北京
代码生成越来越快，需求实现成本被大幅降低，研发生产节奏持续加快。但真实复杂的工程环境里，瓶颈正在悄悄换位置——从"代码编写"转向"研发后链路"。
稳定性分析、问题定位、风险治理、上线保障、经验沉淀，这些环节仍然高度依赖人工，难以跟上 AI Coding 带来的研发吞吐增长。快手大前端稳定性方向技术专家王泽锋将在 QCon 上海站分享《AI 时代的移动端稳定性保障 —— 柯南 AI Agent 实践》，讲的正是这条后链路怎么被重构。
瓶颈为什么从写代码挪到了查问题
过去一年，AI Coding 逐渐成为软件研发的新范式。代码生成能力提升之后，需求实现成本降下来了，但研发效率的瓶颈并没有消失，只是转移了。
稳定性分析、问题定位、风险治理、上线保障与经验沉淀，这些工作依然靠人。AI Coding 把研发吞吐拉高了，后链路跟不上，就成了 AI 深入研发流程必须解决的关键问题。
与此同时，移动端研发正在进入 Android、iOS、HarmonyOS 多平台并行的新阶段。鸿蒙原生、KMP 等新技术栈带来跨平台研发效率提升的同时，也引入了新的稳定性挑战：跨语言运行时、多技术栈协同、复杂异常现场分析，让传统稳定性保障体系面临更高复杂度，也对 AI 的工程理解能力提出更高要求。
柯南 AI 想做的，是一个懂工程上下文的数字同事
王泽锋的分享围绕快手移动端稳定性智能体「柯南 AI」的建设实践展开，核心是让 AI 从代码辅助走向研发后链路，成为能够理解工程上下文、参与稳定性治理的数字同事。
具体覆盖的能力包括：
- 智能体工作流、上下文工程、智能体运行框架、智能体友好型工程基建等关键实践
- 自动完成异常现场聚合、证据补齐、根因分析、处置建议、自动修复及知识沉淀等完整流程
- 结合鸿蒙与 KMP 等典型场景，解决复杂工程环境下的疑难稳定性问题
分享中还会展示柯南 AI 的实践与典型案例，讨论工作流、大模型与智能体的能力边界，以及面向稳定性场景的轻量级运行框架。鸿蒙 OOM、Freeze 等复杂问题分析实践，智能体驱动的异常现场聚合与 Heap Snapshot 分析，智能体如何整合跨语言、跨运行时上下文，都在议题清单里。
大模型不是稳定性领域的银弹
王泽锋给出的判断很直接：稳定性天然和大量内部系统紧密结合，存在大量私域知识，而移动端线上版本的高度碎片化还会带来大量历史兼容性问题。
这些信息无法通过模型升级被自然习得，而且还会被持续生产。所以需要持续通过上下文工程建设给模型补齐私域知识，加上"手脚"——也就是内部系统访问能力。
另一个判断同样关键：一个稳定性问题被解决的上限，取决于问题现场的信息能多大程度被采集到。端侧基建不会过时，需要持续建设。
这套实践在快手一亿级 DAU 和超长使用时长 App 上，经过内部百级别开发者和真实线上 Top 问题的考验，取得了实际提效和指标治理结果。
从代码生成走向全链路智能化
这场分享想回答的问题不止于工具层面。它试图探讨智能体优先的稳定性研发新范式，以及 AI 驱动研发体系演进的未来方向——研发流程如何从代码生成，走向稳定性治理、知识沉淀等全链路智能化。
对于想了解 AI 智能体在研发后链路真实落地实践的开发者，议题覆盖了如何基于日志、堆栈、源码、监控、变更等工程资产构建可落地的稳定性智能体，以及智能体工作流、上下文工程、智能体运行框架、智能体友好型基础设施等关键工程方法。
2026 年 QCon 全球软件开发大会 · 上海站将于 10 月 22 日—24 日举办，聚焦 Harness AI 时代的工程实践，围绕 AI Native 架构、Agent Runtime、AI Infra、Data Systems、Agent 安全与可观测、Loop Engineering、Vibe Coding、具身智能与世界模型、端云协同等方向展开。大会共策划 20 个专题论坛，100+ 资深专家现场分享。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
