9月22日，在云栖大会"Qoder 助力 AI Native 超级组织"分论坛现场，满帮集团资深算法专家李旭泽带来主题演讲《货运场上的Qoder：满帮AI算法深度赋能实践》。
李旭泽以满帮"货、车、司机"三边关系为切口，回顾了满帮从信息平台到交易平台、再到AI平台的转型路径：业务侧六个智能体已上线，发货场景字段准确率经 Prompt 自进化提升约12个百分点，开发工作量从50人日缩短到10人日，与 Qoder 协作约一周产出 Agent 技术框架、一个月内落地 Agent 第一版。演讲最后，他给出了AI时代的产出公式——"判断力 × Qoder AI 执行力"，并回到满帮最朴素的目标：让妻子回归家庭，让留守儿童得到母亲身边的爱。
以下是演讲全文：
大家好，然后是满帮的李旭泽，感谢 Qoder 给我这次分享的机会。我这次演讲题目是《货运场上的Qoder》。
下面是我整个讲的一个目录。第一个点是满帮是谁；第二个是我们在转型当中遇到的挑战，以及我们的全景图；还有 Qoder 上的实践；最后是我个人对 AI 的一些感想。
满帮是谁：货、车、司机的三边关系
运满满成立于2013年，于2017年跟货车帮进行合并，成立满帮集团，然后当前已经成为中国物流数字干线里面的领先企业。
满帮集团是一个典型的"货、车、司机"三边关系的平台：平台、货主、司机，每一个边都会有自己的业务。我们的业务特点是四句话：专业知识深、时空错位严重、运力极端的不平衡、个体司机居多。
个体司机居多的话，其实整个干线物流里面会有自己的"副驾"，副驾里面常常由自己的妻子来扮演这种角色：丈夫来开车，妻子来帮他找货、和货主进行沟通；然后孩子可能在自己家中，由爷奶来带。今天来看的话，在Agent时代，可能有了新的解决方案。这个悬念我先留到这里，最后再回到它。
转型AI的四个问题：做什么、能不能做、谁来做、有什么价值
回到我们整个转型 AI 遇到的四个难点。我首先问的是四个问题：做什么、能不能做、谁来做，以及有什么价值。
第一，做什么。 大家也知道，AI 在 B 端相当于一个高中生，在 C 端相当于一个博士生——B 端这里面你需要大量的补充信息。第二点是你的业务场景里面什么样的场景适合做 AI。我们今天去看了一圈之后，发现标品其实挺难结合的：因为你要把 AI 结合到里面去，你就会发现你阻碍了原有链路；那重决策场景，比如一个人买房子，他不太会让 AI 进行决策。所以什么场景下是比较好的呢？就是一个中决策场景：它一定要决策，但是订单的金额可能在几百到几千，需要大量的交互。这样的话我们回头看我们整个场景的话，我们满帮集团是非常符合这样一个场景——我们是一个撮合的平台，中间有大量的交互，需要各种人的去经营决策。
第二，能不能做。 我们发现我们的整个企业的技术栈偏老，对 Agent 的框架来说不友好，我们需要自研。
第三，谁来做。 我们有近千人的开发团队，但是在2025年，整个 AI Agent 的经验几乎为零。所以两条路走：第一个是内部培养，第二个是从外部引进。
第四，有什么价值。 第一点，从内部来讲，我们的内部员工提效：拥有近千人的开发团队，然后有运营、开发以及测试等等一些岗位，这内部的提效会有明显的收益。第二步，我们怎么样把 AI 结合到我们的业务侧，让它服务于我们客户。
AI全景图：把工作流管道每一环都接入AI
看一下我们的整个全景图。我们把整个的工作流可以想成一个管道，其实这个管道里面每一侧都要接入 AI。
在我们的业务侧，我们有六个 Agent 的智能体已经上线。：业务侧会用 Qoder 去写自己的 MRD、做数据分析以及各种数据闭环；开发用 Qoder 结合我们满帮的开发规范，生成我们自己的代码；测试利用 Qoder 结合 Skills 自动化测试；
基于我们三边关系，平台、货主以及司机，其实对应的都会有自己的智能体：货主侧有发货智能体和跟单智能体，司机侧有找货智能体。我们希望的点是什么？用 Agent 替代原有货主和司机的事情，用户专注自己的事情，剩下的事情让Agent帮他管。
目前，在我们的整个履约侧和判责侧已经全量化，关键的客诉智能体已经接手关键客诉。
为什么是Qoder：背后阿里、安全可信、知识库、生态
为什么选择 Qoder 呢？几个问题。
第一，背后阿里。 第二，安全可信——整个 AI 时代，数据安全是第一要务。第三，企业的知识库。 第四，生态——不是单点工具，Qoder 家族覆盖了每个环节的生产需求，然后可以提供很多能力。
其实一个 AI Native 的组织，不只要把自己技术上建设起来，也要把自己的文化建设起来。我们也会推动我们自己内部的一个超级个体的建设，通过他们来带动我们整个集团的一个 AI 文化的扩散。
与Qoder深度合作：从Prompt自进化到工作提效
一个公司想在 Agent 的时代里面如何成长起来，一定要变成自增长：Case、用户的记忆、知识不断地循环，增加自己的 Agent 的智能体。
然后这里面就会有一个 Prompt 进化问题：很多业务级的 Prompt 的话，它其实是上万个 Token 以上的一个东西，人很难进行维护了；到达一定的水平时候，你每加一条规则，你的准确率不会上升，会下降。那么怎么自动化地把这个东西做好呢？
那就是我们基于一个强化学习的链路，把整个链路拆解出来作为优化器、候选池、LLM 推理，然后基于我们的真实的黄金数据集做了智能评估器，然后做候选池不断地迭代；然后就是外面有一个所谓的准确率的 Delta，满足目标后停止迭代，然后给到我们最优的提示词。在发货场景的话，字段准确率提升了应该有12个百分点左右。
这是我们跟 Qoder 深度地在开发当中的一个需求。因为我们的专职是做算法，不是做开发，所以我们算法同学其实很难进行一个开发。经过我们与 Qoder 的协作，从架构分析、需求分析到做实现，原来需要50个人日的工作量，可能今天就变成10人日。整体提升非常明显。
再讲一下我们与 Qoder 的三个协作的事情。其实我刚才也说了，我们智能体在2025年落地的时候经验为零，那怎么去做内部的自研呢？另外一点就是技术栈偏老，那怎么去做这个自研呢？
第一，Agent 框架自研。 其实我们也当时也没有任何经验，但是我们通过 Qoder 的 Quest 模式进行合作，大概一周就产生了我们 Agent 的技术框架。但是我们这个业务的话，发货的业务大家以为是表单，但其实不是表单，它是个订单。订单的话它需要的是字段的准确率，以及字段和字段之间联动，是非常有状态机的。然后Quest模式，通过一周左右的时间就把这个整体用状态机的 Agent 开发框架落地了，并在一个月内帮我们把整个 Agent 的第一版落地。
第二，知识库。 原先我们每个同学都需要梳理自己的 Wiki，把自己代码整理到 Wiki 里面去；而今天 Qoder 帮助我们实时生成代码提交的时候，就实时生成 RepoWiki。而我们所有同学可以看这个 Wiki，不需要再互相的联动，只需要你提交代码。
第三，排查问题。 原有的链路是我们自己人去看一下哪块有错了，然后再发现代码里面再找一大圈，找了一天两天，然后终于解决了一个问题。而今天 Qoder 提供了 Web 端 Agent，我们把链接放到里面去，然后跟它进行对话，去一边看代码一边解决问题。
然后我们整体回顾一下：我们的技术栈偏老，整体的系统非常繁多；另外一点是我们的系统原有的是 RPC 框架，这 RPC 的话如何适配我们的新的叫做 AI Native 的组织？那肯定要变成 MCP。我们的同学就可能基于 Qoder 跟它去协作，把我们的 RPC 自动化转换成 MCP 这样一个框架。
那 Qoder 的话，其实最重要的点是什么？高效开发；越用越懂你，它的 Memory 里面也是不断的自增长，而且自进化强大智能体；然后另外一点是很多新的模型都会在 Qoder 上进行展示出来；然后另外是企业知识库共同成长。
AI Native组织：超级个体不等于组织提效
再谈到一个公司里面想变成 AI 的组织的问题，那你肯定会说我从零到一推进就好了。但其实一线员工的AI转型可能没有那么容易。
你要告诉他如何用 AI 能提升他的工作效率，所以我们的解决办法就是：树立榜样。
整个 Agent 文化建立主要分三个人群：第一个是顶部会有一些尝鲜者，中部会有一些观望者，下部的话会有一些绝缘者。要打造这些智能体、超级个体，然后去牵引这部分用户，让他知道 AI 的效率提升。
然后既然谈到了超级个体，然后突然发现一个问题：超级个体一定等于你的整个组织提效吗？不对的。为什么？整个组织里面我们来说，Vibe Coding 里面一定会对开发进行提效，但是他提效了真的一定会对你组织进行提效吗？不对的。因为一个水桶能盛多少水，不是由最长的木板来决定的，是由你最短的木板来决定的。所以你必须要全链路的把每个工种都要进行 AI 化，看整体不看局部，然后每一段的进行拆解。
然后我们最后还是落地到业务侧。个人的提效怎么讲呢？我们大家都用那个 Vibe Coding、都用各种的 AI 软件，个人提效一定不是一个组织提效。组织一定要看从头到尾的每一个工种、每一个工种的去看，才能进行 AI 的一个建设。然后另外一点是你内部有很多存量系统，业务侧啊、产品侧都需要去不断的连接的，那么把它们应该 AI 化掉。这样的话从组织上减少沟通，让每个人去覆盖下一个自己的上下游的工种；然后在 AI 时代的话，组织会更加扁平。为什么原有的汇报体系需要人去不断 Summary？而今天 AI 时代的话，我们通过自动化的 Summary 之后，你会发现你的管理半径会不断扩大。
AI时代产出公式：判断力 × AI执行力
最后是我对 AI 的一些展望。
传统时代你的产出等于什么？人力乘以工时——这是你的过去的一个非 AI 时代的一个能力。但是你现在 AI 时代之后，你的判断力和 Qoder 的 AI 执行力才是真正产出的定义。
新公式就像刚才说的：越有经验的人，知道你业务里面有什么问题、哪部分用户解决什么样的问题，这个人他的经验是越来越重要了。所以：判断力乘以 Qoder 的执行力，等于你在 AI 时代的产出。
为什么做：让妻子回归家庭，让留守儿童得到母亲身边的爱
最后的话还回归到我们整个满帮的一个主题上来看：为什么做？我们的目标回到刚才的场景——夫妻档：司机开车，那个丈夫开车，妻子找货。
我们希望用 Agent 替代"副驾"，然后让妻子回归到家庭，让留守儿童得到母亲身边的爱。这是整个满帮转型 AI 的一个目标。好，谢谢大家。
