AI研发新范式：基于技术方案全链路生成代码

作者：jacksondeng、gcchaoguo 、haoxili 、kxingzhang 、darychen

导语

过往基于tab模式进行代码补全对编码效率提升的天花板较低，使用agent模式生成的代码在功能完整性，可用性，安全以及可维护性又有很多问题导致实际代码采纳率不理想；基于以上矛盾点腾讯广告审核团队迫切需要探索出适合团队并且能面向未来的AI开发范式，帮助团队从需求确认到功能上线全链路提效；本文重点介绍通过“AI技术规范(索引/rules)  + 模板化(技术方案/prompt) + MCP工具集成 + AI自我总结”，实现生产力提升的人机协同新范式。

1.背景与挑战

1.1 背景

AI Code正引发一场深刻的软件开发范式变革，其角色已从辅助性的“效率工具”，演进为重塑研发、测试、运维全流程的核心引擎。面对AWS基于规范驱动模型生成代码的Spec范式，Lovable基于自然语言直接生成代码的AI Native范式的推出，以及Cursor、Trae、CodeBuddy等工具的涌现，我们认为AI技术体系已进入可工程化的新阶段。因此，我们亟需探索并确立一套适合广告审核团队特性的AI Code最佳实践范式，以实现研发效率的全面提升。

1.2 现状

审核系统的业务复杂度较高，其研发模式主要基于既有的架构、系统和规范进行迭代演进，且对可用性、可维护性与安全性有着极高要求。每一个需求从设计到上线的全流程，通常都涉及跨越多角色、多平台和多模块的庞杂交付工作。目前，研发阶段占全流程的40%