AI Coding 让代码生产速度大幅提升，但 Issue、PR、合规、安全等治理环节仍依赖人工，逐渐成为研发效率的新瓶颈。这是月之暗面研发工程师、开发者关系负责人唐飞虎在 QCon 上海站分享中要拆解的问题。

她已确认出席 "AI 驱动的软件工程 " 专题，带来题为《Kimi 现代高速开源治理的 AI Native 实践》的主题分享。核心矛盾很直接：写代码这一端被 AI 加速了，治理这一端没有。

治理为什么成了新瓶颈

按唐飞虎的提纲，AI Coding 提速之后，治理反而成为瓶颈。Issue、PR、合规、安全这些环节的人工治理困境，并没有因为代码生成变快而缓解。

换句话说，代码产出量上去了，需要被分诊、被 Review、被扫描、被响应的量也跟着上去了。这些工作仍然靠人。

她本次分享将结合 Kimi Agent Harness 在开源场景的实践，介绍开源治理智能体 Mira 如何把 AI 从 " 发现问题 " 推进到 " 解决问题 "。

Mira 做什么：从分诊到修复闭环

Mira 的能力清单包括：自动完成 Issue 分诊、PR Review、依赖与许可证扫描、安全漏洞响应。

这些动作通过渐进式授权、人机协同和全链路审计，让智能体真正进入生产治理流程。分享将重点拆解从通用智能体到垂直治理智能体的工程实践。

在 Mira 的核心实践部分，提纲列出了几条路径：

Issue 自动分诊与响应

PR Review 与合并辅助

许可证、依赖与漏洞治理

从发现问题到自动修复 PR 的闭环

从 Agent Harness 到 Mira，中间要解决的是智能体如何进入真实开源生产环境，Issue、PR、CI、SBOM 等数据如何接入，以及如何从只读诊断走到自动执行的渐进式授权。

" 敢不敢让 AI 动手 " 怎么解

分享要回答的核心问题之一，是如何解决 " 敢不敢让 AI 动手 "。对应的机制是人机协同审批、权限分级、全链路审计与回放，以及自动化边界的定义。

这套组合指向的是智能体生产落地最大的信任问题：通过渐进式授权加人机协同加全链路审计，让 AI" 敢做事、做错可追溯 "。

前沿亮点里提到，让智能体真正动手治理开源项目，不止分析和告警，而是直接分诊、Review、修复、验证。同时打通 Issue、PR、CI、SBOM、安全情报，形成真正的治理闭环。

分享还将通过真实治理数据展示智能体对响应效率、维护者负担和治理质量的实际提升，并探讨 AI Native 时代开源治理的新范式。

提纲中 " 真实数据与未来 " 一节关注的是治理效率、响应时间、维护者负担的变化，以及从 "AI 辅助治理 " 走向 "AI Native 治理 "。

唐飞虎是前谷歌工程师，Kimi 大模型研发，开发者关系负责人。

本次 QCon 上海站将于 10 月 22 日— 24 日举办，聚焦 Harness AI 时代的工程实践，围绕 AI Native 架构、Agent Runtime、AI Infra、Data Systems、Agent 安全与可观测、Loop Engineering、Vibe Coding、具身智能与世界模型、端云协同等前沿技术方向。

大会共策划 20 个专题论坛，届时将有来自不同行业、不同领域、不同企业的 100+ 资深专家在现场带来前沿技术洞察与一线实践经验。