张昕东
华为技术专家
毕业于美国哥伦比亚大学，浙江大学求是强鹰校外导师，目前负责华为内部研发智能体创新和研发流程优化，前通义灵码创始人之一，长期深耕软件工程智能化领域，聚焦代码智能体、代码生成、代码搜索、缺陷定位、修复推荐、代码评审、静态分析、智能测试等核心方向的研究与实践，拥有20余篇专利及软件著作权，在ICSE、FSE等软件工程国际顶会发表多篇论文，著有《Vibe Coding：AI 编程时代的认知重构》，始终致力于通过技术创新为开发者提质提效、提升研发幸福感。
待定
待定
工作坊：Agentic Engineering: from Vibe Coding and SDD
第一章：编程形态的飞速跃迁
- AI编程发展里程（Copilot → Agent → Agent Team；从代码补全到面向目标；提效从30%到无上限；人类角色从主导→协作→审核）
- 工程理念革新（Prompt Engineering → Context Engineering → Harness Engineering；核心类比：模型=CPU、上下文=RAM、Harness=操作系统、Agent=应用程序；附属特性：MCP协议/Skills技能包/护栏规则/自进化）
第二章：Vibe Coding，SDD还是其他？
- Vibe Coding应用场景（所想即所得、快速原型、用完即抛工具、worktree验证想法）
- Vibe Coding远未到来（模型能力瓶颈、开发者群体扩展至30亿、从开发者手段到用户侧定制）
- SDD概念解析（Spec-first → Spec-anchored → Spec-as-source；三种规格驱动开发层次）
- SDD误解——互动提问（"有多少人相信Spec写够详细代码就能一次写对？"；引发观众思考）
- SDD本质是编码（瀑布模式回归；Dijkstra精度论；"晕文字"现象——人类高估自身阅读理解能力；SDD对速度追求者而言只是提示词增强）
- SDD不是直线（需求天然不完善、意图持续改动、需要快速反馈修正循环、Harness配套支撑）
- SDD企业实践（落地案例、组织适配、渐进式引入路径）
- AI编程发展里程（Copilot → Agent → Agent Team；从代码补全到面向目标；提效从30%到无上限；人类角色从主导→协作→审核）
- 工程理念革新（Prompt Engineering → Context Engineering → Harness Engineering；核心类比：模型=CPU、上下文=RAM、Harness=操作系统、Agent=应用程序；附属特性：MCP协议/Skills技能包/护栏规则/自进化）
第二章：Vibe Coding，SDD还是其他？
- Vibe Coding应用场景（所想即所得、快速原型、用完即抛工具、worktree验证想法）
- Vibe Coding远未到来（模型能力瓶颈、开发者群体扩展至30亿、从开发者手段到用户侧定制）
- SDD概念解析（Spec-first → Spec-anchored → Spec-as-source；三种规格驱动开发层次）
- SDD误解——互动提问（"有多少人相信Spec写够详细代码就能一次写对？"；引发观众思考）
- SDD本质是编码（瀑布模式回归；Dijkstra精度论；"晕文字"现象——人类高估自身阅读理解能力；SDD对速度追求者而言只是提示词增强）
- SDD不是直线（需求天然不完善、意图持续改动、需要快速反馈修正循环、Harness配套支撑）
- SDD企业实践（落地案例、组织适配、渐进式引入路径）
第三章：迈向深水区的 Agentic Engineering
- Workflow of Agents（静态Workflow局限 → 单体Agent失控 → WoA动态编排：高自由度+高确定性统一）
- 因地制宜（无固定套路；按团队规模/仓库类型/已有基建/历史演进选型workflow与harness）
- 构建团队Harness（OpenAI分层架构与知识库实践、LangChain实践、Anthropic实践；从codex仓库看harness设计）
- Harness三层架构（基础工具层：上下文工程/规则系统/缓存管理 → 通用理念层：过程记录/对抗式生成/量化评估/旁路监控 → 仓库定制层：团队习惯编码化/Skill套件自动适配）
- Harness实践（实战演示、多层Harness配置与联动、经验总结与常见陷阱）
- Long-Horizon任务挑战（长时运行稳定性、状态一致性、错误容错、记忆回溯；知识引擎与旁路监控方案）
- 自进化（Auto Memory自动积累经验、Auto Dream离线策略优化、Agent间经验传播、开源生态Prompt化）
第四章：组织重构 —— 人机共生的新形态
- 人AI组织架构（人类趋向扁平化成为超级个体、AI组织趋向复杂化形成多层管理；技术架构倒逼生产关系变革）
- 管理Agent组织（未来AI IDE面板作为Agent控制中心、低成本自然语言指令交流、自动化文档沉淀、Agent管理Agent的层级协作）
- Agent从台前走向幕后（从按需运行1小时到7×24持续运行；角色反转——人类从主动发起者变为被动响应者）
- AI进入加速度（Auto Memory/Dream/Harness自进化机制、template/skill/workflow/model自沉淀、多Agent并发与自管理；核心愿景：AI是加速器，人是方向盘）
总结与Q&A
- 观众互动（现场问答、深度讨论）
- Workflow of Agents（静态Workflow局限 → 单体Agent失控 → WoA动态编排：高自由度+高确定性统一）
- 因地制宜（无固定套路；按团队规模/仓库类型/已有基建/历史演进选型workflow与harness）
- 构建团队Harness（OpenAI分层架构与知识库实践、LangChain实践、Anthropic实践；从codex仓库看harness设计）
- Harness三层架构（基础工具层：上下文工程/规则系统/缓存管理 → 通用理念层：过程记录/对抗式生成/量化评估/旁路监控 → 仓库定制层：团队习惯编码化/Skill套件自动适配）
- Harness实践（实战演示、多层Harness配置与联动、经验总结与常见陷阱）
- Long-Horizon任务挑战（长时运行稳定性、状态一致性、错误容错、记忆回溯；知识引擎与旁路监控方案）
- 自进化（Auto Memory自动积累经验、Auto Dream离线策略优化、Agent间经验传播、开源生态Prompt化）
第四章：组织重构 —— 人机共生的新形态
- 人AI组织架构（人类趋向扁平化成为超级个体、AI组织趋向复杂化形成多层管理；技术架构倒逼生产关系变革）
- 管理Agent组织（未来AI IDE面板作为Agent控制中心、低成本自然语言指令交流、自动化文档沉淀、Agent管理Agent的层级协作）
- Agent从台前走向幕后（从按需运行1小时到7×24持续运行；角色反转——人类从主动发起者变为被动响应者）
- AI进入加速度（Auto Memory/Dream/Harness自进化机制、template/skill/workflow/model自沉淀、多Agent并发与自管理；核心愿景：AI是加速器，人是方向盘）
总结与Q&A
- 观众互动（现场问答、深度讨论）
关注QECon公众号
关注QECon视频号
议题投稿
lijie@qecon.net
票务联系
18649077637 Lily
媒体合作
135-1619-6409 皮皮
商务合作
151-2264-3988 木子
购票咨询
18649077637 Lily
