为什么企业在用 AI 编码工具后反而更谨慎了？几个团队的真实做法

Hacker News 上有一个提问帖，问的是大家在企业里怎么用智能体编码工具，怎么做代码审查，还需要手动测试吗，从提 PR 到部署要多久。回帖里有几条经验值得展开，因为它们暴露了一个反常现象，企业用上 AI 编码工具后不是更激进了，反而更谨慎了。

第一条经验来自一个把智能体用于文档和代码分析的开发者。他说他越来越不倾向于直接让 AI 修代码，而是让 AI 做代码库分析和文档生成，这些工作在后台跑，他自己同时写代码。这种做法的核心是把 AI 当成一个并行任务处理器，不是当成一个替代编码者。AI 做分析和文档，人做编码和决策，两者并行不冲突。

这种做法的好处是信任成本低。AI 生成的文档和分析报告不需要编译测试，人看完就能判断对错。AI 直接改代码则需要编译测试审查，信任成本高。把 AI 用在信任成本低的任务上，是企业在采用 AI 编码工具时最稳的起步方式。

第二条经验来自一个用智能体编码后加速了 PR 流程的团队。他说智能体编码帮助他们提了速度，代码审查很快，他仍然手动检查边界情况，但从提 PR 到部署通常在同一天完成。这种做法的关键是团队对智能体生成的代码建立了信任边界，不需要逐行审查的代码交给智能体写，需要重点检查的边界情况人来把关。

这个团队的做法跟之前那篇关于 agent defaults 的文章说的一致，好的智能体体验来自明确的信任边界，不是来自更聪明的模型。边界设计得好，效率翻倍，边界设计得差，返工比手写还慢。

第三条经验来自一个强调手动测试更重要了的开发者。他说智能体编码之后，手动测试不是减少了，是更重要了。原因是智能体生成的代码在功能上通常是对的，但在边界情况下容易出问题，这些边界情况只有手动测试才能发现。这种判断跟第一条经验是互补的，AI 做功能实现人做边界测试，两者配合才能保证质量。

把这三条经验放在一起看，企业采用 AI 编码工具后的真实状态不是更激进，是更谨慎。工具能力在提升，但团队对工具的信任边界在收紧。这种谨慎不是因为工具不好用，是因为团队在用过之后发现，AI 生成的代码质量分布不均匀，大部分没问题但偶尔有低级错误，这种偶尔的低级错误如果不靠人工检查就会进入生产环境。

对企业技术负责人来说，这三条经验给了一个采用 AI 编码工具的路线图。第一阶段，让 AI 做文档和代码分析，不改代码，信任成本最低。第二阶段，让 AI 做脚手架代码和简单功能实现，人做代码审查和边界测试，信任边界明确。第三阶段，让 AI 做更复杂的业务逻辑，但核心安全相关代码仍然人写，信任分层管理。每个阶段至少跑一个月再进下一阶段，不要跳级。

对职场开发者来说，这三条经验给了一个实用建议。如果你在企业里用 AI 编码工具，不要把手动测试的时间省掉。AI 编码省下的是写代码的时间，不是测试的时间。省下的时间应该投入到更全面的边界测试上，因为 AI 生成的代码在边界情况下是最脆弱的。这样做不是在浪费时间，是在保护你自己，因为如果 AI 生成的代码出了生产事故，追责的是你不是 AI。

创业找资源，上乌鸦部落。