专题演讲嘉宾：李俊

AI Coding 把个人写码效率抬高后，整条链路仍常卡在联调：环境搭不齐、流量跑不准、问题查不清、环境养不住。根因接近阿姆达尔定律——生码只占链路一部分，环境与验证才是新瓶颈。本演讲基于大型微服务体系线下联调实践，讲述如何把既有 DEV/Stable 地图上翻为 Agent 可使用的 AI 研发环境（ADE）：以沙箱提供可日抛执行面，以 Artifact FS 统一上下文与产物，以 Agent 友好终端提供可观测可编排的行动语言。分享从「给人用的 1.0–3.0」到「给 Agent 用」的选型取舍、踩坑与可量化收益，以及人机协同边界如何划。

演讲提纲

• 背景：Coding 提速后，环境与验证为何成为新瓶颈（案例 + 数据）
• 问题拆解：搭不齐 / 跑不准 / 查不清 / 养不住，对 Agent 闭环的放大效应
• 演进回顾：工具→产品→解决方案→可测性专项，为何仍不够
• 技术方案：ADE 三件套——沙箱、Artifact FS、Agent 友好终端（架构与关键决策）
• 实践与踩坑：冷启动、输出灌爆 Context、环境漂移、权限与隔离 tradeoff
• 效果与边界：哪些环节可 Agent 自主，哪些必须人指挥；总结与展望

实践痛点

• 沙箱日抛 vs 环境保鲜成本
• 全量终端输出 vs Agent token/延迟
• 文件系统统一语义 vs 存量 Git/制品异构
• 给人用的控制台体验 vs Agent 可编程接口——每项都要在稳定性、成本、可观测之间取舍，且 Agent 失败模式比人更「脆」

演讲亮点

• 把 Infra 主用户从「人」切换为「Agent」，同一张线下地图做 Agent 化，而不是另建一套演示环境
• 用「沙箱 + Artifact FS + Agent 终端」拼出可写、可记、可观测的闭环，而不是只堆更多 Coding Agent 插件

听众收益

• 建立「环境与验证驱动」的判断框架
• 拿到可落地的 ADE 能力拆分与选型 checklist
• 带走可复用的踩坑清单（冷启动、输出、漂移、隔离）
• 明确人机边界，避免把 Agent 研发做成不可运营的黑盒