AI 工程化
四层底座，把 AI 编码变成工程能力
不是把代码贴给聊天框，而是让模型在受控环境里工作：输入有规范、执行有工具、产出有门禁、结果有度量。
规范层 · Prompt 与代码约束
统一的需求模板、编码规范、目录结构与命名约定，转成模型可消费的规则文件与示例集，生成前先对齐边界。
- 需求模板
- 编码规范
- 示例集
- Lint / Format
工具层 · Agent 与上下文接入
通过 MCP 与内部工具把模型接进仓库、issue、设计稿、接口文档与测试环境，让 AI 读到真实上下文而不是猜测。
- 代码仓库
- 接口契约
- 设计稿
- 测试环境
门禁层 · 评审与自动化检查
人工架构评审 + 流水线强制检查：单元测试覆盖率、静态扫描、依赖与许可证审计、安全漏洞、性能基线，不达标禁止合并。
- Code Review
- 覆盖率 80%
- SAST / SCA
- 性能基线
度量层 · 反馈与持续调优
记录生成采纳率、返工率、缺陷来源与评审耗时，反向优化规则文件与示例集，让下一批生成质量更高。
- 采纳率
- 返工率
- 缺陷归因
- 规则迭代
AI 研发流水线：每个环节的输入、动作与产出
| 环节 | 输入 | AI 动作 | 人的动作 | 产出 |
|---|---|---|---|---|
| 规格化 | 访谈纪要、原型 | 拆解用户故事与验收标准 | 确认范围与优先级 | 需求清单、接口契约 |
| 设计 | 需求清单、现有架构 | 生成备选方案与依赖分析 | 架构决策与取舍 | 架构图、ADR、数据模型 |
| 生成 | 任务卡、规范与模板 | 按模块生成代码与单测 | 复杂逻辑手写与纠偏 | 特性分支、可运行版本 |
| 校验 | 特性分支、契约 | 补边界用例、回归集 | Code Review、验收 | 测试报告、评审记录 |
| 发布 | 通过门禁的构建物 | 生成发布说明与检查单 | 灰度决策、值守 | 线上版本、监控看板 |
| 回流 | 指标与日志 | 异常归因、优化建议 | 排期下一轮迭代 | 需求池、复盘报告 |
工程底座
六项底层能力，支撑业务快速跑起来
能力组件化、平台化，新项目复用率超过 60%，AI 在复用组件上生成代码，比从零生成更稳定。
云原生架构
容器化部署、微服务治理、多可用区容灾与弹性伸缩，支撑大促流量瞬时扩容与灰度发布。
Kubernetes · 服务网格 · GitOps
数据智能
统一埋点治理与指标口径，构建用户画像、行为漏斗与经营分析看板，支持自助取数。
数仓建模 · 实时计算 · 指标平台
AI 应用
多模型编排、RAG 知识库、推荐排序、AIGC 内容生产与智能审核，把模型接进业务流程。
模型网关 · Agent 工作流 · 评测集
安全合规
等保测评配合、传输与存储加密、细粒度权限与操作审计，敏感数据全程脱敏。
等保二级/三级 · 数据脱敏 · 风控
高并发性能
全链路压测、多级缓存与查询优化，页面秒开、核心接口 P95 稳定在 100ms 以内。
压测 · 缓存 · 链路追踪
设计与体验
设计系统、交互与品牌视觉、可用性测试，AI 按组件库生成界面，风格天然统一。
设计系统 · 动效 · 无障碍
工程度量
我们对外承诺的，都是可测量的
以下区间来自近 24 个月交付项目的统计，合同可写入验收条款。
50%+
交付周期缩短
86%
平均单元测试覆盖率
-35%
线上缺陷密度
96%
迭代按期交付率
- 代码重复率 < 5%
- 0 高危依赖漏洞上线
- 接口 P95 < 100ms
- 回滚耗时 < 5 分钟
技术栈全景
按场景选型，不被单一技术绑架
同一业务模型可在多端复用；AI 生成时按语言与框架分派到对应的规则集与模板库。
前端与全栈
- TypeScript
- Vue 3 / Nuxt
- React / Next
- Vite
- Tailwind CSS
- ECharts
- Node.js / NestJS
后端与中间件
- Java / Spring Boot
- Go / Gin
- Python / FastAPI
- gRPC / REST
- Kafka
- RabbitMQ
- Elasticsearch
移动与终端
- Flutter
- React Native
- Swift
- Kotlin
- 鸿蒙 ArkTS
- 微信小程序
- 支付宝 / 抖音小程序
数据与算法
- MySQL / PostgreSQL
- Redis
- MongoDB
- ClickHouse
- Flink / Spark
- Airflow
- 推荐与风控模型
云原生与运维
- Docker
- Kubernetes
- Helm
- Istio
- Prometheus / Grafana
- SkyWalking
- 阿里云 / 腾讯云 / 华为云
AI 与自动化
- 多模型网关
- MCP 工具链
- 向量库 / RAG
- Agent 编排
- 编码助手
- Playwright / Vitest
- GitLab CI / Actions
安全与合规
AI 提效的前提，是数据边界清晰
客户最担心的是“代码喂给了谁”。我们的默认答案：不喂公共模型，数据留在客户环境。
- 私有化部署：支持本地或客户云内的模型与工具链，代码与文档不出边界。
- 权限与审计：仓库、环境与数据库分级授权，所有 AI 操作留痕可回溯。
- 许可与漏洞：依赖许可证与 CVE 扫描纳入门禁，禁止传染性协议与高危依赖进入生产。
- 知识产权：验收后源码、设计与数据资产完全归属客户，AI 生成部分同样移交。
数据边界方案对照
公有云 API 模式成本优先
调用外部模型，但仅发送脱敏后的片段，禁止提交生产数据与密钥，适合非敏感业务模块。
专有云隔离模式常用
在客户云内独立 VPC 部署模型网关与编码 Agent，数据不出客户账号，网络与审计策略由客户掌控。
全离线私有化合规优先
本地推理集群 + 私有仓库，适配金融、医疗与政务等强监管场景，配合等保测评交付。