一、案例背景
（一）AI Coding的产业浪潮与范式转变
2025年以来，以大语言模型（LLM）为代表的人工智能技术正经历从“能力展示”到“工程落地”的关键转折。据Gartner预测，到2028年，超过90%的企业软件将采用AI辅助编码技术，AI Coding工具的市场规模将在未来三年内突破百亿美元。GitHub Copilot、Cursor、通义灵码等工具的快速迭代，使得代码生成效率大幅提升，部分简单场景下的代码生成率已达到30%-50%。
然而，产业界逐渐认识到，AI Coding的竞争已从单一的模型能力比拼，转向“模型+智能体+工程体系”的综合较量。单纯依赖代码生成工具带来的效率提升有限，如何构建可靠的AI智能体（Agent）、完善AI工程体系，并让AI在复杂业务环境中稳定运行，成为产业探索的新重点。这一趋势在金融科技领域尤为显著——金融机构的研发活动面临严格的安全合规要求、复杂的遗留系统架构和高质量标准，AI Coding的落地路径注定与互联网企业截然不同。
（二）汇丰科技：金融科技研发的“隐形巨擘”
汇丰科技（HSBC Technology）是汇丰控股旗下的全球科技与创新部门，负责汇丰集团在全球范围内的信息系统建设、技术架构演进与数字化转型。作为全球最大的银行集团之一，汇丰在全球50多个国家和地区运营，服务超过4000万客户，其技术团队规模超过3万人，分布在全球多个交付中心。
汇丰科技的研发体系具有典型的金融科技特征：其一，系统复杂度极高，核心银行系统、交易系统、风控系统等关键应用历经数十年迭代，代码规模庞大、技术栈多样；其二，合规要求极为严格，所有软件变更需满足监管机构（如英格兰审慎监管局PRA、香港金管局HKMA）的信息安全与风险管理要求；其三，质量标准苛刻，金融系统的任何缺陷都可能造成重大资金损失或声誉风险，因此对代码质量、测试覆盖率和交付可靠性有着极高的要求。
在这样的背景下，汇丰科技自2023年起开始探索AI Coding的落地实践。最初，团队仅将GitHub Copilot等工具作为个人开发者的辅助提效手段，但很快发现，仅靠“代码补全”带来的效率提升远不足以解决金融研发的核心痛点——需求理解偏差、架构设计不一致、代码评审低效、测试覆盖不足等问题依然存在。2024年起，汇丰科技开始系统性地推进AI Coding从“个人工具”向“组织能力”的跃迁，而这一进程的核心推动者，正是汇丰科技内部开源负责人李渭宁。
……