AI提效研发链：实战揭秘国产智能工具如何成为软件开发“新基建”

基于腾讯TAPD的国产智能敏捷协作实践李松延多年敏捷研发管理经验，帮助内外部团队落地敏捷理念，加速组织转型。目前负责腾讯云TAPD产品商业化工作。讲师介绍TAPD商业化负责人2018年2006年轻量敏捷项目管理随需而变的分布式敏捷协作1.0自动化开放与度量4.05.02019年2025年8.0企业级管理TAPD AITAPD 诞生对外提供企业服务开源协同自动化高效协作DeepSeek 研发智能化-全覆盖腾讯研发团队，腾讯每一款产品包括微信、王者、会议等研发都离不开TAPD的支持。- 提炼借鉴主流敏捷方法（Scrum / XP / FDD …）， 结合互联网产品研发的特色，提供研发理念、研发方法/实践到研发平替的体系化敏捷研发解决方案。腾讯TAPD凝聚腾讯二十年敏捷项目管理最佳实践TAPD 8.0-智能化、企业级敏捷2月4月3月5月6月企业敏捷（已上线）智能知识库（灰度中）DevOps研发一体化（已上线）Jira国产替代（已上线）TAPD AI测试生成（灰度中）企业级敏捷最佳实践发布面向业技一体化，拉通企业级战略执行 TAPD&Coding集成深度集成Coding，最佳腾讯研效一体化 Jira迁移能力补齐功能全覆盖，迁移完整丝滑 新一代测试管理AI加持测试管理每一步连接乐享2.0知识库联通知识与协作，研发知识智能化TAPD AI需求评审（内测中）智能需求评审智能评分，智能生成修改建议资源精细化管理（内测中）团队日历透明排期与人力饱和，资源聚合管理TAPD AI问答助手（内测中） 需求、度量、问答小助手从AI辅助到AI自主演进1月腾讯TAPD研发协作平台全景图TAPD AI不止于是辅助，应实现真正研发产出 需求编写&评审 代码编写&评审 用例编写&评审 反馈分析 度量&总结需求编写：简化、扩写、续写、校阅、润色、总结、翻译需求评审：通过AI身份、评审标准等设定，智能生成修改建议，实现需求规范化代码编写：智能代码推荐，全场景自动补；智能技术对话，问题快速解答代码评审：根据仓库的代码内容，以及 PR 中代码、commit 信息，提供信息总结、AI 评审能力•用例编写：AI深度思考结合测试实践，需求自动生成用例，历史用例补充生成用例评审：智能逻辑评审和智能规范评审，智能生成评审建议，实现用例可用与规范•反馈分析：分析用户反馈，自动打上标签，转化为需求或缺陷跟踪工作总结：根据不同角色岗位生成个人工作月报、周报、双周报，帮助员工成长项目度量：根据项目执行数据生成团队项目问题和总结报告，帮助团队持续改进•反馈跟踪：智能提供反馈进度、趋势等统计，识别风险和根因AI 辅助需求编写自由模式：自由输入编写需求详情简化、扩写：复杂描述简化，不清楚描述细化校阅、润色：检查逻辑问题，同时可规范需求更正式、更可观等总结、续写：总结、续写需求，更通俗易懂，更完善翻译：中英需求翻译切换，解决出海协同语言问题AI需求评审需求描述文档多种需求内容评审用户角色设定需求评审更贴近用户自由定义评审标准规范需求内容结果按需设定把空需求严格程度自动触发需求评审全程无人作业通过AI身份、评审标准等设定，智能生成修改建议高效评审修复，实现需求规范化AI测试解决方案测试设计到用例评审阶段的工作通常占整体测试工作量的 50%-70%，AI 实践提效成果明显当前手工用例辅助生成场景的综合测试准确率在 35%-50% 区间，用户直接应用率20%，综合采纳率 45%直接与 AI 对话AI 思维链生成AI 用例评审AI 测试点生成AI 用例生成AI 需求模块拆解搭建专属智能体生成设计脑图AI用例设计自动生成用例-测试思维链，确保用例场景覆盖① 生成模块② 生成测试点③ 生成用例需求模块场景测试点用例通过AI集合测试用例思维链，模拟人脑用例编写自动生成用例-RAG与测试知识应用，保障生成完善准确用例RAG+测试因子RAG多次对话+定制生成规则思维链+测试方法应用测试用例评审-AI规范和逻辑评审，把控用例质量规范审查规则逻辑审查规则综合规范和逻辑提供多套评审建议，建议一键采纳替换，评审后用例一键生成测试计划AI代码助手-代码编写辅助根据上下文，进行代码补全代码解释、代码注释、知识库问答AI代码助手-代码评审能力IDE中编写代码自动评审，提供修复建议，快速修复代码人工审核提供评审点建议，提高人工评审效率智能反馈分析智能生成问题标签、模块、情感等智能总结客户反馈，识别风险AI工作总结个人工作总结：根据不同角色岗位生成个人工作月报、周报、双周报，帮助员工成长团队项目总结：根据项目执行数据生成团队项目问题和总结报告，帮助团队持续改进Thank you感谢观看！算法驱动下的软件开发实践--智能化软件开发流水线cnb.cool 运营负责人 王春雨 引入 AI 助手，赋能软件研发流程大仓开发模式流行图形用户界面（GUI）转向代码化（As Code）虚拟机（VM）转向容器化（docker）高效构建效率提升 提高自动化程度，增强一致性 便于版本控制，简化沟通和协作 代码化，提升可维护性，减少错误 更快启动时间，更高效的资源利用 环境一致性，简化部署和管理 提高开发灵活性，降低成本 AI 辅助代码自动生成 AI 辅助代码评审，智能修改建议 AI 安全漏洞修复，安全左移软件DEVOPS的变革与创新（2001—2024） 复用工程化基建，版本控制更统一 开发对整个项目的可见性，易获取 能批量集中地修复任何一类工程问题云原生构建：云原生时代的研发基建• 腾讯自研DEVOPS解决方案（降本增效：2018--2025）• 基于容器化技术，为开发团队带来 高性能、云原生 的研发基建内部研发痛点云原生构建：支撑腾讯自研上云• 支撑腾讯文档、手机QQ、腾讯广告等产品自研上云研发基础设施• 22年6月对外公布数据：自研云规模 5000万核，累计节省成本 30亿cnb实践方案产品研发痛点：技术债务+老旧基建• 随着业务和开发逐渐增多，1个业务需求横跨2、3个仓库是常事• 140个npm包散落在7个业务仓库中• 开发在改bug改到这个仓库时苦不堪言，即使有文档，代码一行小小改动需要半天，典型的半天是上图这样度过的产品研发痛点：流程规范• 流程不规范导致代码不同源• 有同学为了快速验证，在自己的特性分支直接发latest版本，没有合入主干，导致别人发布latest版本时丢失代码• 该同学离职，本地代码永远消失，只能按业务逻辑重写一遍产品研发痛点：屎山代码回归软件工程 ： 人 + 工具 +流程规范手Q“班车合流” 模式• 6个BG、20个部门、3000+研发团队• 分布深圳、上海、北京、杭州四地• 380万行代码、100+活跃特性分支6个BG，20个部门上千人协同研发北京、深圳、上海、杭州4地380万行代码100+活跃分支1个月内交付构建平台440+CPU，1,100+GB内存300+月均活跃构建任务13,000+月均活跃构建次数-含Android、iOS代码扫描工具自定义规则占比60%400+月均扫描次数12,000+月均发现问题数累计发现问