1、结合控制器软硬件V模型开发流程，基于AI技术开发提升研发效率的工具链，推动AI在需求分析、详细设计、代码生成、测试等各阶段的应用落地； 2、运用数据处理和RAG技术构建控制器研发知识库，支持AI智能问答与知识检索，探索Agentic RAG、GraphRAG等新一代检索增强范式，提升领域知识准确率； 3、设计并开发能够自主完成复杂任务的AI智能体Agent，基于Harness Engineering理念构建Agent运行基础设施（状态管理、记忆系统、安全约束、工具调度、错误恢复等），确保Agent在生产环境中的稳定性和可靠性； 4、基于MCP标准协议实现Agent工具的统一接入与标准化调用，设计并封装可复用的AI Skill技能模块，通过渐进式披露架构实现Agent能力的模块化扩展与按需加载； 5、搭建AI工具评估体系，量化AI工具对研发效率和质量提升的ROI，设计Agent全链路可观测性与迭代飞轮，持续优化AI工具链； 6、探索A2A（Agent-to-Agent）协议在多Agent协同中的应用，支持跨智能体任务分发与协作编排； 7、跟踪前沿AI技术（Harness Engineering、多模态大模型、端侧AI、Agent Teams等），推动创新技术在汽车电子研发中的落地应用。