一家老牌制造業(yè)巨頭如何用AI Agent重構(gòu)研發(fā)流水線？在TCL與騰訊云CodeBuddy的合作中，我們看到了答案。這款由騰訊云推出的AI編程助手，能夠讀懂企業(yè)代碼庫，貫穿從需求拆解、代碼編寫、測試修復(fù)到部署上線的全鏈路，并牢牢守住安全底線——這恰恰是大型制造企業(yè)最在意的事。

過去兩年，幾乎所有軟件工程師都經(jīng)歷了一場內(nèi)心震蕩。

AI寫代碼比人快多了，不僅能寫，還能改Bug、做測試，一個(gè)Agent干好幾個(gè)人的活兒。于是焦慮在所難免：碼農(nóng)要斷代了，我還能干什么？當(dāng)90%以上的代碼都靠AI完成，什么樣的工程師還被需要？“屎山危機(jī)”下，曾經(jīng)的研發(fā)護(hù)城河，該如何重建？這不僅是當(dāng)前程序員的難題，也是擺在所有大企業(yè)面前的殘酷現(xiàn)實(shí)。

在TCL實(shí)業(yè)的軟件工程中心，一條肉眼可見的分水嶺已經(jīng)出現(xiàn)。“我都有點(diǎn)不敢相信，兩天把整個(gè)功能交付了，開發(fā)模式真的被顛覆了。”TCL實(shí)業(yè)軟工中心應(yīng)用開發(fā)總監(jiān)沈雪松難掩激動。一家老牌制造業(yè)巨頭如何用AI Agent重構(gòu)研發(fā)流水線？我們在這里看到了答案。

TCL實(shí)業(yè)軟工中心應(yīng)用開發(fā)總監(jiān)沈雪松

不同于強(qiáng)調(diào)敏捷開發(fā)的互聯(lián)網(wǎng)創(chuàng)業(yè)公司，沈雪松和近2000名同事面對的研發(fā)工作要沉重得多。發(fā)往全球160多個(gè)國家的產(chǎn)品、長達(dá)十幾年的歷史代碼庫、嚴(yán)苛的IPD（集成產(chǎn)品開發(fā)）流程，構(gòu)成了這里巨大的系統(tǒng)圍墻。在這里，一個(gè)新人從入職到能上手，對內(nèi)部系統(tǒng)代碼有深入了解，需要整整三個(gè)月。面對這樣一臺龐大復(fù)雜的機(jī)器，不僅要求團(tuán)隊(duì)有持續(xù)的AI實(shí)踐，也需要管理者認(rèn)知清晰，找到真正能把AI用進(jìn)業(yè)務(wù)里的解法。

通用模型讀不懂TCL的代碼，直到騰訊CodeBuddy接進(jìn)來

TCL研發(fā)端在AI上的探索并不晚。早在大模型爆發(fā)之初，TCL實(shí)業(yè)的軟工中心就嘗試在代碼Review、補(bǔ)全等環(huán)節(jié)用AI輔助，但很快他們就發(fā)現(xiàn)了問題。“單點(diǎn)確實(shí)有一些提效，但當(dāng)鏈條上某個(gè)節(jié)點(diǎn)成為瓶頸后，整個(gè)效率卻被拖垮了。”沈雪松說。這意味著，整個(gè)研發(fā)鏈路的交付周期并沒有實(shí)質(zhì)縮短。更讓研發(fā)團(tuán)隊(duì)頭疼的是，市面上通用的AI模型，根本讀不懂TCL內(nèi)部的系統(tǒng)代碼。AI給的建議像是通用的“正確廢話”，一落到真實(shí)的業(yè)務(wù)里，就抓瞎。當(dāng)AI無法融入企業(yè)專有的知識庫，無法跨越不同的工作流節(jié)點(diǎn)時(shí)，它充其量只是一個(gè)聰明的“外掛”。

真正的轉(zhuǎn)折發(fā)生在2025年3月，研發(fā)端與騰訊云CodeBuddy團(tuán)隊(duì)的深度接觸后，后者是騰訊云推出的AI智能編程助手。最開始，沈雪松團(tuán)隊(duì)以插件形式接入CodeBuddy，進(jìn)行十幾人的小項(xiàng)目試點(diǎn)。他們發(fā)現(xiàn)，CodeBuddy不僅能寫代碼、無縫嵌入現(xiàn)有平臺，還能將團(tuán)隊(duì)原有知識庫“翻譯”給大模型，這很難得。

騰訊云工業(yè)南區(qū)總經(jīng)理鄭旭告訴我們：“CodeBuddy主要分成兩部分，一是底層模型，二是模型之上做封裝，也就是工程化的能力。很多企業(yè)需要和現(xiàn)有流程、系統(tǒng)做對接，讓更多的軟件工程師用起來，這很關(guān)鍵。”不到3個(gè)月，TCL實(shí)業(yè)軟工中心的試點(diǎn)規(guī)模就從十幾人擴(kuò)展到500人。對于一家有著嚴(yán)苛研發(fā)規(guī)范和保密要求的老牌制造企業(yè)來說，這個(gè)擁抱新工具的速度，前所未有。

騰訊云工業(yè)南區(qū)總經(jīng)理鄭旭

沈雪松用了一個(gè)比喻來形容這種開發(fā)范式的顛覆：過去，團(tuán)隊(duì)是拿著手電筒，在原有舊流程里四處照，看看“這個(gè)節(jié)點(diǎn)能不能加點(diǎn)AI”；現(xiàn)在，他們把整條研發(fā)線拖到大太陽（AI）底下暴曬，重新拷問每一個(gè)業(yè)務(wù)節(jié)點(diǎn)“為什么這步不能由AI來做？”，這是團(tuán)隊(duì)從“+AI”，走向“AI+”的關(guān)鍵一步。目前，CodeBuddy已覆蓋TCL實(shí)業(yè)軟工中心90%以上的研發(fā)工程師。

從排錯(cuò)到跨棧：CodeBuddy在TCL的三筆效率賬

評價(jià)一家企業(yè)的“AI含量”，不能只聽口號，必須看它是否進(jìn)入了業(yè)務(wù)腹地，并算清產(chǎn)出賬本。在TCL實(shí)業(yè)軟工中心，CodeBuddy帶來的改變是具體且有沖擊力的。鄭旭概括得很直白：“AI落地更適合先從最小閉環(huán)做起。先讓老板看到ROI，也讓一線工程師真切感受到提效，再往更多場景延展。”放在TCL實(shí)業(yè)的軟工現(xiàn)場，這套路徑并不抽象。它最早落地的，正是那些最耗人、卡住研發(fā)節(jié)奏的環(huán)節(jié)。

首先，是日常排錯(cuò)。過去，解決一個(gè)歷史遺留Bug，工程師需要先讀舊代碼、復(fù)現(xiàn)問題、排查修改，最后再補(bǔ)全測試，一整套流程走完，8小時(shí)的常規(guī)工作日就此消磨。現(xiàn)在只需把報(bào)錯(cuò)日志和源碼交給騰訊CodeBuddy，它能全部搞定，人只要在關(guān)鍵節(jié)點(diǎn)確認(rèn)方案。原先8小時(shí)的工作量，被壓到了1.5小時(shí)，問題排查與修改成本降低80%。這種效率的提升，在單元測試上尤為明顯。開發(fā)通常要花和寫核心代碼一樣多的時(shí)間來寫單測，不僅繁瑣，而且很難直接體現(xiàn)業(yè)務(wù)價(jià)值，一直是內(nèi)部很頭疼的問題。現(xiàn)在，這部分工作也被CodeBuddy大幅接管。

基礎(chǔ)環(huán)節(jié)跑順之后，AI開始打通更深的技術(shù)壁壘。沈雪松團(tuán)隊(duì)最近在TV端立項(xiàng)了一個(gè)游戲引擎項(xiàng)目，涉及Cocos 2D/3D建模，對長期做安卓開發(fā)的團(tuán)隊(duì)來說幾乎是陌生地帶。外包效果不理想，他們索性把任務(wù)交給一名沒有相關(guān)經(jīng)驗(yàn)的中級工程師，靠CodeBuddy拆需求、補(bǔ)邏輯，幾天就完成了交付。過去卡在技術(shù)棧之間的門檻，就這樣被抹平了。

更深層的變化是，工程師和模型的每一次對話、修改和確認(rèn)，都在把過去依賴資深同事口口相傳的經(jīng)驗(yàn)，沉淀進(jìn)系統(tǒng)里。無論是售后復(fù)盤，還是技術(shù)架構(gòu)方案，最終都變成企業(yè)專屬的“案例庫”。模型越用越懂業(yè)務(wù)，未來再遇到類似問題，AI給出的判斷更準(zhǔn)，極大降低團(tuán)隊(duì)經(jīng)驗(yàn)傳遞和新人上手的門檻。這是CodeBuddy在TCL內(nèi)部迅速鋪開的原因之一。它帶來的不只是單點(diǎn)提效，而是進(jìn)入真實(shí)的研發(fā)現(xiàn)場，快速地改變每一個(gè)人的工作內(nèi)容、每一個(gè)崗位的能力邊界，每一次項(xiàng)目的成本結(jié)構(gòu)，每一個(gè)團(tuán)隊(duì)的組織協(xié)同。

在鄭旭看來，這也是TCL案例最值得觀察的地方。“提效肯定是一個(gè)很關(guān)鍵的點(diǎn)，企業(yè)都是效率之爭。但最終企業(yè)的發(fā)展，可能還是組織的變革。”鄭旭說，過去很多企業(yè)使用AI工具時(shí)，“它就是一個(gè)工具，人沒有變”，但在TCL這樣的深度使用場景里，變化已經(jīng)開始反過來影響崗位分工和組織協(xié)同，“這才是這個(gè)項(xiàng)目本身很核心、很關(guān)鍵的一個(gè)點(diǎn)。”

對于一家員工數(shù)以千計(jì)的制造巨頭，新技術(shù)落地不能只看好不好用，更要看底線在哪。TCL實(shí)業(yè)軟工中心最初也動過自研的念頭，但很快放棄了：成本追不上行業(yè)迭代速度，知識庫要推倒重來，最致命的是安全管控。“外部API審計(jì)、權(quán)限分配、安全圍欄，自研要投入極大精力。而CodeBuddy在這些企業(yè)級能力上非常完善。”沈雪松說。CodeBuddy同時(shí)為管理層提供了一面“鏡子”。后臺可以清晰看到團(tuán)隊(duì)的Credits消耗、模型調(diào)用頻次和使用場景，管理者據(jù)此判斷誰用得深、誰還需要培訓(xùn)，讓AI投入不再是一本“糊涂賬”，而是可衡量、可優(yōu)化的動態(tài)賬本。

當(dāng)崗位邊界消失，什么樣的工程師還被需要？

當(dāng)AI寫代碼的速度遠(yuǎn)超人類，必然引發(fā)組織形態(tài)的劇變。正如OpenAI聯(lián)合創(chuàng)始人Andrej Karpathy所言：“編程的基本單元正在從寫文件，變成管理Agent。”在TCL實(shí)業(yè)軟工中心，舊的崗位邊界正在被打破。沈雪松給出了對未來人才的判斷：人才將分為兩類，一類是“超級個(gè)體”，他們離用戶最近，不再把時(shí)間耗費(fèi)在敲代碼上，而是敏銳地洞察用戶痛點(diǎn)，作為“總指揮”駕馭AI快速把業(yè)務(wù)邏輯落地。另一類是“AI訓(xùn)練師”。他們離Agent最近，負(fù)責(zé)把TCL十幾年的行業(yè)經(jīng)驗(yàn)、復(fù)雜流程與方法論沉淀下來，投喂給AI形成企業(yè)專屬資產(chǎn)，為前線的“超級個(gè)體”提供最強(qiáng)武器和彈藥。

TCL實(shí)業(yè)與騰訊云CodeBuddy的這場合作，為全行業(yè)的AI焦慮提供了一套解題思路。他們沒有試圖規(guī)劃一張完美的AI大藍(lán)圖，而是務(wù)實(shí)地找到了研發(fā)編碼這個(gè)“高頻、結(jié)果可衡量、ROI清晰”的最小業(yè)務(wù)閉環(huán)。從十幾個(gè)人的試點(diǎn)，到500人的深度覆蓋，再到未來1500人的全員普及，一步步將單點(diǎn)勝利擴(kuò)大為組織的全面進(jìn)化。

“未來企業(yè)比拼的不是人數(shù)，而是AI轉(zhuǎn)型的決心和速度。”沈雪松在采訪最后說道。在這個(gè)時(shí)代，無論是制造巨頭還是中小企業(yè)，都不必等萬事俱備。找到最痛的業(yè)務(wù)流，把Agent放進(jìn)去，跑出結(jié)果，就是最好的答案。