核心事件：AI Coding从“写代码”走向研发闭环

8月21日至22日，AICon全球人工智能开发与应用大会将在深圳举办，汇丰科技内部开源负责人李渭宁将出席“AI原生新范式：Coding Agent重构软件研发全流程”专题，分享《从代码生成到研发闭环：AI Coding在金融科技SDLC中的落地实践》。这场分享的重点不再只是大模型如何生成代码，而是讨论AI Coding如何进入金融科技企业的完整研发流程，并在安全、合规和可治理的前提下规模化使用。

SDLC即软件开发生命周期，指从需求、设计、编码、测试到交付运维的一整套研发过程。过去AI Coding常被视为个人开发者的效率工具，例如补全代码、生成函数或解释报错；但在企业场景中，真正的挑战是让它理解业务上下文、遵守工程规范、沉淀可复用能力，并融入既有工具链。

企业级落地：内部开源与Agent Skills

根据会议披露的信息，汇丰科技的实践将围绕内部开源和社区共创展开：把不同团队在需求分析、架构设计、编码实现、代码评审、测试验证和交付协同中的经验汇聚起来，再沉淀为可复用、可治理的工具与Agent Skills。这里的Agent Skills可理解为面向特定研发任务的智能体能力单元，既包含提示词、流程约束，也可能包含对工具和上下文的调用方式。

这一路径回应了企业使用AI Coding时的典型问题：零散Prompt难以复用，个人经验难以共享，不同团队的技术栈和流程差异又会放大落地成本。通过内部开源，企业可以让一线团队把有效实践公开给内部社区，在协作中迭代工具、规范和使用方法，从而把“某个开发者会用AI”转化为“组织具备AI辅助研发能力”。

李渭宁的经历也与这一主题相匹配。他深耕金融科技领域15年，拥有研发、测试、运维、架构、项目交付及产品管理等多领域经验，曾服务汇丰科技、广汽汽车金融、小鹏融资租赁、恒生银行等金融机构及科技企业。

工具链集成：让Agent进入日常工作流

此次分享还将展示MCP、VS Code、GitHub Copilot、Jira、Confluence等工具与平台的集成方式。MCP可简单理解为一种帮助模型连接外部工具、数据和上下文的机制，目标是让Agent不只停留在聊天窗口中，而是能在企业研发工作流里调用信息、执行步骤并形成闭环。

从披露的提纲看，相关案例覆盖SDLC多个环节：

• 需求阶段：结合Jira、Confluence辅助需求理解与澄清；
• 设计阶段：辅助架构方案生成、影响分析与技术决策；
• 编码阶段：结合VS Code、GitHub Copilot提升开发效率；
• 评审阶段：辅助Code Review、风险识别与规范检查；
• 测试阶段：辅助测试用例生成、缺陷分析与验证闭环。

这意味着AI Coding的定位正在变化：它不只是代码生成器，而是尝试成为连接需求、代码、测试和知识库的研发助手。对金融科技企业而言，这种连接尤其关键，因为业务规则复杂、系统边界清晰、审计和合规要求较高，AI必须在受控环境中发挥作用。

风险、治理与规模化推广

会议材料也明确提到实践痛点：模型输出存在幻觉和不确定性，在复杂业务场景下难以保证代码质量与一致性；同时，AI工具可能涉及敏感数据泄露、工具越权调用等安全与合规风险。规模化推广同样不易，不同团队的流程和技术栈不同，应用价值也难以量化，需要平台、流程和研发文化同步变化。

因此，本次分享会把安全治理、风险评估与可控落地作为重点，包括金融科技场景下的数据边界、Agent Skills的复用、权限、审计与质量治理，以及如何平衡效率提升和工程风险。材料还提到，从内部开源小项目到上万人分享与共建的AI Coding平台，推广过程需要选择高价值试点场景，并配套开发者采纳、培训反馈和社区运营机制。

行业观察：竞争焦点转向工程化

AICon深圳站全日程已上线，会议设置10个专题论坛和1个动手实验室，近60场议题，50多位资深专家将围绕Agent工程化、大模型基础设施、AI Native研发、具身智能、Agent安全等方向交流。大会本身也反映出一个趋势：大模型竞争正在从单纯能力突破，转向可靠智能体、工程体系和业务闭环。

对金融科技行业来说，AI Coding的价值不会只由“生成了多少代码”决定，而取决于它能否在组织级流程中稳定、可审计、可复用地工作。下一阶段，企业更可能把AI Coding建设成研发基础设施的一部分：前端连接开发者工具，后端对接需求、知识库和流程系统，中间通过权限、审计和质量标准约束风险。谁能把个人提效沉淀为组织能力，谁就更有机会在AI原生研发转型中获得持续收益。