文章 · 阿里技术
《AI Native 研发范式实践手册》重磅发布
原创 阿里技术 2026-09-23 14:49 浙江
唯有积极投身其中才有可能真正理解这一变革的路径和意义
刚刚，在云栖大会“智启原生 研见未来”阿里巴巴集团 AI Native 研发实践论坛上，《AI Native 研发范式实践手册》正式发布。
过去两年，AI 辅助研发经历了从“补全代码”到“自主交付”的范式转折。2024 年中，行业的主流形态仍是 Copilot——GitHub Copilot、Cursor、通义灵码等产品以 IDE 内嵌补全和对话为核心，解决的是单点编码效率问题。同年 3 月 Cognition 发布 Devin，首次提出“AI 软件工程师”概念，虽然实际能力有限，却将行业叙事从“辅助工具”拉向了“自主 Agent”。
转折发生在 2024 年底至 2025 年上半年。Anthropic 于 2024 年 11 月发布 MCP（Model Context Protocol），为 Agent 连接外部工具建立了开放标准；2025 年初 Claude Code 以 CLI 形态面世，将 Agent Harness 框架推向前台──Agent 不再嵌入 IDE 等待指令，而是以“行动—验证—纠错”闭环自主推进任务。OpenAI 随后推出 Codex CLI，并在近期迭代至 Multi-Agent V2，支持跨模型子 Agent 派发。Google 的 Gemini CLI、Jules，以及 Cursor 向 Agent 模式的转型，共同标志着行业从 Copilot 时代全面进入 Agentic 时代。
模型能力的进步为这一转型提供了基础。截至 2026 年中，主流模型在 SWE-bench Verified 上的通过率已从两年前的不足 30% 攀升至 80% 左右 ，在 Terminal-Bench 2.1 等更贴近真实工程的评测中，Claude、GPT-5.6 Sol、Qwen3 等模型均突破 85%。Coding 能力正在被快速“解决”，行业共识也随之转移：瓶颈不再是生成代码本身，而是需求理解、环境构建、测试验证、发布运维等占据研发生命周期 70%～80% 的环节。
与此同时，企业级 Agent 基础设施成为新的竞争焦点。Anthropic 于 2026 年 5 月推出 Claude Managed Agents，提供托管的 Agent 运行时、自托管沙箱执行和 MCP 隧道，让企业无需自建基础设施即可将 Agent 投入生产；Microsoft Entra 开始将 Agent 作为企业目录中的独立身份管理；MCP 授权规范纳入 OAuth 2.1；OWASP 专门整理了 Agentic AI 威胁模型。Agent 的运行环境、身份与权限体系、可观测与评测能力，正在从可有可无变为规模化落地的刚需。
在阿里巴巴，我们选择积极投身这场变革，我们认为 LLM 和 Agent 带来的变革对于软件工程来说几乎是史无前例的。从软件工程效率提升的角度，可能只有高级编程语言带来的变化可以与之相提并论，而在这种情形下，唯有积极投身其中才有可能真正理解这一变革的路径和意义。事实上大家也是这么去做的，我们积极引入内外部的各种模型和工具，鼓励工程师在真实的业务中去用全新的范式工作；我们鼓励大家打破岗位和团队的边界，让知识更透明、流动更快，让有价值判断的工程师自主决策，并看到一大批“超级个体”的涌现；我们成体系地面向 Agent 重新设计基础设施，不断打破 Agent 完成长程任务所遇到的各类障碍，并看到 Agent 从完成代码编写开始，在不断接近能够自主完成复杂软件交付的目标。
当然这一切离不开行业的整体长足进步，尤其是模型能力的持续飞跃以及 Harness 框架的演进。但是仅仅依赖模型能力的自然溢出显然不够，因为我们认识到从模型及 Harness 框架的能力，到像阿里巴巴这样的大型企业的研发效能 10x 提升，中间存在着非常大的 gap，具体来说主要在三个方面：
-
企业是否建设了一套完整的 Agent 基础设施以支持 Agent 安全可靠地访问操作各类内部系统。
-
企业是否通过重塑工作流（例如编写大量可靠的 Skill）、整理历史知识，让 Agent 能够访问到围绕目标的清晰上下文。
-
企业是否重塑了组织文化、人才画像及激励机制、团队协同模式，以支撑个体和团队发挥 10x 的效能。这个问题对于个体来说演进路径是比较清晰的，对团队来说会非常复杂。
带着上述问题，我们首先从三个真实的业务实践案例出发，分别是 AIDC 数字投手智能营销助手、千问用增 Agent 和万有无界平台，呈现不同团队研发范式演进路径中的实际探索与反思。随后，我们从这些案例中提炼出五个共性挑战：环境与验证驱动、平台能力升级、提效度量、数字员工和组织配套，尝试回答研发流程、协作方式和组织设计层面正在发生的结构性变化。最后，我们会进一步展开 企业级 AI 研发基础设施的技术全景：从 Harness 框架、企业知识库、工具体系（MCP / Skill / CLI），到 Sandbox 与 Coding 环境、身份与权限、生产安全 Guardrail 以及可观测能力，进而阐述让 Agent 从“能写代码”走向“可靠交付”所需要的系统性工程建设。
本手册目录如下，完整版详见：
