AI热榜 从「构建 AI」到「驾驭 AI」，100+ 实战案例拆解 AI Native 时代的工程新实践！
推理模型持续突破能力边界，Coding Agent 深度参与研发流程，Agent Runtime、Agent Framework 快速演进……AI 正在从回答问题的模型，演变为能够自主规划、调用工具、执行任务的软件系统。
AI 不再只是软件中的一个能力，而开始成为软件系统的一部分。
这意味着软件工程面对的挑战也发生了变化：团队需要思考的不再只是如何训练模型、模型、部署模型 或优化 Prompt，而不是如何让具备自主能力的 AI 稳定、可信、可控地运行。
模型决定 AI 能做什么，系统决定 AI 能否真正创造价值。
在这一背景下，2026 年 QCon 全球软件开发大会大会 · 上海站正式启动。
本次大会将于 10 月 22 日—24 日举办，聚焦 Harness AI 时代的工程实践，围绕 AI Native 架构、Agent Runtime、AI Infra、Data Systems、Agent 安全与可观测、Loop Engineering、Vibe Coding、具身智能与世界模型、端云协同等前沿技术方向，邀请全球技术社区与产业一线的实践者，系统性分享前沿洞察与实战经验，共同探索 AI 从能力到系统、从实验到生产的真实路径。
阿里巴巴高级研发工程师李峥峰已确认出席 “AI 驱动的软件工程” 专题，并发表题为《Open Code Review：百万真实任务验证的确定性工程与 Agent 协同》的主题分享。
本次分享将结合阿里 Open Code Review 的建设实践，介绍如何通过确定性工程 + Agent 协同，将通用 Agent 收敛为适用于代码评审场景的垂直领域 Agent。
分享将围绕分治并发、精准定位、规则模板引擎、工具链蒸馏、上下文分层管理等关键工程实践，探讨如何将工程逻辑与模型能力结合，让确定性的工作交给工程系统，让需要语义理解的任务交给大模型，实现更高的稳定性、更低的成本和更好的评审质量。
同时，分享还将结合百万真实任务、阿里内部 2 万余名开发者的使用数据以及 Open Code Review 开源项目实践，介绍 AI Review 在生产环境中的效果验证，并进一步探讨 AI 深度参与研发后，如何建立新的评估体系，推动 AI Code Review 从"辅助工具"走向研发流程中的质量基础设施。
李峥峰,阿里巴巴高级研发工程师、Open Code Review 作者、阿里集团 AI 代码评审负责人。
主要研究 AI Agent、程序分析等方向，先后负责了集团内代码导航、代码洞察、代码评审智能化等项目的落地，服务了数万阿里集团开发者，在实际业务中取得显著效果。
在 AI Agent 系统设计、场景化工具链蒸馏、大规模生产环境下的质量-成本-速度平衡等方面积累了一定的经验。
主导开源了 Open Code Review 项目及业界首个多语言、具备存储库上下文感知的 Code Review Benchmark（AACR-Bench），为行业提供了更精准的质量评估标准。
他在本次会议的详细演讲内容如下： 演讲提纲： 1.
AI Coding 普及后，代码评审成为新的效率瓶颈 AI Coding 改变了代码生产方式 为什么交付质量成为新的核心问题 AI Code Review 在研发流程中的价值
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接