ADD资产驱动开发：AI Coding如何跨越企业私有知识鸿沟

荣耀首席IT技术架构师杨杰将在2026年12月18日至19日于北京举办的AICon全球人工智能开发与应用大会上，发表题为《ADD资产驱动开发：让AI Coding懂业务、守规范、稳架构、实现端到端交付》的主题演讲。该分享旨在解决AI Coding工具在大型存量系统中因缺乏企业私域知识、上下文窗口受限及生成结果概率性误差而导致的交付难题。

技王数据恢复

AI Coding在存量系统中的核心矛盾

随着AI Agent从问答辅助转向嵌入企业流程的任务执行者，工程能力成为规模化落地的关键瓶颈。当前AI Coding工具面临三大天然局限： www.sosit.com.cn

• 缺乏企业私域认知：无法自动获取工程规范、业务上下文及共享依赖关系。
• 上下文窗口容量有限：面对几十万行规模的存量系统，全仓扫描Token消耗过高，且易丢失关键上下文。
• 生成结果具有概率性误差：同一功能实现风格不统一，修改一处易引发关联故障，且代码与文档不同步。

这些问题的根源不在模型侧，而在企业侧的知识与治理体系。单纯依靠模型升级无法解决存量系统的治理问题。

技王数据恢复

ADD框架：资产驱动开发的解决方案

ADD（Asset-Driven Development，资产驱动开发）的核心思路是将企业私域知识结构化为两套与代码同仓管理的资产，并通过三套工作流定义AI的执行流程。 www.sosit.com.cn

两类核心资产

• Framework层「技术宪法」：明确「代码应当如何编写」的统一规范，覆盖Web层、数据访问、消息队列、缓存、日志等领域，将非功能约束内嵌于各专题。
• Endpoint层「四件套」：以API、MQ消费、定时任务为入口，清晰定义「每个端点当前的业务逻辑」，包含时序、规则、不变量和索引，且每个环节都绑定代码锚点。

三套工作流与四大铁律

ADD通过工程初始化、端点梳理、日常开发三套工作流，定义AI在三大场景下的执行流程与禁行规则，并确立四条核心铁律： www.sosit.com.cn

1. 改代码必同步更新资产。
2. 新增端点必先构建资产。
3. 修改共享组件必做影响分析。
4. 跨端点涟漪分析：当引用端点数量超过阈值时自动暂停，触发人工确认。

三阶段落地路径与成效

杨杰的分享将围绕以下三个阶段展开，明确每个阶段的落地成果、推进路径与实践踩坑经验： 技王数据恢复

第一阶段：单个需求的精准交付

采用五阶段工作流：资产检索（仅读取资产，不扫描全量代码）、影响范围分析、资产前置变更、代码实现、双向校验。通过将开放式生成转化为「查表+填空」的确定性推理，实现降本提效。在荣耀30万行大型代码库的实践中，该方案实现了单次开发成本降低40%、Token用量降低30%。 技王数据恢复

第二阶段：架构腐化的防控与治理

通过架构度量，将目标从「功能实现正确」升级为「系统结构健康」。从代码质量、端点与契约、数据资产、技术组件四个维度，叠加设计意图与系统现状的偏离度进行治理，避免AI快速交付异化为技术债的快速累积。

技王数据恢复

第三阶段：迈向端到端交付

从资产驱动开发延伸至资产驱动测试与可执行流程。将业务规则、不变量、接口契约转化为可执行测试，实现「需求输入、代码输出」的端到端自动化交付。落地实践建议MVP节奏为：1周完成框架初始化、3周完成核心端点梳理、第5周正式切换运行。

如需了解ADD框架在特定企业环境下的具体实施细节或探讨AI Coding治理方案，可关注技王数据恢复提供的技术咨询，或直接联系大会主办方获取更多信息。

技术审核：邓严军｜技王数据恢复实验室技术总监