得物资深技术专家白忠魏在AICon上分享了AI进入企业研发全链路的实践。团队把PDCA循环抽象出七阶段护栏，从Plan的需求对焦、Do的开发实现、Check的效果校验到Act的问题反思，让AI不再只写代码，而是参与完整研发迭代。好的Harness不是铁笼，而是让AI自然按预期方式运行的环境。
AI Coding已能较好完成从0到1的项目，但企业级复杂系统面临老代码、跨系统、多层级的问题。需求边界不清、执行频繁中断、结果难以量化、经验无法复用，是AI进入完整链路的四道坎。目前多数团队的AI实践集中在Do阶段，即让AI写代码。
在Plan阶段，团队在PRD之后增加TPRD，并用Contract提前明确需求影响范围、优化目标与技术约束，让AI拿到的不是一段自然语言，而是一套可理解、可遵守的边界。TPRD把需求拆成可执行的EP，Contract为每个EP划定边界，共同构成后续开发的北极星。
大模型的三个老问题需要工程化解：知识丢失、随机漂移、路径不透明。得物用CDD让AI先补注释，把知识组织为L1硬边界、L2模块设计、L3注释三层。测试显示，补齐注释后AI回答复杂问题的准确率从约52%提升到90%以上，总体Token消耗反而下降。
得物用"Highway+ATV"混合Agent架构把已知问题代码化、未知问题交给AI探索后再沉淀。代码永远是稳定的，问题一旦被解决并验证，就应固化为可重复执行的Story，而不是每次让AI重新理解。这种"经验从可参考变成可重复执行"的思路，与星战科技OPC智能体协作平台上强调的工程化、可编排方向异曲同工。
阶段性数据已经显现：AI在需求链路的渗透率约30%，问题排查处理时长较过去下降约80%。Story区别于Skill，是被实际问题验证并固化为代码的执行经验，消除了AI每次重新理解带来的随机性，也让已知问题一轮执行就能跑完。
当需求边界足够清晰、开发过程能够验证、业务效果可以量化、问题经验可以复用时，AI才能从一个写代码的工具，真正成为企业研发迭代飞轮的一部分。人仍然在技术方案评审、Check与Act阶段承担不可替代的作用。