快手長文披露AI研發范式升級過程，正式發布編程工具CodeFlicker

近日，快手技術團隊在InfoQ發了一篇萬字長文，首次向外界披露了他們過去3年內，10000多名研發人員的AI研發范式升級全過程。同時，快手宣布把2024年上線，供內部研發人員使用的AI編程工具Kwaipilot升級為CodeFlicker，并在海外正式發布。

通過一篇文章披露AI研發范式演進的全過程，還直接提到其中踩過的“坑”，這在中國互聯網行業和大廠中是相當罕見的。

據介紹，快手10000+研發，8+的業務線，研發效能的演進經歷了3個大階段：平臺化→智能化1.0→智能化2.0。通過用AI提升組織整體效能，快手找到了AI研發范式升級路線，即L1 AI輔助（Copilot）→L2 AI協同（Agent）→L3 AI自主（Agentic），并探索出了支撐路線達成的系統性實踐：AI x效能實踐、AI x研發平臺、AI x效能度量。

早在2024年，快手就建設了AI編程工具Kwaipilot。經過持續的深度優化和推廣，快手整體的AI代碼生成率從1%達到了30%+，部分業務線甚至達到40%+。但是，經過大量調研和數據分析后，他們發現用AI開發工具≠個人提效≠組織提效。也就是說，即使使用AI開發工具，也不一定能提高了個人工作效率，更無法保證提高團隊工作效率，這是怎么一回事呢？

如果一個工程師借助使用AI開發工具，編碼效率提升了20-40%，就等于工作效率也提高了這么多么？事實并非如此。因為在現實中，如果這個工程師并沒有因為編碼效率提升而接到更多的需求，那他的工作量并沒有因為編碼效率提升而增加，也就是說，他并沒有因此完成更多的工作，自然談不上提高工作效率。

同時，對大型組織而言，雖然部分AI用的好的工程師，確實可以更快更多的完成開發任務，但如果他空出來的時間沒有幫助團隊其他人，先進不能帶動后進，團隊在一定時間內的代碼交付量并不會得到提升。同時，如果工程師使用不同的AI編程工具，在代碼整合時會出現更多的兼容問題，也很難提升團隊的工作效率。

根據《2025年DORA報告：人工智能輔助軟件開發現狀調查報告》，在對AI提效的結果的預估上，各企業普遍對個人效能的提升有信心，而對團隊效能的提升預估非常小，這也是業界普遍存在的問題。

為了解決上述問題，快手團隊從2025年開始進行了“AI研發范式升級”的探索和變革。最終，通過一系列的實踐，找到了一條能借助AI能力平滑通往研發智能化的路徑。

2024年，快手探索AI化的時候，市面上已經有了Cursor、Claude Code等優秀的AI Coding產品。不過，在經過一年多的ABtest之后，快手依然選擇了自研路線。

快手一方面允許部分同學使用任何AI Coding產品，另一方面，他們自研了Kwaipilot，并對內推廣。經過1年的探索，他們堅定了繼續走自研路線。通過持續的推廣，在編碼場景上，80%+的開發人員都開始用AI輔助編碼。

然而，經過1年多的努力，從數據上看，研發各環節效率都在提升，尤其是編碼環節提升很大。在AI熱潮下，也有很多開發人員、團隊Leader都在分享自己效率提升數據和案例，按道理來說，公司整體的研發效能應該提升了吧？然而，當他們從全局視角，分析了一個核心業務線的客觀研發數據，結果發現了非常反直覺、令人困惑的情況：AI代碼生成率持續在增長，但需求交付效率基本不變。

經過深入調研，觀察總結了大多數普遍使用“AI輔助編碼”的開發人員的用法和客觀研發數據，發現在真實業務交付場景中，只用“AI輔助編碼”這種開發方法，只是節省了碎片化的編碼時間，聯通、測試、需求評估等不變，因此對整體的開發任務縮短幫助不大，遠遠沒有達到AI輔助開發和AI協同開發的效果。

經過充分的復盤、洞察和驗證，快手找到了新的可行的路徑，并重新設計了解決方案，并稱之為“AI研發范式”：通過需求AI研發成熟度，將需求劃分為3個等級L1、L2、L3，不同等級的需求，需要使用對應的開發方法。

通過建設下一代智能研發平臺，從個人級實踐、團隊級實踐再到業務級實踐，最終探索出了一條組織級的AI研發范式升級路線。從數據上看，如果只看“AI代碼生成率”指標，2025年下半年出現了一個大幅提升。

經過快手內部歷經數千名研發人員的反饋與打磨，Kwaipilot已經完成了三代演進：從Code Copilot到Code Agent再到Multi-Agent & Agentic Coding。快手團隊把該產品升級為CodeFlicker，并在海外發布，希望服務全球開發者。后續，快手還會持續把快手在智能化2.0階段的探索成果融入CodeFlicker，希望讓更多企業級開發者受益。把一個內部工具完全開放，這也是快手技術開放的信號。

據介紹，CodeFlicker基于智能體原生架構，深入理解代碼倉庫、開發上下文與目標任務，在理解、編碼、修改、驗證全流程中持續協作，助力開發者高效突破復雜工程挑戰，塑造下一代人機深度共創的新范式。它支持Python、Go、Java等所有主流編程語言，可以協助用戶完成快速理解代碼、實現新功能、精準修復問題甚至重構架構等任務，尤其適合需要跨文件、跨模塊理解的任務。

對于大型組織的研發效能提升，AI不是“萬能藥”，而是“透視鏡”和“放大器”，它不會自動修復組織問題，而是先把組織歷史積累的長板和短板一并透視出來，再全部放大。由AI驅動的生產力躍升和生產關系重塑，正在重新定義軟件開發的每一個環節。這不是一場短跑，而是一場馬拉松，不是一次技術升級，而是一次范式革命。