百度小度以Agent闭环管理多业务研发

百度小度团队的核心判断是研发效率瓶颈不在 AI 会不会写代码，而在研发链路仍围绕「人手工串行执行」组织，故按「不确定的交给 Agent，确定的交给代码，不可逆的交给人」重新设计链路：输入可采集、判断可拆解、过程可自动、结果可验证、经验可沉淀。Aries（信息类 Bot）为第一条完整跑通的样板线：线上 query 与热词榜自动拉取→沙盒回放真实回答→LLM 评估器判定是否满足并记入 fail 文件→同类问题自动聚类→自动创建 iCafe 卡片→Agent 领卡、建分支、分析代码、生成方案→AI 先审方案、人再审边界→Agent 修改 C++ 代码、自动编译部署→跑目标 case、监控集与随机 case→人工真机确认后上线→修复后的 case 沉淀进监控集，人只在「做不做、方案对不对、能不能上线」三个判断点介入。 成效：同等人力下 Aries 每周解决需求从 2 个提升到 12.5 个，达到 6 倍吞吐。端到端满足度从 76.1% 提升至 81.5%（提升 5.4 个百分点，该指标在语音识别正确的前提下由小度人工评估团队在智能屏上独立实测）。截至 2026 年 7 月 24 日，跨业务线累计发现 160 个需求、上线解决 121 个。 复制情况：音乐把问题拆成需求不明、歌曲无版权、歌曲错误、非最优版本、满足、版本待确认、意图槽位错误七类，走「TME 知识图谱检索判断想听什么」与「dumi v3 仿真回放确认实际播了什么」双分支合并，再由子 Agent 结合 WebSearch 对百度、网易云、维基等结果交叉验证，累计发现问题 14 个、解决 5 个。 长视频先做热点 Query 与短切 Query 自动审计（/video-query-audit 沙盒回放对比预期识别错误路由、NLU 解析错误、资源缺失，一键建卡），再由 /vod-dev-cycle 定位修改点、改 C++ 代码编译重启、开发环境回放并拉取 video-on-demand.log 分析 slots/directive_type/slot_search_type/err_code 做归因——回溯 0429—0511 影视新热词天级飙升榜 243 个 query 中 33 个切换到其他 Bot，共创建 6 个卡片，2026-05-19 热点 Query 影视 Tab 共 104 条、VOD 命中率 93/104 = 89.4%，2026-05-20 短切 Query 审计共 133 条、VOD 命中率 121/133 = 91.0%，5.19—5.28 累计发现 case 10 个、已解决 8 个。 短视频把主观评估拆成相关性评估 Skill、意图匹配 Skill、满足度汇聚 Skill，配合离线脚本采集日志、解析与清洗、自动生成评估报告、标记问题视频并推送优化建议与人工抽检，评估覆盖从每月 50～100 条提升到 10000+ 条（约提升 50 倍），UP 主召回专项满足度从 47% 提升至 67%（相对提升约 43%）。 沉淀出标准 Skill 库（问题发现、自动建卡、方案生成、方案审查、代码修改、编译部署、diff 回归、CR 报告、结果归档、监控集沉淀）、业务接入模板与「机器先跑、Agent 先判断、脚本先验证、人最后拍板」的人机协作机制。