5人7天完成产品上线，没有产品经理、设计师和测试：Qoder如何打造AI Native研发团队？

分享嘉宾| 刘欣 整理 | 张红月出品 | CSDNIDCSDNnews近日IDC 发布了《2025 中国 AI 编程市场份额报告》报告显示 Qoder 以 47.6% 的市场占有率位居中国 AI Coding 市场第一。在 7 月 17-18 日的 2026 奇点智能产品大会上来自 Qoder 产品解决方案总监刘欣不仅分享了「企业研发效率跃迁与 AI Native 组织实践」的核心实践总结还给出了具体的落地建议帮助企业打造 AI Native 超级组织。刘欣在奇点智能产品大会分享现场本文是对他现场分享速记的内容整理。Coding 是大模型的底层能力不是应用场景Qoder早期做的是AI Coding方向但很快就延伸出了更多能力——QoderWork、数字员工产品 QoderWake、Qoder Cloud Agent 云端托管平台。为什么要从 Coding 走向通用智能体我们认为 Coding 不是我们在大模型上的一个应用场景刘欣说。Coding 的能力对于大模型来讲它是一个比较底层的基础能力。我们有一个断言如果一个模型它的 Coding 能力不好那这个模型它的表现是一定不会好的。在这个判断下Qoder 团队把 Coding Agent 的能力做扎实之后再去写办公智能体或其他智能体就事半功倍。所有这些产品的底座是一套叫 QoderCLI 的核心能力包括 Agent 的 Harness构建、云端沙箱隔离、Agent 可观测等最底层的能力。个人效率提升不等于研发产能提升谈到 AI Native 组织转型刘欣认为要从两个维度看。第一个是每个个体的效率能不能提升;第二个是个人效率的提升并不能代表整体研发产能的提升。他直言很多企业都有这种“熟悉的困惑”——编码是快了但项目各角色之间的摩擦还在AI 省下来的那点时间全耗在了流程的缝隙里。用刘欣的原话说“AI Coding 让你突破了编码效率瓶颈最后发现整个需求产出并没有显著提效。简单说就是代码写得快了但活没快。瓶颈不在工具在组织。从 Vibe Coding 到 Vibe Working去年行业热词是 Vibe Coding刘欣认为今年已经进化到了Vibe Working——不仅是写代码而是整个工作方式都在被 AI 重塑。截图自刘欣的演讲 PPT他举了产品经理的三个例子。第一个场景是需求确认。以前想法→PRD→跟业务方对齐→反反复复。现在想法→半天生成可交互原型→拿着原型直接对齐。第二个场景是 PRD 生成。写十几页甚至上百页的 PRD 可以直接使用像 Working 这样的产品来完成。第三个场景是商业化定价。输入目标市场、规模和潜在竞争对手可以很快速的帮我来测算出一个商业化定价的策略和方案。“有了这些工具的加持很多角色完全有可能成为超级个体。”拆成多个 Quest并行执行从 Code First 到 Agent First是刘欣分享的另一个关键转变。最早是 Cursor 那波敲 Tab 键补全。现在“越来越多的 Agent 具备执行超过 24 小时长程任务的能力。”你不是跟 Agent 一句一句对话了。你是委派一个任务给它然后走开等它干完回来验收。这就是 Qoder 的 Quest模式。但 Agent 进企业有个死穴它不懂你的规范和上下文。Qoder 的解法是知识引擎——快速提取整个代码仓库的知识形成知识卡片给人也喂给 Agent。让 Agent 在写代码的时候快速理解项目里面的架构知识、编码规范和技术栈。5 人、7 天没有产品经理没有设计师没有测试刘欣现场分享了 Qoder 团队自己的一个极限案例今年年初发布 QoderWork5 个核心同学7 天时间完成开发上线。截图自刘欣的演讲 PPT第一到第二天团队聚在一起快速讨论核心功能范围构建公共组件和 CI/CD 流水线。第三天到第四天采用模块负责制——不是传统的产品经理、设计师、前后端、测试分工而是垂直模块划分每个人负责一个模块拆成多个 Quest 任务并行执行。架构师的价值发挥出来了刘欣强调“写 300 行 Spec 给 AI Coding 工具大概率生成效果并不好。架构师合理拆分功能点才能让 AI 生成的成功率大幅提升。”第五天到第六天没有走传统测试流程而是采用 Dogfooding 模式——找团队同事试用快速发现问题增补 Spec修复代码。第七天项目发布。我们采用了一种更类似于互联网的方式刘欣说强调小组织、尽量少协作、端到端完成任务。5 到 10 人的团队一个项目室吼一嗓子信息对齐了。“我们没采用流程化的方式。我们强调小组织、少协作、端到端。”那 5 个人是什么背景5 个核心的人都是开发背景没有产品经理没有设计师也没有测试员。刘欣把这种新型人才称为梳子型人才。以前讲 T 型人才一专多能。截图自刘欣的演讲 PPT今天借助 AI Coding 工具在每个领域其实都很容易打破原来的专业壁垒。编程语言、技术栈已经不是限制扩展的核心瓶颈。白天写 Spec晚上交给 Agent早上 Review产品上线后如何持续高速迭代刘欣的答案是数字员工。他举了两个例子。第一个例子是 Issue 自动处理。截图自刘欣的演讲 PPTQoder 家族产品已有百万规模用户每天收到大量问题反馈。传统方式下一个工程师分析一个 Issue 可能需要 30 分钟。现在数字员工 Agent 自动处理用户上传截图和日志文件后Agent 先剔除无效数据再做问题分类。如果是需求整理后结合代码库能力给到产品经理排优先级。如果是 Bug通过访问代码库和日志分析快速诊断给出修复意见并调用 AI Coding 能力完成代码修复。人只需要做最后的检查确认第二天白天要不要合并到代码分支发布上线。第二个例子是夜间执守。截图自刘欣的演讲 PPTQoder 推出了夜间五折活动背后的逻辑是白天写 Spec晚上交给数字员工运行早上研发人员基于运行结果做 Review 和审核只是做把关的工作。刘欣说这是我们非常提倡的夜间执守模式。此外团队还做了一个叫Q 仔的答疑机器人放在用户群里回复产品问题。它和一般客服助手的区别在于能读代码库不只是文档诊断能力更强高度拟人化能给用户发表情回复和点赞具备自进化能力被纠正后自动学习定期清理腐化知识。N 个人乘以 M 个数字员工刘欣认为数字员工正在重新定义组织的边界。Qoder 内部已经围绕研发领域提供了超过数十种数字员工涵盖产品经理、后端、前端、测试员等角色做成开箱即用的模板。但刘欣想分享的重点不是数量而是一件事怎么把牛人的经验变成全公司的资产。他的路径是三层沉淀AI 跟人的每一次对话、每一次代码提交自动变成记忆存下来。企业的规范和流程通过规则配置固化成资产。这些个人知识一旦共享就变成企业知识反哺给每一个员工和 Agent。“以前这些经验只存在人脑子里现在可以真正沉淀下来了。”最终形态刘欣叫它“碳硅共生的超级组织”——衡量标准不是“代码有多少是 AI 写的”而是三件事需求吞吐变大了吗发版变快了吗数字员工变多了吗如何开始找一个小而精的团队从一个项目试起截图自刘欣的演讲 PPT演讲最后刘欣给想要尝试 AI Native 组织的企业提了四条建议第一团队要小而精。5 到 10 个人的组织沟通成本相对较低。一旦到了十几人、几十人的规模沟通协调和决策一致的代价就非常大。第二给数字员工身份。每个数字员工要有自己的工号、邮箱、权限能登录系统、连接代码仓库、在聊天群里以自己的身份回复信息让它更像真人。第三闭环反馈。不管是设计 Loop 流程还是给单点数字员工构建自进化能力所有东西都要有闭环反馈的能力。从执行到反馈再到改进。第四自己试。找一个具体项目选一个小而精的团队开始尝试。其他人的经验不能 100% 适用于自己。只有根据自己的资源、人才情况和业务特点自己去构建 AI Native 组织的尝试发现问题改进工具或协同方式才能达到自己的 AI Native 组织。