企业官网建设流程全解析

AI-Coding时代：质量管理的转型与方案

AI-Coding时代，质量管理核心从“是否管”转向“如何管”。通过建立Harness工程基础设施与全栈能力组织形态，结合三层约束框架，可提升AI生成代码的质量与可控性。RD与QA协作目标对齐为“让AI代码安全上线”，协作模式升级为闭环共建，QA左移至标准制定阶段，RD输出标准化Spec，实现测试效率与交付质量提升。三类项目实践表明，该方法能压缩开发周期、提升异常发现速度、增强系统可维护性，为组织级AI-Coding质量管控提供可行路径。

背景：AI-Coding质量命题与现状

基于信通院报告，AI-RD和AI-QA很重要。传统软件工程与AI coding软件工程存在对比差异。在电商领域，80%的代码由AI生成，质量管控重点变为“怎么管才管得住”。

概述：建立统一认知框架

核心结论是Harness工程是基础设施，全栈能力是组织形态，支撑起RD和QA的新协作模式。有关于Harness的三篇重要博客，分别来自HashiCorp、Openai和Anthropic。核心公式包含Agent = Harness + LLM、质量 = 输入约束 × 生成约束 × 输出约束、拉通 = RD定义边界 + QA定义标准 + 共建资产。

实践：三种不同类型项目

实践按项目复杂度递进，包括品牌卡（传统迭代）、榜单（架构改造）、穿搭助手（Agent系统），共同点是Harness工程 + 全栈能力，差异在RD/QA协作侧重点。

品牌卡迭代 — 传统产研项目

这是“老人接新业务”场景，技术架构涉及4代码库、3技术栈。通过Harness三件套 + 全栈 + 平台化，项目时间周期从10人/天降至4人/天。RD与QA智能测试协同，实现测试效率和交付质量同步提升，测试周期压缩约30%。业务熟悉时间从天级压到小时级，团队承接能力变强，需求澄清来回次数减少。

榜单自动化 — 架构改造项目

原流程存在痛点，数据流跨4层存储，全链路靠人串。解决方案是算子化架构 + Harness约束 + 开发/测试模式变更。改造后流程优化，QA左移到数据契约定义阶段，测试重点和介入时机改变，与RD共同制定算子I/O规范。

穿搭助手 — Agent项目

Agent项目体现RD/QA协作本质变化，涉及完整工程闭环。研发阶段有4项平台能力，包括调研期间完成项目demo编写、对话评估、prompt调试 + 数据集管理、全链路Trace和线上效果监控trace。QA智能测试核心理念是把“经验驱动的人工判断”变为“规则驱动的AI自动校验”，包括用例生成、功能测试和交付AIQA，各方面都有显著收益。

RD/QA协作SOP

三个不同类型项目带来几个核心认知：质量定义改变，协作目标对齐，流程必须闭环。

后续计划

团队方面，小组要提升成员AI工具使用技巧，沉淀标准，落地工具；部门要协同其他角色落地相关Agent助手、工具能力。业务方面，从空间维度和能力维度有不同目标和进展，包括验证可行性输出标准、打通单链路固化标准、全组织推广能力复用、组织级智能自主进化。