快手技术团队作为国内大规模AI工程化落地的先行者，在刚刚落幕的第九届AI+研发数字峰会（AiDD）上，特别策划了「AI×研发效能」专场。这场分享汇聚了大量硬核内容，核心聚焦于一个关键问题：在万人规模的研发组织中，AI究竟如何从“工具”演变为“体系”。

谈到AI对研发效能的变革，有一个相当有趣的观察点。过去，大模型更多被当作辅助工具来使用，例如编写代码、检索资料。但现在，AI正逐步渗透到研发的全流程，从单点提效逐渐演变为对研发流程、协同模式乃至整个组织运行方式的重新塑造。其中的核心难题——也是许多企业面临的卡点——是如何让AI从“个人效率提升”真正跨越到“组织级效率显著提升”。快手在此次分享中，展示了他们在这一转化瓶颈上的探索与阶段性成果。

本次专场由快手研发效能负责人沈浪担任出品人，三位技术专家李思、周鸿轩、苗星，分别从AI DevOps范式、AI Coding产品与协作模式、智能测试能力三个维度，系统性地梳理了其实践路径。

以下是本次专场的核心内容回顾：

一、快手主站千人级团队AI DevOps研发范式升级实践

快手主站AI DevOps项目负责人李思，围绕千人级研发组织的AI范式升级，讲述了一条从AI-First迈向AI-Native的实践之路。他们提出了一个颇具启发性的三级研发范式：L1-Copilot、L2-Agent、L3-Agentic。这背后是“双轨并行”的演进策略——主航道面向大规模研发场景，采用渐进式推进的方式；同时开辟一条“快速路”，在部分高价值场景中率先尝试端到端的自主交付。

李思特别强调了一个关键点：仅有能力建设是不够的，更重要的是结构重塑。快手主站通过信息架构重组、流程分层解耦、交付单元闭环等实践，从工程环境、研发流程、组织协同三个维度，系统性地降低了协作摩擦。这正是突破“个人快了但组织没快”这一瓶颈的核心所在。目前，快手主站的L2已成为主流研发范式，交付周期较L1显著缩短；部分场景更是以L3模式稳定交付，交付效率实现了非线性提升。

二、从Copilot到Agent：开发提效与范式跃迁

AI Coding专家周鸿轩从产品与工程视角出发，回顾了AI Coding从简单的代码补全、问答辅助，一路演进到Coding Agent、Agent Harness、Agent Teams的全过程。他的核心观点非常清晰：AI Coding正从“辅助写代码”走向“参与完成任务”，其价值也从个人生产力提升，扩展到团队协作方式的深层重塑。

在这一演进过程中，快手进行了一些颇具创新性的探索。例如，在Spec/SDD（规格说明/软件设计文档）、Harness约束、状态外置、长期执行与上下文共享等方面，找到了可行的落地路径。周鸿轩认为，只有让Agent具备稳定的工程环境、可持续的任务状态以及更完整的上下文，才能真正支撑复杂研发任务的落地。同时，他结合OnCall、问题修复、需求调研等实际场景，提出应从“工作对象”而非单一流程视角重新审视人机协作关系。这种思路的转变，意味着Agent和人类正在进入一个更对等的协作网络，为组织级研发提效打开了更广阔的空间。

三、智能UI用例生成与执行

快手研发Agent负责人苗星则聚焦于智能测试方向。他指出一个行业普遍存在的痛点：传统测试阶段长期面临用例编写效率低、质量波动大、知识难以复用等问题。快手对此的解决路径非常明确——推动测试范式从「人工编写」向「AI生成+人工审核」升级。

苗星详细回顾了快手智能用例生成系统从V1.0到V4.0的四阶段演进路径：从最初利用Prompt工程验证可行性，到后来引入Multi-Agent协作与人机交互，再到知识工程增强和Agentic自进化，系统能力持续增强。目前，快手测试用例的AI生成率已超过70%，累计生成用例超过120万条。这组数据背后反映出的结构性变化，才是真正的看点所在。

除了“生成”，苗星还介绍了在“执行”环节的探索。围绕AI-Friendly用例、测试意图驱动执行、三层执行引擎以及一站式生成执行平台，快手正持续推动测试能力向更高自动化与智能化阶段演进，为端到端的智能测试能力建设奠定基础。

从AI DevOps范式升级，到AI Coding产品与协作模式演进，再到智能测试体系建设，快手此次在AiDD大会上的分享，集中呈现了AI在大规模研发组织中从单点提效走向体系化升级的实践路径。未来的方向也十分明确：持续推动AI在研发全链路的深入融合，探索更成熟的AI-Native研发与测试范式，为行业提供更多可沉淀、可复制的实践经验。