快手技术团队在 AiDD 大会上分享了 AI 驱动研发效能升级的实践，涵盖 AI DevOps 范式、AI Coding 产品演进和智能测试体系建设三大方向。
📝 详细摘要
本文是快手技术团队在第九届 AI+研发数字峰会（AiDD）上的专场分享回顾。文章围绕「AI×研发效能」主题，系统介绍了快手在万人规模研发组织中推动 AI 从单点提效走向体系化落地的实践路径。内容分为三个部分：一是快手主站千人级团队的 AI DevOps 范式升级，提出了 L1-Copilot、L2-Agent、L3-Agentic 三级研发范式，并采用「双轨并行」策略，目前 L2 已成为主流范式，部分场景已实现 L3 稳定交付；二是 AI Coding 产品从 Copilot 到 Agent 的演进，重点介绍了 Spec/SDD、Harness 约束、状态外置等实践，强调 Agent 需要稳定的工程环境和可持续的任务状态；三是智能测试体系建设，介绍了测试用例生成系统从 V1.0 到 V4.0 的演进路径，目前 AI 生成率已超 70%，累计生成用例超 120 万条。文章展示了快手在 AI 驱动研发效能方面的阶段性成果和方法论沉淀。
💡 主要观点
- 快手提出 L1-Copilot、L2-Agent、L3-Agentic 三级研发范式，采用双轨并行策略推进。 主航道面向大规模研发场景渐进推进，快速路在高价值场景率先实现端到端自主交付，目前 L2 已成为主流范式，部分场景已实现 L3 稳定交付。
💬 文章金句
- AI 对工程效能的影响，正从单点工具辅助，逐步深入研发流程、协同模式与组织运行方式。
- AI Coding 正在从「辅助写代码」走向「参与完成任务」，其价值也正在从个人生产力提升扩展到团队协作方式重塑。
- 应从「工作对象」而非单一流程视角重新审视人机协作关系，推动 Agent 与人类逐步进入更对等的协作网络。
📊 文章信息
AI 初评：86
来源：快手技术
作者：快手技术
分类：软件编程
语言：中文
阅读时间：8 分钟
字数：1964
标签： AI DevOps, 研发效能, AI Coding, 智能测试, 快手技术