【AI Agent展】联想Vetra——企业级AI Agent软件工程智能体-数据猿的专栏

【AI Agent展】联想Vetra——企业级AI Agent软件工程智能体

2026-07-14 21:13:37栏目：默认栏目 IP属地：IP未知

联想集团产品

“【提示】2026第六届数智化颁奖典礼将于8月5日在北京举行颁奖点击可报名参加颁奖典礼丨此次AI Agent产品榜单/奖项的评选依然会进行初审、公审、终审三轮严格评定，并会在国内外渠道大规模发布传播欢迎申报。

Vetra是联想面向复杂企业级软件研发场景打造的AI Agent产品与工程效能智能体，定位为支撑大型组织从需求、设计、开发、测试到发布治理的AI原生软件交付底座。不同于单点代码助手或个人效率工具，Vetra以主控智能体为核心，编排需求智能体、原型设计智能体、架构智能体、开发智能体、测试智能体和治理分析能力，将大语言模型、多智能体协同、工具调用、知识库检索、记忆机制、技能体系、沙箱环境、结果校验和人工确认机制融合到真实研发流程中。

Vetra可面向需求文档、Confluence/SharePoint知识、Jira历史卡片、代码仓库、UI原型图、架构图、流程图、系统截图、缺陷截图和测试结果等多源工程资产开展理解、生成、关联分析与持续优化，支持用户故事生成、技术拆解、原型与架构辅助、代码生成/评审、测试用例生成、E2E测试场景设计、过程度量、质量分析和风险预警等场景。平台以Spec-based规范前置为方法，将工程要求沉淀为可执行、可检查、可追踪的过程规则，并通过“度量—分析—优化—验证”闭环持续校正知识、规则和输出质量。

在联想内部实践中，Vetra已成为AI Twin战略在软件工程领域的重要落地载体，推动研发组织从“人找工具、人工判断、事后修正”转向“流程驱动、数据洞察、AI执行、人类监督、持续优化”的新型人机协同模式，使AI从个人助手升级为组织级、可治理、可度量、可复制的企业智能生产力。

2026年产品重大更新升级

2026年，Vetra围绕“企业级AI Agent软件工程底座”定位进行了系统升级，重点从单场景辅助能力扩展为覆盖研发交付全链路的多智能体协同体系。

第一，升级多智能体协同架构。平台以主控智能体统一调度需求、原型、架构、开发、测试和治理等智能体，明确各类Agent的职责边界、输入输出和执行顺序，并通过任务看板、上下文协议、工具编排、钩子校验和沙箱环境保障复杂任务并行处理过程中的一致性与可控性。

第二，强化跨模态工程理解与生成能力。Vetra不再只处理文本需求，而是将UI原型图/设计稿、架构图/流程图、系统截图/缺陷截图等视觉化工程材料纳入识别、生成和关联分析范围，并与需求文档、用户故事、技术背景、代码变更、测试用例和缺陷信息联动，推动软件工程从“文本驱动”升级为“文本+图形+代码+测试结果+过程数据”协同驱动。

第三，完善Spec-based规范前置与持续治理能力。平台将角色定义、故事拆分标准、字段生成逻辑、命名规则、优先级规则、测试模板和团队业务规则沉淀为可配置提示词模板与执行规则，使AI输出更加贴合项目规范，并通过人工复核、反馈学习、知识库校正和指标看板持续优化。

第四，增强组织级工程度量与采纳分析能力。Vetra Adoption Dashboard 可按月度、组织、业务域和团队查看Jira总故事量、Vetra生成量、接受并同步至Jira的数量、AI使用率、采纳率等指标，帮助管理者识别采纳不足、流程偏差和质量风险，推动AI使用从个人行为变成组织级运营能力。

应用场景/人群

Vetra主要面向大型企业内部软件研发、数字化交付和工程治理场景，尤其适用于业务复杂、系统众多、跨区域协同频繁、质量和合规要求较高的组织。其核心使用人群包括产品经理、业务分析师、Tech Lead、架构师、研发工程师、测试工程师、项目经理、Scrum Master、工程效能负责人、研发管理者以及负责知识库和流程规范维护的管理员。

在需求与方案阶段，产品经理、业务分析师和Tech Lead可使用Vetra读取PRD、会议纪要、业务规则、Confluence页面、SharePoint文档、历史Jira Story和本地文件，自动理解需求背景、识别关键变更点、生成用户故事、拆分验收标准，并将结果同步到Jira。对于跨团队需求，Vetra能通过统一模板和项目知识库减少不同团队对需求表达、字段填写和优先级规则的理解差异，使需求从一开始就具备更好的完整性、一致性和可追踪性。

在设计与架构阶段，架构师和Tech Lead可使用Vetra结合业务需求、系统知识、代码Wiki、架构图和流程图进行方案分析、架构约束校验、服务职责识别和技术拆解，帮助团队在开发前识别边界不清、依赖不明、设计缺口和潜在风险。对于大型企业常见的多系统、多微服务、多业务域协同场景，Vetra可辅助形成更标准的技术方案和实施路径，降低关键设计知识只掌握在少数专家手中的风险。

在开发阶段，研发工程师可使用Vetra进行任务拆解、代码生成、代码解释、代码评审、单元测试建议和开发计划辅助。Vetra并非简单生成代码片段，而是结合项目知识、规范、上下文和工具链信息，在可控边界内辅助工程师完成重复性、结构化和规则明确的工作，使工程师将更多精力投入复杂设计、性能优化和业务创新。

在测试阶段，测试工程师可基于用户故事生成测试场景、测试步骤、测试点模板和E2E测试用例，并在人工复核后同步回Jira。Vetra通过标准化测试生成路径提升测试覆盖的系统性，减少因需求理解偏差或测试遗漏导致的后期缺陷，有助于将质量控制从上线前后移到需求和设计早期。

在项目管理和工程治理阶段，项目经理、Scrum Master、工程效能负责人和研发管理者可通过统一指标看板观察不同团队、业务域和项目的AI使用情况、故事生成量、采纳率、交付效率、周期、成本和质量趋势，及时发现采纳率偏低、过程推进不平衡、缺陷集中或周期波动等问题，并基于数据开展干预。Vetra的价值不仅服务一线人员提效，也服务管理者进行可视化、可度量和可追溯的过程治理。

在知识与流程运营阶段，知识管理员和平台管理员负责创建或接入KM Verse 知识库、配置用户组、关联知识库ID、分配访问权限、验证知识检索效果、移除过时文档并维护提示词模板。通过“发现知识问题—修正文档—再次验证”的闭环，Vetra将个人经验逐步转化为组织资产，使AI Agent的能力随团队知识沉淀持续演进。

因此，Vetra的典型应用不是单个岗位的一次性提效，而是覆盖“业务提出需求—产品澄清—架构设计—开发实现—测试验证—项目治理—知识沉淀”的端到端企业软件交付链路，帮助大型研发组织建立可复制的人机协同工作方式。

进一步看，Vetra也在推动软件工程组织向FDE（Forward Deployed Engineer）模式演进。通过将需求理解、业务分析、方案设计、开发实现、测试验证和过程治理等能力集成在统一的智能体工作空间中，平台降低了不同角色之间的信息断点和交接成本，使产品、分析、开发、测试与管理人员能够围绕同一上下文协同工作。它不只是提升单个岗位效率，更是在加速角色能力融合、流程边界重塑和组织协作方式升级，推动企业从传统分工式交付逐步走向由数据、知识和AI Agent共同驱动的新型软件工程模式。

产品功能

Vetra围绕企业软件交付全流程构建产品功能体系，核心目标是让AI Agent 真正进入研发一线、交付治理和组织决策链条，形成可执行、可度量、可监管、可持续优化的智能软件工程平台。

1.多智能体任务编排与主控协同。Vetra采用以主控智能体为核心的多Agent 架构。主控智能体负责理解用户目标、拆解任务、选择技能、调用工具、管理上下文、协调子智能体并汇总结果；需求智能体负责需求理解、用户故事生成、验收标准拆分和Jira同步；原型设计智能体支持界面方案、交互说明和UI原型相关输出；架构智能体支持架构审查、服务职责识别、依赖关系分析和技术方案建议；开发智能体支持开发计划、代码生成、代码解释、代码评审和单元测试建议；测试智能体支持测试需求分析、测试场景生成、测试步骤生成和E2E测试设计；治理能力则负责度量分析、过程观察、异常识别和改进反馈。多智能体之间通过任务看板、上下文协议、工具编排和结果确认机制协同，避免任务重复、上下文断裂和执行边界不清。

2.知识库驱动的需求理解与用户故事生成。Vetra支持接入KM Verse、Confluence、SharePoint、本地文件、历史Jira卡片、会议纪要、PRD、BSR/ISR、测试用例、团队培训材料和Code Wiki等多类知识来源。用户可在统一入口选择项目和知识库，输入需求或选择Jira Story，由平台基于知识检索和项目规则生成结构化用户故事、验准、关键变更点和字段内容。生成结果支持人工调整，并可同步至Jira。该能力将团队经验、业务规则和历史交付资产嵌入需求生成过程，减少需求拆解对个人经验的依赖。

3.Spec-based规范前置与模板化输出。Vetra将工程规范从静态文档转化为可配置、可执行的提示词模板和过程规则。团队可配置角色定义、拆分粒度、字段生成逻辑、命名规则、优先级规则、业务表达视角和测试生成标准，使AI输出天然贴合团队规范。通过将规范前置到需求、设计、开发和测试环节，Vetra降低跨团队执行差异，提升输出一致性、可审查性和可追踪性。

4.跨模态工程资产识别、生成与关联分析。Vetra支持处理UI原型图/设计稿、架构图/流程图、系统截图/缺陷截图等视觉化材料，并与文本需求、用户故事、代码变更、测试用例和过程数据结合分析。例如，在需求澄清时可结合界面截图识别功能点；在架构评审时可读取系统交互图并提示边界缺失、依赖不清或风险点；在缺陷分析时可结合截图、日志、测试步骤和用户故事定位问题来源。跨模态能力使Vetra能够处理真实软件工程中大量非结构化、图形化和上下文化信息，而不仅是文本问答。

5.开发辅助与代码质量能力。Vetra可围绕用户故事和技术上下文生成开发计划、技术拆解、代码片段、代码解释、单元测试建议和代码评审意见。平台将架构约束、代码规范、安全规则和质量门禁前置到智能体执行过程中，通过技能能力、校验规则、结果评审和人工确认机制，形成“AI执行、规则约束、人工把关、持续反馈”的治理闭环。在联想实践中，AI代码生成率达到52%，AI代码采纳率达到74%，AI使用率达到84%，说明平台已从尝试性工具进入高频工程工作流。

6.测试生成与质量前移。Vetra支持基于用户故事生成测试场景、测试步骤、测试点模板和E2E测试用例，并可结合Step Library等能力形成标准化测试资产。测试工程师可对生成内容进行复核、调整并同步到Jira。该能力帮助团队在需求和设计早期补齐测试视角，提升测试覆盖的系统性，减少因需求不清或测试遗漏导致的后期缺陷，实现质量控制前移。

7.工程度量与Adoption Dashboard。Vetra建立统一工程指标体系，围绕Jira总故事数、Vetra生成故事数、已采纳Vetra生成故事数、项目采纳率、AI使用率、代码生成率、代码采纳率、交付周期、成本、缺陷和过程状态等指标形成统一视图。管理者可按月度、组织、业务域、团队等维度查看项目活跃情况和AI使用效果，识别采纳率偏低、使用不充分或过程推进不平衡等问题，使AI Agent的推广和价值衡量具备数据基础。

8.过程可观测、风险识别与持续改进。Vetra通过“度量—分析—优化—验证”机制，将过程表现、异常趋势、缺陷原因和改进效果反馈到流程规范、知识库、模板规则和管理动作中。平台可辅助识别周期波动、缺陷集中、执行偏差、知识缺口和输出质量问题，推动问题识别从后期发现转向过程前期识别与提前干预。

9.知识质量校正与记忆沉淀。Vetra将知识修正、反馈学习、源数据更新和人工复核纳入常态化闭环。管理员可通过知识检索问答验证知识库效果，发现知识缺口后补充或移除文档；团队可将会议纪要、需求文档、测试用例、培训材料和历史项目经验持续沉淀为共建知识库。随着知识持续积累，Vetra的输出质量和业务适配能力不断提升。

10.2026年新增/强化功能。2026年，Vetra重点强化了多智能体协同、跨模态工程分析、Adoption Dashboard、Spec-based规则配置、知识库持续校正和端到端Jira同步能力，使产品从“辅助生成用户故事和测试内容”升级为“覆盖需求、设计、开发、测试、治理和持续改进的企业级AI Agent软件工程平台”。这些能力共同支撑联想内部实现工程生产效率提升约30%、端到端交付周期缩短约15%、总拥有成本降低约20%–25%、代码缺陷数量降低约20%。

产品优势

首先，Vetra的优势在于企业级系统性，而不是单点工具化。行业中许多AI编程助手主要聚焦个人代码生成或局部问答，容易形成工具碎片化、知识不沉淀、治理不可见的问题。Vetra则面向大型企业真实软件交付链路，从需求、设计、开发、测试到治理全流程构建多智能体协同体系，使AI能力成为组织级工程底座。

其次，Vetra具备强业务上下文和知识驱动能力。平台可接入KM Verse、Confluence、SharePoint、Jira、Code Wiki、PRD、会议纪要和测试资产，将企业内部知识转化为Agent可调用、可校正、可持续演进的能力，减少通用模型“不懂业务、不懂项目、不懂流程”的落地障碍。

第三，Vetra强调可治理、可度量和可追溯。平台通过统一规范、指标模型、AdoptionDashboard、人工复核、结果同步和持续改进机制，使AI生成内容、采纳情况、过程效率和质量结果都可观察、可评估、可优化，满足大型企业对质量、安全、合规和组织推广的要求。

第四，Vetra具备跨模态工程能力和组织级复制能力。它不仅处理文本，还能关联UI图、架构图、流程图、截图、代码、测试和过程数据，覆盖真实工程资产形态；同时，其规范模板、知识库建设、任务看板和多智能体架构可复制到不同业务域和团队，为大型科技企业AI深度落地提供可借鉴范式。

服务客户／使用人数

产品总使用客户量或人群数量：目前Vetra主要服务于联想集团内部IT与软件研发相关团队，覆盖产品、业务分析、架构、开发、测试、项目管理和工程效能等多类角色，累计使用人数2200+，月活1200+。平台已在联想内部真实研发流程中落地，支持研产供销服等业务领域的项目团队，并形成高频AI使用：AI使用率达到84%，AI代码生成率达到52%，AI代码采纳率达到74%。

代表性客户/使用组织：联想集团IT业务应用交付团队。平台服务对象不是外部零散试用用户，而是大型全球化科技企业内部复杂研发组织，具有高协同、高标准、高质量要求的典型企业级应用特征。通过在真实项目中的规模化使用，Vetra已验证其在大型组织软件交付提效、质量改善和过程治理方面的可落地性。

市场价值

从市场价值看，Vetra代表了企业级AI Agent从“个人效率工具”走向“组织级生产力系统”的重要方向。当前多数企业在引入AI时容易停留在代码补全、文档问答或单点助手层面，难以解决跨团队流程不一致、工程数据割裂、质量风险后置、AI价值难度量和组织经验难沉淀等问题。Vetra的实践证明，AI Agent若要真正进入企业核心业务流程，必须与流程规范、知识资产、工程数据、工具链和治理机制深度融合。

对企业客户而言，Vetra可带来直接的降本增效价值：在联想内部应用中，工程生产效率提升约30%，端到端交付周期缩短约15%，总拥有成本降低约 20%–25%，代码缺陷数量降低约20%，单个用户故事人天投入降低20%以上，缺陷泄漏率降低约20%。这些成果意味着企业在相同资源条件下能够承载更多复杂项目，更快响应业务需求，减少返工和质量风险，并提升研发投入产出比。

对软件工程行业而言，Vetra提供了一套可参考的AI原生研发体系：以Spec-based规范前置提升过程一致性，以多智能体协同覆盖端到端交付，以统一指标模型支撑数据驱动管理，以知识库和记忆机制沉淀组织能力，以持续改进闭环推动AI能力自我优化。这种模式具备向金融、制造、政务、零售、医疗等大型软件密集型组织复制的潜力。

更具长期市场意义的是，Vetra推动企业软件研发组织向FDE（Forward Deployed Engineer ）模式演进。通过将需求、分析、设计、开发、测试、治理和知识运营能力沉淀在统一的AI Agent平台中，传统分散在多个岗位之间的能力边界被重新连接，产品经理、业务分析师、开发工程师、测试工程师和项目管理者能够基于同一业务上下文、同一工程规范和同一数据视图协同工作。这种角色融合不仅提升单个岗位效率，更能减少跨角色交接、反复澄清和重复返工，推动企业从线性分工式交付转向端到端、知识驱动、数据可观测的人机协同流程。

因此，Vetra的市场价值不止体现在降本、提效和质量改善上，也体现在对企业软件交付模式的重构：它帮助客户把AI从个人工具升级为组织级流程引擎，把专家经验转化为可复用的知识资产，把过程数据转化为管理决策依据，并为大型企业培养具备业务理解、工程实现、质量意识和数据治理能力的复合型数字工程人才。对于正在推进数字化转型和AI原生研发体系建设的企业而言，这种能力具有更强的可复制性和战略价值。

更进一步，Vetra支撑联想“Smarter AI for All”与“AI Twin”战略落地，将内部研发体系升级与外部产品服务创新连接起来。高效、稳定、智能的软件交付能力可加速智能终端、服务器、云服务和行业解决方案迭代，间接提升客户体验和市场竞争力。因此，Vetra的价值不仅是节省研发成本，更是重构企业数字化创新速度、质量和治理方式，推动AI Agent成为新一代企业基础设施。

关于企业

·联想集团

联想集团是一家年收入831亿美元的全球化科技巨头，位列《财富》世界500强第196名，服务遍布全球180个市场数以百万计的客户。联想秉持“智能，为每一个可能”的公司愿景，积极推进混合式人工智能战略，涵盖“一体多端”的个人智能和助力客户将数据转化为洞察与价值的企业智能。凭借对世界一流创新能力的不懈追求，联想拥有全栈人工智能的完整产品路线图，包括终端（个人电脑、工作站、智能手机、平板电脑）、基础设施解决方案（服务器、存储、边缘计算、高性能计算以及软件定义），以及软件、解决方案和服务。联想业务遍及全球，在全球设有 20 多个研发中心，并在 10 个市场设有 30 多个生产基地，其全球供应链凭借卓越的运营能力广受认可。