比心技术部 2026 Q1 复盘 & Q2 规划
汇报人：杨忠伟 | 技术部负责人 汇报时间：2026年3月25日
总述
2026年技术部的总体目标是：在确保业务稳定发展与交付质量的前提下，带领团队完成 AI 原生研发体系转型，持续提升研发交付效率与单位产出，并为公司在 AI 时代构建长期可演进的技术基础能力。
Q1围绕四个OKR展开工作：
| OKR | 方向 | Q1核心关键词 |
|---|---|---|
| O1 | 技术支持业务结果 | 移动端营业模式上线、PC安全与AI违规治理、大神服务质量、聊天室基建、支付保证金 |
| O2 | 构建AI原生研发体系 | AI基建4大体系上线、Agent平台建设、AI Coding全员渗透、研发Agent 9个环节覆盖 |
| O3 | 保证交付质量，提升研发效率 | Q1交付488需求/11,051工时、线上问题排查Agent化、AI CR全端卡点上线 |
| O4 | 打造高效的技术组织 | 外包团队5人到位、H5团队AI转型、人员汰换与新人引入 |
O1：技术支持业务结果
KR1：移动端营业模式
移动端大神营业模式延续PC端AI治理的成功路径，向移动端推进。Q1完成了基础能力建设，目前已上线。
Q1已完成：
- 音视频采集方案落地：耳机（有线/蓝牙）、公放模式下的麦克风采集+系统音频采集+分左右声道上行
- 视频采集方案：录屏推流方案（主流方案）确定
- 连麦方案确定：平台内连麦（Android麦克风资源独占限制，不能用三方连麦）
- 与竞品KOOK性能对标测试完成（Android/iOS双端）：
- Android：FPS持平，CPU/GPU比心略高3%，内存无差异
- iOS：FPS比心优于KOOK（KOOK卡顿次数更多），但CPU高14%、GPU高12%，内存持平
Q2规划：
- 特征收集体系建设（移动端特有）：
- 无应服务：前台应用检测（仅Android）+ AI视频分析游戏画面
- 脱离平台：基于ASR检测
- 异常捕获：Crash/ANR/系统回收、用户主动退出（杀应用/关闭录屏/权限变更）
- 行为特征：陀螺仪/加速度传感器/屏幕状态/横竖屏检测
- 稳定性加固：低电量/低内存告警、后台保活+异常恢复（省电模式适配）、App Crash治理
- iOS性能优化：音频自采换即构回调、推流方案对比评估（腾讯直播 vs TRTC vs 即构 vs 声网，性能+成本综合评估）
KR2：PC端能力建设 + 黑灰产对抗
PC端大神违规AI检测是Q1最具代表性的AI赋能业务案例——纯AI驱动的违规检测体系，从0到规模化运行。
一、核心检测能力升级与游戏品类拓展
1. 脱离平台检测优化
- 进行了多次打标纠偏分析和Prompt优化，持续增补触发点标识（如发公屏、发屏幕等）
- 召回率从1月初的70%逐步提升至2月的80%（2月水位打标结果），再到84.4%（2月水位打标后优化，基于全量打标样本集）
2. 转单检测优化与品类拓展
- 持续优化IM和昵称对比逻辑，引入开源OCR模型提升昵称识别准确率，引入双阶段检测模式，大模型升级为qwen3-max
- 增加退款、存单等无效订单过滤逻辑
- 3月中旬，针对全量违规数据的转单检测召回率达到82.98%
- 完成5个新游戏品类上线：英雄联盟（1/15）、永劫无间（1/22）、绝地求生（1/30）、无畏契约（3/4仅关键帧）、CSGO（3/11仅关键帧）
二、新增多项违规检测能力
| 检测类型 | 上线时间 | 当前效果 | 备注 |
|---|---|---|---|
| 无对局/对局不完整检测 | 3/6上线，3/20接入审核平台 | 准确率49%，持续优化中 | 梳理无对局下钻分析报告，通过prompt优化、关键帧识别优化、存单退单过滤等多项迭代 |
| 无服务检测 | 3/5上线 | 准确率17%，持续优化中 | 新增存单、退单、未接单过滤逻辑 |
| 变声器检测 | 3/11上线，3/13接入审核平台 | 日均处置量约5个 | 接入客户端采集特征、大神特征，多轮检测口径优化 |
| 无入队/离队检测 | 3/20上线 | 准确率57.5% | 对比画面识别与音频理解方案，上线基于开始结束话术的音频理解识别方案 |
三、系统功能建设
- 打标工作台：平台水位评估打标工作台1/24上线
- 质检1.0：3/19正式上线
- 常态化标注：自3/16起全面切换至"周维度常态化标注"，为敏捷迭代打下关键基础
- 风险特征清洗：风险特征的制定和数据源分工完成，特征计算和数仓宽表清洗功能3/12上线
四、成本控制与云服务迁移
- 腾讯云基础设施建设2月中旬完成，检测服务3/3完成流量迁移
- 期间成功解决腾讯云公网流量和多个稳定性问题，并进行持续两周的稳定性观测
- 预计实现月降本6万+
- Q1成本明细：1月总费用22.1万元（单位时长成本0.99元/h），2月总费用18.91万元（单位时长成本1.09元/h）
五、未来规划
- 端游违规检测效果持续优化：基于周维度常态化标注结果，脱离平台&转单检测召回率稳定80%+，无对局准确率优化至90%+
- 检测能力拓展：变声器检测支持声纹比对能力
- 手游检测：检测架构调整支持音频+视频检测，基于业务节奏新增手游检测品类和检测类型
KR3：大神服务质量评估
- 完成端游、手游相关服务质量评估稳定接入
- 脱离平台识别优化，告警采纳率提升：73% → 80%
- 新品类上线：无畏契约（3/4）、CSGO（3/11）
- 3/16起调整为周维度常态化标注，实现算法敏捷迭代
- 新增能力：无服务告警（3/3上线）、无对局告警（3/6上线）
- 成本控制：检测服务迁移腾讯云完成（3/4流量切换，提前2天），验证降本效果中
KR4：聊天室技术基建
- 语音与直播合并为"音视频"统一管理，实现需求排期统一规划
- 鸿蒙端适配推进中：聊天室点唱、交友、播客厅
- 音视频活动基建统一和多平台复用升级进行中
KR5：支付保证金系统
- 订单结算支付货币改造（钻石/比心币）已上线
- 个人公司换签持续推进中
- 支付保证金体系与追款能力统一建设进行中
业务重点：猛鬼宿舍
游戏开发能力储备形成：
- 张卜心 + 顾问：游戏开发能力储备
- 后端 + 张虎：游戏基建和日常迭代主力
- Q1版本迭代稳定（1月11版本 / 2月6版本），春节后数据有自然回落，3月需验证企稳
业务重点：语音派单厅改造
人力已分配到位，执行压力可控。
O2：构建AI原生研发体系
26年最高战略优先级目标。在确保业务稳定发展与交付质量的前提下，带领团队完成 AI 原生研发体系转型。
起点判断
2025年10月 Claude Opus 4.6 发布后，AI在代码和逻辑领域的能力达到新高度——超过大多数工程师。但在企业场景中，AI与资深工程师之间仍有明显差距，核心在两点：
- 上下文：AI不了解企业的业务规则、代码架构、工作流程
- 经验：AI没有在企业中积累的做事方法和最佳实践
要让AI真正在研发体系中产出生产力，必须解决这两个问题。因此，Q1围绕这两条线并行推进。
KR1：AI研发平台 — 重构研发全链路
目标：PRD → 技术方案 → 代码 → 测试 → CR → 上线，整个研发链路被AI重构 核心指标：需求AI研发覆盖率 80%，整体研发效率提升 20%
第一条线：AI基建4大体系 — 解决"上下文"问题
为AI补上企业上下文，Q1完成4大基建体系搭建：
1. 知识库体系
给AI提供企业业务知识（产品文档、规则、流程等）。已完成存量钉钉文档导出PDF并关联Teambition，同步至RAGFlow平台，语音产品文档同步中。检索准确率目标80%。
2. MCP工具中心
基于Model Context Protocol标准协议，对接企业内部服务能力。Q1上线34个MCP工具，包括：
- api-gateway-mcp（网关接口调用）
- teambition-bi-mcp（项目管理BI取数）
- jira-mcp（缺陷管理查询与更新）
- bx-mcp（36个业务工具全部完成迁移并分配新路由）
- aigc-mcp（迁移50%）
- 钉钉文档mcp（待管理员账号申请）
基础设施层面：Higress网关升级，解除上下文64KB限制，支持Cursor和Agent平台直接调用；MCP-Key授权流程打通（AI平台创建→Agent平台关联→下游MCP服务消费校验），bx-mcp已完成全流程对接。
3. 技能中心（Skills）
将复杂业务逻辑和领域知识封装为可复用的AI技能包。Q1上线130+个Skills（24个开源 + 80+自研Private + 自定义），公司Skills仓库（git.yupaopao.com）和注册中心初版（test-skills.yupaopao.com）均已上线。Agent平台Skills加载机制完成优化。Q2计划推进Skill安全检测、分类管理和团队内分享宣讲。
4. 代码知识图谱（代码向量化）
构建私有化部署、基于语义理解、支持权限管控的代码检索服务。核心指标：召回率>80%、P99<500ms、代码提交15分钟后可被检索。
Q1进展：
- 引入chunkhound开源库优化代码切块策略（旧版基于Tree-sitter在大文件上存在调用栈过深问题）
- 语言支持从后端（Java/Go/Python）扩展至客户端（Swift/Objective-C/Ruby等混编项目）
- 优化XML文件解析策略，防止无意义切块影响检索准确率
- 支持通配符分支模式，适配客户端项目的release分支
- 多层级标签过滤，通过API-Key多维度关联标签，支持按部门/小组维度检索隔离
第二条线：Agent平台 — 解决"经验"问题
Agent平台的本质是把人的经验转化成AI的操作能力——将资深工程师的经验沉淀到Agent中，让AI获得"如何在比心做事"的经验。
2月份OpenClaw在办公领域出圈，其核心也是操作能力和经验的沉淀。由于研发团队已在1月启动了自己的Agent平台建设，对OpenClaw的反应因此比较平稳。
Agent平台（AI Native Platform）Q1建设成果：
基于Claude Agent SDK构建通用AI Agent平台，面向企业内部研发和业务场景：
- 需求管理能力增强：打通Teambition，增加PMO Agent
- Skill体系中心化改造，会话增加Skill状态展示
- Agent运行引擎架构重构（拆分模块 + 队列调度）
- 在渠道能力、多模态、稳定性方面做了大量补强
- Code Agent部署test环境，远端可查看任务执行、进入opencode会话，扩展新建任务能力（指定Skills/MCP/多仓库模式）
平台数据（来自生产数据库实测）：
| 指标 | 1月 | 2月 | 3月 | Q1增幅 |
|---|---|---|---|---|
| Session数 | 84 | 262 | 1,566 | 18.6倍 |
| 消息数 | 578 | 3,392 | 10,375 | 17.9倍 |
| 活跃Agent数 | 11 | 28 | 81 | 7.4倍 |
| 活跃用户数 | 5 | 22 | 65 | 13倍 |
| MCP工具数 | 3 | 9 | 34 | 11.3倍 |
| Skill数 | — | — | 130+ | 从零到百 |
| 知识库数 | — | — | 20 | 涵盖代码/方案/用例/问题排查 |
Agent使用量TOP5（Q1 Session数）：
- 自动化服务巡检：425次
- 客户端Crash分析：288次
- 缺陷优先级判断：216次
- 缺陷补全：186次
- 需求增强：71次
周维度增长（3月爆发期）：
- W10（3/2-3/8）：157 sessions
- W11（3/9-3/15）：287 sessions
- W12（3/16-3/22）：662 sessions（单周峰值，相当于1月全月的8倍）
研发环节Agent矩阵 — Q1建设与验收
Q1投入37人（占技术部46%）参与14个AI项目，覆盖研发全链路9个环节。3/20完成各环节Agent验收评审，约7成效果超预期。
| 研发环节 | Agent | 负责人 | Q1状态 | 核心进展 |
|---|---|---|---|---|
| 需求分析 | 需求分析Agent | 张博超 | ✅ 已上线推广 | 在RAGFlow创建语音产品业务知识库，接入检索测试流程，组内推广使用并持续优化 |
| 技术方案 | 技术方案Agent | 王鹏（分端：张韬/燕兆耀/吴文祥/王向源/孙彬彬） | ✅ 四端已上线 | 客户端Agent团队推广使用中；H5端拆分B端和C端（B端已推广使用）；后端Agent研发完成 |
| 代码生成 | Code Agent | 郭洋/孙彬彬（分端：周晓飞/王鹏/王向源） | ✅ MVP完成 | 已部署test环境，远端可查看任务执行，支持指定Skills/MCP/多仓库模式。正式版4/24交付（TODO：水平扩展、会话还原、打通特殊交互） |
| 代码审查 | AI CR | 郭洋（分端：周晓飞/姚鹏/梁雪成/刘咪） | ✅ 卡点已上线 | 客户端/H5/后端全端发布卡点上线（2/6上线），新需求合入必须通过AI CR |
| 测试用例 | 测试用例Agent | 戴永亨（分端：张晓晗） | ✅ 初版完成 | 测试用例生成Agent持续优化中，测试用例评审Agent完成，BI取数MCP和Jira MCP完成开发 |
| 单元测试 | 自动化UT | 张东亮/孙郡遥 | 🔄 进行中 | 后端场景开发中 |
| 问题定位 | 问题定位Agent | 陈长（分端：李翔宇） | ✅ 工程化完成 | 改为父子Agent模式（主Agent + 后端代码检索Agent + 客户端Agent），工程化开发完成，预计3/24上线试用（先鱼耳语音问题群） |
| 线上巡检 | 巡检Agent | 孔文昊（分端：李永生/李翔宇/张国强/边乾） | ✅ 已上线 | 服务端工程代码完成（TB/钉钉通知接入），试运行准确率约50%；H5接入Agent平台并与Code Agent打通；客户端MAT接入Agent + Crash分析报表 |
| AI门户 | AI门户网站 | 赵晨雪 | ✅ 运营中 | 对话交互降低AI使用门槛，累计114位用户，1,226次对话 |
KR2：完善AI公司基建
| 基建项 | Q1进展 |
|---|---|
| MCP市场 | 34个MCP工具上线，MCP网关改造完成，授权流程打通，Q2计划公司级+三方MCP扩展 |
| AI Coding IDE | Cursor全员覆盖（详见下方数据），Q2评估第二IDE扩展 |
| Dify平台 | 持续运行中，智能客服后台已对接（AI质检、知识库检索与回复、知识库与Dify平台打通） |
| 服务端AI IDE CLI | Code Agent已部署test环境，4/24正式版 |
| Agent效果评估体系 | Q2建立，基于4月实战数据 |
KR3：建立AI原生研发知识库
- 知识库基建已上线（RAGFlow平台），存量钉钉文档同步完成
- 向量库基建已上线（代码向量化服务），支持6+编程语言，多层级标签隔离
- 20个知识库涵盖代码、方案、用例、问题排查等维度
KR4：建立公司AI门户
- AI门户已上线运营，提供ChatGPT、Gemini、DeepSeek、千问、Minimax、豆包等最新模型
- 累计114位用户、1,226次对话
- 图片处理（Nano Banana Pro）和文档处理基础能力建设中
AI Coding（Cursor）Q1数据
统计口径：每月统计周期为上月14日至本月14日。3月数据（2.14-3.14）包含春节假期。4月数据（3.14-3.24）仅11天，代表春节后正常工作节奏。
核心指标月度总览
| 指标 | 12月(基线) | 1月 | 2月 | 3月(含春节) | 4月(11天) |
|---|---|---|---|---|---|
| 总活跃用户数 | 78 | 90 | 115 | 117 | 103 |
| 代码Accept总行数 | 1,092,915 | 1,192,362 | 1,146,165 | 630,865 | 390,199 |
| 代码采纳率(行数) | 47.55% | 49.85% | 48.47% | 52.92% | 69.19% |
| 代码采纳率(次数) | 97.82% | 97.87% | 96.80% | 96.43% | 97.59% |
| 总Chat次数 | 14,662 | 14,990 | 16,711 | 13,304 | 8,777 |
| 人均日Chat次数 | 6.09 | 5.14 | 4.69 | 3.99 | 7.06 |
日均化趋势（消除统计天数差异）
| 指标 | 1月(31天) | 2月(31天) | 3月(28天,含春节) | 4月(11天) |
|---|---|---|---|---|
| 代码采纳率(行) | 49.85% | 48.47% | 52.92% | 69.19% |
| 日均Accept行数 | 38,463 | 36,973 | 22,531 | 35,472 |
| 日均Accept次数 | 458 | 450 | 348 | 606 |
| 日均Chat次数 | 483 | 539 | 475 | 798 |
代码采纳率从Q1初的50%区间提升至69%，AI产出代码的可用度在快速提升。3月人均行数下降确认为春节假期影响，4月日均数据已回到高位。
分团队数据（4月，3.14-3.24，11天）
| 团队 | 活跃人数 | 代码采纳率(行) | 人均行数 | 人均日Chat | 总行数 |
|---|---|---|---|---|---|
| 业务前端 | 21 | 72.89% | 3,275 | 6.48 | 72,045 |
| 业务后端 | 34 | 71.45% | 3,335 | 7.91 | 113,395 |
| H5研发 | 11 | 54.64% | 5,257 | 7.88 | 57,826 |
前端和后端两个主力团队代码采纳率均突破70%。H5人均行数最高（5,257），与H5团队转型AI原生的策略方向吻合。
AI研发流水线 — 从当前到未来
终局愿景
当前的研发模式是瀑布模式：一堆人定时间→需求评审→技术方案→开发→联调→测试。人推着事走。
面向AI的研发模式是流水线模式：需求进来后，AI自动拆解、分配、编码、测试，人只做衔接和确认。简单场景如同简单工厂，不需要人介入，全自动；复杂场景如同汽车工厂，人做关键节点的衔接和确认。
从"人推事"变成"AI推人"——蒸汽机时代福特发明了流水线，AI时代是AI把人卷入了流水线。
我们做的工作分为两部分：一是建立最有经验的流水线（AI基建 + Agent经验沉淀），二是培养流水线的操作工（组织结构变化）。
当前状态
Q1已落地第一步——需求管理PM Agent（需求预处理的雏形）。一个需求新建后，PM Agent自动处理需求、回复补充问题，人工确认完毕后进入下一环节。
路线图
| 阶段 | 内容 | 时间 | 依赖 |
|---|---|---|---|
| Phase 1 | 需求预处理 | ✅ Q1已落地 | PM Agent上线，打通TB+PMO |
| Phase 2 | 各场景Agent体验优化 | 4月 | 针对实际需求场景体验和优化各研发Agent |
| Phase 3 | Code Agent正式版 | 4月底 | 水平扩展 + 会话还原 + 特殊交互打通 |
| Phase 4 | 推广与实践 + 人效衡量 | 5-6月 | 预计一半的需求可以跑在AI流水线上 |
| Phase 5 | 自动测试闭环 | Q3·7月 | 测试用例Agent + 自动化UT + AI CR联动 |
| Phase 6 | 全链路闭环 + 人效度量 | Q3·9月 | 简单场景端到端自动化，复杂场景人做衔接 |
关键里程碑：
- 4月初：选1个需求跑完全流程验证（需求→方案→编码→测试→上线）
- 4月底：Code Agent正式版交付
- 5-6月：推广实践，预计一半需求跑在AI流水线上，同步建立人效衡量体系
- Q3末：全链路闭环，简单场景端到端<30min，复杂场景人工节点≤3个
O3：保证交付质量，提升研发效率
研发交付总览
Q1共完成488个需求，投入11,051工时，在推进AI转型的同时保住了业务交付基本盘。
| 月份 | 交付工时 | 交付需求数 | 线上缺陷 | 备注 |
|---|---|---|---|---|
| 25年12月（基线） | 4,381h | 200 | 65 | |
| 26年1月 | 3,458h | 191 | 57 | |
| 26年2月 | 3,315h | 128 | 59 | 春节假期影响 |
| 26年3月 | 4,278h | 169 | 92 | 工时环比+29%，超12月基线 |
| Q1合计 | 11,051h | 488 | 208 |
3月交付工时4,278h，环比+29%，超过12月基线水平。其中音视频占2,700h（63%）、比心占1,340h（31%）、中台238h。音视频交付100个需求，比心52个，支付17个。
交付周期
- 音视频3月：57%两周内交付，15%六周以上（超4周需求超20%，需关注长尾）
- 比心3月：交付周期基本正常
质量趋势
| 月份 | 线上缺陷数 | 过程bug率 | P3+事故 |
|---|---|---|---|
| 25年12月 | 65 | 0.06 | — |
| 26年1月 | 60→57 | 0.05~0.09 | 2起P3（猛鬼加载卡+金牌疗愈标签） |
| 26年2月 | 59 | 0.04~0.05 | 0 |
| 26年3月 | 92 | 总体<0.1 | 待确认 |
3月质量分析：
3月线上缺陷92个，较1-2月（57/59）出现反弹。分布如下：
- 比心端：47个，主要集中在PC、大神助手、IM、鸿蒙
- 音视频端：45个（声音27 + 礼物18），礼物相关问题已完成复盘
- 过程bug率总体低于0.1阈值，个别项目（音视频达人试音一期、鸿蒙活动、比心移动端大神助手服务端）略有超出
3月缺陷反弹的主因是3月并行交付量大幅增加（工时+29%）、多个新功能/新品类集中上线。已启动上线后复盘机制。
KR1：测试案例管理
- 业务场景案例梳理进行中：订单、派单、活动、礼物等核心模块基础知识库沉淀
- 缺陷案例库建设中
- 测试用例Agent已初版完成（详见O2），AI测试用例采纳率目标60%，Q2开始衡量
KR2：接口自动化测试
- 接口自动化测试推进中
- 自动化单元测试Agent与Code Agent的交互方案已对齐
- 后端场景开发中，目标：需求覆盖率100%、冒烟覆盖率100%
KR3：线上问题排查效率提升50%
Q1完成4个线上保障Agent建设：
| Agent | 负责人 | Q1状态 | 进展 |
|---|---|---|---|
| 线上问题定位Agent | 陈长 | ✅ 工程化完成 | 父子Agent模式，支持服务端+客户端问题定位，3/24上线试用 |
| 移动健康监测处理Agent | — | 🔄 建设中 | 客户端MAT接入Agent能力，Crash分析报表上线 |
| 线上巡查处理Agent | 孔文昊 | ✅ 已上线 | 服务端TB/钉钉通知接入，试运行准确率约50% |
| H5线上问题处理Agent | — | ✅ 已接入 | H5问题定位接入Agent平台，与Code Agent打通实现链路闭环 |
KR4：研发效率提升20%
- AI原生研发体系的工作效率评估体系Q2建立
- AI Coding代码采纳率从50%提升至69%，AI代码可用度持续提升
- Q2将基于AI流水线实践数据建立人效衡量体系
KR5：保证系统安全底线
- 风控助手Agent Q1正式发布（3/4上线），人工确认准确率96.3%
- 集成风控策略、风控记录、惩罚记录、网关拦截记录
- 集成钉钉企业机器人（单聊/群聊），支持用户反馈收集
- AI安全围栏建设规划中
- 安全业务的风控Agent体系持续建设
云商成本
| 月份 | 阿里云总费用 | 阿里云实付（券后） | 代金券抵扣 | 其他云商 | 环比 |
|---|---|---|---|---|---|
| 25年12月 | 167.9万 | 140.4万 | ~27万 | 88.9万 | — |
| 26年1月 | 179万 | 153万 | 25.9万 | 98万 | +9.5% |
| 26年2月 | 172.4万 | 161.8万 | 10.6万 | 待确认 | 阿里云+5.7% |
| 26年3月 | 待收集 | 待收集 | 待收集 | 待收集 | — |
2月阿里云总费用实际下降（179万→172.4万，-3.7%），但实付增长，核心原因是代金券抵扣从25.9万骤降至10.6万。
Q1已落地降本措施：
| 措施 | 效果 | 状态 |
|---|---|---|
| 大神服务检测迁移腾讯云 | 预计月降本6万+ | ✅ 3/3流量切换完成，稳定性验证通过 |
| 日志服务优化（猛鬼） | -1.5万/月 | ✅ 已生效 |
| 共享带宽回缩 | -0.5万/月 | ✅ 已生效 |
| 大神违规检测成本控制 | 1月22.1万→2月18.91万 | ✅ 持续优化 |
O4：打造高效的技术组织
KR1：建立能够完成C端需求的外包团队
当前外包团队5人（后端3 + 前端H5 2），OKR目标10人。
Q1已承接业务（B端为主）：
-
业务支撑
- 客服业务
- 市场投放业务
- MCN业务
- 音视频B端业务：OP运营后台、CV声优公会后台、聊天室管理后台等
- 通用后台系统日常维护与迭代
-
AI落地
- 智能客服后台能力建设：AI质检、知识库检索与回复、知识库与Dify平台打通
Q2规划：
- 4月中旬开始从B端支撑延伸至C端业务支撑，与内部团队协同扩大覆盖范围
- 扩充至10人规模
KR2：建立AI研发团队
H5团队AI转型：
H5团队定位转型为AI原生研发团队。从4月数据看，H5团队人均Accept行数5,257（全部门最高），人均日Chat 7.88次，已体现出AI原生的使用深度。
AI基建/Agent平台团队：
以孙彬彬（Agent平台）、郭洋（AI CR/Code Agent/研发工具）、金亮（MCP&Skills）、石泉（代码向量化）、梁燕（知识库）为核心，形成了AI基建和研发平台的技术骨干团队。37人参与AI项目，占技术部46%。
KR3：AI前沿动态研究
- OpenClaw研究：2月OpenClaw出圈后完成快速调研，得出结论——核心理念与公司Agent平台方向一致（操作能力+经验沉淀），但公司平台更聚焦研发场景，OpenClaw更偏办公领域
- 大模型能力持续跟踪：Opus 4.6、DeepSeek、千问3-Max等在代码生成能力上的评估
- Q1完成1个领域（AI Coding + Agent平台应用）能力同步
团队整体
组织动作（Q1已完成）：
- 语音与直播合并为"音视频"统一管理，实现需求排期统一规划
- Q1晋升述职5人：陈少罡、张虎、涂先超、燕兆耀、张晓晗
- 年度调薪方案讨论完成
- 总监双周例会机制重设
人员汰换与引入：
今年主要进行人员汰换和新人引入。Q1已完成/进行中7-8人的调整（约正式员工的10%）。引入方向：有AI能力、有经验、能力强的工程师。
招聘进展：
- 夏智3/19入职（数据分析师，行业对口+分析方法论清晰+Cursor自媒体）
- 多名后端AI Agent方向候选人进入终面阶段
- 碧晗4/3离职，两周交接中
年中组织调整规划：
到年中，基于AI流水线的实践和人效数据，对外包团队规模和部分团队结构进行调整。AI研发流水线的组织含义：资深工程师成为流水线的设计者（Agent经验沉淀），新人成为流水线的操作员（在AI辅助下执行）。
Q2 规划
Q2三件核心事
1. AI研发流水线实战落地
4月针对各场景体验和优化研发Agent，4月底Code Agent正式版交付。5-6月进入推广和实践阶段，同步建立人效衡量体系。目标：预计一半的需求跑在AI流水线上。
2. 业务交付保底线
移动端大神营业模式进入特征收集和稳定性阶段、语音派单厅改造执行、猛鬼宿舍持续迭代。PC端AI违规检测继续拓展检测能力和游戏品类，脱离平台和转单检测召回率稳定80%+。
3. 组织能力升级
外包团队扩至10人并切入C端业务、持续进行人员汰换和AI人才引入、年中基于人效数据进行组织结构调整。
Q2关键里程碑
| 时间 | 里程碑 |
|---|---|
| 4月初 | 选1个需求跑完全流程AI验证 |
| 4月中旬 | 外包团队开始C端业务支撑 |
| 4月底 | Code Agent正式版交付 |
| 5月 | AI流水线推广，建立人效衡量体系 |
| 6月 | 预计一半需求跑在AI流水线上，年中组织调整评估 |
总结
Q1技术部完成488个需求/11,051工时的业务交付，同时投入46%的人力推进AI原生研发体系转型。
AI基建4大体系（知识库/MCP 34工具/Skills 130+/代码图谱）全部上线，Agent平台从1月的5用户/11个Agent增长到65用户/81个Agent，研发全链路9个环节的Agent中7成效果超预期。AI Coding代码采纳率从50%提升至69%，AI代码可用度发生质变。
Q2的核心是从"建设"转入"实战"——把Q1搭好的基建和Agent真正跑在需求上，让AI流水线开始产出实际价值。