先改研发方式，而不只是增加一个AI工具
AI进入软件研发，最容易实现的是代码补全、内容生成等局部提效，真正困难的是把个人使用转化为稳定、可复制的团队交付能力。如果需求、规范、评审和经验沉淀仍沿用原有方式，AI只能加快个别环节，无法改变整体研发效率。
对厦门地铁创新科技有限公司（下称“厦门地铁科技公司”）而言，这一问题尤为现实。公司需要以规模并不庞大的团队承接复杂项目，项目又涉及多专业协同、长期迭代和人员轮换。如何统一工程口径、缩短交付周期，并把项目经验留在组织中，比单纯提高编码速度更重要。
每一次AI实践，既要解决当前问题，也要沉淀可复用的流程、知识和工程能力。
基于这一判断，公司把软件研发作为AI能力建设的起点。研发贯穿需求分析、设计、开发、评审和交付，是所有数字化项目共同经过的生产线；先改造研发方式，形成的规范、流程和知识才能在后续项目中反复使用。
自去年11月起，厦门地铁科技公司引入Qoder作为核心研发工具，探索的重点不再是“AI能写多少代码”，而是“人和AI如何共同完成一个项目”。
由此，Qoder从个人编码助手进入团队研发流程，公司的AI应用也从局部提效转向研发模式重构。
核心模式：“小团队 + AI Agent”
公司将“小团队 + AI Agent”设为基本交付单元。团队成员负责理解业务、明确边界、作出关键判断并对结果负责；AI则承担信息整理、规格生成、重复编码、基础测试和规范检查等高频工作。
这种模式不是用AI替代某个岗位，而是重新分配人与AI在研发过程中的任务。人把精力集中在业务理解、方案设计和质量把控上，AI负责加速执行并保持过程一致性。
团队成员也不再只是“按工序各管一段”，而是能够从需求进入项目，贯穿设计、开发、验证和交付全过程。小团队因此具备了承担完整任务闭环的能力。
把研发流程固化为标准工作流
为了让新模式不依赖个人习惯，公司借助Qoder把研发过程归纳为“规格—构建—门禁—交付”四个环节，并将各环节中反复出现的做法封装为标准Skills。
五个Skills按照研发流程依次衔接，各自承担明确任务：
- init-proj-rules：拉起新项目时，先把工程规范和设计基线沉进去；
- write-spec：把需求规格写清楚，给AI一份没有歧义的施工蓝图；
- start-dev：进入编码环节，AI承担CRUD、接口对接、单测这类高频工作；
- review-mr：合并前的评审门禁，让AIC范和常见问题；
- summarize-learnings：交付完成后，把有效做法和问题处理经验回流至团队知识库。
RepoWiki则进一步把代码仓库转换为可读文档，持续记录项目结构、关键模块和工程口径，降低知识只掌握在少数成员手中的风险。
至此，Qoder连接的不只是编码环节，而是项目从规则建立、需求表达、开发执行、质量检查到知识沉淀的完整过程。研发经验开始从个人做法转化为团队可以重复调用的工作流。
从个人提效走向团队协同
研发模式的变化首先体现在交付效率上：单功能模块的编码交付周期平均缩短约30%，CRUD、接口对接和单元测试等重复性工作更多由AI承担。
更深层的变化发生在团队协作方式上。成员能够围绕一个需求贯穿完整生命周期，减少不同工序之间反复传递、解释和等待，团队组织开始从岗位分工转向任务闭环。
知识沉淀机制也改善了存量项目的接续效率。借助仓库文档、工程规范和项目经验，新人上手周期从“以周计”缩短至“以天计”，人员变化对项目连续性的影响随之降低。
这些结果说明，AI带来的价值已经超出个人编码效率：标准更统一、协作链路更短、知识更容易复用，小团队由此获得了更稳定的项目交付能力。
研发线内部跑通后，公司进一步把这套模式用于复杂业务项目，检验标准工作流和知识沉淀机制能否支撑真实生产场景。
地铁数智检修管理系统，正是这套研发模式在复杂项目中的代表性验证。
数智检修：研发新模式的业务实践
设备维保是地铁运营的重要业务，人力成本约占运营总人工成本的一半。项目长期面临纸质规程、经验依赖、线下协调、手工录入和数据孤岛等问题，既要求研发团队理解复杂业务规则，也要求系统能够处理多线路、多专业和大规模数据。
核心方法是「先治理、再智能」
项目没有直接从算法和模型切入。研发与业务团队先围绕轨行区、非轨行区逐级统一全线网空间命名，以“框架统一、专业自主”的模板治理设备字段，并将每项设备精准绑定到具体点位，为后续系统开发建立统一的数据基础。
在数据口径统一后，系统依据数字化规程和编排规则，综合设备规程、人员技能、物资信息、作业窗口及运营约束，自动生成覆盖多线路、多专业的10万余张检修计划工单，提升计划编制、资源调配和作业执行的整体效率。
Qoder在其中承担研发工具角色：通过Vibe Coding加速智能排程、冲突检测、工单与计划自动生成等关键模块开发；同时将字段口径、空间命名和作业标准持续沉淀为项目资产，帮助团队在长期建设中保持工程口径一致。
这一项目验证了新研发模式的实际价值：面对千万级数据量、多专业交织的复杂系统，小团队仍能依靠标准流程、AI协作和知识沉淀推进关键模块建设，并降低人员轮换和新人接续带来的成本。
让每次交付成为下一次研发的起点
回看整个实践，厦门地铁科技公司并不是简单为研发团队增加一个AI工具，而是围绕“小团队 + AI Agent”重新组织研发过程：先明确人与AI的分工，再把规格、构建、门禁和交付固化为工作流，最后把项目知识持续沉淀下来。
Qoder在这一模式中承担的是连接和固化作用。它将分散在不同成员、不同阶段中的规则和经验纳入同一研发流程，使AI的效率能够被团队共享，也使项目成果能够在后续建设中继续复用。
这套模式的核心，不是追求一次开发快多少，而是逐步形成稳定的组织级研发能力：需求能够被准确表达，工程规范能够被持续执行，质量问题能够提前发现，交付经验能够不断积累。
当工具使用被固化为工作流、工作流又沉淀为组织能力时，AI才真正从辅助编码走向研发生产力。每一次项目交付，也由此成为下一次研发和创新的起点。
