导语：今朝开发职员日活跃率超70%，AI代码采取率达90%，AI代码入库率达19.8%，有用晋升了智能座舱的研发效率，并实现构造级的经验沉淀。

汽车智能化竞争进入深水区，软件研发效率决议了产物迭代的速率，成为车企的焦点竞争力。

比拟通用软件研发，智能座舱研发越发繁杂 —— 软硬件联合、多技能耦合、挪用链路长，叠加多平台、多车型、多配置的营业繁杂度，致使开发门坎很高。

蔚来汽车与火山引擎TRAE互助，鞭策AI Coding于智能座舱研发场景的落地：今朝开发职员日活跃率超70%，AI代码采取率达90%，AI代码入库率达19.8%，有用晋升了智能座舱的研发效率，并实现构造级的经验沉淀。

“TRAE带来的，不只是代码天生提效，更是让经验沉淀、协作进级，鞭策研发能力从小我私家走向构造。”

——蔚来数字座舱与软件开发部研发效能卖力人 李庆秋

TRAE深切智能座舱研发

蔚来汽车从能力、成本、安全合规三个维度举行了综合评估，终极选择经由过程部署TRAE，让AI真正进入坐舱研发的焦点出产环节。

除了了辅助天生代码外，蔚来汽车还有将AI运用在代码审查、问题定位、常识沉淀等要害环节，并将能力封装为Skill 技术包落地：

• AI代码审查，构建多层质量防地

AI Coding Review的价值不是替换人工Review，而是于差别阶段构建多层质量防地，让问题及早袒露。蔚来成立了三层AI代码审查系统：

￮ 当地全量Review：对于整个堆栈举行“体检”，确保架构设计合理、体系运行不变、营业汗青问题不会重现，这类方式低频，但扫描的规模年夜且深；

￮ 当地增量Review：于每一次提交新代码前主动举行质检，重要查抄当前代码改动的语法、规范及营业逻辑等，将问题直接阻挡于编码阶段，这类方式高频，且很是有用；

￮ 于线增量Review：作为团队门禁的MR举行于线审查，经由过程同一的审查尺度，只上报真实的问题。

• 项目认知与常识沉淀

传统模式下，新人入职面对着“常识没法继续”的困境：研发文档不全、代码量过年夜读取周期长、汗青经验存于在老员工脑子里。

蔚来汽车先用 AI的上下文理解能力，将代码、文档、汗青问题串联起来，主动天生项目入门 Wiki，帮新人快速成立认知；同时，鞭策常识的连续沉淀，开发历程中新孕育发生的问题、架构变动、踩坑经验，都由 AI 及时总结、迭代进常识库，研发职员经由过程天然语言交互便可调取项目常识及前人经验，形成常识闭环。

这一实践的真正价值，于在经验再也不随职员流动而流掉，每一一次开发都于为下一次开发堆集经验。

• 定位繁杂问题

AI 未必比专家更智慧，但能调取比专家更年夜的代码上下文及更全的汗青经验。很多 Bug 并不是新问题，而是前人踩过的坑。蔚来汽车将代码上下文、Bug 日记、评论和汗青解决方案一并喂给 AI，经由过程AI来辅助阐发并定位繁杂问题。据相识，团队内部多个持久悬而未决的问题就是由此获得解决的。

从小我私家提效到构造智能

今朝，TRAE已经经笼罩蔚来智能体系、车载互联等焦点研发场景，撑持 IDE/CLI/Work 多种利用形态，得到了研发团队的高度承认。

某车载互联研发团队的张同窗，已经将TRAE作为一样平常主力IDE利用，Token 用量从基础配额追加到 1.5 亿。而且他深度承认TRAE内置的SOLO模式及及时追随功效，加之桌面端优良的交互体感，一样平常开发效率晋升较着。同时他也是活跃的反馈者，屡次提出详细问题帮忙产物团队快速定位及修复体验问题。

智能体系研发团队的曾经同窗，作为某智能交互体系东西的焦点开发者，先用TRAE天生架构申明文档，再让TRAE读取模块设计规范、基在规范输出焦点节制模块代码，末了用TRAE天生测试代码并沉淀成可复用的Skill。原本预估1个月的开发使命，现实只用了2周就完成，效率晋升了一倍。

蔚来汽车假想的远不止在AI辅助编码，而是一个层层递进的“AI开发生态系统”——Knowledge层沉淀常识，Skill层封装技术，WorkFlow层串联流程，Agent层集成闭环。Agent会成为新的基本单位，人类只需界说用意，并编排匹配的Agent，经由过程连续进化的能力收集，实现人与AI协作配合完成软件交付。

这一演进的素质，是从小我私家效率走向构造智能。已往，经验属在小我私家——新人造就周期长、专家资源欠缺、常识不停流掉。如今，让AI介入到研发的每一个流程，这些经验将属在构造，让构造能力可以或许连续堆集、连续复用、连续放年夜。

AI早已经不只是效率东西，它正于从头界说软件工程的协作方式。火山引擎将继承与蔚来汽车摸索智能研发的新范式，让 AI 于真实工程场景中开释更不变、更可连续的价值。