AI 智能体写代码：少一点魔法，多一点掌控

你想在系统里加一个新页面。供应商说"AI 一个下午就能搞定"。三周后，没人能解释销售报表为什么对不上了。这样的故事越来越常见。AI 智能体写代码的速度快得惊人。问题几乎从来不在速度。问题在于没有人握着方向盘。

前几天，Hacker News 上出现了一个叫 Huzzah 的项目。作者把它介绍为一种用 AI 编程的新方式。我不打算在这里介绍这个工具，毕竟它是给开发者用的。吸引我的是它背后的问题，而这个问题和为软件买单的人息息相关：到底谁说了算，是人还是智能体？

软件开发中的 AI 智能体是什么

聊天机器人回答问题。智能体则会行动。它会打开文件、写代码、跑测试、修复错误，然后再试一次。全程自己完成，一步接一步。

实际操作中，开发者写下类似"创建一个客户登记功能，支持按税号搜索"的指令，智能体就开始干活。20 分钟后，一个能用的页面就出来了。看起来像魔法。危险恰恰就藏在这里。

因为智能体不了解你的业务。它不知道你的财务部门需要带格式的税号，才能导入老旧的 ERP。它不知道停用的客户不能出现在销售团队的搜索结果里。它会用合理的猜测填补这些空白。而在企业软件里，合理的猜测就是外表体面的 bug。

为什么"提需求然后祈祷"行不通

如今用 AI 编程最常见的方式，我称之为"提需求然后祈祷"。你用一大段文字描述想要什么，智能体生成一堆代码，然后你祈祷它是对的。

小项目里这招挺好用。一个落地页，一个整理表格的脚本，一个给合伙人看的原型。这些情况下，出了问题扔掉重来就行。

但在支撑业务运转的系统里，账就不一样了。举一个我亲眼见过的例子：一家公司想做一个自动化功能，根据已批准的订单生成付款单。智能体很快交付了。可它把"已批准订单"理解成了状态不是"已取消"的任何订单。结果，还在信用审核中的订单也开出了付款单。有人发现之前，已经发出了大约 40 笔错误的收款。代码很干净。规则是错的。

AI 出错不是因为能力不够。是因为缺少上下文。

当人掌握主导权，会有什么不同

Huzzah 这类项目探索的思路，也是我一直以来坚持的，其实很简单：不要把整个任务交给智能体，而是把工作拆成一个个小决策，逐一审查。

看起来更慢。其实不然。对比一下同一个功能的两种做法：

• 提需求然后祈祷： 生成用 1 小时，找出哪里错了用 6 小时，在不破坏其他部分的前提下修复用 4 小时。
• 分步推进并审查： 分成短小的阶段构建用 3 小时，精细调整用 1 小时。

当然，数字因项目而异。但规律总是一样的。放任智能体自由发挥"省下"的时间，会在修正阶段连本带利地还回来。

分步推进的流程大致如下：

1. 人先用清晰的语言定义业务规则，再动任何代码。
2. 智能体提出一个简短的计划。人批准或修正。
3. 智能体实现一小部分。
4. 人审查，用真实案例测试，然后才放行下一部分。

这和一位好经理带新员工的方式一样。新员工能力很强，但对公司一无所知。你不会第一天就把保险柜钥匙交给他。你会分配任务、检查、调整，随着信任增加再逐步放手。

如何判断你的供应商是否正确使用 AI

你不需要懂代码，也能问出好问题。如今几乎每个开发者都在以某种方式使用 AI。关键在于怎么用。

下面几个问题，可以区分出真正会用的人和只会按按钮的人：

• "AI 生成的代码由谁审查？" 如果答案是"AI 自己"，就该亮黄灯了。
• "你们如何验证我的业务规则？" 你应该听到用你业务中的真实例子编写测试用例。
• "如果六个月后出了问题，会有人看得懂这段代码吗？" 没人读过的代码，就是没人会修的代码。
• "交付是一次性的大包，还是分批进行？" 小批量交付是掌控的信号。月底一次性交一大包，是祈祷的信号。

我的看法很直接：宣称"AI 全包了，所以便宜"的供应商，是在卖给你一笔债，分期账单会在以后陆续到期。AI 真正的节省，在于清除重复性的体力活，而不是把人的判断从流程中拿掉。

AI 智能体真正出彩的地方

我不希望你读完觉得 AI 智能体不靠谱。恰恰相反。我每天都在用，只要工作拆分得当，收益非常大。

它们擅长：

• 重复性任务： 创建十个相似的登记页面，把数据从一种格式迁移到另一种。
• 初稿： 几小时内把想法落地，让你能看、能点、能提意见。
• 读懂老系统： 解释一段 2015 年的代码在做什么。以前这要有人苦熬好几天。
• 测试： 生成疲惫的人类容易遗漏的测试用例。

而一切依赖于了解你公司真实运作方式的事情，它们都不擅长。只有仓库同事才知道的那个例外。付款期限与众不同的大客户。财税系统里那个没人写进文档、却人人都遵守的临时方案。

这些不来自任何模型。它们来自沟通。所以 AI 项目中最有价值的部分，依然是最有人情味的部分：坐下来，理解流程，先写好规则，再去生成代码。如果智能体是实习生，那它是世界上最快的实习生。但它仍然是实习生。

你的公司可以带走什么

如果你正考虑用 AI 构建或改进某个系统，记住三点：

生成速度不等于交付速度。 真正重要的是，要多久才能让它在生产环境中、用你的数据正确运行。

掌控就是把工作拆小。 一次交给智能体的块越大，错误假设藏在里面的可能性就越大。

上下文是你的资产。 关于你的业务如何运作的知识，比任何工具都更有价值。AI 会放大这些知识。没有它们，AI 放大的就是瞎猜。

Huzzah 在开发者之间引发的讨论，每位企业主都应该和负责自家技术的人好好聊一聊。这不是用不用 AI 的问题。而是谁来做决定的问题。

这就是我在自动化和 AI 项目中的工作方式：机器负责加速，我负责决策，你全程参与每个阶段。如果想进一步了解这种工作方式，欢迎多了解一下我。

销售说："AI 一个下午就能搞定。"三周后，没人说得清销售报表为什么对不上了。

我见过一个 AI 智能体开出 40 张错误的付款单，代码却无可挑剔。代码很干净。错的是业务规则。

AI 出错不是因为能力不够。是因为它不了解你的业务。

一次性把所有需求丢过去，然后祈祷一切顺利。看起来很快，但修正的时候就要付出代价。真正有效的做法是拆成小块，每一块都审查，测试通过后再放行下一块。

机器负责加速。做决定的依然是人。

如果你想在系统中使用 AI，又不想被它绑架，我们可以聊一聊。

#人工智能 #AI智能体 #软件开发 #自动化 #科技