行业参考 · 制造 · 研发 · 证据 E1
TCL用CodeBuddy/WorkBuddy将AI生成代码提交率从不到20%提升到90%以上
这是公开报道的其他企业案例，不是 Alan 交付的项目。内容由 AI 收集整理，以原文为准。
企业遇到的问题
历史代码库庞大，新工程师需三个月才能上手，资深工程师大量时间耗在读老代码和定位Bug而非创造性工作。
概要
e-works报道腾讯云AI产业应用大会披露TCL从CodeBuddy到WorkBuddy的研发效能实践：TCL产品覆盖160多个国家，有十几年历史代码库和上百条产品线；2025年3月以插件形式接入CodeBuddy，从十几人试点不到三个月扩展到500人，一年后工程师覆盖率超90%；现在2000多名工程师用其辅助代码生成、单元测试和代码评审，AI生成代码提交率从不到20%飙升到90%以上，视频卡顿Bug修复从8小时压缩到2小时，安卓到iOS功能迁移从2周缩短到2天，研发编码效率提升70%。
原文写明的事实
- TCL产品覆盖160多个国家，有十几年历史代码库和上百条产品线
- 新工程师入职后需三个月才能真正上手干活
- TCL于2025年3月以插件形式接入CodeBuddy，先在一个十几人小项目里试水
- 试点不到三个月从十几人扩展到500人
- 一年后TCL工程师使用CodeBuddy的覆盖率超过90%
- 现在TCL内部有2000多名工程师用CodeBuddy辅助代码生成、单元测试和代码评审
- AI生成代码的提交率从不到20%飙升到90%以上
- 修复一处视频卡顿Bug的时间从8小时压缩到2小时
还有 173 条细节，见文末原文来源。
怎么做的
- 输入：工程师在历史代码库中处理编码、单测和评审任务
- 处理：CodeBuddy/WorkBuddy插件辅助代码生成、单元测试和代码评审
- 数据：TCL十几年历史代码库、上百条产品线
- 动作：AI辅助生成代码、修复Bug、完成安卓到iOS功能迁移
- 输出：可提交代码、修复后的功能、迁移后的应用
如果你也想做：复制评估
AI 初评，供参考。具体能不能做，要看你企业的数据、流程和人。
- 难度：低（需要配置 Skill / Connector）
- 需要的能力：代码生成Skill、单元测试Skill、代码评审Skill
- 仍需人工的环节：工程师人工确认AI生成代码；代码评审与合并
- 风险：AI生成代码可能引入缺陷且原文未统计；提交率不代表代码交付质量
- 原文没披露的：原文未披露AI生成代码提交率的统计口径；原文未披露代码质量、回归测试通过率或缺陷率
代码生成、单测、评审和Bug修复已在TCL生产环境中被量化披露，可视为稳定使用；但代码质量与长期缺陷率未披露，需独立核验
来源
证据说明：仅e-works一家行业媒体，数据来自大会发言和TCL负责人自报，无独立审计