ai已不再局限于代码补全与函数生成,而是进化至具备任务规划、工具调用、多文件代码修改及自动化测试执行的能力。对个体开发者而言,这类能力正显著重塑日常开发流程;但在企业级研发场景中,还需应对多岗位协同、多项目并行、跨系统集成等复杂挑战:工程师可能各自使用ai助手完成局部工作,但测试验证与代码评审仍依赖人工协调;某个智能体虽能独立交付任务,但其过程沉淀的项目认知与工程规范却难以被组织复用与传承。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

2026年11月13日,可达智灵正式推出国内首个面向工程实践的AI原生研发平台——织灵(Coda Loom)2.5版本。本次升级聚焦“自主推进 · 组织沉淀 · 持续进化 · 跨越多端”四大方向,全新上线项目级数智研发工厂、多ADE团队协作机制、企业知识与技能共享体系、自主进化引擎、专业领域评测能力、分布式智能协同框架,以及第三方智能体治理平台等多项核心能力。织灵所致力于解决的核心命题是:如何将碎片化的AI能力,转化为企业可长期运营、持续优化、统一管理的研发生产力。
**三类工作对象,定义AI研发产品的角色边界
厘清不同产品的定位,关键在于识别其服务的核心对象层级:L1为个人开发辅助工具,以IDE插件与代码助手为代表,聚焦于代码理解、生成与编辑效率提升;L2为工程任务型Agent,围绕单一明确目标进行步骤拆解、工具调度、代码变更与结果验证;L3则定位于企业级研发组织平台,需支撑跨职能协作、项目上下文贯通、知识资产沉淀、质量效能闭环及智能体生命周期治理。

这并非技术能力的线性排序,也不代表三者互斥。事实上,L1与L2工具本身也可集成部分组织级能力。织灵Coda Loom选择锚定L3层,以项目与组织为枢纽构建平台能力,使企业在不淘汰现有IDE、Coding Agent或垂直领域智能体的前提下,将其统一纳入标准化、可度量、可持续演进的研发管理体系。
**从多个独立Agent,迈向一支协同运转的数字研发团队,核心在于项目规则与结构化流程
以一项新功能交付为例,需求分析、编码实现、单元测试、代码评审与上线部署分别由不同角色承担,且存在强依赖关系。织灵2.5中的ADF数智研发工厂2.0,将编码规范、评审checklist、质量门禁等项目级共享规则,与跨阶段任务流深度耦合,打通研发目标、工程产出与多维效能指标;在统一项目空间内,成员与ADE共同遵循预设标准,无需每次交互重复对齐语义与要求。

ADE Teams 2.0提供覆盖产品、开发、测试、研发管理及知识归档等典型角色的开箱即用协作模板,支持跨ADE角色联动、流程节点灵活编排及模板市场共享。ADE可在授权范围内基于执行反馈做出分支判断、循环重试或必要回退;工程师可手动调整步骤顺序、插入人工审核节点,并对最终结果进行确认验收。经实践验证的高效协作模式,还可封装为可复用模板,在后续相似任务中一键启用。
因此,真正的差异不在于“同时启用了多少个Agent”,而在于企业是否构建起一套将任务目标、执行逻辑、权责划分与成果交付深度融合、持续运行的工作范式。
**开放接入 ≠ 放任不管:企业级智能体治理的关键路径
当前多数企业已深度使用各类开发工具与第三方AI智能体,全面替换既有的技术栈既不经济,也不现实。织灵2.5正式发布AMP智能体管控平台1.0,支持织灵原生ADE与Claude Code、Codex等外部智能体统一纳管,集中配置知识库、Skill集合、模型选型、MCP协议策略及安全合规规则,并实时监控调用量、响应质量与潜在风险。员工得以延续熟悉的工作方式,企业则获得全局可视、策略可控的治理中枢。
ARP智能体运行平台2.0兼容云端沙箱、企业服务器、私有云及终端设备等多种执行环境,实现统一注册、权限分级与受控调度。针对代码读写、Shell命令执行、高危配置变更等敏感操作,企业可依据自身安全策略设定审批链路、运行隔离域、操作审计日志与人工兜底机制。人类工程师始终保有关键决策权与结果终审权,智能体则在清晰划定的职责边界内高效执行。
**组织沉淀的不应是对话快照,而是可检索、可复用、可演进的知识与方法论
当AI深度参与研发全流程,企业真正需要留存的是可支撑未来任务的工程上下文、领域经验与标准化方法。织灵2.5的EKH企业知识中枢2.0构建起企业—项目—个人—ADE四级知识网络,支持对接文档库、代码仓库与内部数据源,自动构建动态更新的企业知识图谱,并按权限粒度与内容变更节奏组织智能检索与主动推送;ESH企业技能市场2.0则推动经验资产化,将经过验证的解决方案封装为可安装、可共享、可版本化维护的Skill模块。

在此基础上,SIE自主进化引擎1.5持续挖掘高频Skill与长期记忆片段,开展过程复盘与策略优化;ADP智能数据挖掘平台1.5完整记录研发行为轨迹并建模分析;AEP智能评测平台1.0已覆盖芯片设计、智能制造、图像算法、金融科技等垂直领域的专用评测集,通过对照实验验证能力改进效果;智能模型路由1.5(MTR)则根据模型性能、任务类型与资源成本,动态调度最优执行策略。企业由此建立起属于自身的AI能力成长飞轮,而非被动等待通用大模型的下一次跃迁。
**跨越多端不是口号,而是任务连续性与规则一致性的工程落地
个人工具往往绑定特定界面与交互路径,而真实研发活动广泛分布于IDE、办公协同平台、移动终端、云开发环境乃至物理工程现场。织灵2.5全新上线ADE Mesh分布式智能2.0,实现任务跨端无缝接续:在企业IM中发起需求,由云端ADE持续处理;工程师在IDE中查看并微调生成代码;最后通过手机端完成结果验收与反馈闭环。终端形态各异,但任务意图、项目上下文与企业治理规则始终保持连贯统一。
智能眼镜已正式接入织灵平台,支持语音唤醒ADE任务、实时调阅项目资料、上传现场图像并接收执行反馈。工程师身处实验室调试设备或产线巡检时,可将所见画面、当前状态与研发任务实时关联,与背后的数字研发团队保持同步协作。这意味着“跨越多端”已从理念走向可感知、可操作、可交付的工程现实。
**本质差异在于:能否把离散AI能力,编织成一张有组织、有记忆、有进化的研发能力网
L1解决个体在具体编码环节的操作效率问题,L2驱动单点工程任务的端到端交付,L3则面向研发组织整体,承担跨角色协同、项目语境维持、质量过程管控、知识资产沉淀与智能体生态治理等系统性职责。织灵2.5将数智研发工厂、ADE Teams、知识与技能市场、自主进化引擎、分布式智能协同及企业级治理能力有机整合,不要求企业弃旧立新,而是让来自不同渠道的研发智能,在统一的项目框架与组织规则下协同发力、持续进化。
从“每位工程师都能用上AI”,迈向“整个研发组织能协同使用AI、并在过程中不断沉淀和强化AI能力”,正是织灵2.5所锚定的演进方向。











