在前程无忧的技术团队，有一个正在被验证的判断：未来衡量程序员价值的，不再是写了多少行代码，而是调动了多少 AI 资源。
从“古法手搓”到“项目经理”
前程无忧的技术团队内部有一张广为流传的图，把开发者的角色演变分成了三个阶段。
第一阶段叫"执行者"，大家戏称为"古法手搓"——开发者的日常就是写代码、找 Bug、改 Bug，扎实但辛苦。
第二阶段是"协作者"，AI 开始参与编码，开发者学会了写 Prompt、调优 AI 输出，人机协作初具雏形。
而现在，公司正在推动的是第三阶段——开发者变成 AI Agent 的"项目经理"，负责需求拆解、边界定义和最终验收，把控方向而不是手写每一行代码。
第一刀砍向重复劳动
任何一个有过大型项目经验的程序员都知道，真正需要创造性思考的时间其实有限，大量时间花在了重复性的体力劳动上——代码录入、逻辑梳理、写单元测试、复制粘贴模板代码。
前程无忧在 IDE 侧引入了 Qoder，让这些工作交给 AI 来做。开发者用对话的方式描述需求，Qoder 直接生成代码，开发者审核调整即可。
"屎山代码" 的救星
几乎每家有年头的互联网公司都有一批“屎山代码”——历史文档缺失、核心开发者早已离职、新人接手时两眼一抹黑。这些代码不敢动、不想碰，却偏偏承载着关键业务。
管理者的功课：建立“企业方言”
工具选好了，但如果每个人用法不一样、输出不可控，AI 就是一个昂贵的玩具。前程无忧在管理层面做了一件很关键的事——建立规范化的 Rules+Spec 体系。
简单来说，就是给 AI 设规矩。Rules 能统一输入格式、减少歧义、降低 Token 消耗，让 AI 的输出保持一致性和可复现性。更重要的是，这些规则把个人经验转化为了组织规范，使 AI 行为符合工程标准与业务目标。
从个体到平台的飞跃
更让人印象深刻的是前程无忧在技能管理层面的布局。他们搭建了 Skills/MCP/工作流平台，建立了一套"技能榜单"机制，鼓励员工贡献自动化脚本和 AI 技能。
这不是一个自上而下的命令，而是一种从底层自发涌现的模式。报工、周报生成、数据处理这些日常琐事，都被员工自发地做成了可复用的 AI 技能。
知识飞轮：让经验不再只在老员工的脑子里
前程无忧在知识沉淀上的思考尤为深入。他们构建了一套"生产→沉淀→收集→分发"的知识闭环。
过去，业务逻辑只存在于老员工的脑子里，新人要花数月才能上手。现在通过知识沉淀，这些经验被实时反哺给每一个开发者的 AI 助手。AI 助手能调用沉淀的知识，在开发过程中帮开发者更快获取所需信息，减少重复劳动。
衡量标准的升维
当开发者的角色发生根本性变化时，评价体系也必须跟着变。
作为积极拥抱技术变革的科技公司，前程无忧正在推动一场指标革命。过去衡量开发者靠的是代码行数、CR 纠错数、采纳率——这些本质上衡量的是体力劳动。未来的核心指标将转向 TPM/RPM（Token 消耗密度），它反映的是开发者调动 AI 资源的活跃度和效率。
写在最后
前程无忧的实践描绘了一幅 AI 编程在大型互联网企业落地的完整图景——不是简单地买一个工具，而是从工具选型、规范建设、技能平台、知识沉淀到评价体系的全面重构。
Qoder 在其中扮演了核心角色：IDE 侧的沉浸式编码、RepoWiki 的老项目拯救、Quest 模式的深度探索、
QoderWork 的编码边界突破，覆盖了从日常开发到组织赋能的全链路场景。
更值得关注的是来自前程无忧团队的一个判断：未来是"AgenticEverything"的时代，每个人都将拥有懂业务、懂工程、懂流程的专属 Agent，GUI 操作将被 LUI（语言交互）取代。
在这个方向上，他们已经先走了一步。作为国内领先的人力资源服务商，前程无忧也将积极将其在科技领域不断创新所取得的技术成果及时转化为产品和服务，使得企业客户和个人用户第一时间享受到 AI 技术红利，从而指引人力资源服务业走向更高效的数智化未来。
本文内容来源于前程无忧技术团队 C 端技术负责人曹黄麟线下分享《Vibe Coding 在大型互联网企业的落地实践》