AI热榜 在 2026 年 AICon 全球人工智能开发与应用大会上海站上，菜鸟网络研发总监郭凤钊分享了菜鸟在 AI 研发效能领域的实践。
过去半年多，菜鸟内部 AI Coding 贡献率从约 10% 提升至 90% 以上，但编码自动化并未带来同等幅度的需求交付提速。
为此，菜鸟开始将探索范围从 Vibe Coding 扩展到需求端到端托管交付，并尝试用通用 Agent、Plugin、Playbook 和云端沙箱构建企业级交付体系。
本次分享涵盖菜鸟 AI Coding 的推广过程、需求托管交付 Agent 的技术方案、产品规模化推广的思考，以及 AI 研发效能的度量方法。
从 10% 到 90%：AI Coding 的普及只是起点 菜鸟大规模推广 AI Coding，大约始于 2025 年 10 月。
当时，大多数开发者并不相信 AI Coding 能够真正处理企业内部的工程问题。
很多人的判断是：AI 可以完成从 0 到 1 的新项目，但企业内部面对的是大量存量代码，其中不乏历史包袱沉重、结构复杂的系统，AI 是否还能胜任，需要打一个问号。
因此，早期真正愿意研究 Prompt、Coding Rules 和各种最佳实践的，只是少数对 AI Coding 有热情的开发者。
更多人尝试几次，发现效果不理想，便放弃了。
当时业界已经出现了一些实践，例如通过 Prompt 和 Rules 约束代码生成、让 AI 遵循 TDD、在编码前先生成 Plan，以及后来逐渐演进出的 SDD 等模式，但尚未形成广泛共识。
当时，菜鸟的 AI Coding 贡献率约为 10%。
我们设定的目标是：半年后达到 20%，挑战 50%。
这里所说的 AI Coding 贡献率，是指提交到代码仓库中的 AI 生成代码行数，占整体提交代码行数的比例。
半年多以后，这一指标已经超过 90%，部分团队接近 100%。
从约 10% 到 90% 以上，实际增长速度远超预期。
回顾这一过程，我认为主要有三个因素发挥了作用。
第一，SOTA 模型的能力持续提升。
从 Opus 4.5、Sonnet 4.5 开始，模型版本不断迭代，基础能力的进步直接抬高了 AI Coding 的上限。
第二，Coding Agent 快速发展。
从早期工具到 Cursor、Claude Code、Codex 等产品，Coding Agent 进入激烈竞争阶段，开发者可以把更多真实任务交给 AI，而不再只是生成代码片段。
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接