公司支持 AI 后，个人生成代码更快，为何团队研发效率未必同步提升？本分享从内部需求分析、研发 Agent 与服务端上线实践讲起，介绍知识与代码上下文、Skill、Workflow 和人工验收如何组织协作，并以会话资产沉淀连接后续迭代。随后结合已上线的案件调查与规则挖掘 Agent，说明业务流程、工具调用、证据核对和规则回测如何组成产品能力。重点围绕可观测、可验证、可解释，复盘稳定性、可信度和复用成本，讨论从内部提效走向风控产品的实践及商业化边界。

演讲提纲：

1. 从内部研发开始：人人都在用 AI，为什么仍要改变工作方式？
   • 从公司支持 AI、员工分散使用工具讲起，分析需求理解、开发、评审和测试中的等待、重复解释与返工。将关注点从个人生成速度转向团队工作的实际变化。
2. 对内实践：把个人经验转化为研发 Agent 可以复用的方法
   • 介绍需求分析 Agent 与研发 Agent 的实践，说明业务知识、代码上下文、工程规范、Skill 和 Workflow 如何配合。围绕阶段产物与人工验收推进任务，讨论产品、研发和专家角色的变化，以及已有使用情况与待完善问题。
3. 走向服务端：从一次对话到持续运行与经验沉淀
   • 结合已上线的服务端 Agent，说明持续承接任务、降低本地配置依赖、管理会话和运行状态的设计考虑。讨论如何在授权范围内保留任务记录，将经过确认的经验沉淀为知识、Skill 与评测案例，并以可观测、可验证、可解释作为连接产品实践的工程标准。
4. 再看产品：案件调查与规则挖掘如何承载专业能力？
   • 结合已上线的两个风控 Agent，展示案件调查的七步业务链路和规则挖掘的六步业务链路。重点说明模型编排、指标工具、证据充分性评估与规则回测如何支持业务判断，以及人工确认、专家审批和受控发布的边界。
5. 共同复盘：效果、可信度与产品化仍有哪些取舍？
   • 分别观察内部研发使用、服务端运行和产品客户使用，说明使用量、人工工作量、结果质量和客户价值之间的区别。复盘流程稳定性与灵活性、知识维护与复用成本、自动执行与人工责任，不将上线或单个成功案例直接等同于规模化商业收益。
6. 总结与下一步：让一次实践成为下一次可复用的能力
   • 总结从内部使用、方法沉淀、持续运行到产品应用的经验。下一步做深核心 Agent，完善反馈、验证和版本管理，再按业务机会拓展场景；以实际使用与可验证结果判断建设价值。

实践痛点：

• 知识与上下文不足。找到代码不等于理解业务，业务口径、影响范围和验收标准仍需专家确认；沉淀不足会增加重复解释，追求大而全又带来维护成本。
• 稳定性与灵活性存在取舍。Skill 和 Workflow 可以约束方法与执行步骤，但简单任务可能被过重流程拖慢，模型、工具和数据的异常也不能仅靠流程固定消除。
• 结果可信与自动执行存在边界。可解释不等于正确，案件结论需要核对证据，候选规则需要回测和专家审批；AI 自评不能替代人工验收责任。
• 运行记录与商业收益不能直接画等号。会话沉淀需要授权、筛选、脱敏与维护。服务端上线和客户开始使用之外，仍需持续证明工作量、质量、复用成本和客户价值的变化。

前沿亮点：

1. 用内部研发与业务产品两类实践，说明经验如何变成可执行、可验收的方法。从研发的阶段产物与质量检查，到案调的证据评估和规则挖掘的回测，讨论知识、Skill、Workflow 和工具各自承担什么。复用工程方法，不把研发 Agent 简单改名成业务产品。
2. 将“可观测、可验证、可解释”落到具体产物与人工关口。分别用任务与工具记录、测试与业务验收、证据及阈值依据回答“发生了什么、结果是否符合要求、为什么得出结论”，说明稳定执行和结果可信的工程取舍。
3. 以服务端任务记录连接后续迭代，而不只积累聊天历史。结合服务端上线实践，讨论任务接续与运行治理；进一步探索将人工纠正、工具结果和验收结论转为知识、Skill 与评测案例，在审核和版本验证下持续改进。

听众收益：

1. 获得从内部 AI 使用走向团队研发实践的方法，能够沿工作流程识别重复解释、等待和返工，判断应优先改流程、补知识还是建设工具。
2. 获得服务端运行与风控 Agent 的工程参考，理解模型编排、Skill、Workflow、业务工具、证据与人工验收的职责边界。
3. 获得从能力复用走向产品化的评估思路，区分使用规模、工作量变化、客户价值和商业收益，并规划有边界的反馈迭代。