Gitee構建智能研發閉環：從數據飛輪到多智能體協同

10 月 26 日，Amazon Web Services 在深圳舉辦年度開發者盛會 Community Day@2025，匯聚來自國內外的技術專家與社區實踐者。

開源中國 Gitee 產品總監林靖靖受邀登臺，帶來主題演講《AI 重塑研發流程：從需求到交付的智能化實踐》，全面介紹 Gitee 在企業級 DevOps 智能化方向的架構設計與落地經驗。

傳統研發流程的挑戰仍然嚴峻

盡管 AI 正在被越來越多地應用于開發流程中，企業研發仍面臨四大常見難題：

• 需求階段：信息來源多、收集分散、重復表述多，難以統一識別；

• 開發階段：模型調用難嵌入主流程，開發環境與業務場景存在割裂；

• 測試階段：測試用例復用率低、生成質量不穩定、難以覆蓋真實業務場景；

• 評審階段：缺乏統一審查機制，代碼風格、合規要求常依賴人工經驗。

這一系列問題，導致傳統研發流程很難真正形成一個閉環的 AI 系統。AI 能力往往止步于局部試驗，無法持續進化。

從「數據飛輪」出發構建研發閉環

Gitee 的實踐基于一個核心理念：構建以數據為驅動的研發智能閉環。

這一過程分為三大階段：

• 數據沉淀：從代碼倉庫、CI/CD 流程、用戶提交、平臺互動中收集可結構化的數據，作為模型能力構建基礎；

• 能力建設：基于不同任務場景開發模型或接入大模型，并統一管理與調用接口；

• 效果評估：在實際場景中接入模型后，通過用戶反饋、操作數據與上下文記錄回流數據飛輪，為模型持續優化提供依據。

通過不斷循環的迭代路徑，平臺逐步構建起具備“持續學習能力”的 AI 研發系統。

五大場景 + 上下文工程：打造可控可落地的智能研發系統

圍繞智能研發全流程，Gitee 構建了「Xtreme 極智 AI」平臺，聚焦五大典型智能場景：

• 
  

  智能文檔創作：支持 PR 描述生成、文檔補全、規范校驗等；

• 智能協同管理：支持工作項內容提取、狀態感知、知識推送等；

• 智能代碼開發：支持任務拆解、代碼生成、自動測試與驗證；

• 智能數據度量：實現研發效能指標提取、進度風險預警；

• 智能平臺助手：統一接入模型與工具，提供多模態交互體驗。

而支撐這些智能體運行的，是一整套上下文工程體系，包括提示詞管理、短期上下文存儲（Context Cache）、長期記憶系統（Long-Term Memory）、任務調度與數據標注模塊。上下文的完整性、準確性與輕量性，直接決定了模型能否真正融入企業研發流。

設計 - 執行 - 驗證：三階段協同打通研發主流程

林靖靖在演講中提出「AI 全鏈路參與」的協同模型：

• 在設計階段，智能體需具備架構感知與任務拆解能力，明確技術路徑與分工；

• 在執行階段，結合項目結構、問題樣式、歷史踩坑記錄完成代碼生成與聯調；

• 在驗證階段，通過測試用例生成、錯誤識別與自動修復配合完成迭代。

這三個階段之間通過上下文信息保持語義連貫性，確保模型行為可控、流程連續、結果可驗證。

平臺核心能力模塊：Xtreme CLI 與 Scroll

本次分享中重點介紹了兩個核心智能體：

• Xtreme CLI，作為核心編程智能體，可支持用戶一次任務對話觸發自動拆解、執行與交付，具備后臺運行、權限控制、單測自動生成與分析等能力；

• Gitee Scroll，專注于源代碼結構理解與知識抽取，可重建項目結構視圖，支持代碼可視化理解、結構問答與知識再利用，緩解信息失真與知識孤島問題。

平臺還支持多模型接入與調度、沙盒運行與工具調用管理等能力，形成完整的 Agent 執行與治理機制。

平臺能力延伸：模型管理與任務調度貫通閉環

為了保障智能化研發流程的落地可控性，Gitee 構建了一整套模型能力管理與調用機制：

從設定研發目標與智能指標出發，結合業務數據與使用場景，構建任務導向型模型，并統一接入研發主流程、上下文系統與外部工具，實現解耦部署、集中調度。

在系統運行過程中，平臺持續對使用情況進行監控與數據回流，為模型優化與能力進化提供可靠支撐，確保整體系統的穩定性、安全性與可持續演進。

邁向全域智能協同的未來研發范式

隨著平臺基礎能力的不斷成熟，Gitee 正在從「輔助研發」邁向「智能協同」。

未來，將進一步推動模型能力與平臺服務深度融合，重構研發角色分工，打通開發工具鏈、協作系統與運維平臺之間的壁壘，構建面向企業級研發體系的多智能體協作網絡。

Gitee 的目標，是打造一個具備自主感知與響應能力的研發平臺，實現從效率提升到智能決策的全面躍遷。