自动驾驶商业化落地的核心价值，在于实现“真无人”运营。我们将缺陷管理体系打造为支撑该模式的核心基础底座。通过把 AI Agent 深度集成至飞书项目流程，不仅优化单条问题的闭环处置效率，更将安全隐患的识别、分流、根因定位与复盘沉淀为可复用的标准化组织能力。

张丹

驭势科技研发副总裁

驭势科技（01511.HK）成立于2016年，专注于L4级自动驾驶技术的研发与全场景落地。依托自主研发的U-Drive®系统，其业务已从封闭场景稳步向开放场景延展，在机场、厂区及公交等海内外场景实现常态化商业运营。

对驭势科技而言，“缺陷”不是普通的软件故障、代码瑕疵，而是直接映射到真实车辆、真实道路和真实运营场景中的风险点。自动驾驶复杂的软硬件耦合特性，使得传统缺陷管理模式遭遇了前所未有的瓶颈。为此，驭势科技携手飞书项目，依托具备自主进化能力的 AI 智能体 Clotho 与飞书项目 MCP 打通了一条面向自动驾驶缺陷的智能分析链路，用可量化的效率提升跑出了研发加速度。

缺陷智能分拣：替代人工中台，实现高危隐患“分钟级”分流

驭势科技的核心商业价值在于实现真正“真无人运营”。在没有安全员作为最后防线的情况下，感知识别准确性、定位偏差、决策响应时间等关键参数一旦出现异常，就会直接暴露在高价值、高密度商业场景中。然而在实际研发过程中，前线运营人员上报的缺陷单信息碎片化，后方算法研发难以复现问题；中台需要反复回放现场数据，人工判断异常归属，前置分拣效率低，导致中台大量时间被重复消耗。

驭势科技将缺陷管理定位为支撑“真无人”商业模式的核心底座。通过将 AI Agent 深度嵌入飞书项目缺陷处理流程，一线人员只需通过图片、视频或语音等方式录入现场信息。作为工程执行体的 Clotho ，凭借“缺陷智能分类”能力，替代了传统人工中台完成初筛与流转。

在这种智能分流机制的支撑下，缺陷分诊效率提升了 70%。Clotho 实现 7×24 小时在线接管缺陷分拣，告别过去依赖值班工程师排队等待的模式，确保高危缺陷在发生的第一时间被精准归类，高效流转至目标研发团队；同类问题被及时标记并沉淀处理办法，建立起统一且稳定的标准判定口径，消除了工程师之间的主观判定漂移，满足自动驾驶严苛的质量追溯要求。

多模态缺陷分析：聚合海量异构数据，自动化定位复杂排查难题

无人驾驶系统时常要面对暴雨、强光等“全天候”长尾场景的严苛考验。单个缺陷单往往涉及多类异构原始材料，信息形态复杂、数据量庞大，人工逐一比对与归因的成本极高。研发进行深入定位时，需要在这些割裂的跨材料之间来回切换，缺乏统一上下文，导致复杂问题定位周期极长，重复性排查工作多，极易漏过偶发性的致命隐患。

飞书项目作为流程调度底座，统一管理着缺陷工单的流转、跨部门协同及任务分发。正是依托飞书项目 MCP 提供的全量数据与上下文统一接入能力，Clotho 智能体才得以在飞书项目的流程框架内，直接接管 Bug 并深度理解多模态材料。在飞书项目的调度下，智能体能够自动下载数据及附件，聚合完整上下文并执行高效的自动化分析。

针对难以捕捉的长尾隐患，智能体会调度日志与系统级诊断智能体，在海量的运行日志 and 可视化数据中进行交叉比对，将研发从繁琐的数据提取、分析中解放出来，快速输出一版缺陷分析报告，助力关键缺陷发现速度提升 3×。

标准化经验沉淀：沉淀自动化质量防御体系，确保规模化商业安全闭环

自动驾驶对安全底线有着极其严苛的要求。以往即便研发找到了问题症结，类似问题的分析路径也容易停留在个人经验中，难以沉淀为组织能力，更难以满足严苛的质量追溯要求。更严重的是，分析结果往往需要人工搬运回飞书项目工作项，回写滞后，导致协同链路无法真正闭环。

驭势科技利用飞书项目打造了一套自我进化的全自动、高质效质量防御体系。系统自动提取闭环数据并下载，生成仿真回放，通过大规模回归测试验证缺陷修复。结合大模型与视觉模型，智能体能自动总结缺陷根因并生成修复建议，完成最终的质量评估复盘，并自动将分析结果回填至缺陷评论区。

形成 100% 可追溯的闭环记录，实现多项目知识的 N→1 统一复用，经验直接沉淀在工作流本身，不再散落在人与人之间；缺陷分诊效率提升70%，缺陷100% 可追溯覆盖。通过持续学习，智能体不断进化，让驭势科技的每一次算法迭代和系统上车，都拥有最高质量的“确定性”保障。