Appearance
终端研发 AI 友好型架构升级与工具链建设研讨会
来源：会议纪要（AI 转写） · 会议文档
会议时间：2026-03-25 14:00–16:00
会议地点：6F 尉氏厅
整理日期：2026-03-25
参会人员：王龙冲、黄伟仁、荣琛、刘洋、樊鹏飞、褚鑫、陈铭、志坤、杨静、成功、段振超及其他同学
会议摘要
本次会议围绕"建设 AI 友好型研发架构"及"提升 AI 代码贡献率至 80%"的目标展开。核心结论是技术栈向 MRN 和 H5 收敛，从"古法编程"向全自动 AI 编程范式转变。会上分享了 Claude Code、龙虾（OpenClaw）等工具的实战案例，包括代码索引（GetNexus）、跨栈代码生成、一句话需求等，并制定了搜索、导购首页等核心业务的改造计划和工作分工。
核心议题
一、AI 友好型架构定义与技术栈收敛
背景：为实现终端 AI 代码贡献率 80% 的目标，需解决当前 C 端多技术栈（MSC、马赫等）、多工程及传统开发模式对 AI 不友好的问题。
关键结论：
技术选型上确认以 MRN（美团 React Native） 为主要收敛方向。相比私有框架（如 MSC），标准开源框架（RN/React）及 H5 在 AI 训练数据上更丰富，对 AI 更友好。AI 友好度评估数据：MSC 约 34 分，标准开源 RN 约 88 分（基于语法树和文件比对）。
改造策略上优先启动搜索模块的 MRN 改造，随后推进导购首页的原生化。
标准制定上需尽快定义"MRN AI 友好型架构"标准，并将其内置到 CICD 工程卡控中（PR 时检查是否符合 AI 友好规范）。
遗留争议：Max 框架在 H5 转换上具有优势（支持一套代码同时输出 Native 和 H5），后续需结合数据进一步验证 MRN 与 Max 在 AI 友好度上的差异。
二、AI 工具链账号摸底
| 成员 | 龙虾（OpenClaw） | Claude Code（原生） | mc code（美团代理） |
|---|---|---|---|
| 龙冲 | — | 有账号 + Qwen | — |
| 刘洋 | — | 有账号 + Friday | — |
| 黄伟仁 | — | 有账号 + GLM5 | — |
| 其他成员 | — | — | — |
工具定位对比：
Claude Code（Opus 模型）在逻辑推理、产品方案设计及复杂任务规划上优势明显，适合当产品经理或做技术方案设计分析。龙虾（OpenClaw）/ Cursor 在具体代码编写和工程上下文理解上更具优势，适合日常需求开发。
全员要求：团队成员需全部配置好 Claude Code 及龙虾环境，并在实际需求中应用。完成标准：配好环境 + 用 AI 完成至少一个需求或 Bug 修复。
三、AI 自动化流程与案例
| 流程环节 | 案例 | 说明 |
|---|---|---|
| 技术方案生成 | — | AI 辅助生成技术方案文档 |
| 设计稿生码 | — | 设计稿直接生成 MRN 代码 |
| PRD 生码 | 首页点按态需求、返回弹窗需求、1V1 急送券 | 从产品文档直接驱动代码生成 |
| Prompt 生码 | Claude Code + 多 Agents；OpenClaw + 多 Agents；NoCode | 多 Agent 协同自动生成网页 Demo |
| Code Review | 龙虾 + 工作流 | 自动 review PR、添加评论，approve 前需人工确认 |
| 告警处理 | 龙虾 + 工作流 | 自动处理线上告警 |
| 一句话需求 | 使用 OpenClaw 自定义 Skill，输入一句话需求，输出改前改后截图 | 商家端 Flutter APP 样式修改全自动化 |
跨栈迁移（马赫转 MSC 小程序）：通过向 AI 输入两种技术栈的同功能组件示例，让 AI 自学框架差异并生成转换规则（18 条规则），实现了高准确度的代码转换。关键经验：代码架构越标准化（符合单一原则、设计模式），AI 识别准确率越高；不标准的代码不能作为示例输入。
代码知识库（GetNexus）：为代码仓库和业务白皮书建立索引，支持模糊语义搜索（如"查询某页面埋点逻辑"、"搜索结果页商卡第一行有什么买点"），大幅提升信息检索效率。以前需要半小时到一小时的代码查询，现在几乎立刻出结果，AI 对业务全景的了解已超过人工。
幻觉处理：针对 AI 捏造私有 API 的问题，两种解决方案：一是提供 API 枚举列表限制范围；二是只允许使用仓库内已有 API。
四、工作分工
| 工作项 | 负责人 |
|---|---|
| 导购首页原生化 | — |
| 搜索的 MRN 化 | — |
| 其他业务改造 | — |
| 基于已实践成功的方案，在导购 + 店内 + 交易现有需求中推广 AI 开发（小需求、UI 需求等） | 赵强、王龙冲（需求要有分类） |
| 店内非 AI 友好模块梳理 | — |
| 交易非 AI 友好模块梳理 | 赵强 |
| 容器升级 | — |
| AI 流程改进 | 荣琛 |
| AI 友好型框架标准制定（MRN / Native） | 王龙冲、— |
五、AI 提效指标体系
统计方式：短期内通过在 Commit 信息中增加特定标签（如 AI-Generated）来统计 AI 代码占比，由龙坤和赵强负责建立自动化收集机制。
| 指标 | 描述 | 统计方式 |
|---|---|---|
| 需求全自动化率 | 全自动化需求数 / 总需求数 | Commit 标签统计 |
| 需求半自动化率 | 半自动化需求数 / 总需求数 | Commit 标签统计 |
| 需求低自动化率 | 低自动化需求数 / 总需求数 | Commit 标签统计 |
| AI 生码率 | AI 生产代码 / (人工改代码 + AI 生产代码) | 代码行数统计 |
| AI 总效能占比 | (古法编程总 PD - AI 加持后总 PD) / 古法编程总 PD | 需求 PD 统计 |
观念对齐：不纠结于数据的绝对权威性，核心关注实际研发效率的提升。效率体现在两个维度：缩减人力接同等需求量，或同等人力接更多需求量。
待办事项
| 事项 | 负责人 | 截止时间 |
|---|---|---|
| 制定 MRN AI 友好型架构标准及文档，与架构组确认 | 王龙冲、— | 下次周会前 |
| 联系服务零售/到店团队交流 AI 架构经验 | — | — |
| 梳理现有业务页面，标记"AI 不友好"模块及改造预估工作量 | —、— | 下次周会前 |
| 全员配置好 Claude Code / 龙虾环境，并至少用 AI 完成一个需求或 Bug 修复 | 全员 | 下周开会前 |
| 整理并分享 GetNexus、OpenViking 等工具的配置文档及 Skill | — | 会后 |
| 补充搜索 MRN 改造的人力并启动改造 | — | 立即执行 |
| 针对 v8.7.2 版本需求进行分类，标记适合 AI 开发的需求 | —、— | 版本启动前 |
| 制定 AI 代码提交规范（Commit 标签），建立自动化统计机制 | —、赵强 | — |
养龙虾先进经验
本节整理自会议逐字稿，记录团队成员在日常使用 OpenClaw（龙虾）过程中积累的实战经验。
核心理念
龙虾的价值不只是写代码，而是接管整个研发工作流。目标是：能不写的代码都不写，让龙虾参与需求评审、技术方案、代码生成、CR、告警处理的全链路。
工作流搭建
知识库建设是基础。把所有相关代码仓库和业务白皮书都建立索引（GetNexus + OpenViking），让龙虾能够模糊语义搜索代码逻辑和业务背景。建好之后，龙虾对业务全景的了解会超过人工，产品问"这个页面有哪些买点"这类问题可以秒回。
把技术文档同步到龙虾的云端知识库。不用每次都重新给上下文，直接说需求名称，龙虾就能理解关联的产品文档和技术文档。
用 Skill 封装标准流程。把常用的工作流（如需求评审、CR、一句话需求）封装成 Skill，让龙虾按固定流程执行，减少每次重新描述的成本。
需求开发
PRD 驱动开发：需求评审前，先把需求文档甩给龙虾，让它评估风险、列出问题清单，再带着问题去找对应的人确认。评审结束后让龙虾直接输出技术方案 Wiki 沉淀下来。
全自动开发流程：把 ones 需求单直接丢给龙虾，让它自己读 PRD、生成代码、提 PR。人只需要做最终的 approve 决策，不参与中间过程。实测：11 PD 的需求量（首页点按态 + 返回弹窗），一行代码没写。
一句话需求：对于样式类需求，只需一句话描述 + 改前截图，龙虾自动完成代码修改、提交、生成改后截图，交付产品确认。
跨栈迁移
让 AI 自己总结转换规则，而不是人工编写规则。做法：给龙虾两个同功能的不同技术栈组件（如马赫组件 + MSC 组件），让它自己对比框架差异，总结出转换规则文档（18 条规则）。之后再来新需求，直接用这份规则文档驱动转换，准确率很高。
关键前提：输入的示例代码必须是架构标准、符合设计规范的，不标准的代码会让龙虾学坏。
CR 与代码质量
龙虾自动 CR：把团队内的 PR 直接甩给龙虾，让它 review 完自动用个人账号添加评论。人只需要确认评论内容是否合理，不用自己逐行看代码。
注意：龙虾有能力自己点 approve，但必须设置规则"approve 前必须让我确认"，否则它会自作主张。
记忆与训练
双层记忆机制：规则文档记忆（组件转换规则、业务规范等）+ memory 永久记忆（龙虾犯过的错误、核心通用问题）。让龙虾把自己犯的错误记录到 memory，避免重复犯错。
持续训练：通过语音聊天（30 秒以内）或文字对话，不断纠正龙虾的思路，让它逐渐形成符合自己工作习惯的判断方式。
幻觉控制
AI 会捏造不存在的私有 API。解决方案：在 Prompt 中明确"只能使用仓库内已有的 API"，或提供 API 枚举列表作为约束。
工具推荐
GetNexus（代码仓库语义索引）和 OpenViking（AI Agent 上下文数据库）是龙虾发挥最大价值的基础设施，强烈建议优先安装配置。
关键洞察
程序员价值的重新定义：AI 时代程序员的价值在于对架构和基建的深度理解。对 MRN 越熟悉的人，AI 输出质量越高，速度越快。新人没有这种积累，反而不如有经验的老手。
AI 友好型架构的三个维度：技术栈收敛（单工程单技术栈）、仓库收敛（减少跨仓库依赖）、语法收敛（使用 AI 训练数据丰富的开源标准语法）。
工具链推荐：GetNexus（代码仓库语义索引）、OpenViking（AI Agent 上下文数据库）、Claude Code（复杂任务规划）、龙虾/OpenClaw（日常代码开发）。