QCon 2026 北京 AI Coding 专场导读

发布： 2026-04-18 分类：会议笔记阅读：

2026-04-18，QCon 北京，首府分会场，AI Coding 专场。9 场演讲，录音转写 + 现场照片，整理成了 9 篇笔记。

这篇是导读，帮你决定看哪几篇。

推荐顺序

推荐	演讲	一句话
⭐⭐⭐	快猫星云：从 AIOps 到 AgentOps 的故障定位实践	知识图谱方向做得扎实，但方案聚焦单一
⭐⭐⭐⭐	网易：从 Vibe Coding 到 Spec Driven 的智能化软件工厂实践	真做了，有明确效果，但依赖自研 DSL，通用性有限
⭐⭐	淘宝闪购：可复制的 AI Coding 全栈实战	落地完整，但大闭环里的真正难题一个没解决
⭐⭐⭐	MemTensor：OpenClaw 热潮下的 Agent 记忆系统工程实践	前半段思路扎实，答疑有料；后半段是产品广告，但提供了其他行业如何使用 Agent 的视角
⭐⭐	京东科技：尽在上下文——JoyCode 的企业级 AI Coding 实践	检索体系详实，暂无更多评价
⭐⭐⭐⭐⭐	蚂蚁：Vibe Coding 平台落地半年后的实践经验	真做了很多，踩了很多坑，对未来的判断有前瞻性
⭐⭐⭐⭐	百度：构建 Coding Agent 的飞轮——Feedback Loop、Benchmark、Agent Engineers	飞轮框架思路清晰，但尝试面窄，工程时效性存疑
⭐⭐⭐⭐	PayPal：Agent in Practice——从支付迁移落地到评测驱动进化	强约束下让 Agent 可控交付，评测方法论扎实
⭐	网易智企：从 Copilot 到 DataAgent——企业级智能数据开发治理平台的技术演进和实践	临时替讲，DataAgent 是调研阶段的架构图，实际落地极少

解决方案聚焦知识图谱，但做得扎实。Graph as Context / Tool / Planner / Validator 四种用法清晰，Harness Engineering 工程实践有落地。对做可观测性和运维 Agent 的人有直接参考价值。

Spec Driven + 低代码可视化平台结合，需求工程（EARS 标准）、Harness Engineering、沙箱技术、模型微调闭环均有落地，有明确效果数据。依赖自研 DSL（NASL），通用性有限，但完整度高。

Rules + Spec + Skills 三位一体，AI 编码率从 9% 提升到 89.2%。工程细节完整，团队运营飞轮有参考价值。验证、测试、跨应用等更深层的问题尚未触及。

前半段有实质内容：三层记忆分层架构、memOS 设计思路、对 OpenClaw 原生记忆问题的分析。后半段以自家产品 ClawForce 介绍为主。答疑环节关于独立记忆层商业逻辑和组织范式变化的讨论值得单独看。

检索体系（RepoWiki / RepoGraph / 多路检索引擎）介绍详实，有具体 token 消耗对比数据。多智能体协同架构有演示。

三个真实用户案例驱动平台持续演进，KV Cache 省钱、文件即记忆、超大工程管理、多 Agent 协同都有实际踩坑和解法。对未来的判断（基建天生 AI 友好、文档是写给 AI 看的、CLI 化）有前瞻性。内容密度和现场感均为全天最佳。

Feedback Loop + Benchmark + Agent Engineers 的飞轮框架思路清晰。偏底层工程，MCP 渐进式加载节省 98% token 等具体技巧实用。整体方案尝试面较窄，时效性存疑——讲者自己也提到 Cursor 才火没多久已经过时，这类工程实践迭代很快。

在强约束条件下（商户代码不可见、商户不懂技术）让 Agent 可控交付，是一种务实的软件交付新形式。评测驱动方法论（EERO 循环、Noise Injection 四级噪声）扎实。对业务团队的借鉴价值高于底层 Agent 开发者。

临时替讲，与原定议题有出入。实际落地的工作主要是模板化 SQL 生成和业务知识积累，DataAgent 架构图尚处于调研阶段，CLI vs MCP 35 倍 token 差距数据来自第三方报告而非自身实践。