优秘智能 · 内容中心

外部行业实践 ·

汇丰科技AI Coding在金融科技SDLC全流程的落地实践

汇丰科技在金融科技研发场景下探索AI Coding落地路径,通过内部开源汇聚各团队在软件开发生命周期各环节的实践经验,沉淀可复用的Agent Skills与工具,集成现有研发平台覆盖研发全流程,同时匹配金融场景安全合规要求建立治理机制,推动AI Coding从个人提效工具升级为组织级研发能力,实现规模化落地。

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

一是AI模型输出存在幻觉与不确定性,复杂业务场景下难以保障代码质量与一致性;二是AI Coding应用存在敏感数据泄露、工具越权调用等安全合规风险;三是不同团队技术栈、研发流程差异大,应用价值难以量化,规模化推广需要同步调整平台、流程与研发文化。

AI 落地做法

通过内部开源与社区共创汇聚各团队AI Coding使用经验,沉淀可复用的工具与Agent Skills;打造Agent Skills驱动的智能化研发能力,覆盖SDLC全环节;集成现有研发工具打通跨工具Agent工作流;建立AI Coding安全治理、风险评估机制平衡效率与工程风险;先选取高价值试点场景形成可复制路径,配套开发者培训、社区运营机制推动规模化推广。

实施路径

来源:InfoQ 中文(本站改写摘要,成效数据均取自原文)

项目背景

大模型技术持续演进,产业侧逐步关注AI工程体系构建与复杂业务场景下的稳定落地,金融科技领域研发对安全、合规、风险管控要求高,亟需探索可控可治理的AI研发提效方案,实现从个人提效到组织级研发能力升级。 本案例依据「InfoQ 中文」公开发布的信息整理,原文:https://www.infoq.cn/article/LflwIiIVHRZlakxDgexC?utm_source=rss&utm_medium=article

业务问题

一是AI模型输出存在幻觉与不确定性,复杂业务场景下难以保障代码质量与一致性;二是AI Coding应用存在敏感数据泄露、工具越权调用等安全合规风险;三是不同团队技术栈、研发流程差异大,应用价值难以量化,规模化推广需要同步调整平台、流程与研发文化。

实践方案

通过内部开源与社区共创汇聚各团队AI Coding使用经验,沉淀可复用的工具与Agent Skills;打造Agent Skills驱动的智能化研发能力,覆盖SDLC全环节;集成现有研发工具打通跨工具Agent工作流;建立AI Coding安全治理、风险评估机制平衡效率与工程风险;先选取高价值试点场景形成可复制路径,配套开发者培训、社区运营机制推动规模化推广。

原始来源:https://www.infoq.cn/article/LflwIiIVHRZlakxDgexC?utm_source=rss&utm_medium=article