深圳市华云中盛 × WorkBuddy

业务背景

华云中盛为某大型商超零售平台保障 7×24 小时日常运维巡检服务。该平台亿级用户规模、DAU数百万级、GMV 数百亿级体量，系统业务链路复杂、投入成本大。此前采用每日早、中、晚人工巡检模式——运维人员逐台登录服务器管理平台与业务监控系统，按电商域（营销、商品、店铺、会员）分组，逐项核对 CPU、内存、中间件、QPS、业务流量、订单金额等核心指标。单次巡检约 50 分钟，效率低、耗时长，知识沉淀在个人身上，交接与复用成本高。

应用任务

基于 WorkBuddy 平台开发 Skill，搭建"AI 自动巡检 + 人工复核校验"的轻量化智能巡检体系：由平台定时调度周期任务，通过 MCP 数据服务统一采集全维度指标，经六阶段串行编排与 AI 判定引擎自动研判，生成结构化巡检报告并推送企业微信保障群，最终由 1 名工程师复核确认，实现每日 3 次加夜间周期任务的 7×24 全覆盖。

应用流程

六阶段串行流水线：①流量业务 → ②交易数据 → ③ES/Redis → ④数据库/Kafka 队列 → ⑤CAT/Grafana 监控 → ⑥汇总报告。MCP 统一采集业务流量、交易订单、应用负载、系统日志、Grafana 指标、MySQL/Redis/ES/Kafka 中间件、API 链路、CAT 异常、慢 SQL、CPU/内存曲线、RT 错误率等 17 项指标；判定引擎与大模型联合构建 17 项检查清单，覆盖负载过高、慢查询、消息堆积、接口报错、数据异常、场景异常 6 大类异常，输出实际值、阈值、风险级别与处置建议。

八大巡检场景

应用价值

智能巡检体系上线后，巡检人力由 9 人缩减至 1 人复核（约 -89%），单次巡检耗时由 约 50 分钟压缩至 10 分钟内，巡检效率提升 400%+；前置预警前效提升 80%、精准定位效率提升 50%、运维复盘效率提升 75%。体系覆盖 17 项监控指标、6 阶段流水线、8 大巡检场景，实现每日 3 次加夜间的 7×24 全覆盖。更深层的价值在于模式的根本转变：从依赖个人经验的"人海战术"转向标准化的"AI 人机协同"，既降低了疲劳巡检风险与人为差异，又把一线人员释放到更高价值的工作中。该作品获 腾讯内部 AI 大赛华南区一等奖 · 全场最高分。

相关运营数据与效能

巡检从"人海战术"转向了"AI 人机协同"，过去 9 个人的活现在 1 个人复核就够了，单次巡检从 50 分钟压缩到 10 分钟内。

业务背景

华云中盛从产品到开发全员使用 WorkBuddy / AI 编程助手，自内测期即开始使用，至今已用两年多，覆盖需求梳理、产品设计、技术方案文档、编码、代码 CR、单元测试与测试用例、Bug 回归分析、版本发布上线到迭代质量评估打分的全链路。团队自研大量 Skill——业务规则 Skill、内部技术文档模板编译成的 Skill、测试用例生成 Skill 等，并与腾讯 TAPD、自建 Git 仓库、MCP 服务全部打通，形成开发自动化闭环。

应用任务

将 AI 编程助手嵌入研发全流程各环节，用自研 Skill 承载公司自有规范与业务规则，让 AI 承担代码生成、文档编写、测试用例生成、Bug 分析等重复性与规律性工作，工程师聚焦架构设计、复核校验与复杂逻辑，形成"AI 生成 + 人工复核"的协同分工。

应用流程

人机分工策略

应用价值

研发全流程引入 AI 后，约 50% 代码由 AI 生成并经人工复核补缺；新项目落地初期通过 AI 提效约 70%，随着项目迭代逐渐稳定，研发提效仍可稳定在 40% 左右；大型电商复杂交易项目提效约 30%。效能与质量同步提升：单版本承接需求量由 30 个提升到 40 个，约 30 需求量的版本 Bug 数由 约 300 个降至 200 个以内（单元测试由 AI 生成保障）。团队每半年统计一次代码量、一次提交 Bug 率、需求数与需求复杂度。人员规模未减少，但不再像过去经常干到凌晨一两点，工作压力明显下降。

相关运营数据与效能

保障与交付

该大型电商交易项目已做了五六年、一年发布 20 多个版本，1 分钟故障即可能影响几十万交易额。正因如此，AI 生成的代码必经严谨的人工审核，最终责任始终由人承担；保障与交付由华云中盛与腾讯共同承担，确保 AI 提效不以牺牲稳定性为代价。

我们从产品到开发实现全链路全员 AI 赋能，前端提效尤为突出，拿到设计稿即可快速生成代码并集成验证效果。项目体量越大、复杂度越高，AI 提效收益便会有所收敛。我们借助 AI 效率红利减少深夜加班，让团队投入更多精力深耕业务、打磨细节，实现交付效率与项目质量同步提升。