Coding Agent 与研发范式：AI 吃掉 SDLC
2026/8/23大约 2 分钟
AICon 2026 学习系列 · 阶段 6 · 前沿扫描 · 第 39/43 篇 · 🚧 占位待学
上一篇：《端侧智能与超级 App：端云协同》
下一篇：《商业与组织：超级个体、蜂群与增长》
学习大纲：《AICon 2026 学习总纲》
状态：待学习。 本文为占位文档：知识点清单、实验与验收标准已就绪，正文待按「先学习、先实验、再撰写」补全。
对应总纲单元：阶段 6 · 单元 6.4
一、本文要解决的问题
你天天用的 Claude Code / Copilot 就是 AICon「研发新范式」专题的主角。从 autocomplete 到独立领任务的 Agent，再到重造整个 SDLC——这场变革卡在质量与规模化两道坎上。
二、知识点清单
- Coding Agent 的构成：模型 + 仓库上下文 + 工具（读写文件 / 跑命令 / 搜索）+ 循环——阶段 3 全部知识的合体
- scaffold 工程：仓库地图、规则文件（CLAUDE.md 类）、任务拆解
- 评测：SWE-bench 类基准在测什么（真实 issue 修复率）
- AI Native SDLC：需求 → 设计 → 编码 → 测试 → 发布的全流程重构；人机分工点
- 规模化双困局：流程（评审与质量门怎么设）与成本（token 经济学）
三、动手实验（学习时必须真跑）
- 用 Claude Code 完成一个真实小任务（一个 bug 修复或小功能），全程记录：它哪步神勇、哪步翻车、你补了什么
- 写一份复盘：哪些环节你选择接管、依据什么信号
- 读 AICon《从 AI Coding 到 AI Native SDLC》《跨越 Coding Agent 规模化后的流程与成本双困局》议题摘要
四、验收标准（全部通过才进入下一篇）
五、写作提示（补正文时遵守）
- 开篇问题驱动；结构走「是什么 → 为什么 → 怎么做 → 背景知识」
- 所有代码、命令、输出必须先在本机跑通再写入，不得杜撰
- 版本口径以总纲环境清单为准（Python 3.12 / Ollama / vLLM 与 SGLang 最新版 / Spring AI 1.x）
- 涉及版本敏感结论时标注出处与时间
本篇完成后，把文首导航块的「🚧 占位待学」去掉，并在总纲处打卡。