AI Coding 让代码生产速度大幅提升，但 Issue、PR、合规、安全等治理环节仍依赖人工，逐渐成为研发效率的新瓶颈。

本次分享将结合 Kimi Agent Harness 在开源场景的实践，介绍开源治理智能体 Mira 如何把 AI 从“发现问题”推进到“解决问题”：自动完成 Issue 分诊、PR Review、依赖与许可证扫描、安全漏洞响应，并通过渐进式授权、人机协同和全链路审计，让 Agent 真正进入生产治理流程。

分享将重点拆解从通用 Agent 到垂直治理 Agent 的工程实践，以及如何解决“敢不敢让 AI 动手”这一核心问题，并通过真实治理数据展示 Agent 对响应效率、维护者负担和治理质量的实际提升，探讨 AI Native 时代开源治理的新范式。

演讲提纲

1. 开源治理的新瓶颈

• AI Coding 提速后，治理为什么反而成为瓶颈
• Issue、PR、合规、安全的人工治理困境

2. 从 Agent Harness 到 Mira

• Agent 如何进入真实开源生产环境
• Issue / PR / CI / SBOM 等数据如何接入
• 从只读诊断到自动执行的渐进式授权

3. Mira 核心实践

• Issue 自动分诊与响应
• PR Review 与合并辅助
• 许可证、依赖与漏洞治理
• 从发现问题到自动修复 PR 的闭环

4. AI 怎么做到“敢动手”

• 人机协同审批
• 权限分级
• 全链路审计与回放
• 自动化边界如何定义

5. 真实数据与未来

• 治理效率、响应时间、维护者负担的变化
• 从“AI 辅助治理”走向“AI Native 治理”

前沿亮点

• 让 Agent 真正动手治理开源项目：不止分析和告警，而是直接分诊、Review、修复、验证
• 解决 Agent 生产落地最大的信任问题：通过渐进式授权 + 人机协同 + 全链路审计，让 AI “敢做事、做错可追溯”
• 从发现问题到闭环解决：打通 Issue、PR、CI、SBOM、安全情报，形成真正的治理闭环
• 真实生产数据验证：不是 Demo，而是用实际治理效率和维护者负担数据验证 Agent 价值

听众收益

• 学会一套 Agent 进入真实生产系统的工程方法：权限、审批、审计、可观测
• 了解 AI 如何从“发现问题”走向“自动解决问题”
• 获得一套可迁移的 AI Native 治理范式，用于研发、运维、安全等其他 Agent 场景