UU 跑腿用 Qoder 的 Wiki + Rules + Skills，把 AI 从"外援"变成"全流程战友"。
大家好，我是 UU 跑腿的技术负责人袁沼，今天给大家分享 UU 跑腿如何让 AI 深度融入全流程研发。
作为即时配送领域的头部企业，我们每天处理着百万级的订单。我们的技术体系是典型的微服务架构，拥有超过800个核心应用，技术栈覆盖了从前端到后端，再到大数据的方方面面。在这样庞大而复杂的系统中，如何平衡研发效率和代码质量，是我们一直以来面临的核心挑战。
随着 AI 编程工具的普及，问题也逐渐暴露出来：AI 生成的代码虽然快，但风格不一，反而增加了代码审查的成本。更重要的是，AI 不理解我们复杂的业务和微服务架构，生成的代码往往需要大量修改才能使用。
我们总结了四大核心痛点，并对这四大痛点进行了深入剖析：
面对这些痛点，我们的核心理念发生了转变。我们不再将 AI 仅仅看作一个辅助编码的工具，而是要让它真正融入我们的研发流程。这意味着 AI 的定位从一个工具转变为流程的参与者，它需要理解我们企业的业务上下文，将规范内嵌到生成过程中，并能检索我们沉淀的知识，最终实现设计、编码、审查的一体化。
我们的解决方案，就是利用 Qoder 平台重构整个开发流程。我们构建了一个以企业级 Wiki 为核心的知识底座，然后在其上构建了规范层、设计层和质量层。通过这个架构，AI 在生成代码之前，就已经学习了我们的知识、规范和设计模式，从源头上保证了代码的质量和对业务的贴合度。
让 AI 学会说“ UU 话”，也就是落地我们的企业级编码规范。我们的目标是让 AI 生成的每一行代码都符合我们的规范。
通过梳理规范、编写规则并将其集成到 AI 生成过程中，我们实现了“生成即合规”。
最终，代码规范的一次通过率从60%提升到了95%。
AI Review，就是让 AI 参与到代码审查中，成为质量的第一道防线。我们设计了智能代码审查 Skill，它可以通过 MR 或对话触发，从编码规范、潜在 Bug、性能、安全等多个维度进行审查，并输出详细的报告。这大大减轻了人工审查的负担。
通过标准化标签与自动化流程，将工程师从繁琐的发布操作中解放出来，聚焦业务价值交付，同时保证发布流程的安全性、一致性。
解决 AI 不懂我们复杂架构的根本问题，核心思路是先让 AI 学习我们的系统，再让它参与设计。
第一步就是知识沉淀，我们通过 Qoder 解析现有的微服务应用，自动生成应用级的 Wiki，Qoder Quest Mode 开发流程实现完所有的功能仅需要3个小时，其中写文档1个半个小时，大模型生成半个小时，再加分钟级 Code Review，以及半小时代码完善，效率提升非常显著。
API 作为 MCP 覆盖城市后端，核心目标是构建 AI Agent 与城市业务系统的标准化交互枢纽。
传统流程中，AI 只是在编码环节提供碎片化的辅助。而在新流程中，AI 已经深度融入到设计、生成和审查的每一个环节，整个流程建立在我们的知识底座和规范之上，效率得到了质的飞跃。
在使用 AI 过程中，我们不需要人工手写复杂的文档，所有的 Wiki、Rule、Skill 全都是通过 AI 生成的。只要保证了输入企业的上下文，AI 输出的东西就是我们想要的。
通过实践，我们最大的收获是深刻认识到，AI 落地的前提是“治理先行”。没有规范的 AI 只会制造技术债，知识沉淀是 AI 理解业务的基础，而流程建设比单纯引入工具更为重要。我们必须将 AI 视为研发流程的固有一环，并以持续迭代的心态来推进这项工作。
展望未来，我们认为这个新范式还有巨大的潜力。我们正在探索智能测试、故障诊断、MCP 全场景覆盖以及构建端到端自动化等方向：
一、UU 跑腿为什么要让 AI 参与全流程开发？
技术背景
作为即时配送领域的头部企业，我们每天处理着百万级的订单。我们的技术体系是典型的微服务架构，拥有超过800个核心应用，技术栈覆盖了从前端到后端，再到大数据的方方面面。在这样庞大而复杂的系统中，如何平衡研发效率和代码质量，是我们一直以来面临的核心挑战。
- 知识存在于人脑中，无法有效沉淀和传承。
- 我们的编码规范停留在文档层面，执行不到位。
- 设计方案难以复用，导致重复工作。
- AI 工具对我们来说更像是一个需要不断修正的“外援”，而不是并肩作战的“战友”。
二、新范式的思考：从"AI 辅助编码"到"AI 融入流程"
三、流程再造实践案例
实践1：让 AI 说" UU 话"
实践2：AI Review
实践3：让 AI 懂全局
- 研发启动： PRD 导入知识库，生成概要方案。
- 详细设计： 基于概要方案与代码，生成详细方案。
- 编码阶段： 在 Rule 约束下进行编码。
- 审查阶段： 通过 Skill 进行自动化 Code Review。
- 测试与发布：AI 生成单测及功能测试用例（采纳率达70%-80%），最后通过 CLI 一句话发版。
四、新范式的未来
- 智能测试： 在已有的单测和功能测试基础上，重点做 UI 自动化测试，并基于业务日志进行业务漏洞的自动诊断。
- MCP 场景： 将后台管理能力封装成标准化接口和 MCP，实现“研发平权”，让业务人员也能自定义小插件来提升个人效能。
- 端到端自动化的持续提升： 随着模型能力的进步，进一步优化流程，实现真正的端到端智能化。