我们团队承担零售大部分营销相关 H5 页面以及大量中后台页面研发，月均响应约 200 个需求，本次分享将围绕三类真实落地场景，呈现 AI Agent 从“生成”走向“交付”的三次工程化跃迁：第一次跃迁聚焦中后台场景，突破“人工编码”瓶颈，通过“ AI + DSL ”将标准化页面转化为自动化流水线，解决规模化生产效率问题；第二次跃迁深入互动业务场景，Agent 不再单点生成代码，而是串联需求澄清、前后端开发、中后台配置、自动化发布，打通全链路AI化闭环，破解系统协同难题；第三次跃迁攻坚 C 端复杂场景，自研 AI Native 交付级产品，通过 Skill、知识库与 MCP 动态装配，叠加多 Agent “生产—评审”协同机制，让 AI 具备复杂决策与质量自闭环能力，近期 7 天完成 23 个需求交付，平均人工干预仅 2.22 次；而贯穿三次跃迁的 AI 巡检体系，则作为质量底座，确保每一次能力升级都能守住线上稳定性与问题快速响应的底线。希望借此与大家共同探讨 AI 在规模化前端研发中的工程化落地之道。

演讲提纲

1. 为什么 AI 会写代码，却还不会交付

• 京东业务前端承担大量 H5 和中后台需求，研发效率直接影响业务响应速度
• AI Coding 已经显著提升代码产出，但生成代码、完成需求和业务上线是三个不同层次
• 核心命题：如何把 AI 从研发辅助工具，升级为能够持续交付结果的 Agent

2. 第一次拐点：从代码生成到领域工程

以京东运营中后台自动化交付为例

• 通用模型会写代码，但不了解内部组件、业务规则和交付规范
• 将组件、知识和研发规则沉淀为 DSL、Schema、Skill 与知识库
• 通过“生成—运行—验证—修复”闭环，提高首版可用率
• 核心观点：确定性能力交给工程系统，不确定性问题交给模型

3. 第二次拐点：从单 Agent 到交付 Loop

以 自研 AI Native 为例

• 将 Agent、Skill、知识库、MCP、执行器和任务状态统一纳入交付平台
• 通过多 Agent 分工，形成生产、评审、返工和再验证的交付循环
• 支持人工介入、主动反问、暂停续跑和会话恢复
• 核心观点：Agent 不是越自主越好，人机交接线决定交付可靠性

4. 第三次拐点：从交付代码到交付业务结果

以京东互动万花筒 Agent 为例

• 交付目标不再是生成代码，而是直接创建一个经过评审、可以使用的互动活动
• 前后端交互层面的设计和验证
• 通过确定性 Graph 串联意图识别、内容生成、活动创建、自动评审与修复
• Agent 通过工具、API 和 MCP 操作真实业务系统
• Agent 安全风险及解决方案
• 核心观点：流程明确的场景适合 Graph，探索型任务适合开放式 Loop

5. 从三个案例抽象出一套 Agent 交付方法

一套可交付的 Agent 系统需要五个基本要素

• 领域上下文：让 Agent 理解业务，而不只是理解代码
• 任务编排：根据场景选择单 Agent、多 Agent、Graph 或 Loop
• 工具执行：让 Agent 能够操作代码仓库和真实业务系统
• 安全及质量守门：验证代码、运行结果和业务结果
• 人机协作：明确 Agent 自主执行与人工决策的边界

6. 总结：衡量 AI 的指标需要改变

• 从 AI 代码占比，转向需求交付率
• 从单次生成成功率，转向闭环修复能力

实践痛点

• 如何在 DSL 标准化约束下，兼顾复杂业务表达与高质量风格化 UI 生成
• 如何保障多 Agent 协作的一致性与人机交接效率，同时满足算力、成本和响应时延要求
• 如何突破 lint、单测和类型检查的质量边界，对 AI 代码的性能、转化和视觉体验进行场景化验证与风险拦截

前沿亮点

• 基于领域 DSL 的 AI 自动化交付
  • 将高频、低定制页面抽象为 DSL 与组件协议，AI 只生成业务意图，让任何人无需技术背景也能安全、稳定地交付生产可用功能
• 多智能体协同的人机共治交付体系
  • 复杂需求场景，摒弃单 Agent 端到端完成复杂需求的理想化假设，按能力边界组织多 Agent 协作，并由跨团队专家在关键节点决策，形成可靠、可控的交付闭环
• AI 自动化巡检闭环
  • 面向研发治理场景构建多能力 Agent 平台，将体验评估、性能优化、资损风险识别和架构问题诊断统一到一个智能走查框架中。区别于业界常见的性能监控、代码扫描或架构评审工具，它不是孤立输出指标，而是结合页面、代码和仓库上下文进行综合判断，形成可解释、可追溯、可落地的风险洞察与优化建议

听众收益

• 建立从“代码生成”到“自动化交付”的完整认知
  • 理解各 AI 效率指标的区别，建立更贴近业务价值的 Agent 评价指标
• 掌握企业级 Agent 的三种工程化路径
  • 了解领域 DSL、专家团 Loop、确定性 Graph 分别适用于哪些场景，以及如何进行技术选型
• 获得可复用的多 Agent 专家团设计方法
  • 学习如何通过主理人、领域专家、独立验收官、共享工作区和质量门禁，构建“规划—生产—验收—返工”的交付闭环
• 借鉴真实业务落地经验与取舍
  • 从京东运营后台、自研 AINative 和互动万花筒三个案例中，了解识图失真、上下文污染、验收滞后和高风险操作等实际问题及解决思路