极狐GitLab 亮相长三角算力大赛与AiDD研发数字峰会

当 AI 已经能够独立完成越来越复杂的编写与修复任务，我们需要重新设计的，就不再只是单点的 Coding 工具，而是围绕模型构建的整个 工程环境（Engineering Environment）。

在刚刚落幕的长三角芜湖算力算法创新应用大赛与第十届 AiDD 软件开发大会上，极狐GitLab 资深解决方案架构师陈渚与赵阳相继带来了行业前沿洞察。他们指出：AI Coding 已经越过价值验证阶段，进入企业研发体系；然而，局部写代码提效与组织整体交付停滞之间的“AI 效率悖论”，正成为企业面临的最大挑战。

为了破局这一矛盾，极狐GitLab 提出了从 DevOps 平台 向 Harness Engineering（工程约束与驾驭体系） 演进的全景路线图。

01、精彩回顾

无论是在演讲大厅还是在交流展位，我们都感受到了大家对 “AI 落地研发体系” 的极高热情！

在现场，许多技术主管、架构师和一线开发者纷纷来到我们的展位前，和极狐GitLab 团队展开了深入探讨。大家讨论最多的痛点非常清晰：

•   “团队里大家都用上了 AI 写代码，但为什么**项目的最终交付速度却没有明显变快？” 

• “AI 自动生成的代码越来越多，Code Review 和安全测试队列却堵爆了，怎么办？”

•   “如何让 AI Agent 在符合企业安全规范和权限要求的前提下，真正替我们干活？” 

 这些来自一线的真实声音，恰恰印证了我们本次分享的核心议题。

02、演讲干货提炼

面对大家的困惑，陈渚和赵阳在演讲中分享了极狐GitLab 关于“AI 辅助研发”向“AI 驱动工程”演进的核心思考：

 1. 破局“AI 效率悖论”：AI 让个人写代码变快了，但研发瓶颈也从“写代码”转移到了“评审、验证与治理”。企业缺少的不是更多单点的 AI Coding 工具，而是一个能让 AI 受控运行的工程环境。

 2. 代码生成只是中点，责任链才是关键：一个完整的工程任务，不是“生成了代码”就算完成，而是要经历 理解意图 ➔ 获取上下文 ➔ 受控执行 ➔ 环境验证 ➔ 人工审批 ➔ 可追溯结果。

 3. 构建 Agent 的工程跑道（Harness）：极狐GitLab 提出了构建组织级 Harness 体系的五大支柱（意图跑道 Spec、最小充分上下文、隔离执行环境、真实 CI/CD 反馈、组合身份权责治理），帮助 enterprise AI Agent 在真实工程环境中“持续做对事情”。

03、敬请期待

为了更好地服务开发者与企业客户，极狐GitLab 接下来还将举办和参与更多丰富的线上线下活动（包括技术沙龙、闭门研讨会、DevOps/AI 落地实操工作坊等），为大家提供面对面沟通交流、探讨前沿技术的平台。

 想了解更多活动预告或技术干货？欢迎持续关注我们的官方公众号/社群，我们下一次活动见！