网易智企亮相 AICon 上海站，分享 IM 研发多智能体中心建设实践-新闻中心

AI 的价值兑现，正在进入真正的深水区。

黄仁勋在 GTC 2026 指出，AI 产业正在从"能生成内容"走向"能完成任务"，系统工程正在取代单点模型能力，成为新的主导逻辑。6月26日-27日，AICon 全球人工智能开发与应用大会在上海召开，大会以"构建可信赖、可规模化、可商业化的 Agentic 操作系统"为核心命题，集结来自网易、阿里、腾讯、蚂蚁、字节、华为、Google Cloud 等数十家头部公司的 60 余位技术专家，覆盖 12 条并行专题论坛，聚焦大模型落地、Agent 工程化、AI 基础设施等核心议题。

在本届大会上，网易智企旗下云信业务资深全栈开发工程师徐孟祥发表了题为《网易智企 IM 研发多智能体中心建设与实践》的主题演讲，系统分享了团队在 AI 能力演进与 IM 研发工程现实交汇处的思考与落地经验。

一个被忽略的前提

AI 已经"在用"，问题是企业"接不接得住"

过去两年，关于 AI 在研发中的讨论，大多停留在"能不能用"的层面。但徐孟祥在演讲一开始就把这个前提推翻了。

他给出了一组网易智企·云信内部的数据：AI 工具覆盖率 100%，云信团队代码 AI 生成率超过 95%。换句话说，开发者愿不愿意用、敢不敢用，已经不是问题。真正的问题是，当 AI 渗透到每一行代码、每一次提交、每一份文档时，企业原有的研发流程能否承接住这种变化？

这个问题的复杂性，在 IM 这类业务上被成倍放大。

IM 业务的特点是多端、多语言、多仓库、多链路——iOS、Android、Web、Windows、MacOS、Flutter、HarmonyOS 多端并行，Objective-C、Java、C++、TypeScript、Dart 几种语言交织，SDK、服务端、控制台、文档、工具链分散在不同仓库，消息、推送、登录、存储、通知、同步等链路环环相扣。任何一个线上问题，几乎都不会只发生在一个点上。

这恰恰是单点 Agent 最不擅长的场景。一个只能看到用户描述、局部代码或局部日志的 AI 助手，根本无法组织起完整的证据链。它能回答你某一段代码的问题，但你问它"为什么 iOS 用户收不到消息而 Android 正常"，它就只能给出一个"看起来合理但不一定对"的猜测。

于是，研发团队反而陷入一种新的尴尬：AI 用得越多，定位慢、重复多、传承难、把控弱的问题越突出。

徐孟祥把这种困境的破局路径总结为四个阶段的方法论跃迁：Prompt Engineering → Context Engineering → Harness Engineering → Loop Engineering

通俗地说，就是从"怎么问"，到"给 AI 看什么"，到"怎么稳定地编排它"，最终到"以后这类事怎么不用我反复盯着"。AI 的价值，不在于一次惊艳的回答，而在于能否被沉淀进流程、变成组织资产。

单点 Agent 注定走不远

为什么一个再聪明的单点 Agent，也无法解决企业级的研发问题？

徐孟祥给出了四点判断：上下文不足、工具割裂、过程难复盘、结论波动。

这四点听起来都是技术问题，但本质上是组织问题。一个 Agent 如果只能在单次对话里工作，它就无法跨仓库组织证据；如果它无法自动调用日志、工单、知识库，它就只是个高级搜索框；如果它的推理过程无法被追踪，那它的结论就无法被复用；如果换一个人、换一种问法，结果就完全不同——那这套能力就永远停留在"个人技巧"层面，沉淀不下来。

"单点 Agent 的问题不只是回答不够好，而是无法沉淀成稳定的团队能力。"徐孟祥说，"企业缺的不是另一个聊天入口，而是一个能稳定组织上下文、工具、过程与反馈的系统。"

这其实揭示了当下很多企业 AI 落地的真实困境，我们早已不缺好用的 AI 工具，缺的是把这些工具组织起来、形成可治理闭环的"中间层"。

正是基于这个判断，云信团队提出了从代码助手（IDE）→ 任务助手（Task）→ 流程型 Agent（Flowform）的四级演进路径。Agent 不应该是某个工具，而应该是一种基础设施。

AgentNexus：

当问题变成"任务需要什么"

云信此次对外揭晓的自研多智能体平台——AgentNexus，正是这一思路的产物。

一个研发任务从被提出到被解决，中间需要哪些环节？这些环节的输入、输出、验收标准是什么？谁来对结果负责？

AgentNexus 围绕"输入 → 证据 → 产物 → 验收 → 治理闭环"这条主线组织能力，从理解输入（需求、工单、日志、报错、代码改动），到补齐证据（代码检索、日志查询、历史案例、知识库），到生成产物（方案、诊断、Review、修复建议），再到验收与停止条件（内容格式校验、SDK 集成测试验证、证据一致性检查），最后是治理闭环（权限、追踪、反馈、评测、归档）。

平台架构上，AgentNexus 采用了"入口层 + BFF 控制面 + CloudAgentServer 执行面"的三层结构。

入口层"让 Agent 出现在研发动作发生的地方"，Web 对话、小程序、机器人群聊 @、CI/CD 与 Webhook 钩子，开发者在哪里工作，Agent 就在哪里待命。

BFF 控制面则承担了把分散请求变成可治理任务的职责。鉴权、状态机、节点调度、协议封装。

CloudAgentServer 执行面通过 IPC 适配层，低成本接入成熟 CLI，将市面上顶尖的 Agent Runtime 通过统一适配层接入，再加上工作目录隔离、并发控制、超时终止、失败恢复等工程保障。

四个落地场景：

从数据看 Agent 的真实价值

第一个场景是 SO 问题排查与工单诊断。

这是 IM 业务最典型的复杂场景——一个用户报障，可能涉及客户端、服务端、网络链路、配置项多个环节。AgentNexus 通过nim-clone-repo、nim-kb-search、nim-doris-query、nim-debugger等工具的协同，把原本分散在不同人脑中的排查路径固化下来。月度数据显示：完成 196 个诊断任务，SO 工单建单率下降80.77%。原本需要建单走流程的问题，绝大多数在前置诊断阶段就被解决了。

第二个场景是需求分析与技术方案设计。

云信引入了 OpenSpec / Speckit 来沉淀结构化需求，并集成需求管理平台进行跨端可行性调研。SDD（Spec-Driven Development）开发模式覆盖率达到100%，月度完成 68 项需求拆解。需求评审从依赖资深工程师的经验判断，开始向标准化、可复用的工程实践演进。

第三个场景是 GitLab Code Review。

SuperPowers Code Review 覆盖通用风险，nim-code-review 则专门检查 NIM 协议兼容性、多端链路与配置风险。月度完成 146 次 MR Review，识别 91 个 P1/P2 风险，版本提测 BUG 率下降 28.57%。大量原本要在测试阶段才能暴露的问题，被前移到了代码合入阶段。