騰訊 QQ 飛車團隊分享 Agentic 研發轉型：每月消耗 300 億 Token，以 Loop Engineering 實踐 CI 與工作流自動化

據報導，騰訊高級後台開發工程師任磊達在 AICon 2026（深圳站）分享了 QQ 飛車團隊在 Agentic 研發轉型中的「Loop Engineering」實踐。該團隊每月約消耗 300 億 Token，致力於將 AI 輔助研發從單純的提示詞工程轉向系統編排，讓 Agent 透過迭代學會做事。 團隊將 Loop 劃分為四個層次：Hook 級循環、CI 級循環、工作流結構化拆分，以及團隊層面的 Graph Engineering。在 Hook 級別，團隊開發了基於 LLM 的 custom-linter 外掛。該 Linter 會在 Agent 寫完檔案後立即觸發，透過增量檔案 Diff 報錯並將上下文回傳，讓 Agent 執行自癒修復，形成不需人工介入的閉環；同時該機制也會在 Git pre-commit 階段觸發。 在 CI 級別，團隊將研發模式由 SVN 切換至 Git，並在 MR（Merge Request）流程中導入自動化閉環。推送分支後會自動建立 MR 並執行平行流水線，包含 Linter 報錯自癒與自動審查。針對特定 Coding Agent 與驗證 Agent 產出的內容，系統會依規則執行 Auto Approve 自動放行與合入。此外，MR 流程中加入了評論閉環，可透過正規表示式觸發提問並由 Agent 自動回答（例如要求總結文件），系統也會定時清理停滯的 Issue 與修復程式碼衝突。 在工作流拆分上，團隊將流程分為事前、事中、事後三階段。事前階段參考 Superpowers·Brainstorm 等框架採用蘇格拉底式提問，將模糊需求澄清為結構化文件；事中階段強調「查殺分離」，不以單元測試覆蓋率為 KPI，而是將結構化文件獨立交由 Agent 實作測試策略；事後階段則嚴格規定人與 Agent 的互動必須在 PR 評論中進行，避免在事中介入，以確保回饋能被記錄至資料庫並形成可驗證的迭代循環。