上一篇文章跟大家介绍了我对领域化的理解——私有化部署只解决"AI 在哪运行"，领域化才解决"AI 能不能为这家企业工作"。有朋友看完后问：能不能讲一个具体的例子？

这篇文章就为大家带来一个实际案例。我们是一家军工领域的能源企业，这套系统跑了很多年。下面要讲的，是我们公司的一个 demo 场景：在一套 104 万行代码的存量系统上，用 AI 完成一次 1000 行代码的迭代，而且不出错。具体的情况如下。

## **一、一个不大的需求，背后是 104 万行代码**

我们这套能源管理系统，跑了多年，**104 万行代码、184 个功能模块**，内部交织着复杂的模块依赖、数据库定义、接口逻辑、权限体系和工程规范。

这次要新增的是一个储能电站 SOC 健康度报表，用来分析电池充放电行为、评估储能电池健康状态。

![](https://developer.qcloudimg.com/http-save/yehe-12819526/79620c7b06786e9834ec6e48b9789e56.png)

需求听起来不大，但真正动手才发现，它要动后端业务逻辑、前端组件开发、路由注册、菜单权限、数据库适配，横跨好几层技术和多个业务模块。这也是大型存量系统的典型现象：**需求本身不大，但一嵌进复杂系统，工程复杂度就急剧上升。**

我们之前用通用 AI 工具试过，问题很直接——它不知道我们系统的目录结构、接口范式、数据库访问逻辑，也不知道能源业务的设备指标和数据口径。生成的代码看着对，但敢不敢上生产，谁也没底。**军工领域对系统安全、数据可信的要求，比一般行业还要高一个量级，这种"看着对"远远不够。**

**在百万行存量代码上，AI Coding 真正的难点不是生成代码，而是让每一行生成代码经过验证后，融入跑了多年的存量系统，不破坏它的稳定运行。**

这也正是我们做这个 demo 的原因：我们不关注的不是"代码补全快不快"，而是 AI 怎么进入大型企业真实的软件工程环境，解决复杂代码库、领域知识、研发规范和持续演进带来的问题。尤其是**本地化部署**这点——模型和数据全程不出内网，是军工企业能不能用 AI 的硬门槛。

## **二、三个智能体，各司其职**

大型存量系统的代码动辄成百上千万行。如果让一个智能体把所有代码、搜索结果、分析过程都塞进一个上下文，随着读取的内容越来越多，上下文会持续膨胀，很容易引发模型幻觉，任务链路越长，出错概率越高。

所以我们没有让一个智能体从头做到尾，而是在平台上按软件工程职责，定制了三个智能体：

1.  **主智能体**：理解需求、拆解任务、全局调度；
2.  **开发专家智能体**：理解已有工程和能源业务逻辑，完成具体功能开发；
3.  **质量保障专家智能体**：负责测试、代码审查和质量检查。

代码搜索、模块定位、接口查找这类阶段性工作，主智能体按需要再临时调子智能体去做。

![](https://developer.qcloudimg.com/http-save/yehe-12819526/d0a51dcb6b5daf95547e2ac13070ebda.png)模型上我们也没有"一刀切"：业务代码开发交给推理能力更强的大模型，测试校验、代码审查用轻量化模型，兼顾质量、速度和成本。

这里有一个细节特别重要：**每个智能体在执行子任务时，拥有独立的上下文。** 文件读取、信息检索、中间推理都隔离在主对话之外，任务结束只返回结论。比如调研阶段，临时子智能体要快速检索 180 多个功能模块、读 40 多个代码文件，这些内容只留在子任务里，不占用主对话窗口。上下文不膨胀，幻觉就少很多。

## **三、领域化：让 AI 懂我们这套系统**

通用 AI 只能回答"这个功能一般怎么写"。但我们要的是"这个功能在**我们这套能源系统**里该怎么写"。

一套跑了多年的系统，会沉淀自己专属的目录结构、接口范式、数据库访问逻辑、异常处理机制和编码规范。能源业务还有自己的设备指标和数据口径。这些，都不是通用模型的公共知识能覆盖的。

我们的做法，是把企业代码资产、私域知识、研发规范、领域经验注入智能体，让 AI 建立对特定项目、特定行业的深度理解。这一步其实就包含了**二次开发、定制化开发**——不是拿一个通用模型直接用，而是围绕我们的业务规则和编码规范，做企业级的定制。

落到这次开发上：开发专家智能体在理解现有项目实现方式的基础上，复用了已有的报表结构、接口模式和调用逻辑，让新增代码能无缝融入存量系统；同时严格遵循能源业务的计算规则——比如电池剩余电量百分比（SOC）这种瞬时量，必须用正确的数据聚合策略，否则报表数据就是错的。

这就是"领域化"的落地：**通用大模型提供基础能力，企业专属的领域化知识才是 AI 真正能进生产环境的关键。** 通用模型回答"通常怎么写"，领域化让 AI 回答"在这家企业、这套系统、这个业务下怎么写"。

## **四、开发的和审查的，必须是两拨"人"**

这个 demo 里，我们有一个反直觉但很关键的设置：**不让同一个智能体既写代码、又审自己写的代码。**

原因来自一项研究（《Self-Attribution Bias: When AI Monitors Go Easy on Themselves》）：大模型存在"自归因偏差"——智能体在同一轮对话里审查自己刚生成的代码时，倾向判定它风险更低、正确性更高。这种自我合理化，很难做到客观的合规校验。

****军工领域对系统安全、数据可信的要求极高，这种偏差不能接受。****

所以我们的做法是**角色解耦**：开发专家专注业务实现，质量保障专家作为独立角色，从鉴权校验、SQL 安全、参数合法性、编码规范等多个维度做测试和审查。两套角色配独立规则集、绑不同模型，规避"既当运动员、又当裁判"。

效果立竿见影。项目验收时，主智能体主动识别出了可运行自测脚本的缺失，自动补齐了贴合我们编码惯例的测试脚本——这放在人工流程里，是需要有人专门盯着才会发现的问题。

## **五、结果：1093 行变更，不到 20 分钟**

最终，这次任务涉及 **1093 行代码变更，总用时不到 20 分钟**。

坦白讲，单看"生成 1093 行代码"，速度本身不稀奇。真正让我们认可这次实践的，是这 1000 多行代码**通过了独立审查、贴合了系统规范、融入了存量架构**——这才是企业真正需要的。

更长远的价值在于：如果每做一项任务都要反复向 AI 输入架构、规则、编码范式，那 AI 就永远只是个临时工具。对我们这样的企业，真正重要的是把每一次创建的智能体、模型、规则、提示词、Skill，沉淀成企业内部的 AI 研发资产，把高频场景提炼成可复用的工作流。这种**定制化开发**能力的持续积累，才是 AI 投入真正产生复利的地方。

## **结尾**

做完这个 demo，我的判断更清晰了：企业 AI 编程的下半场，比的不是"代码生成多快"，而是两件事：

**一是能不能读懂规模庞大的存量代码库，具备理解、执行、验证、治理复杂软件迭代的工程化能力；**

**二是能不能理解企业专属的代码资产、私域知识与业务逻辑，沉淀成面向企业自身的持续研发生产力。******二者缺一不可。****

这也是"领域化"真正的价值所在。我们这套系统，算是和此团队一起把这条路走通了一次，后面会继续在更多真实场景里验证。

如果你也在面对类似的老系统、老代码，欢迎一起交流。

上一篇文章跟大家介绍了我对领域化的理解——私有化部署只解决"AI 在哪运行"，领域化才解决"AI 能不能为这家企业工作"。有朋友看完后问：能不能讲一个具体的例子？

104 万行老系统，如何让 AI 改 1000 行代码不出错？

本文以军工能源企业104万行代码系统为例，展示AI如何在领域化加持下实现1000行代码的精准迭代。通过三个分工智能体（主控、开发、质检）协同，结合本地化部署与企业私域知识注入，实现代码生成、审查、融合全流程可控。关键突破在于：避免自审偏差、隔离上下文防幻觉、复用业务规范确保合规。最终1093行变更仅用20分钟完成，且通过独立质量验证。

技术经理

人工智能

开发工具

架构设计

软件工程

代码补全

数据库

智能体

AI编程

路由

让每一个 Agent，都跑在云上

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

104 万行老系统，如何让 AI 改 1000 行代码不出错？-腾讯云开发者社区-腾讯云

104 万行老系统，如何让 AI 改 1000 行代码不出错？

104 万行老系统，如何让 AI 改 1000 行代码不出错？

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐