围绕 AICon 上海中“蚂蚁全链路 AI 研发、SDD 规范驱动与 Harness 工程实践”的分享线索，本文从软件开发、企业数字化、云计算与安全合规角度，讨论 AI 研发从工具试点走向流程重塑时需要关注的关键问题。
今日技术观察 点击查看原文> 01 背景速览 背景速览：近期 InfoQ 报道了 AICon 上海相关内容，主题聚焦蚂蚁在全链路 AI 研发中的探索，并提到 SDD 规范驱动与 Harness 工程实践。由于公开摘要信息有限，可以确定的是，这一议题并非只讨论单点 AI 编码工具，而是更关注 AI 如何进入需求、设计、开发、测试、交付等研发链路，并通过规范与工程平台提升可控性。 02 趋势影响 趋势影响：从行业视角看，AI 正在推动软件开发从“人主导工具辅助”逐步走向“人机协同流程重组”。当企业开始把 AI 用在研发全流程中，单纯依赖模型能力并不足够，规范、上下文管理、评测机制、自动化流水线和权限治理都会成为关键支撑。对于云计算、开源技术和企业数字化团队而言，这意味着 AI 工程能力将更多体现在平台化、流程化和可审计化上。 03 企业应用启发 企业应用启发：企业在引入 AI 研发能力时，可以先从高频、边界清晰的环节切入，例如需求澄清、代码生成辅助、测试用例补全、文档整理、缺陷分析等，再逐步接入 CI/CD、代码评审和质量度量体系。若参考“规范驱动”的思路，企业需要先沉淀统一的研发规范、接口约定、安全基线和质量标准，让 AI 的输出有明确参照，而不是把模型当作独立的“黑箱助手”。 04 合规观察 合规风险提醒：AI 进入研发链路后，网络安全与合规问题不能后置处理。企业需要关注代码、日志、配置、接口文档等敏感信息是否被不当输入模型；还要评估开源依赖、生成代码版权、漏洞引入、权限滥用和审计追踪等风险。尤其在涉及金融、政企、医疗等场景时，AI 研发工具的接入边界、数据脱敏、模型调用记录和人工复核机制都应提前设计。 05 开放讨论 开放讨论问题：你的团队是否已经在研发流程中系统性使用 AI，而不只是试用代码补全工具？在引入 AI 研发平台时，你认为优先建设的是提示词规范、研发流程标准、评测体系，还是安全合规机制？对于“规范驱动”的 AI 软件开发方式，大家更担心效率收益不明显，还是担心 AI 输出难以追责和治理？ 公开来源参考 蚂蚁全链路 AI 研发，SDD规范驱动与 Harness 工程实践｜AICon上海