专题演讲嘉宾：郭良

AI Coding 压缩编码成本后，研发瓶颈开始转向需求、设计、验证和生产责任。我们提出“人站在 V 模型两端、Agent 执行中段”的 Human-on-the-loop 模式：用研发六环划定自治半径，以 SpecX 将专业判断前置为 Spec、后置为 Evidence，再通过 Loop Ownership 重构团队责任。目前 1～3 环已推广，4 环跨仓设计和 5 环测试交付完成穿刺，覆盖 400+ 需求、Skill 调用 1 万+。演讲还将复盘全流程自治、RAG 替代 Spec、平台包办 Agent 和新人训练被跳过等踩坑。

演讲提纲

1. AI 接管执行，人的责任为何上移：分析编码提速后出现的意图税、上下文税、验证税和稳定性税，以及 Developer、Architect、QA、SRE 和管理者的价值中心如何变化

2. V 模型与研发六环划定人机边界：人在左端定义目标、约束和风险，在右端定义证据、验收和发布决策；Agent 承担中间规划、生成、检查和修复，并从实现级逐步扩展到设计、交付和运行级

3. SpecX 承接 Human-on-the-loop：SpecSpace 将专业判断沉淀为结构化工程上下文，SpecFlow 与 Harness 负责编排执行，Eval、Gate 和运行反馈负责验证、回放与失败学习

4. 团队转向 Loop Ownership：领域团队拥有业务结果和验收标准，平台提供工程底座，治理团队定义自治与生产边界，团队从逐步审批转向监督指标、处理异常并对完整闭环负责

5. 真实踩坑与人才重构：复盘生成量不等于交付收益、长链路难诊断、RAG 不等于可执行知识、平台包办导致责任弱化，以及 AI 可能跳过新人判断力训练等问题

实践痛点

1. 自治与确定性的冲突：Agent 越自由，泛化能力越强，但执行越难复现和诊断；约束过多又容易退化为传统脚本

2. Spec 成本与变化速度的平衡：Spec 太轻无法约束 Agent，太重则产生新的文档负担，需要在真实失败中增量建设

3. 可信度与验证成本的取舍：Eval、门禁和证据链可以降低风险，但会增加算力、等待和维护成本，需要按风险等级配置

4. Human-on-the-loop 的能力退化风险：人不再参与每一步后，可能失去系统细节和故障感知，尤其需要重构新人培养与异常演练

5. 平台复用与领域责任的张力：平台统一能力可以降本，但不能包办业务 Agent，否则领域团队容易失去结果所有权

演讲亮点

1. 将 V 模型重新解释为人机职责图：不同于主要关注模型能力、代码生成率和工具调用的方案，本实践先明确人在定义端与验证端的责任，再用研发六环逐层扩大 Agent 的自治半径

2. 用“Spec—Harness—Evidence”将专业判断工程化：区别于单纯建设 RAG 或 Prompt 模板，SpecX 让知识能够约束执行、结果能够被证据验证、失败能够回流为新的 Spec、Eval 和 Harness

3. 将 Human-on-the-loop 落实为 Loop Ownership：为每条闭环明确 Owner、自治级别、证据标准、异常接管点和学习机制，使个人 AI 提效能够转化为团队能力

听众收益

1. 可以了解一套分析技术人责任迁移的框架，并参考 V 模型与研发六环判断哪些场景适合自动执行、哪些仍需审批或人工接管。同时可将 Spec、Harness、Eval 和 Loop Ownership 作为研发 Agent 方案设计的检查清单

2. 分享中的真实踩坑，也可为团队评估局部提效、知识建设、组织责任和新人培养问题提供案例参考