外部行业实践 ·
蚂蚁集团构建适配Agent的AI研发环境破解研发联调效能瓶颈
AI Coding技术普及后，研发链路的联调环节成为新的效能瓶颈，蚂蚁集团基于自身大型微服务体系的线下联调实践，将现有DEV/Stable研发环境改造为适配Agent使用的AI研发环境，通过核心工具组件搭建Agent可自主运行的闭环，解决联调环节的环境类痛点，同时明确人机协同边界，保障研发体系的可运营性。
仅供行业学习与场景参考，不代表优秘交付、客户关系或效果承诺。
面临的问题
AI Coding提升个人写码效率后，研发全链路仍常卡在联调环节，存在环境搭不齐、流量跑不准、问题查不清、环境养不住的核心问题，根因在于代码生成仅占研发链路的一部分，环境与验证成为新的效能瓶颈。在建设适配Agent的研发环境过程中，还存在多组需要平衡的矛盾：沙箱日抛属性与环境保鲜成本的矛盾、全量终端输出与Agent token消耗及访问延迟的矛盾、文件系统统一语义要求与存量Git、制品系统异构的矛盾、面向人工设计的控制台体验与Agent对可编程接口需求的矛盾，且Agent的失败模式比人工操作更脆弱，相关方案需要在稳定性、成本、可观测性之间做综合权衡。
AI 落地做法
蚂蚁集团针对Agent使用场景打造AI研发环境（ADE），不额外搭建独立的演示环境，而是基于现有DEV/Stable环境地图做Agent化改造，通过沙箱、Artifact FS、Agent友好终端三件套搭建可写、可记、可观测的Agent运行闭环，而非单纯叠加更多Coding Agent插件，同时明确人机协同边界，区分Agent可自主执行的环节和需要人工指挥的环节，避免Agent研发体系成为不可运营的黑盒。
实施路径
- 基于现有DEV/Stable环境地图做Agent化改造，不额外搭建独立演示环境
- 部署沙箱提供可日抛执行面，满足Agent运行的环境需求
- 通过Artifact FS统一上下文与产物，解决存量异构存储的语义统一问题
- 搭建Agent友好终端，提供可观测可编排的行动语言适配Agent操作需求
- 明确人机协同边界，区分Agent可自主执行和需人工介入的环节，保障方案可运营
来源：InfoQ 中文（本站改写摘要，成效数据均取自原文）
项目背景
AI Native时代下，AI技术逐步渗透到研发全流程，AI Coding大幅提升了个人代码生成效率，但研发链路后续环节尤其是联调阶段的效率瓶颈逐渐凸显，行业亟需探索适配Agent运行的研发基础设施，推动AI能力从实验阶段走向生产落地。 本案例依据「InfoQ 中文」公开发布的信息整理，原文：https://www.infoq.cn/article/DEyrayxufObhpoeZgOKT?utm_source=rss&utm_medium=article
业务问题
AI Coding提升个人写码效率后，研发全链路仍常卡在联调环节，存在环境搭不齐、流量跑不准、问题查不清、环境养不住的核心问题，根因在于代码生成仅占研发链路的一部分，环境与验证成为新的效能瓶颈。在建设适配Agent的研发环境过程中，还存在多组需要平衡的矛盾：沙箱日抛属性与环境保鲜成本的矛盾、全量终端输出与Agent token消耗及访问延迟的矛盾、文件系统统一语义要求与存量Git、制品系统异构的矛盾、面向人工设计的控制台体验与Agent对可编程接口需求的矛盾，且Agent的失败模式比人工操作更脆弱，相关方案需要在稳定性、成本、可观测性之间做综合权衡。
实践方案
蚂蚁集团针对Agent使用场景打造AI研发环境（ADE），不额外搭建独立的演示环境，而是基于现有DEV/Stable环境地图做Agent化改造，通过沙箱、Artifact FS、Agent友好终端三件套搭建可写、可记、可观测的Agent运行闭环，而非单纯叠加更多Coding Agent插件，同时明确人机协同边界，区分Agent可自主执行的环节和需要人工指挥的环节，避免Agent研发体系成为不可运营的黑盒。
原始来源：https://www.infoq.cn/article/DEyrayxufObhpoeZgOKT?utm_source=rss&utm_medium=article