强他的《LLM Agent 的模型数据飞轮——WorkBuddy 持续学习经验分享》将聚焦用户任务如何转化为数据、评估和模型优化信号。对于已经拥有大量 Agent 使用数据的团队这场分享最值得听的地方在于怎么把海量日志真正变成模型持续学习的燃料而不是只是“存起来”。百度 Comate 研发经理牛万鹏则把重点放在 Coding Agent 的评测与反馈闭环上。《构建 Coding Agent 的飞轮Feedback Loop、Benchmark、Agent Engineers》想解决的是 Agent 做得好不好究竟怎么测线上失败怎么回流Benchmark 怎么贴近真实生产对于正在推进 AI Coding 规模化落地的团队这些问题决定了 Agent 能不能从“偶尔好用”变成“稳定可用”。滴滴专家工程师、ABC 技术 AI Coding 平台负责人金晶面对的是大型研发组织里的现实挑战几个人用 AI Coding 很容易进入大规模研发组织后平台还能不能稳定他将在《滴滴 AI Coding 平台应对大规模生产环境的挑战与实践》中分享 AI Coding 进入大规模生产之后在平台架构、工程规范、质量控制、权限治理和组织协同方面遇到的真实问题。对于技术负责人来说这场分享更接近“怎么把个人提效变成组织提效”。腾讯高级后台开发工程师、项目组研发转型负责人任磊达则把问题继续推进到 AI 原生组织层面。个人月耗 360 亿 Token、单人并发从 5 提到 20 之后他发现真正的瓶颈已经不再是模型而是人的注意力。他带来的《AI 原生组织的工程实践从 Loop Engineering 到 Graph Engineering》将复盘从 Hooks、CI Events、SDD 到组织级 Graph 的完整实践也会讲那些真实的失控事故7000 层递归、7.34 亿 Token、一天 4.4 万行代码最终不合并。对技术 Leader 来说这场最值得听的是当 Agent 越来越能干团队到底该怎么重新设计工作方式、边界和“刹车系统”Qoder 技术专家李唯聪长期参与 Agent 系统架构与工程化落地他更关注的是 Agent 真正进入生产后如何通过 Harness 建立清晰的执行边界、权限控制、上下文管理和长程任务编排。模型能力越来越强之后真正让 Agent 可控、可运营的往往不是再加一个 Prompt而是一套完整的工程控制面。从代码大模型到仓库级 Agent从数据飞轮到 Feedback Loop从 Harness 到平台化再到团队级 GraphAI Coding 的下一阶段不是“再多写一点代码”而是让整个研发系统真正适应 AI。不只谈 AI Coding我们更想解决一线技术人的真实问题11 月 20—21 日在奇点智能技术大会现场还将围绕 Agentic Scaling 与 Agent 自进化、AI Infra、世界模型、具身智能、Physical AI 等当下最热门的专题方向展开分享。如果你正在一线做 AI现场要解决的不只是“模型选哪个”这种问题。比如PenguinHarness、LlamaFactory 作者郑耀威会讨论 Agent 为什么上线后不会自然变强以及怎样通过自进化闭环让效果提升、成本下降。昆仑行机器人具身算法负责人郎玉川等具身智能专场嘉宾则会把问题带到物理世界讨论具身智能、灵巧操作、机器人 Agent 如何真正跨过数字世界与物理世界之间的鸿沟。世界模型方向同样会有人回答“会生成”之后的下一道难题模型怎么理解动态环境、3D 空间、物体和动作最终真正服务机器人和 Physical AI。OpenAI 资深研究科学家、Transformer 共同发明人 Łukasz Kaiser以及腾讯、百度、网易、京东、昆仑万维、上海人工智能实验室和高校的一线研究者与工程实践者将把模型演进、Agent 落地、AI Coding、Infra 重构、世界模型与具身智能中的真实问题带到现场——不只讲“发生了什么”更讲“为什么、怎么做、踩过哪些坑”。对于技术 Leader 和一线研发人员来说我们更希望你两天之后带走的不只是几页 PPT而是几类真正能影响接下来半年工作的东西下一阶段技术方向该怎么判断哪些方案已经有人跑进生产哪些坑最好别再踩以及自己的团队究竟应该先补模型、数据、Harness、Infra还是组织协作这一层。我们邀请您来 2026 奇点智能技术大会现场不只是来听更多概念而是来找到下一阶段真正能落地的解法。与此同时2026 奇点智能技术大会将与 C 及系统软件技术大会同期举行这一次我们把 AI 与系统软件两大技术脉络放到同一现场一起看趋势、看实践、看落地。两场大会同步开放多种合作形式技术生态合作伙伴企业专场共建行业解决方案联合展示……我们期待与更多长期主义者一起为 AI 时代留下可被验证、可被复用的工程经验。扫码下方二维码「扫码 2026 奇点智能技术大会全套 PPT 资料」官方网站www.ml-summit.org购票热线400-821-5876购票咨询serviceboolan.com企业合作partnerboolan.com演讲申请hemiaocsdn.net媒体联系mediaboolan.com报名参会wx:WayneBoolan 月烧360亿Token、单次失控533美元！AI一天写4.4万行代码却没合并，程序员：AI Coding 真正的瓶颈来了
月消耗 360 亿 Token单人同时跑的 Agent 从 5 个增加到 20 个。某个夜晚一次失控递归跑了 7000 层烧掉 7.34 亿 Token、533 美元。还有一天AI 一口气写出了 4.4 万行代码。结果经历 27 轮 Review、发现 193 个问题后团队最终决定这批代码不合并。这是腾讯高级后台开发工程师、项目组研发转型负责人任磊达正在经历的 AI 原生研发现场。乍一看这是一个“Token 烧疯了”的故事。但真正扎心的是他最后发现当 AI Coding 足够快之后最大的瓶颈已经不是模型能力而是人的注意力以及整个研发系统能否接得住 AI 的产能。这可能也是 2026 年所有正在推进 AI 研发转型的团队都必须回答的问题。敲代码时代正在终结但研发系统接得住吗Anthropic 今年分析约 40 万次 Claude Code Session 后发现在典型 Agentic Coding 会话中人更多负责决定“做什么”而 Agent 更多负责“怎么做”。领域经验越丰富的人Agent 往往能在单次指令下完成更多工作。这可能就是 AI 原生软件研发真正的方向程序员并没有简单地从 Loop 中消失。人的角色正在从亲手写每一行代码转向定义目标、设计约束、构建反馈、判断风险以及设计整个 Loop。因此真正值得技术 Leader 关心的可能是错误会不会活过第二次迭代Feedback 能不能回到下一轮 AgentBenchmark 能不能代表真实生产哪个环节应该 Human in the Loop哪个环节可以 Human out of the Loop我们是在让 AI 帮人写代码还是正在建立一套真正 AI Native 的软件研发系统专注研发效能分析的 Faros AI 在研究了约 2.2 万名开发者、4000 个团队的工程数据后观察到随着 AI 使用程度提升团队的代码产出明显增加但与此同时PR 规模、Review 压力以及部分质量指标也出现了上升。其报告中PR Review 的中位耗时甚至接近原来的 5 倍。这意味着代码生成能力在 ScalingReview、测试、评测、反馈和组织机制也必须跟着 Scaling否则新的瓶颈就会迅速暴露出来。AI Coding 的核心问题也正在从“AI 会不会写代码”转向我们有没有一套真正适合 AI 写代码、AI 做软件的工程体系这也是今年 2026 奇点智能技术大会「AI 原生软件研发从 Harness 到 Loop」专题真正想讨论的东西。从 Harness 到 Loop接下来拼的不是模型而是工程体系当 AI Coding 真正进入生产团队遇到的问题已经不再是“模型会不会写代码”而是怎么让它在真实工程里长期、稳定、可控地工作。在 2026 奇点智能技术大会现场北京航空航天大学计算机学院副教授杨健关注的是 AI Coding 从“代码生成”走向“软件工程”之后的能力跃迁。他将带来《从代码大模型到仓库级智能体核心技术演进与工业级落地》聚焦仓库级软件工程智能体、代码执行反射、多模态开发智能体等前沿方向并展示了其开源的 LoopCoder、Qwen-Coder 等模型在 SWE-bench 等权威评测中的领先表现。对于正在做仓库级 Agent、AI Coding 平台或复杂工程自动化的团队来说这场分享更像是在回答为什么 AI 会写代码却还不一定会做软件腾讯 WorkBuddy 模型研发负责人董汉德要解决的是另一个很现实的问题Agent 上线之后为什么不会自然越用越强他的《LLM Agent 的模型数据飞轮——WorkBuddy 持续学习经验分享》将聚焦用户任务如何转化为数据、评估和模型优化信号。对于已经拥有大量 Agent 使用数据的团队这场分享最值得听的地方在于怎么把海量日志真正变成模型持续学习的燃料而不是只是“存起来”。百度 Comate 研发经理牛万鹏则把重点放在 Coding Agent 的评测与反馈闭环上。《构建 Coding Agent 的飞轮Feedback Loop、Benchmark、Agent Engineers》想解决的是 Agent 做得好不好究竟怎么测线上失败怎么回流Benchmark 怎么贴近真实生产对于正在推进 AI Coding 规模化落地的团队这些问题决定了 Agent 能不能从“偶尔好用”变成“稳定可用”。滴滴专家工程师、ABC 技术 AI Coding 平台负责人金晶面对的是大型研发组织里的现实挑战几个人用 AI Coding 很容易进入大规模研发组织后平台还能不能稳定他将在《滴滴 AI Coding 平台应对大规模生产环境的挑战与实践》中分享 AI Coding 进入大规模生产之后在平台架构、工程规范、质量控制、权限治理和组织协同方面遇到的真实问题。对于技术负责人来说这场分享更接近“怎么把个人提效变成组织提效”。腾讯高级后台开发工程师、项目组研发转型负责人任磊达则把问题继续推进到 AI 原生组织层面。个人月耗 360 亿 Token、单人并发从 5 提到 20 之后他发现真正的瓶颈已经不再是模型而是人的注意力。他带来的《AI 原生组织的工程实践从 Loop Engineering 到 Graph Engineering》将复盘从 Hooks、CI Events、SDD 到组织级 Graph 的完整实践也会讲那些真实的失控事故7000 层递归、7.34 亿 Token、一天 4.4 万行代码最终不合并。对技术 Leader 来说这场最值得听的是当 Agent 越来越能干团队到底该怎么重新设计工作方式、边界和“刹车系统”Qoder 技术专家李唯聪长期参与 Agent 系统架构与工程化落地他更关注的是 Agent 真正进入生产后如何通过 Harness 建立清晰的执行边界、权限控制、上下文管理和长程任务编排。模型能力越来越强之后真正让 Agent 可控、可运营的往往不是再加一个 Prompt而是一套完整的工程控制面。从代码大模型到仓库级 Agent从数据飞轮到 Feedback Loop从 Harness 到平台化再到团队级 GraphAI Coding 的下一阶段不是“再多写一点代码”而是让整个研发系统真正适应 AI。不只谈 AI Coding我们更想解决一线技术人的真实问题11 月 20—21 日在奇点智能技术大会现场还将围绕 Agentic Scaling 与 Agent 自进化、AI Infra、世界模型、具身智能、Physical AI 等当下最热门的专题方向展开分享。如果你正在一线做 AI现场要解决的不只是“模型选哪个”这种问题。比如PenguinHarness、LlamaFactory 作者郑耀威会讨论 Agent 为什么上线后不会自然变强以及怎样通过自进化闭环让效果提升、成本下降。昆仑行机器人具身算法负责人郎玉川等具身智能专场嘉宾则会把问题带到物理世界讨论具身智能、灵巧操作、机器人 Agent 如何真正跨过数字世界与物理世界之间的鸿沟。世界模型方向同样会有人回答“会生成”之后的下一道难题模型怎么理解动态环境、3D 空间、物体和动作最终真正服务机器人和 Physical AI。OpenAI 资深研究科学家、Transformer 共同发明人 Łukasz Kaiser以及腾讯、百度、网易、京东、昆仑万维、上海人工智能实验室和高校的一线研究者与工程实践者将把模型演进、Agent 落地、AI Coding、Infra 重构、世界模型与具身智能中的真实问题带到现场——不只讲“发生了什么”更讲“为什么、怎么做、踩过哪些坑”。对于技术 Leader 和一线研发人员来说我们更希望你两天之后带走的不只是几页 PPT而是几类真正能影响接下来半年工作的东西下一阶段技术方向该怎么判断哪些方案已经有人跑进生产哪些坑最好别再踩以及自己的团队究竟应该先补模型、数据、Harness、Infra还是组织协作这一层。我们邀请您来 2026 奇点智能技术大会现场不只是来听更多概念而是来找到下一阶段真正能落地的解法。与此同时2026 奇点智能技术大会将与 C 及系统软件技术大会同期举行这一次我们把 AI 与系统软件两大技术脉络放到同一现场一起看趋势、看实践、看落地。两场大会同步开放多种合作形式技术生态合作伙伴企业专场共建行业解决方案联合展示……我们期待与更多长期主义者一起为 AI 时代留下可被验证、可被复用的工程经验。扫码下方二维码「扫码 2026 奇点智能技术大会全套 PPT 资料」官方网站www.ml-summit.org购票热线400-821-5876购票咨询serviceboolan.com企业合作partnerboolan.com演讲申请hemiaocsdn.net媒体联系mediaboolan.com报名参会wx:WayneBoolan