刚刚，从「构建 AI」到「驾驭 AI」，如何搞定 AI 深水区的 6 个工程问题？

现如今，AI 不仅会写代码、会做测试、会调用工具，甚至已经能自主完成复杂任务。

当 AI 从“回答问题的模型”演变为“能够行动的软件系统”，软件工程面对的挑战已经不再只是如何训练模型、如何部署模型、如何写 Prompt，而是如何让具备自主能力的 AI 稳定、可信、可控地运行在生产环境里。

这意味着，接下来真正决定 AI 能否创造持续价值的，已经不只是如何 Build AI（构建 AI），而是 Harness AI（驾驭 AI）。

10 月 22-24 日，QCon 全球软件开发大会·2026 上海站，我们把以上一系列问题拆成了 6 个关键追问——从代码到 Agent、从系统到业务、从软件到物理世界，直面 AI 深水区的真实工程挑战。

问题一：AI 会写代码之后，软件工程要怎么重构？

Coding Agent 正从代码生成深入重构、评审、测试与交付的每一个环节。

代码产出速度越来越快，但“写得更快”也让验证、质量与稳定性成为新的工程瓶颈。

AI 写的代码谁来保证质量？

数十万行的巨石应用怎么用 AI 安全重构？

Code Review 怎么从人审变成人机协同？

当代码不再稀缺，确定性底座又该怎么建？

这一次，QCon 上海站把一线实践者请到了现场。

在「Vibe Coding 时代的新质量债」专题论坛，四位一线实践者将从工具、方法、体系到完整链路，拆解这笔债该怎么还：

• Agent 驱动的全平台 GUI 持续验证实践：王政达 微软 SENIOR SOFTWARE ENGINEER
• 60 万行巨石应用 AI 重构的可验证交付工程：蒋宇 蚂蚁集团 /研发工程师
• 当验证追上生成：AI Native 质量保障的体系化实践：李桐馨 飞猪测试开发工程师

🔗 原始来源

如果你要核对细节，可以再看原文： InfoQ AI原文链接