软件与互联网 · 内容生成 / 企业知识库 / Agent / 流程自动化
亚信科技借助AI编程助手Qoder实现研发效能跃升
亚信科技通过引入Qoder构建企业知识库和多Agent协同范式,将30年专家经验转化为团队能力,实现近万名研发人员AI Coding转型,人均代码产出提升14.6%,核心BSS系统AI覆盖率超90%。
业务效果
人均代码产出提升14.6%
未披露
业务效果
从需求到测试的端到端全流程平均提效80%左右
未披露
业务效果
核心BSS系统AI覆盖率整体达到90%以上
未披露
01
业务背景
亚信科技深耕通信行业30余年,为电信运营商等大型企业提供软件产品与解决方案,拥有近万名研发人员。公司致力于数字化转型支撑,在保障核心业务质量的同时助力客户拓展新兴业务。
02
遇到的问题
作为通信行业核心软件供应商,亚信科技面临巨大的效率增长压力。其长期服务的BSS/OSS系统高度复杂,系统横跨2G到5G多个技术代际,新老逻辑交织,模块耦合度高,研发维护难度极大。同时,三十年积累的工程经验、文档和数百万行历史代码分散在专家脑海和不同步的系统中,传统传帮带模式效率低下,新员工熟悉单一模块需数月,难以应对快速迭代。
03
AI 解决方案
亚信科技确立从Cloud Native向AI Native进化的战略,全面引入Qoder,将AI First理念注入研发全流程,覆盖需求、设计、测试、缺陷修复等。具体措施:1) 基于知识引擎构建企业级知识库,自动从历史代码、API资产和架构特征中提取规范知识,并将研发对话沉淀为知识卡片,使专家经验结构化共享;2) 构建多Agent协同工作模式,由架构师定义模块边界和接口契约,将复杂任务拆解给缺陷定位、修复、验证等Agent并发执行,Agent间共享上下文协同,并通过持续注入约束和经验提升准确率,人机协作进化。
- 1建立企业级知识库,利用AI从历史代码和文档中自动提取规范知识,生成知识卡片,并实现团队共享。
- 2在研发流程中引入AI代码补全和生成,逐步扩展到需求、设计、测试等环节。
- 3设计多Agent协同范式,由架构师定义边界,将复杂任务拆解给不同Agent并发执行。
- 4通过持续反馈注入约束和经验,优化Agent在复杂场景下的准确率。
- 5推广全员AI Coding,实现近万名研发人员规模化使用。
04
实施结果
业务效果:人均代码产出提升14.6%
业务效果:从需求到测试的端到端全流程平均提效80%左右
业务效果:核心BSS系统AI覆盖率整体达到90%以上
业务效果:千人规模运营团队中,月活跃率稳定
05
风险与边界
AI编程辅助可能带来代码质量风险,需确保知识库准确性和Agent输出的正确性;多Agent协同需要合理架构设计,防止边界混乱;员工适应性要求高,需进行培训和文化变革。
亚信科技通过Qoder实现AI Coding规模化应用,是通信行业数字化转型的典型。该案例展示了AI如何在复杂系统中重构研发流程,将专家经验转化为团队能力,对于大型企业具有重要参考价值。
适合
大型软件研发企业,尤其是系统复杂度高、历史代码多的企业需要加速研发效能、实现知识沉淀和复用的企业希望构建AI原生研发流程的科技公司
前置条件
具备较强的IT基础设施和云计算能力有明确的研发流程和工程规范能接受AI代码生成并愿意投入变革管理
信息来源
2 个来源页面内容为结构化改写;关键结论应可追溯到以下材料。