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。
小红书客户端基础技术负责人杨凯已确认出席 “AI 驱动的软件工程” 专题，并发表题为《AI Coding 在大型客户端工程中的落地实践——从通才模型到专才 Agent》的主题分享。
本次分享将结合小红书客户端研发 AI 化实践，介绍一套面向复杂工程的 AI Coding 落地方案。
围绕"拆解、隔离、约束、感知"四个核心原则，通过任务拆解、多 Agent 协作、结构化中间产物、运行时反馈等工程化手段，让 AI 从"通才模型"演进为能够完成复杂研发任务的"专才 Agent"，实现从需求文档、Figma 设计稿到 Android、iOS、鸿蒙等多端可运行代码的全链路自动化研发。
分享将重点介绍 Context Engineering、Agent Harness、多 Agent 协同、Runtime Feedback 等关键技术实践，探讨如何降低上下文复杂度、提升代码生成确定性，并结合多个真实业务案例，分享 AI 在大型客户端工程中的落地经验，以及复杂研发场景下 AI Coding 的工程化演进方向。
杨凯,小红书客户端基础技术负责人，15 年互联网客户端从业经验，先后就职于 360、快手，现任小红书客户端基础技术负责人。
曾主导稳定性治理、性能优化、埋点全链路治理等多个公司级项目。
现聚焦小红书客户端基础技术与 AI 提效方向，探索大模型驱动下从需求文档、设计稿到多端可运行代码的全链路研发范式，致力于将 AI 能力深度融入工程体系，重新定义客户端研发的生产方式。
他在本次会议的详细演讲内容如下： 演讲提纲： 1.
AI Coding 为什么在大型工程中失效 从 Demo 到复杂工程：AI Coding 面临的新挑战 单 Agent 的三大瓶颈：上下文膨胀、目标漂移、工程约束缺失 为什么模型越强、上下文越长，反而越需要工程护栏
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接