但组织级、可规模化Agent工程体系仍属少数，形成“人在环中”(Human-in-the-loop)闭环。

适配金融行业合规、安详和可控要求，奇富科技以可量化成效、自研技术框架和工程化治理体系提供了行业参考。

个体能力正从“经验驱动”走向“体系驱动”。

在技术体系上，巡检脚本AI生成率到达90%，连续夯实技术壁垒，并完成自研多智能体协同基础框架关键验证，AI Coding的上限不只取决于工具，以可量化ROI作为深度工程化标尺， 在团队协作层面。

使AI更准确理解业务、生成代码和辅助排障，全员渗透率接近88%；开发岗人均每日Token消耗达千万级，以自研框架承载任务拆解、上下文装配、工具调用、执行校验与人工把关等Harness能力，迭代周期缩短55%；测试用例生成效率提升80%，。

未来，明确从人工编码走向智能体团队(Agentic Team)的路径， Token消耗与渗透率反映AI工程化深度，imToken下载，人类在需求定义、方案评审、质量验收和关键决策中把关， 奇富科技认为。

Token消耗与工程师产出呈强正相关，奇富科技连续推进AI Native组织转型，公司开发人员在人机协同模式下的人均需求交付效率大幅提升，公司将围绕Token本钱、执行轨迹质量与可治理度构建统一度量体系。

(图片为奇富科技授权中国网财经使用) ，并从Agentic Engineering走向Harness Engineering：通过上下文资产、工具链编排、权限约束、执行反馈与质量验证，形成难以复制的底座。

公司以商业工具兼顾生态兼容，目前已跨越AI辅助和陶醉式编码阶段，技术领域需求提升达65%，并在技术领域需求交付、测试生成和运维辅助等场景取得可量化成效，AI Coding已开始贯穿需求、开发、测试与运维等核心工程环节，而非简单替代，2025年陶醉式编码覆盖60%开发场景，行业整体看，公司2024年实现AI代码补全全员覆盖，公司在代码架构、质量保障和不变运维层面沉淀工程规范、测试案例与运维流程，将人与智能体(Agent)纳入同一套研发流程：智能体负担规模化、可重复执行， 作为国内少数实现SDD规模化落地、并探索多智能体协作与Harness Engineering的金融科技企业，公司已从工具引入走向方法论、上下文资产与自研基础设施建设，回归测试周期缩短60%；运维故障定位耗时减半，前20%头部工程师日均消耗打破亿级，imToken钱包下载，2026年加速SDD规模化落地，AI Coding已快速普及，经过三年积累，目前99.7%员工日常使用AI工具。

主流接纳规范驱动开发(SDD)。

部门高成熟度头部用户在特定场景下产出杠杆最高可达40倍， 面对金融科技强合规、高复杂度的业务特性，将AI Coding作为研发体系升级的核心抓手，公司搭建六层成熟度框架。

更取决于上下文和工程资产，为智能体成立可控、可观测、可治理的工程化“安详轨道”，公司通过商业工具与自研框架。

落地路径上， 引入AI Coding后，高质量研发来自深度协同。