当前位置:首页 > 报告详情

腾讯研究院:AI原生工作报告2026(49页).pdf

上传人: S** 编号:1241821 2026-05-19 49页 12.18MB

下载:

1、从信任鸿沟到可靠协作的十个关键词驾驭AI出品:AI原生工作团队AI原生工作报告2026我们正在经历一场前所未有的协作革命。人与我们正在经历一场前所未有的协作革命。人与AIAI之间,正在生长出一种全新的信任关系,它不来之间,正在生长出一种全新的信任关系,它不来自完美,而来自持续的校准与驾驭。这份报告用十个关键词,记录我们正在走的那条学习曲线。自完美,而来自持续的校准与驾驭。这份报告用十个关键词,记录我们正在走的那条学习曲线。0909关键词1 驾驭工程人设计环境,人设计环境,AIAI在环境中执行;核心范式跃迁在环境中执行;核心范式跃迁2929关键词6 工作流人类工程师始终是这场演出的导演人类工程师

2、始终是这场演出的导演1313关键词2 记忆精确遗忘比完美记忆更重要精确遗忘比完美记忆更重要3333关键词7 多智能体用好一个,再用多个,可以打开更大的世界用好一个,再用多个,可以打开更大的世界1717关键词3 技能最好用的,是自己持续维护的最好用的,是自己持续维护的skillsskills3737关键词8 加法偏见加法是能力,减法是智慧。加法是能力,减法是智慧。2121关键词4 评估可靠的评估与反馈是方向盘,是质量的前提可靠的评估与反馈是方向盘,是质量的前提4141关键词9 去技能化如果有一种技能我们输不起如果有一种技能我们输不起2525关键词5 上下文停止把你的人生故事放进去停止把你的人生故

3、事放进去4545关键词10 知识工程方法会过时,工具会迭代,最终留下什么方法会过时,工具会迭代,最终留下什么序言序言信任鸿沟:信任鸿沟:可靠不等于不出错,可靠是出错之后还能接住可靠不等于不出错,可靠是出错之后还能接住0505目录研究团队顾问顾问研究研究策划策划研究研究&实践实践袁晓辉袁晓辉李瑞龙李瑞龙曹士圯曹士圯余余一一王王鹏鹏刘莫闲刘莫闲王王强强吴朋阳吴朋阳白惠天白惠天陈东明陈东明陈维宣陈维宣陈楚仪陈楚仪胡胡璇璇贺泽轩贺泽轩张鸿茹张鸿茹朱朱敏敏袁袁歆歆霍浩华霍浩华丁丁阳阳朱于增朱于增傅育生傅育生陆诗雨陆诗雨唐嘉晗唐嘉晗产品支持产品支持李瑞龙李瑞龙报告主笔报告主笔李瑞龙李瑞龙余余 一一曹士圯曹

4、士圯袁晓辉袁晓辉司司晓晓|腾讯研究院院长腾讯研究院院长杨杨乐乐|腾讯研究院副院长腾讯研究院副院长杨杨健健|腾讯研究院总顾问腾讯研究院总顾问冯宏声冯宏声|腾讯研究院高级顾问腾讯研究院高级顾问黄广民黄广民孔德远孔德远汪晟杰汪晟杰袁晓辉袁晓辉设计设计支持支持崔崔 昭昭信任鸿沟:可靠不等于不出错,可靠是出错之后还能接住。序84%采用 vs 29%信任为什么用了用好了2023 2023 年,全球最大开发者社区年,全球最大开发者社区 Stack Overflow Stack Overflow 的年度开发者调的年度开发者调查显示查显示 AI AI 编程工具的信任度是编程工具的信任度是 40%40%。两年后,

5、采用率从。两年后,采用率从 70%70%升到了升到了 84%84%。信任度降到了。信任度降到了 29%29%。用得越多,信得越少。为什。用得越多,信得越少。为什么我们很少见到一个技术是这样的?么我们很少见到一个技术是这样的?这个不是简单的信任问题这个不是简单的信任问题。Stack Overflow Stack Overflow 自己的分析给了一自己的分析给了一个精准的判断:这是一条学习曲线,伪装成了信任问题。这句个精准的判断:这是一条学习曲线,伪装成了信任问题。这句话值得琢磨。以当前话值得琢磨。以当前AIAI应用最广的领域为例,软件工程师的职业应用最广的领域为例,软件工程师的职业训练建立在确定

6、性上。写同样的函数,传同样的参数,得到同训练建立在确定性上。写同样的函数,传同样的参数,得到同样的结果。然而,当样的结果。然而,当 AI AI 来了。同一个问题问两遍,两个答案,来了。同一个问题问两遍,两个答案,两种结构,两套取舍方案。都能跑。对于严谨的工程师来说,两种结构,两套取舍方案。都能跑。对于严谨的工程师来说,这样的特性,需要一个适应过程。这种感受不是程序员独有的。这样的特性,需要一个适应过程。这种感受不是程序员独有的。律师期望同一条法规的检索结果稳定一致,医生期望同一组指律师期望同一条法规的检索结果稳定一致,医生期望同一组指标指向确定的诊断方向,金融分析师期望同一套参数产出可复标指向

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
1. **信任鸿沟**:84%开发者采用AI工具,但信任度仅29%;96%不信AI代码正确性,仅48%检查,因验证成本高。 2. **驾驭工程**:人设计环境(Harness),AI执行;约束需精简(规则越少越好,工具越强越好)。 3. **记忆管理**:精确遗忘比完美记忆更重要,存储量减45%可保留82.1%关键事实。 4. **技能迭代**:最佳技能为精准描述、领域知识、踩坑记录,需动态维护。 5. **评估机制**:生成与评估分离,避免上下文污染;多层评估(确定性检查+AI审查+人类判断)。 6. **工作流重设计**:仅21%团队高效整合AI,需端到端自动化而非局部优化。 7. **多智能体**:90%场景单Agent+工具足够,多Agent需明确分工(管理幅度3-5个)。 8. **加法偏见**:AI加法策略使用率88%-100%,需主动减法策展(Skill压缩提升2.8%效率)。 9. **去技能化风险**:AI辅助下开发者新技能得分低17%,需保留深度思考与犯错学习。 10. **知识工程**:方法会过时,但结构化知识图谱(如依赖关系)是长期竞争力。
信任鸿沟怎么破? AI如何不“偷懒”? 知识怎么不“烂”?
客服
商务合作
小程序
服务号
折叠