文章目录
- AI Coding 落地实践手记
-
- 1. 先承认一个扎心的事实
-
- 1.1 五个问题
- 1.2 工具的三种形态
- 2. 第一阶段：普及，先把 80% 的下限抬起来
-
- 2.1 统一工作台
- 2.2 培训四板斧
- 3. 第二阶段：规范驱动，让 AI 按规矩写
-
- 3.1 SDD 五步产线
- 3.2 spec 会自我进化
- 4. 第三阶段：AI Native，让闭环真的闭上
- 5. 度量：怎么算才不是自说自话
-
- 5.1 AI 代码占比
- 5.2 全链路 Trace
- 5.3 首次正确率 FPY
- 6. 三个坑，我们帮你踩过了
-
- 6.1 坑一：杀鸡用牛刀
- 6.2 坑二：上下文塞得越多越好？假的
- 6.3 坑三：AI 幻觉，得靠第二只眼睛
- 7. 收个尾：AI 提效的终局
P.S. 无意间发现了一个巨牛的人工智能教程，非常通俗易懂，对AI感兴趣的朋友强烈推荐去看看，传送门https://blog.csdn.net/qq_34419312
AI Coding 落地实践手记
AI 编码工具发下去那天，团队士气达到了历史高点：感觉公司给每人发了一个不会累、不要工资、不会离职的实习生。一个月后我们发现，这个实习生确实不会累，但它特别擅长一本正经地胡说八道。更扎心的是，工具人人都有，交付效率却纹丝不动——像办了健身卡，肉还在。
1. 先承认一个扎心的事实
1000 多个工程师、10 多个技术栈、几十条业务线。这个体量下，靠自觉是撑不住的。工具铺开之后，问题冒得比雨后春笋还快，而且个个长得都很眼熟。
1.1 五个问题
- 用法各自为政：有人把 AI 当搜索引擎，有人当许愿池，还有人当免费实习生——不发工资，还不用请吃饭的那种。
- 上下文重复建设：同一个项目的资料，每个人整理一遍，仿佛每个人都得重新发明一次轮子，而且发明出来的还是正方形。
- 代码风格不统一：有人写驼峰，有人写下划线，AI 生成第三种风格——它自己发明的。
- 效果说不清：问 AI 到底提效了多少，口径比菜市场还乱。
- 成本没人管得住：大家用 AI 像用公司 Wi-Fi，不看流量，只看心情。
这些问题的答案其实就一句话：个人提效，攒不成组织提效。就像你把全公司的人都教会了游泳，也不等于公司会游泳。
1.2 工具的三种形态
| 补全式 | 人主导，AI 补全 | Copilot / 通义灵码 |
| 对话式 | 人 prompt，AI 起草 | Cursor Chat / Qoder |
| Agentic | 人定目标，AI 多步闭环 | Cursor Agent / Claude Code |
补全式是你说一句 AI 接一句；对话式是你指挥 AI 干活；Agentic 是 AI 自己干活，你在后边喊"慢点慢点"。还有异步云端 Agent：派个任务进去，它在沙箱里自己跑，跑完提交 PR——像雇了个远程外包，你永远不知道它中间经历了什么。
2. 第一阶段：普及，先把 80% 的下限抬起来
最早看到的不是效率，是分化。同一套工具，20% 的人用得风生水起，80% 的人用得一问三不知，差距大到不像在用一个软件。
深度用户接需求会自己整理上下文喂给 AI；普通用户打开 IDE，手一摊，直接开干。深度用户写方案用 MCP 加模板加多轮对话；普通用户让 AI 凭空想，AI 想了半天，想出来一个看起来很有道理、但完全不能用的方案。
所以我们决定：先不追那 20%，先把 80% 的底线抬起来。追不上学霸，就先保证不挂科。
2.1 统一工作台
我们的解法是一个统一工作台，管四样东西：Rules（规范）、Commands（命令）、Skills（技能）、MCP（工具）。一个人调好的上下文，全员复用。说人话就是：不是工具堆叠，是把个人的 AI 工作流，变成组织的 AI 资产。听起来很高级？说白了，高手配置一次，菜鸟直接抄作业。
2.2 培训四板斧
知道 AI 能干什么，和知道手上的活该怎么让 AI 干，中间差着一层。所以我们把日常研发拆成一批实战场景，每个场景配一个能照着跑的真实例子：读代码、加字段、做评审、写单测……先找一个接近的跟着做一遍，再拿去用。说白了，先抄，再超。
3. 第二阶段：规范驱动，让 AI 按规矩写
普及解决的是"能用"，没解决"稳定可用"。普通研发写不好方案？那就把方案模板化，让 AI 按规范生成。规模化之后最稀缺的东西也变了：代码行数不缺，缺的是结构化的领域知识。
3.1 SDD 五步产线
每一步的产物都是下一步的输入：
最关键的是第一步。传统流程里，该读哪些上下文全靠人脑补，也最容易翻车。现在 AI 自动从四个库里召回候选 spec，打包成清单，人只负责勾——等于把"考试全靠背"变成了"开卷考，还帮你标好了重点"。
第四步也有讲究。一次变更牵动多个文件，AI 一口气写完，失败就全废。拆成 N 个原子 delta，跑前跑后各校验一次，出问题只回退那一步——像做手术，一刀一刀来，出了事只缝那一刀，不用把整个病人重做一遍。
3.2 spec 会自我进化
spec 不是写完了就摆在那吃灰。每次被召回，审查环节给它打分：命中了没、误导了没。命中率低、误导率高的进 backlog 修订，长期不命中的下架。跑得越多越准，而不是越用越烂。
这招有个朴素的名字：自反馈闭环。AI 跑题了，留下痕迹；打过分，低分的回炉；回炉完，下一轮用新版。像养宠物，越养越熟，前提是你真的在养，而不是摆着。
4. 第三阶段：AI Native，让闭环真的闭上
一个需求交付完，开发中积累的经验、上线后发现的问题，不能就这么散了，得喂给下一轮需求。
- 资产沉淀：需求、实现、CR、评审、修复，每一步自动入档；踩过的坑变成新的 Rule 和 CR 检查项，下一轮自动生效。
- 线上反哺：线上报警了，回溯当初的过程档案，把根因反向生成一条规则，下次同类需求自动生效。
说白了，团队不能靠记忆力活着。人都会忘，AI 也会忘，但写进档案和规则里的不会忘。
5. 度量：怎么算才不是自说自话
要说清 AI 到底干了多少活，得回答三件事：写了多少、过程能不能看见、第一次写得准不准。注意，具体数值各家口径不同，没有可比性，值钱的是算法本身能不能逐行对账。
5.1 AI 代码占比
公式长这样：
AI 代码占比 = AI 生成且最终合入主干的代码行
÷ 主干新增代码总行
关键在"最终合入主干"六个字。IDE 里显示 AI 生成了 1000 行，最后留下的可能只有 300 行，中间 700 行去哪了？删了、改了、覆盖了——像极了我们那些被否掉的方案，存在感很强，结局很惨。
为了对账，做三层采集：
跑完三层签名，才敢说这一行确实是 AI 写的。
5.2 全链路 Trace
我们把 spec 工作流当成 SkyWalking 一样跑：每一次生成都打点，每一次采纳都可追溯。一条脱敏的真实 trace：一个订单批量导出的需求，1.5 小时，20 个 span，AI 生成了 20 次，采纳了 14 次。生成了几次、采纳了几次，这两个数之间的差，就是 AI 还有多大改进空间的信号。
5.3 首次正确率 FPY
FPY = (commit 终版行数 – diff(v1, commit) 改动行数)
÷ commit 终版行数
翻译一下：AI 第一次写的代码，最后活下来了多少。一条需求里不同任务的 FPY 差别可能很大，总值看着还行，里面往往藏着一两个特别差的。那些低分任务，就是下一轮要补 spec 的地方。
这个指标有两个坑：第一，FPY 衡量的是生成质量，不是代码质量；第二，FPY 高，可能是 AI 写得准，也可能是你懒得改了直接提交——你以为是 AI 进步了，其实是人躺平了。
6. 三个坑，我们帮你踩过了
6.1 坑一：杀鸡用牛刀
最初的判断很天真：把最强的 Agent 发给所有人，效率自然就上去了。跑了一个月发现，杀鸡用牛刀，牛刀还很贵。补全一个单函数的活，让 Agent 启动整个流程，又慢又烧 token——鸡是杀了，牛也没了。
后来改成按任务步数分通道：
if 任务步数 <= 2 and 单文件 and 语义清晰:
走 Vibe Coding # IDE 里 tab 补全，零学习成本
else:
走 Agentic Workflow # AiBox 工作台，全流程留痕
标准要硬，不然大家凭手感选，最后要么全用重的，要么全用轻的。任务步数这种一眼能判断的标准，比任何描述性的定义都管用。
6.2 坑二：上下文塞得越多越好？假的
早期我们觉得喂得越多越好，单次 prompt 塞十万 token。结果两个问题同时出现：注意力被稀释，质量不升反降；token 成本涨得飞快。
后来改成精准召回：场景化上下文包按 PRD 类型和业务域召回，不一锅烩；关键词触发知识点，命中才注入，不全量塞；三维联评，盯住覆盖度、准确率、自动化注入率。每加一条规范，先回答一个问题：它什么条件下注入、命中率多少。答不上来的规范，加进去就是噪声。
6.3 坑三：AI 幻觉，得靠第二只眼睛
AI 最擅长写出看起来很对的代码：API 不存在，字段是编的，依赖是错的。读起来逻辑通顺，跑起来当场去世。人工评审最容易漏，因为逻辑是通的，错的是事实。
解法是主从双 Agent：主 Agent 按 spec 实现，读源码 grounding，不凭想象；副 Agent 独立读真实源码、跑测试，只干一件事——核对 API、字段、依赖是不是真的存在。不过就驳回，带上反馈，主 Agent 改完再验。
关键在"独立"两个字。副 Agent 不能复用主 Agent 的上下文，不然它俩会一起幻觉，错得还挺整齐，像合唱团。
7. 收个尾：AI 提效的终局
我们对人和 AI 的分工有个三层描述：L1 全部人工，慢但可控；L2 人定义目标、AI 起草、人做决审——我们在这；L3 AI 自己闭环，人只做兜底抽查。
从 L1 到 L3 不是一步跳过去的，卡住的地方不只是模型能力，还有两个硬约束：一是交付稳定性，AI 加速了变更流入，测试和反馈跟不上就会被冲垮；二是决策权划分，哪些环节 AI 可以自己闭环、哪些必须人签字，得一个场景一个场景地划，划错了要么出事故，要么等于没自动化。
这一年的经验就一句话：把个人摸索出来的好用法，整理成团队能共用的配置、规范和流程。Vibe Coding 是单局的爽，Agentic Engineering 是长期的复利——翻译一下，前者像喝奶茶，后者像健身。你猜大多数人选哪个。
P.S. 无意间发现了一个巨牛的人工智能教程，非常通俗易懂，对AI感兴趣的朋友强烈推荐去看看，传送门https://blog.csdn.net/qq_34419312
