菜鸟用Agent托管端到端交付，AICoding贡献率90%但需求交付仅提速10%

在2026年AICon全球人工智能开发与应用大会上海站上，菜鸟网络研发总监郭凤钊分享了其在AI研发效能领域的最新实践。他指出，尽管菜鸟内部AI Coding的贡献率从约10%提升至90%以上，但需求交付周期的缩短幅度却远低于预期——仅约10%。

郭凤钊表示，这一现象反映了AI技术在实际应用中的局限性。编码只是需求交付链路中的一个环节，而整个流程还包括需求澄清、技术方案设计、测试用例生成、编译、测试和部署等多个阶段。即使编码实现100%自动化，它在整个交付周期中所占时间可能也只有30%左右。

基于这一洞察，菜鸟开始探索需求的端到端托管交付。具体而言，就是从需求澄清开始，一直执行到代码部署至预发环境，由Agent主导整个流程，工程师只在必要节点参与确认。这一方案的核心在于解决运行环境问题：托管交付Agent应该运行在本地、普通云端环境，还是云端沙箱？

经过权衡，菜鸟最终选择在云端沙箱中构建托管交付的运行环境。云端沙箱具有两个明显优势：一是可以提供7×24小时的运行环境，不会因开发者关闭电脑而中断任务；二是更有利于企业经验共享。

郭凤钊进一步介绍了菜鸟在AI研发效能领域的其他实践。例如，在推广AI Coding的过程中，菜鸟主要做了四件事：找到高度认可AI Coding、愿意持续探索的开发者，由他们担任AI布道师；引入市场上成熟的Coding Agent；对团队和个人维度的AI Coding贡献率进行度量和公开展示；与安全团队联合，识别并防范AI Coding带来的代码与数据安全风险。

此外，菜鸟还尝试用通用Agent、Plugin和Playbook构建企业级交付体系。图1展示了Plugins丰富的组件如何更适合用工程化的方式管理上下文，以及Playbook.md如何描述长程任务的执行流程，通过通用Agent循环处理。

然而，长程任务的上下文挑战已经超越了Skills的能力边界。图3显示，大模型的上下文窗口资源非常稀缺，压缩也不能完全解决问题。为此，Anthropic提出了Harness设计原则，包括拆解功能清单、增量推进和测试验证等。

在云端Agent平台方面，阿里云旗下的Qoder Cloud Agents提供了全托管的Agent解决方案。图4展示了Qoder Cloud Agents的架构，包括集成方案、QCA Forward和QCA Managed三个层次，支持Open API、Webhook、多语言SDK等多种接口方式。

为了将AI Agent部署成可调用的云服务，图5展示了一个简单的Hello World Agent创建流程，从选择起始点、配置Agent、配置环境到第一个API调用，全程由API驱动，无需终端用户界面。

总的来说，菜鸟的实践表明，虽然AI Coding在代码生成方面取得了显著进展，但在实现端到端需求交付自动化方面仍面临诸多挑战。未来，需要在Agent运行环境、流程自动化和跨阶段协作等方面进行更多创新和探索。