随着数字中国战略全面启动，以创新为内核的"新质生产力"正加速成为驱动高质量发展的核心引擎。银行业数字化转型已步入深水区，传统研发模式在效率与质量的双重压力下，迫切需要通过规模化落地智能研发，释放AI技术效能。

工商银行构建起覆盖需求、设计、开发、测试、交付、运维全流程的智能研发体系，以岗位智能体为核心载体，实现 “一岗一助手” 全域赋能，形成企业级可复制、可推广的规格驱动研发新模式。

一、智能研发体系建设

（一）“4+6+6+2”总体架构

工商银行智能研发采用4+6+6+2分层架构自底向上全域赋能。依托模型、算力、安全、数据四大基座夯实底层支撑，通过自主建设的全流程测评准入体系，快速引入优质开源模型，实现全栈国产化异构算力统一调度，以全链路安全管控与私有化部署保障数据与系统安全，并将全行研发资产沉淀转化为 AI 友好的知识。在此基础上，依托六大核心技术赋能覆盖研发全流程的六大岗位智能体，推行一岗一助手的人机协同模式。同时，明确不同研发范式的应用边界，以氛围编程适配原型探索，通过规格驱动承载企业级研发，达成两类范式的互补协同与场景的精准适配。

（二）AI友好的知识工程体系

模型能力决定了智能体的效果上限，而知识工程是企业级落地效果的重要保障。工商银行立足业务实际，按需构建了完备知识工程体系，按事前、事中、事后形成闭环运转机制。事前沉淀全行技术、业务与架构资产，萃取工程文档与代码资产搭建 AI 友好知识底座；事中向智能体实时注入规约、技能与记忆知识，内嵌代码规范实现编码自主校验修复；事后依托质量门禁与智能复核完成兜底把关，持续回流迭代优化知识体系，构筑起金融智能研发规模化落地的核心壁垒。

在企业研发场景中，大量高价值经验都属于未被梳理的隐性知识。资深员工的头脑中，经验、直觉、踩过的坑从未被系统性地提取；长期积累的代码库中，大量业务逻辑和工程智慧的沉淀缺少结构化梳理的机制。工商银行以完整工程代码为基础底座，由资深架构师手动梳理维护业务功能清单，结合AI自主分析代码内部逻辑链路，产出标准化的RepoWiki文档与专业工程知识图谱。与此同时，建立自主记忆感知体系，实现从个人记忆到群体通用知识的转化，将隐性经验固化、显性化，构建为可复用的组织级资产。

在隐性知识梳理沉淀的基础上，全行存量研发资产需向 AI 友好形态完成标准化转型，核心依托规约、技能、知识库三大载体统筹落地。规约层面，建立基础规约、场景规约、工程规约三层体系，使智能体在执行任务时有据可依、有章可循。技能层面，将标准化执行流程封装为Skills，全员共建、一次封装、全员复用。知识库层面，以Markdown标准化格式完成全维度知识归集，确保人机双向可读。

（三）智能体四层扩展体系

为支撑全流程岗位智能体的有序构建与能力复用，工商银行建成四层扩展体系。最底层为原子执行工具，提供模型可直接调用的原生能力，涵盖文件操作、终端命令、API调用等；MCP对接层负责串联存量业务系统，使智能体能够调用行内各类平台能力；技能层，将标准化执行流程封装为Skills，沉淀形成可复用的实践知识包；顶层为岗位智能体层，统一调度、各司其职，覆盖需求、设计、编码、测试、交付、运维六大岗位。在这一层，工商银行建立了标准化建设范式，统一目录结构、明确岗位职责与输入输出、流程化执行与质量验收标准，确保每一类岗位智能体均具备可扩展、可维护、可复用的工程品质。

二、规模化推广实践：规格驱动的落地路径

（一）规模化推广总体思路 

工商银行以规格驱动为核心研发范式，并从是否下沉代码实现细节、是否对交付质量进行验收兜底两个维度，清晰划分其与氛围编程的应用边界。氛围编程依托自然语言交互快速试错，适用于原型打磨和方案探索验证场景。而规格驱动则以先定标准、再行落地、从严验收为逻辑，以结构化规范清晰定义需求逻辑与质量标准，更好承载金融企业级高质量、高可靠性的研发场景。 

工商银行采用IPO模型构建标准化研发协同流程。将各岗位智能体工作拆解为输入、过程、输出三个环节，以规格为核心纽带，前序智能体输出即为后序环节输入。例如，需求智能体输出需求用例与交互原型，设计智能体再根据需求用例输出程序设计文档，编码智能体交付业务代码与单元测试，测试智能体基于需求与设计文档开展工作并输出测试成果，实现全链路分工清晰、流转有序。

（二）典型场景示例

设计智能体采用三级递进架构，以需求用例为起点，各级子智能体依次以前置成果为输入，逐层细化设计内容并输出标准化文档，每一级输出均经人工审核后再流转至下一环节，持续沉淀研发能力。

编码智能体以程序设计文档与需求用例为输入，依托IDE开展流程化作业，输出规范代码与单元测试，在缩减编写工作量的同时，通过多层管控全方位保障代码质量。

测试智能体恪守独立测试原则，以需求用例和设计文档作为输入，联动各类子智能体完成案例设计、案例执行以及案例分析，输出完整测试报告。其中智能测试案例生成可充分覆盖各类场景，大幅提升测试完备度。

（三）人才培养体系

 体系与工具之外，人的能力才是落地的根本。工商银行建立了四级人员能力成长模型：L1 AI增强型员工，熟练使用AI工具完成日常开发任务；L2 AI场景应用专家，针对特定场景设计AI应用方案；L3 AI研发工程师，参与智能体开发和技能封装；L4 AI技术专家，主导智能研发体系规划与建设。

在人才培养理念上，工商银行秉持“我为人人、人人为我”的共建共享理念——资深员工将经验沉淀为规约、技能和知识库，供全员使用；新员工在使用中学习、在使用中成长，逐步从受益者转变为贡献者，形成正向循环。配套的培训支撑体系涵盖线上学习交流社群、分级能力认证考核、系统化实战实训课程，为人才梯队建设提供全链路支撑。

三、思考与展望

智能研发的落地应用，推动各岗位职能发生全面转变。需求环节对齐效率大幅提升，UI人员深度参与业务研讨开始职能转型；开发人员不再聚焦基础编码，主要负责方案设计与成果审核；测试环节覆盖度显著优化，测试人员重心转为用例与结果核验。整体来看，各岗位逐步脱离机械事务，转向标准制定、成果审核与知识沉淀，从流程执行者转变为智能工具的把控者与研发质量的守护者。 

高质量输入是高质量输出的前提，这一规律在智能研发场景下愈发关键。现阶段人工审核仍是不可或缺的环节，完善的工程化管理与组织机制，是智能研发规模化落地的重要基础，也是工商银行持续深耕的核心方向。面对各类新兴AI技术概念，唯有秉持务实理性的态度，才能稳步推进落地。盲目追新或是一味排斥，都会阻碍发展，各项落地工作均需做到可复盘、可追溯、可沉淀。 

工商银行着力打造人机协同的新型研发范式，由AI负责标准化执行、代码落地、自动化验证等重复工作，研发人员专注目标定义、规则搭建、成果审核与风险管控。二者分工互补、协同增效，并非简单的人员替代，而是岗位价值的升级。推进智能研发建设，其核心目标是构建能力更强、运转更高效、创新力更足的现代化研发团队。立足当下，工商银行既顺应技术变革趋势，也坚持稳扎稳打的推进节奏，以体系化、可持续的方式持续深耕智能研发建设。