AI在研发中的革新与挑战：质与量的双重提升

近年来，AI工具迅速融入研发流程，各类产品如雨后春笋般涌现，而开发者的工作方式也随之发生深刻变化。效率提升已成为共识，但与此同时，如何确保研发质量也成为焦点：在追求速度的同时，如何守住质量底线？

近日，InfoQ《极客有约》携手AICon直播栏目，特别邀请了众安银行技术委员会主席沈斌、华为云PaaS首席前端架构师侯凡、字节跳动TRAE架构师宁啸威，从前端、后端、架构等多角度探讨了AI在研发提效中的现状。

以下是部分精彩观点：

• 在打造下一代AI Native产品时，关键在于人与AI之间找到平衡点。在AI能力尚未完全成熟的阶段，这个交互平衡点尤为重要。
• 无论是RAG、上下文增强还是MCP，这些都是手段而非目的。目标是构建开放生态，让业务团队能将AI作为大脑接入。
• 未来，大量Web应用可能会消亡，包括网站和APP，因为交互方式将转向自然语言。前端界面将极度简化，而企业则主要提供后端服务能力。

以下内容基于直播速记整理，经InfoQ删减。

AI在研发中的角色演变

沈斌：许多团队最初接触AI时，用它完成具体小任务，如写测试、生成代码。但现在，AI已介入更多研发环节，影响架构设计和组织协作。AI时代从2022年底ChatGPT推出后开始，被业界称为AI的“iPhone时刻”。回顾近三年，AI应用经历了三个阶段。

第一阶段是AI辅助编程，作为工具存在，最常见形式是IDE插件。这种模式持续约一年，后来出现Cursor等IDE工具，我称之为“氛围编程1.0时代”。它在Chat模式基础上引入Agent，能自主完成简单任务，研发效率因此明显提升。

第三阶段是今年2月份提出的Vibe Coding概念，催生了火热的Claude Code。这种形态从IDE升级为CLI模式，我称之为“氛围编程2.0时代”。相比IDE，CLI模式门槛更高但用户群体更广泛。

侯凡：当前对AI的看法有两个极端。一是认为AI是下一代生产力革命，能带来颠覆性效率提升；二是在真实研发过程中感觉“没什么用”。我相信各大公司也有类似经历。一方面管理层寄予厚望，希望借助AI工具让效率提升数倍；但实际情况是生成的大量代码难以直接入库。

所以抛一个问题：在Vibe Coding或Agent模式下，AI自动生成的大量代码，大家真的敢直接提交到企业生产库吗？

沈斌：我们团队最近两个月才开始深入使用Claude Code。经验来看，AI并未智能到独立完成完整需求，更多时候需要我们通过上下文和提示词帮助它理解需求和编写代码。Claude官方提出了EPCC开发范式：Explore、Plan、Code、Commit。

一个常见误区是以为AI能“一句话搞定全部”，实际上更好的做法是分环节让AI协助。例如通过自定义Agent或使用PromptX框架定义不同角色。

宁啸威：与一两年前相比，AI已深度融入研发流程，覆盖需求调研、PRD评审等环节。在我们团队内部，AI编程渗透率几乎达到100%。使用AI工具过程中，我们获得新思路和启发，对产品提出改进。公司层面也高度重视AI编程。

市面上涌现了许多AI编程产品。在真实编码场景中，处理好“人与AI的交互”是决定用户口碑的一大因素。例如Cursor要求开发者参与review，在每个环节设置checkpoint。

提效的“质”和“量”

宁啸威：AI提效是公认事实。具体到代码质量，AI生成的代码是否能上线？很多情况下，AI生成的代码比开发者更规范、更标准。原因在于大模型引入大量优秀代码实践。

从更广的研发流程看，传统提升代码质量依赖后置流程。而引入AI后，单测可以前置到开发阶段。我们团队与质量团队合作开发了单测Agent。

侯凡：两年前担心AI会让工具团队失去价值。但结合实践来看，答案是否定的。研发流程并未因AI出现而被打破，而是加速了各角色效率。

随着MCP等生态出现，Agent的能力更像“硅基人”，可以调用工具。我们内部做开发者调研发现，开发者真正花在编码上的时间约30%。这意味着AI在需求设计、任务拆解等环节作用更值得关注。

从点到面的落地挑战

侯凡：目前最大问题是算力和token消耗带来的高成本。观念层面没有障碍，但新模式带来更高计算消耗。

宁啸威：成本是所有相关产品绕不开的痛点。例如Cursor的定价策略多次调整。除了成本还有效果难以量化和提升的问题。

AI重塑研发协作与架构

沈斌：“岗位左移，职级上移”。岗位左移指研发流程中的岗位会发生转移；职级上移指未来团队中高级岗位比例会提高。

侯凡：相比代码生成更关注用户体验和交互方式的影响。未来可能会发展为“无边界体验”。

展望未来

宁啸威：希望未来的AI能从“高级工程师”形态向“架构师”方向演进。这意味着AI不仅要具备整体系统理解能力还需具备自我进化的能力。

沈斌：最期待的未来是可穿戴设备的落地和普及。原因在于当前AI缺乏感知能力即“具身智能”。如果可穿戴设备足够成熟就能将物理世界的业务反馈实时传输给AI完成需求落地的“最后一公里”。