企业落地AI Coding后，常见问题不是模型不够强，而是知识、规范、上下文、工具执行和交付证据没有统一，个人提效难以转化为团队交付提效。本次分享结合金融科技研发实践，介绍从BizDevOps到VibOps的演进：以VibOps构建AI时代产研测协同与智能交付平台，以妮蔻（内部工具）作为统一入口与工具编排层，以开源spec-first构建AI Coding Harness能力底座，覆盖Spec驱动开发、Review治理、Evidence验证、Knowledge沉淀和bug-fix缺陷回流，推动准时交付率从78%提升至96.5%，Bug率同比降低80%+。

演讲提纲：

一、业务背景

1、AI Coding 已经进入研发团队，但个人编码效率提升不等于团队端到端交付效率提升。

2、研发流程中，PRD、代码、规范、测试反馈、部署状态和历史经验分散在不同系统。

3、每个人喂给 AI 的上下文不同，导致同一个需求生成的方案、代码和测试口径不一致。

核心诉求：从个人 AI Coding 走向团队级智能交付，让 AI 研发过程形成可治理、可验证、可沉淀、可进化的工程闭环。

二、方案选型

1、选型定位：不是做零散 Prompt 工具，而是构建面向企业研发流程的 AI Coding Agent 工具链，让 AI 能进入真实研发流程，而不是停留在对话式代码生成。

2、范式升级：从传统 BizDevOps 演进到 VibOps，先统一知识、规范、交付和 AI 能力，再通过 Agent 放大研发效率，推动个人 AI Coding 走向团队级智能交付。

3、技术抓手：以开源 spec-first 作为 AI Coding Harness 能力底座，串联 PRD、发布单、代码上下文、Spec、Plan、Work、Review、Evidence 和 Knowledge，让研发过程可治理、可验证、可沉淀、可进化。

4、工具编排层：以妮蔻作为统一入口和执行工具，承担工具编排层的角色，连接飞书协作、本地 AI 能力、研发 Workspace、构建部署、日志排障和状态追踪，把 Agent 能力落到真实研发执行链路中。

三、落地挑战

1、上下文挑战：AI 输入来源不统一，PRD、聊天记录、代码、日志和历史经验缺少统一组织。

2、规范挑战：团队编码规范、API 标准、Review 口径无法稳定注入 AI 执行过程。

3、证据挑战：AI 生成代码后缺少测试、日志、部署、Review 和回写证据，难以判断是否真正完成。

4、组织挑战：好的 Prompt、Bug 根因、修复经验和 Review 结论散落在个人对话中，无法形成组织级资产。

5、闭环挑战：提测后的 Bug 回流仍依赖人工查日志、定位代码、修复、部署和回写，重复劳动明显。

四、解决思路

1、流程层面：构建“需求输入 → Graph → Spec → Plan → Work → Review → Evidence → Knowledge”的 AI Coding 闭环。

2、Harness 层面：通过 Context、Execution、Evidence、Review、Knowledge 五类 Harness，把 AI 放进稳定的工程系统。

3、缺陷回流层面：spec-first 内置 bug-fix 能力，覆盖 reqId / 缺陷 URL、日志定位、根因分析、方案确认、修复、CR、部署和飞书回写。

4、执行链路层面：妮蔻打通飞书入口、研发 Workspace、项目拉取、构建、Sonar、部署、Pod、日志和状态追踪。

5、沉淀层面：将 Spec、Evidence、RCA、Review 结论、Bug 根因和修复经验沉淀为下一次 AI Coding 的上下文。

五、未来规划

1、知识：构建可持续进化的 AI 上下文底座。

2、工具：完善企业级 Agent 工具链与编排能力。

3、端到端：打通从需求到缺陷回流的智能交付闭环。

六、总结

1、企业 AI Coding 的关键不是让 AI 多写代码，而是把 AI 放进统一上下文、标准流程、验证证据和知识沉淀体系。

2、VibOps 是从传统 BizDevOps 演进而来的 AI 时代产研测协同与智能交付平台。

3、妮蔻负责统一入口和执行链路，spec-first 负责 AI Coding Harness，并通过 bug-fix 覆盖缺陷回流。

4、最终目标是让每一次任务都增强下一次 AI Coding，而不是每次对话都从零开始。

听众收益点：

1、理解企业级 AI Coding 的核心挑战

理解为什么个人 AI Coding 提效不等于团队交付提效，以及知识、规范、上下文、工具执行和交付证据不统一，如何成为企业 AI 落地的主要瓶颈。

2、获得 AI Coding Harness 的实践方法

掌握 spec-first 作为 AI Coding Harness 的设计思路，学习如何通过 Spec、Plan、Work、Review、Evidence、Knowledge，把 AI Coding 从一次性生成升级为可治理、可验证、可沉淀、可进化的工程闭环。

3、获得从 BizDevOps 到 VibOps 的架构参考

了解如何通过 VibOps 平台、spec-first 能力底座、妮蔻工具编排层和 bug-fix 缺陷回流能力，把飞书协作、研发执行、构建部署、测试反馈、Bug 修复和知识沉淀连接成企业级 Agent 工具链。