是时候彻底抛弃古法编程了

AI 编程半年实战经验分享

Leo · 2026

半年，零手写代码

0

手写代码行数

1/10

所需时间

100%

AI 生成

语音房 · 竞猜后端 · Lambda → Beanstalk 迁移 · CI · 文档 · 内部工具

重新定义工程师的角色

从"写代码"到"提供上下文"

进展不顺时，解决方案从来不是"再努力一点"
而是退一步追问：Agent 还缺什么？
上下文 · 工具 · 约束

上下文工程的质量 = AI 产出的质量

写得越精确，AI 越不跑偏；写得越模糊，返工越多

工程师角色的转变

过去

逐行敲代码
手动调试
人工 Review
文档靠记忆

现在

设计任务、定义约束
Agent 写代码 + 自测
Agent 交叉审查
人只在合并时介入

代码的编写者 → AI 的上下文工程师

用 Agent 审查 Agent

Codex 自动 Review

AI 生成的代码量太大，纯靠人工 review 难免遗漏

每天定时扫描团队所有高频开发的仓库，确实发现了不少隐藏的 bug

让应用对 Agent 可读

Agent 自主验证流程

瓶颈从"写代码"转移到了人工 QA——让 Agent 能直接读到 UI、日志和监控

sequenceDiagram
    participant C as Agent
    participant A as 应用
    participant D as Chrome DevTools

    C->>D: 选择目标页面 + 清空控制台
    C->>D: 截取操作前快照
    C->>A: 触发 UI 操作路径
    A-->>D: 运行时事件
    C->>D: 截取操作后快照
    C->>A: 应用修复 + 重启

    loop 循环直到通过
        C->>D: 重新执行验证
    end

把代码仓库变成唯一的知识源

给 Agent 一张地图，而不是一本说明书

上下文是稀缺资源 — 庞大的指令文件会挤占真正重要的内容
什么都"重要" = 什么都不重要 — 信息太多，Agent 只会就近模式匹配
大文件腐烂得极快 — 过时规则的坟场，人停止维护就变成 bug 温床
无法自动化校验 — 覆盖率、新鲜度、所有权，全部失控

AGENTS.md ≈ 100 行目录 → 指向 docs/ 下的真实文档

从 MCP 到 Skill

方法比连接更重要

MCP vs Skill

MCP 解决「连接」

Agent 能调 YApi 接口 ✅
Agent 能查禅道 bug ✅
但不知道改完字段后要同步文档 ❌
不知道要补中文注释和枚举说明 ❌

MCP 是给 Agent 接水管的
Skill 是教 Agent 怎么用水的

::right::

Skill 解决「方法」

改完代码 → 自动同步文档
每个字段 → 中文注释 + 枚举说明
补齐请求/响应示例
校验文档和代码的一致性

Skill 的优势：

承载方法论，不只是连接
版本化管理，可审查
按需加载，不占上下文

ZenTao Skill：贴个链接就能改 Bug

不需要想怎么写提示词——把 bug 单地址贴给 Agent 就行

帮我安装这个 skill：https://github.com/leeguooooo/zentao-mcp

YApi Skill：上下游对接自动化

sequenceDiagram
    participant PM as 上游方
    participant Dev as 开发者
    participant Agent as Agent
    participant YApi as YApi

    PM->>Dev: 发送对接需求 + YApi 接口地址
    Dev->>Agent: 贴入接口地址
    Agent->>YApi: 通过 Skill 读取接口定义
    Agent->>YApi: 自动跳转读取关联接口
    Agent->>Agent: 理解完整上下文，生成对接代码
    Agent->>Dev: 输出实现 + 自动更新本地文档
    Dev->>YApi: yapi docs-sync 同步文档

边桑拿到接口地址后，不到一天就完成了整套广播体系对接

项目级 Skill 组合：Bug 全自动排查

flowchart LR
    A[禅道 Bug] -->|ZenTao Skill| B[读取 Bug 详情]
    B --> C[定位相关代码]
    C -->|Log Skill| D[查询运行日志]
    C -->|DB Skill| E[查询数据库]
    C -->|KV Skill| F[查询缓存]
    C -->|Token Skill| G[验证鉴权]
    D & E & F & G --> H[分析根因]
    H --> I[修复代码并提交]

Agent 不仅能读懂 bug 描述和定位代码
还能直接连上测试环境拉取真实数据来分析问题

开源推荐：Superpowers

10 万+ Star 的 Agent Skill 框架

Superpowers：完整的开发工作流

1

Brainstorming
先想清楚再动手，苏格拉底式提问

2

Writing Plans
拆成 2-5 分钟的小任务

3

Git Worktrees
隔离开发环境，零风险

4

Test-Driven Dev
强制 TDD，先写测试再写代码

5

Subagent Dev
多 Agent 并行 + 两轮审查

6

Parallel Agents
无依赖任务自动并行

7

Systematic Debug
四阶段排查，禁止猜测性修复

8

Verification
完成前必须验证，先有证据再下结论

9

Code Review
双向审查，不无脑同意

10

Finishing Branch
收尾决策：合并 / PR / 保留 / 放弃

关键特性：全部自动触发

🚫

不需要手动提醒 Agent 写测试

🚫

不需要手动提醒 Agent 先想清楚再动手

🚫

不需要手动提醒 Agent 验证结果

🚫

不需要手动提醒 Agent 做 Code Review

把好的工程实践从"靠自觉"变成"靠系统"

Subagent 并行开发流程

flowchart TD
    P[实施计划] --> S1[Subagent 1: 任务 A]
    P --> S2[Subagent 2: 任务 B]
    P --> S3[Subagent 3: 任务 C]
    S1 --> R1[审查: 规格合规]
    S2 --> R2[审查: 规格合规]
    S3 --> R3[审查: 规格合规]
    R1 --> Q1[审查: 代码质量]
    R2 --> Q2[审查: 代码质量]
    R3 --> Q3[审查: 代码质量]
    Q1 & Q2 & Q3 --> M[合并集成]

每个子 Agent 独立上下文 · 两轮审查 · 可连续自主工作数小时

踩坑指南

用 AI 编程最容易犯的错

七个大坑

坑 1 开局不死磕，后面全是债 — AI 是方向的放大器，不是纠正器

坑 2 上下文漂移 — 20-30 轮后 Agent 开始和之前的决策矛盾

坑 3 盲信"已完成" — 能跑 ≠ 跑得好，happy path ≠ 生产就绪

坑 4 不看 git diff — AI 修 bug 时可能悄悄改了别的字段

坑 5 复杂 Agent 架构 — 花哨的多角色编排，用起来一塌糊涂

坑 6 团队对齐难 — 一个人能玩转，多人协作流程必须版本化

坑 7 滥用 LLM — 确定性操作用确定性代码，别什么都调模型

最重要的两个习惯

📋

提交前看 diff

比任何 Skill 都重要

🔄

大功能开新会话

避免上下文漂移

总结

从"写代码"到"设计系统"

AI 编程不是让你更快地写代码，而是让你根本不需要写代码

🗺️

设计上下文

用 AGENTS.md 和 Skill 告诉 Agent 该知道什么、该怎么做

🛡️

设计约束

用规范、测试和审查流程框住 Agent 的行为边界

✅

设计验证

让 Agent 的产出对人和其他 Agent 都可审查、可验证

做好了 →

7×24 小时高效运转的工程团队

做不好 →

精致的垃圾生产机

产出速度很快，返工速度更快

技术在加速，但工程的本质没有变

清晰的需求 · 干净的架构 · 严格的验证

在手写代码的时代重要，在 AI 写代码的时代只会更重要

谢谢

ZenTao Skill → github.com/leeguooooo/zentao-mcp

Superpowers → github.com/obra/superpowers

Q & A