AI冲击下软件工程师何去何从过去两年几乎所有软件工程师都经历了一场内心震荡。AI写代码比人快多了不仅能写还能改Bug、做测试一个Agent干好几个人的活儿。于是焦虑在所难免码农要断代了自己还能干什么当90%以上的代码都靠AI完成什么样的工程师还被需要“屎山危机”下曾经的研发护城河该如何重建这不仅是当前程序员的难题也是摆在所有大企业面前的残酷现实。TCL如何用AI Agent重构研发流水线在TCL实业的软件工程中心一条肉眼可见的分水岭已经出现。“我都有点不敢相信两天把整个功能交付了开发模式真的被颠覆了。”TCL实业软工中心应用开发总监沈雪松难掩激动。不同于强调敏捷开发的互联网创业公司沈雪松和近2000名同事面对的研发工作要沉重得多。发往全球160多个国家的产品、长达十几年的历史代码库、严苛的IPD集成产品开发流程构成了这里巨大的系统围墙。在这里一个新人从入职到能上手对内部系统代码有深入了解需要整整三个月。面对这样一台庞大复杂的机器不仅要求团队有持续的AI实践也需要管理者认知清晰找到真正能把AI用进业务里的解法。腾讯CodeBuddy如何助力TCL研发TCL研发端在AI上的探索并不晚。早在大模型爆发之初TCL实业的软工中心就尝试在代码Review、补全等环节用AI辅助但很快他们就发现了问题。“单点确实有一些提效但当链条上某个节点成为瓶颈后整个效率却被拖垮了。”沈雪松说。这意味着整个研发链路的交付周期并没有实质缩短。更让研发团队头疼的是市面上通用的AI模型根本读不懂TCL内部的系统代码。AI给的建议像是通用的“正确废话”一落到真实的业务里就抓瞎。当AI无法融入企业专有的知识库无法跨越不同的工作流节点时它充其量只是一个聪明的“外挂”。真正的转折发生在2025年3月研发端与腾讯云CodeBuddy团队的深度接触后后者是腾讯云推出的AI智能编程助手。最开始沈雪松团队以插件形式接入CodeBuddy进行十几人的小项目试点。他们发现CodeBuddy不仅能写代码、无缝嵌入现有平台还能将团队原有知识库“翻译”给大模型这很难得。腾讯云工业南区总经理郑旭告诉我们“CodeBuddy主要分成两部分一是底层模型二是模型之上做封装也就是工程化的能力。很多企业需要和现有流程、系统做对接让更多的软件工程师用起来这很关键。”不到3个月TCL实业软工中心的试点规模就从十几人扩展到500人。对于一家有着严苛研发规范和保密要求的老牌制造企业来说这个拥抱新工具的速度前所未有。沈雪松用了一个比喻来形容这种开发范式的颠覆过去团队是拿着手电筒在原有旧流程里四处照看看“这个节点能不能加点AI”现在他们把整条研发线拖到大太阳AI底下暴晒重新拷问每一个业务节点“为什么这步不能由AI来做”这是团队从“AI”走向“AI”的关键一步。目前CodeBuddy已覆盖TCL实业软工中心90%以上的研发工程师。CodeBuddy在TCL有哪些效率提升评价一家企业的“AI含量”不能只听口号必须看它是否进入了业务腹地并算清产出账本。在TCL实业软工中心CodeBuddy带来的改变是具体且有冲击力的。郑旭概括得很直白“AI落地更适合先从最小闭环做起。先让老板看到ROI也让一线工程师真切感受到提效再往更多场景延展。”放在TCL实业的软工现场这套路径并不抽象。它最早落地的正是那些最耗人、卡住研发节奏的环节。首先是日常排错。过去解决一个历史遗留Bug工程师需要先读旧代码、复现问题、排查修改最后再补全测试一整套流程走完8小时的常规工作日就此消磨。现在只需把报错日志和源码交给腾讯CodeBuddy它能全部搞定人只要在关键节点确认方案。原先8小时的工作量被压到了1.5小时问题排查与修改成本降低80%。这种效率的提升在单元测试上尤为明显。开发通常要花和写核心代码一样多的时间来写单测不仅繁琐而且很难直接体现业务价值一直是内部很头疼的问题。现在这部分工作也被CodeBuddy大幅接管。基础环节跑顺之后AI开始打通更深的技术壁垒。沈雪松团队最近在TV端立项了一个游戏引擎项目涉及Cocos 2D/3D建模对长期做安卓开发的团队来说几乎是陌生地带。外包效果不理想他们索性把任务交给一名没有相关经验的中级工程师靠CodeBuddy拆需求、补逻辑几天就完成了交付。过去卡在技术栈之间的门槛就这样被抹平了。更深层的变化是工程师和模型的每一次对话、修改和确认都在把过去依赖资深同事口口相传的经验沉淀进系统里。无论是售后复盘还是技术架构方案最终都变成企业专属的“案例库”。模型越用越懂业务未来再遇到类似问题AI给出的判断更准极大降低团队经验传递和新人上手的门槛。这是CodeBuddy在TCL内部迅速铺开的原因之一。它带来的不只是单点提效而是进入真实的研发现场快速地改变每一个人的工作内容、每一个岗位的能力边界每一次项目的成本结构每一个团队的组织协同。CodeBuddy对TCL组织变革有何影响在郑旭看来这也是TCL案例最值得观察的地方。“提效肯定是一个很关键的点企业都是效率之争。但最终企业的发展可能还是组织的变革。”郑旭说过去很多企业使用AI工具时“它就是一个工具人没有变”但在TCL这样的深度使用场景里变化已经开始反过来影响岗位分工和组织协同“这才是这个项目本身很核心、很关键的一个点。”对于一家员工数以千计的制造巨头新技术落地不能只看好不好用更要看底线在哪。TCL实业软工中心最初也动过自研的念头但很快放弃了成本追不上行业迭代速度知识库要推倒重来最致命的是安全管控。“外部API审计、权限分配、安全围栏自研要投入极大精力。而CodeBuddy在这些企业级能力上非常完善。”沈雪松说。CodeBuddy同时为管理层提供了一面“镜子”。后台可以清晰看到团队的Credits消耗、模型调用频次和使用场景管理者据此判断谁用得深、谁还需要培训让AI投入不再是一本“糊涂账”而是可衡量、可优化的动态账本。AI时代什么样的工程师还被需要当AI写代码的速度远超人类必然引发组织形态的剧变。正如OpenAI联合创始人Andrej Karpathy所言“编程的基本单元正在从写文件变成管理Agent。”在TCL实业软工中心旧的岗位边界正在被打破。沈雪松给出了对未来人才的判断人才将分为两类一类是“超级个体”他们离用户最近不再把时间耗费在敲代码上而是敏锐地洞察用户痛点作为“总指挥”驾驭AI快速把业务逻辑落地。另一类是“AI训练师”。他们离Agent最近负责把TCL十几年的行业经验、复杂流程与方法论沉淀下来投喂给AI形成企业专属资产为前线的“超级个体”提供最强武器和弹药。TCL实业与腾讯云CodeBuddy的这场合作为全行业的AI焦虑提供了一套解题思路。他们没有试图规划一张完美的AI大蓝图而是务实地找到了研发编码这个“高频、结果可衡量、ROI清晰”的最小业务闭环。从十几个人的试点到500人的深度覆盖再到未来1500人的全员普及一步步将单点胜利扩大为组织的全面进化。“未来企业比拼的不是人数而是AI转型的决心和速度。”沈雪松在采访最后说道。在这个时代无论是制造巨头还是中小企业都不必等万事俱备。找到最痛的业务流把Agent放进去跑出结果就是最好的答案。