一篇发布在 Dev.to 上的实务者文章提出了一个被大多数「AI 写代码」标题模糊掉的区分:产出实现、探索设计方案、判断系统是否解决了正确的问题,是三件不同的事。自动化第一件,并不等于解决后两件。作者的观点是:智能体可以承担更多实现工作,并在分析、设计和测试环节提供辅助,但「要建什么」以及「什么证据足以验收」,责任仍在工程师身上。
这个论断不如「AI 取代了我们的开发者」那样戏剧化,却更有用。它把讨论从人员编制转向了决策权。
论点到底在说什么
文章把软件生命周期分层。最底层是实现:把一个已定义好的变更变成可运行代码。这是编码智能体进步最快、杠杆效应最明显的地方。其上是设计探索与问题定义——选择方案、理解约束、确认要造的东西确实该造。再往上是验收:判断结果是否正确、安全、可以上线。

图示:来源页预览图(仅作编辑上下文;版权归属原发布方) · 来源引用:dev.to
作者并不是说智能体在上层表现差,而是说它在上层的角色是建议性的,而非权威性的。智能体可以提出三套架构,但它无法承担选定其中一套之后的后果;它可以生成一套测试,但无法决定这套测试就是正确的证明。
这一点重要,是因为行业总把这几层压缩成单一生产力指标——提交多少行、关掉多少工单、合并多少 PR。这些指标只测量最底层,对上两层完全失明。
为什么做产品的人要在意
对已经把智能体放进流程的团队来说,实际影响是工程时间的去向变了。用于敲模板代码和接明显胶水代码的时间减少,用于精确描述意图、批判性审查生成结果、搭建「能判断对错」的验证设施的时间增加。
这套验证设施才是真正的瓶颈。如果智能体能在人类写一份实现的时间里产出五份候选实现,那么决定吞吐量的是审查能力,而不是生成能力。只扩张生成、不扩张审查与验证的团队,只是在累积未经审查的暴露面。
文章还隐含了一个关于「资历」定义的变化。稀缺能力不再是流畅记忆语法和 API——智能体有这些。稀缺能力是在代码存在之前就知道该问哪些问题,以及在代码存在之后知道什么样的答案才算可信。这更接近系统工程,而不是编程。
真正的分水岭是证据标准
关于 AI 辅助开发的大部分分歧,本质上是关于验收标准的分歧。如果你的「完成」定义是代码能编译、现有测试能过,智能体看起来就是颠覆性的;如果你的定义还包括失效模式、可观测性、安全姿态、数据迁移风险和运维成本,那么智能体的贡献就缩小为众多输入之一。

图示:HEXOPS 原创配图(受选题启发,非复制原文图片) · 来源引用:dev.to
这解释了为什么同一个工具在一个团队像超能力,在另一个团队像负债。工具是常量,证据门槛不是。验证能力弱的组织,更快地生产出自己无法确认的东西;验证能力强的组织,更快地生产出自己能够确认的东西。
一个实用推论是:智能体写的代码越多,周边设施就越值钱——类型系统、契约测试、确定性 CI、可复现环境、分阶段发布。这些没有一样是新东西,但当生成变更的体量上升时,它们全部变成承重结构。
接下来看什么
下一阶段的争论不再是「智能体能不能写代码」——这个问题基本已有答案:能,而且越来越能。争论会转向「归属权」。可以关注三个信号:团队如何重新定义审查负荷,并在人工检查与自动检查之间分配;职位描述是否开始把验证与规格能力与实现能力并列;验收标准是否被写得足够明确,使其可以被人类直觉以外的东西检查。
也要关注失败模式。近期最可能的事故不是模型写出语法错误的代码,而是团队接受了一个看起来合理的变更,却没有人保留判断它所需的上下文。那是一个穿着技术外衣的组织缺口。
文章结尾的立场值得直白复述一遍:智能体可以承担更多建造工作,而工程师仍然必须把系统工程化。代码从来不是这份工作的全部。
关键要点
- 实现、设计探索与验收是三件不同的事;自动化其中一件,并不会自动化另外两件。
- 编码智能体把工程投入从敲代码转向精确描述意图与验证结果。
- 当生成速度超过审查速度,审查能力就成为交付的刚性约束。
- 同一个智能体工具在不同团队效果不同,因为各家对「完成」的证据门槛不同。
- 随着生成体量上升,类型系统、契约测试、可复现 CI、分阶段发布等验证设施会变得更值钱。
下一步行动
- 把验收标准明确写下来,然后自问:新同事(或智能体)能否在不问你的前提下检查它们。
- 在合并量之外,同时测量审查延迟与审查深度,把它们当作一等交付指标。
- 在扩张生成之前先投资验证设施:契约测试、确定性构建、回滚路径。
- 在审计链路中区分「智能体提议」与「人类接受」,让归属始终可追溯。
- 重新审视岗位定义,把规格描述与验证能力列为核心工程能力。



