过去资深工程师的判断只装在他自己脑子里，人一走经验就断了。现在把这些判断通过 CodeM 写进流程，配置一次全团队复用。AI 对我们不再是每个人手边的提效工具，而是团队共用的研发基础设施。

朱欢然

联芸科技 IT 负责人

联芸科技是一家总部位于杭州的平台型芯片设计企业，专注于数据存储主控芯片及 AIoT 信号处理与传输（物联网/人工智能物联网）相关芯片的研发、销售与整体解决方案交付。

极低容错，是芯片行业的入场券

芯片是一门 “慢” 生意。一颗芯片从立项、设计、流片、测试、量产到走向终端应用，至少需要一年。互联网产品出了问题可以发版本修补，芯片却几乎没有试错余地：一旦流片，硬件返工以月计，先进工艺一次流片的花费可达数千万元。

正因如此，比起把代码写出来，芯片研发更看重能否把每一处潜在的风险都识别出来。验证与找错要消耗掉研发周期里相当大的一块精力，而一旦缺陷漏到流片之后，代价便再难挽回。这也解释了一个看似矛盾的现象：当整个技术世界都在热烈拥抱 “AI 帮你写代码” 时，芯片工程师反而是最审慎的一群 —— 一个被 AI 悄然遗漏的异常分支，很可能要到流片之后才第一次暴露。

作为全球独立第三方 SSD 主控芯片核心供应商，联芸科技同样面对这道难题。他们需要的并非一个写得更快的工具，而是一个在最不能出错的环节也敢放心托付的可靠伙伴。经过审慎评估，联芸科技选择将飞书 CodeM 引入研发流程，并从最考验稳定性的固件测试环节切入，重新定义了 AI 在研发链路中的角色。

卡住测试速度的，不是难度

引入飞书 CodeM 之前，测试团队的日常被工具的缝隙切碎。需求登记在飞书项目里，写脚本要切到另一个开发工具，用 AI 生成的代码跑完，还得手动把产物和状态贴回来。时间耗在复制粘贴和平台切换上，信息也不会自动回流。你在工具外做了什么，项目空间里并不知道。

更隐蔽的损耗在“人”的层面。AI 好不好用，全看每个人怎么写提示词。芯片测试里真正值钱的判断——哪些边界场景必须覆盖、哪些时序窗口不能放过——大多装在少数资深工程师脑子里。老员工的经验只停留在自己手上，变不成团队的共同能力；不同人写的脚本深浅不一，异常处理和日志输出时好时坏。一线测试工程师接到一条客户需求时，往往需要向开发、前端对接人逐层确认前因后果，才能补齐完整背景。而在一个长达一年、要经历数十次交接的研发周期里，需求的背景在层层传递中被稀释，这本身就是漏测的隐患。

归根到底，当芯片的复杂度和质量要求叠加上旧工具的物理极限，重复、等待和经验分散就成了必然。

规范进流程：托住每一份脚本的质量下限

联芸科技固件测试工程师的日常，是把一份新的测试需求，变成一段能在设备上跑起来、还能自动产出报告的 Python 脚本。这件事不难，却极为琐碎，且高度依赖个人经验。一份脚本落地，先要理清目标设备、APK（安卓安装包在设备上的存放位置）路径、循环次数等一长串参数，任何一处填错都会让整轮测试作废；再从执行步骤的编排，搭到最终那份格式规整的 Excel 报告。而最容易被省略的几处 —— 异常怎么捕获、日志往哪里记、报告字段全不全，恰恰是质量的关键所在。

面对这类工作，多数团队的第一反应是打开对话框请 AI“写一段脚本”， 再把结果复制回项目，本质上仍把 AI 当作一台更聪明的代码生成器，产物好坏由使用者自行判断。联芸科技走的是另一条路：把飞书 CodeM 直接嵌进飞书项目的测试自动化流程节点，让 AI 的产出从一次性的个人实践，收进一条逐节流转的流水线。从需求输入、测试脚本生成，到测试运行、报告生成，直至最终人工复查， 构成一个具备完整闭环的流程。

真正的关键，是把质量要求从事后检查前移到事前定义。需求输入环节把设备信息、APK 路径、循环次数等字段固化为模板，不再依赖人工反复抄录；测试脚本生成环节则预先约定好脚本结构、异常处理与报告格式，写进节点配置。如此产出的脚本，会稳定覆盖配置、ADB（通过安卓调试桥下发指令）调用、执行步骤、解析与报告等关键部分，异常处理也内含其中，基本形态不再随人而变。那些过去依赖个人习惯的环节，如今被流程一次性守住。

目前，飞书 CodeM 已在联芸科技的测试脚本生成环节稳定跑通，产物配置、Excel 报告与异常处理等等，是能进入流程、持续流转的实际成果，而非停留在演示层面的样例。有了这道稳定的质量底线，资深工程师不必再把精力耗在逐行核对格式、排查遗漏上，得以投向那些更值得由人来判断的部分。

为 Agent 设立一道“准出门禁”

把 Agent 收进流程，只是第一步。真正让芯片团队敢于把测试脚本交给它运行的，是飞书 CodeM 内建的一套约束机制 —— 它让 Agent 严格照章办事。这套机制在工程上被称为 Harness Engineering， 即把流程约束从提示词层面下沉到工程层面，由飞书 CodeM 为 Agent 的每个阶段划定明确的操作边界。处于 “技术方案调研” 阶段时，Agent 不被允许调用写入或修改文件的工具，以免提前跳进编码环节；代码尚未改完、单元测试尚未跑完之前，也不允许提交结果。一旦触碰边界，系统即时报错，明确提示这一步该做什么、不该做什么，把偏离主线的 Agent 拉回既定路径。

这套约束，就像给团队新成员定下一份清晰的 “准出流程”: 理解需求、方案设计、编码实现、自验证、交付，环环相扣，任何一步未完成便不得跳至下一步。芯片测试要的是稳定、可复现、有据可查。这道 “准出门禁” 确保 Agent 不会在流程尚未走完时便草率交付。一旦交付出来的，一定是走完了全部规定动作的产物。

约束之外，还有一层 “看得见” 的意义。经此一路，Agent 从 “等待指令” 转向 “随流程调度”：需求流转到哪个节点，飞书 CodeM 便在哪个节点承接工作。它不再是某位工程师个人电脑上、需要反复交代的黑盒，而是流程中一个受约束、可追溯、每一步都留有记录的标准工序。这一点对芯片行业尤为关键。在这里，保密是准入门槛，核心研发数据被锁定在物理隔离的研发网内，一张原理图的泄露可能带来上亿元的损失。飞书 CodeM 跑在隔离沙箱中，任务由流程驱动逐节推进，即便无人值守也能向前。每一个动作可查、可溯，天然满足审计要求，恰好满足了 “数据不出网、全程可审计” 这道行业硬约束。

经验变能力：把专家的手艺变成组织的标配

芯片行业最稀缺的从来不是工具，是经验。哪些边界条件容易出问题、哪些状态组合必须验证、哪些处理在量产环境中不能省略，这些判断往往只存在于工作多年的资深工程师脑子里。流片成本极高、容错率极低的行业特性，又让这种集中更加突出：关键测试环节的经验高度集中在少数专家身上，专家被反复拉去救火，而一旦有人离开，那份经验也随之带走。

飞书 CodeM 做的，是把这些“只可意会”的个人判断变成可配置、可复用的组织资产。同一套流程规范、提示词和检查规则只需配置一次，全员复用。老员工调教 AI 的方法不再是私人秘籍，新人也不必苦等前辈指点，按节点完成当前环节，就能产出符合团队质量基线的脚本，并在过程中看懂项目全貌。

更重要的是，这套能力还能持续进化。团队新总结出的检查规则、新增的校验，只需在流程里更新一次，所有项目的飞书 CodeM 即时生效。联芸科技的 IT 负责人朱欢然感慨道，“过去资深工程师的判断只装在他自己脑子里，人一走经验就断了。现在把这些判断通过 飞书 CodeM 写进流程，配置一次全团队复用。AI 对我们不再是每个人手边的提效工具，而是团队共用的研发基础设施。”

人与 Agent 各守其位，可靠才敢托付

走到这里，联芸科技想回答的其实是芯片行业最根本的一个问题：AI 能信到什么程度？

他们给出的答案是一条清晰的边界。规则明确、重复性高的环节交给飞书 CodeM；所有 AI 产出都要经过人工审核， 涉及业务逻辑与核心质量的最终决策，始终留在人手里。AI 扛住重复劳动，人守住质量判断，这条边界正是联芸科技敢于在固件测试中规模化使用 AI 的前提。

如今，工程师把一份明确的需求交给流程里的飞书 CodeM，就能腾出精力，专注在验证判断、方案设计与代码审核上。AI 提升的是个人效率，流程放大的是整个团队。个人层面，单人每天并行跑的测试用例翻倍，脚本编写较纯人工缩短约 70%，调试也从 “人肉定位” 变成自动找根因、自动重跑。而真正的杠杆在团队 —— 同一套流程配置一次便可全员复用、跨项目复制，一支 10 人团队 10 个项目累计就能省下约 50 小时。个人腾出精力做判断，团队的效率在复用中层层叠加。

飞书 CodeM 给联芸科技带来的是一种更扎实的确定性：AI 沿着既定流程稳定工作，规范随流程沉淀，质量随流程可控。在这个最不能出错的行业里，联芸科技真正请进研发流程的，是一位懂得守边界的可靠成员。它既能把活干完，也知道每一步的界限在哪。可靠，从来比聪明更难，也更值得被托付。