简介
AI编程正在从辅助工具演化为具备工具链联动与规格驱动开发的自主代理，显著提升了代码生成效率。然而，软件工程的核心并不止于代码生成，更在于代码能否在系统长期演化中被持续理解、验证与维护。AI编程对代码生成的持续加速，可能使短期效率或局部可用性所掩盖的设计偏移、隐性耦合与治理负担被更快引入并持续放大，进而形成新的“技术债”。为此，本论坛邀请学界与业界嘉宾围绕 AI 编程从“生成”迈向“生产”的关键挑战开展如下思辨：1. AI 编程生产能力的边界如何界定；2. 在能力边界之内，如何适配持续演化的系统约束，实现长期自主；3. 在能力边界之外，如何协调自主生成加速与人工审查有限之间的矛盾，保障可信交付。
简介为官网原文，部分内容可能未写完。
人员
主席
- 朱庆福 · 哈尔滨工业大学
- 高翠芸 · 哈尔滨工业大学（深圳）
嘉宾
- 金芝 · 北京大学
- 彭鑫 · 复旦大学
- 谢吉宝 · 阿里巴巴
- 车万翔 · 哈尔滨工业大学计算机科学与技术学院
- 杨健 · 北京航空航天大学
- 滕飞 · 西南交通大学
报告安排
关于AI编程的可控性
金芝 · 北京大学
简介
大模型的代码生成能力已经得到长足发展，大大提高了代码生成效率。但完全靠大模型生成的代码是否真的可用？特别在安全攸关应用场景中是否敢用？目前还是悬而未决的问题。本报告探讨基于风险的软件作用效果边界控制的观点，希望能实现既充分利用代码模型的能力，又能对所生成代码有足够的控制力，达到减轻技术债的目的。
复杂系统视角下的软件智能化开发机遇与挑战
彭鑫 · 复旦大学
简介
尽管AI在小规模、定义明确的任务上表现出色，但面对大型、长期演化的企业级系统时，其效果急剧下降。根本原因不在于模型本身，而在于软件作为复杂系统的本质。为此，我们提出“代码数字孪生”的概念，通过在代码物理表示之上构建概念逻辑层，承载高层设计意图、业务语义和演化历史，并与实现保持双向可追溯。我们还讨论了“驾驭工程”这一新兴范式，即通过前馈约束和反馈传感器系统化地引导和治理AI智能体，并勾勒了AI时代软件工程实践演进的路径。
从编程助手到数字员工——AI Coding 的下一站
谢吉宝 · 阿里巴巴
简介
过去几年，AI Coding的进步主要集中在“帮人更快写代码”：补全、生成、对话式修改，但它始终只是助手——人在，它才在；人一停，它就停。这一次，我们尝试让它成为有身份、有权限、有工位的数字员工，能够7×24在线，独立承担评测、缺陷修复、流水线监控和值班初诊等工作。本次分享将讲清数字员工与编程助手的区别，介绍真实场景中的实践、可信机制与踩坑经验，并探讨人机分工的边界：重复的事交给它，创造的事留给人。这不是替代，而是一次新的分工。
智能体训练新基建：代码运行环境自动构建体系与实践
车万翔 · 哈尔滨工业大学计算机科学与技术学院
简介
代码智能体训练与评测正从静态代码生成转向依赖真实执行反馈的仓库级任务，环境构建成为规模化瓶颈。本报告介绍两类实践：MEnvAgent 面向 SWE-Bench 类任务，实现多语言可验证环境的自动构建、验证与复用；CVE-Factory 面向漏洞修复，在信息稀疏、系统依赖复杂的条件下，自动生成可执行任务环境、测试用例与参考修复。通过环境构建的自动化、标准化与复用，支撑智能体训练、评测及高质量数据规模化生产。
从代码基础模型到代码智能体
杨健 · 北京航空航天大学
简介
代码基础模型正从独立模型迈向工具增强型代码智能体，可自主调用编译器、调试器和API，通过迭代优化与自我调试，实现IDE内自动化和意图驱动的代码合成。Claude Code、Codex等展现了上下文感知与实时反馈的潜力，但仍面临可靠性保障、工具依赖管理和计算开销控制等挑战，可借助微调、提示工程及符号—神经架构改进。未来将聚焦智能体专业化、人机交互伦理与工具缓解模型幻觉，推动无缝协作，加速自然语言向可执行系统转化。