从“会用”到“驾驭”：AI Coding 进入生产环境的真实碰撞
Coding Agent 重构软件研发全流程的实践与反思

AI Coding 从个人辅助工具演进为团队生产力核心时，关键挑战不在于技术能力，而在于组织协同、质量保障体系、权限治理和人的思维转型；只有将 AI 融入现有工程流程并建立分层护栏，才能实现从“会用”到“驾驭”的跨越。

📊 效率分化与组织协同难题

产出效率 时间 / 熟练度 → 🚀 高手 十倍速 📉 新手 混乱感 ⚖️ 团队平均 困惑区
高手（效率飙升） 新手（混乱下降） 团队平均（不确定区）
AI Coding 在金融等企业级客户落地时，遗留代码改造需求远大于新功能开发，且组织层面的协同问题（不同人对 AI 工具的适配性、熟练度、实践一致性）会通过产品层暴露出来。
“AI 来了并不是说需要减少人，而是可以更快地赋能业务，让产品和服务做得更好。”
—— 李渭宁 · 汇丰科技内部开源负责人
Token 消费模式转变
从订阅制转为 token 消费
金融行业做精修为主，token 使用量反映系统迭代而非新建；每人每月预算约几百美金，仅少部分人用光。
个人效率分化
技术功底好、认知够、设计能力强的人效率成倍提升；部分人使用 AI 后反而造成混乱。
团队工作模式
传统团队采用 Agent 协作、人工主控模式；Pilot Team 尝试更激进的 YOLO Mode（受控环境）。

🧩 MCP、Skills、Rules：工具集还是新范式？

治理不当会引发“Token 刺客”和上下文爆炸
MCP、Skills、Rules 本质上是为解决 Agent 不确定性而生的约束和扩展机制，但治理不当会引发“Token 刺客”和上下文爆炸问题，multi-agent 分而治之成为有效应对策略。
🔗 MCP
标准化连接技术资产，但协议本身不替代认证、授权和数据治理；需通过 MCP Gateway 控制访问边界。
⚡ Skills
lazy loading 机制，但缺乏治理，容易导致混淆；推荐通过 Skill Hub 个人沉淀与团队共享复用。
🛡️ Rules
为 Agent 提供行为护栏，减轻不确定性；必须强制执行的安全限制仍需落到 permissions、Hooks 或工程门禁。
🤖 Multi-Agent 分治
不同 Agent 负责不同领域（前端、后端、需求、Review），质量更高、任务更明确，在客户落地中非常受欢迎。
CLAUDE.md 建议长度
少于 200 行
Anthropic 建议每个 CLAUDE.md 以少于 200 行为目标，任务型流程放入 Skills，路径约束放入 .claude/rules/。
“Skills 现在开发成本太低了，非技术同学一天也能造十来个。这些东西经常占用上下文，叫‘Token 刺客’。”
—— 林香鑫 · 网易游戏高级技术经理

🏋️ 质量保障体系：从“纺锤形”到“哑铃形”的挑战

AI 生成代码覆盖率虽高却缺乏 edge case 和架构一致性
AI Coding 时代，代码质量形态从关注实现（纺锤）转向关注前端的 SPEC 和后端的 Testing（哑铃），但实践中发现 AI 生成的代码覆盖率虽高却缺乏 edge case 和架构一致性，导致工程质量与表现背离。
传统 SPEC 实现（纺锤核心） Testing
↓
AI 时代 SPEC（前置） 实现 Testing（后置）
单元测试问题
覆盖率虽高但全是 happy case
AI 不会主动写 edge case，导致覆盖率很高但代码仍有问题。
“我们想的是，代码质量从最开始的纺锤形变成哑铃形。之前我们更多是把最大精力和注意力放在代码实现里边，前面的 SPEC 写作很无聊，后面的 testing 更多是为了覆盖率糊弄事。但到了 AI Coding 之后，AI Coding agent 更像是自然语言的编译器，我们更在意的是前面的 SPEC 和后边的 testing。”
—— 柏佳辰 · 平凯数据库（TiDB）/智能研发中心负责人
传统质量指标
单元测试通过率、覆盖率、发布频次、P1/P2 生产事故数量，与工具无关。
AI 时代新增措施
输入输出：需求通过 SPEC 生成代码，代码规范用 Skill 或 SPEC 描述，依赖管理严格；持续改进：PDCA 循环。
团队角色变化
开发人员更多承担质量责任（从 QA 转向端到端验收）；QA 转为全栈岗位（测试+开发）。
“质量要求是越来越高的，跟用什么工具不相关。不管用人、找外包还是用 AI，一定要达到那个指标。”
—— 李渭宁 · 汇丰科技内部开源负责人

🔐 Agent 权限安全边界：最小充分权限与多层防护

可逆、低爆炸半径、可追溯
Agent 权限设计需遵循“可逆、低爆炸半径、可追溯”原则，在隔离环境内最小充分授权，高风险动作收紧权限或设置人工门禁；每个 Agent 应有唯一身份标识，操作日志可追溯。
⚠️ 高风险动作 数据库变更 · 生产操作 · 外网访问
🔒 人工门禁 + 权限收紧 YOLO Mode 退出 · 审批流
✅ 最小充分权限 · 环境隔离 · 可追溯日志 Agent 唯一 ID · Agent Card · Langfuse Trace
在可逆、低爆炸半径且可追溯的隔离环境内，按任务范围给 Agent 完成任务所需的最小充分权限
“没有绝对的安全，没有安全能一劳永逸，都是发现问题快速亡羊补牢。”
—— 李渭宁 · 汇丰科技内部开源负责人
权限控制核心原则
最小充分权限 + 环境隔离 + 可追溯日志
在可逆、低爆炸半径且可追溯的隔离环境内，按任务范围给 Agent 完成任务所需的最小充分权限；数据库结构变更、生产环境操作、外部网络访问等高风险动作必须收紧权限或设置人工门禁。
YOLO Mode 使用条件
仅在与主机、敏感数据和生产资源隔离、默认无互联网访问的容器/虚拟机/ dev container 中使用；联网、数据库变更等高风险动作应退出该模式走权限控制。
Agent 身份与审计
每个 Agent 注册唯一 ID，通过 Agent Card 描述能力、端点和认证要求；通过 Langfuse 记录必要 Trace，并设置敏感信息脱敏、分级授权和保留周期。
新安全风险示例
Agent 可能提出建立双向网络隧道，违反公司网络安全政策；需将安全规则抽象成受控 Skill 供团队复用。

🎯 AI 原生研发体系优先建设：三位专家的视角

知识体系、评测门禁、治理 Skill 与人的转型
重新设计 AI 原生研发体系，优先建设知识体系（确保输入上下文准确）、评测门禁（遏制 Vibe Slop 堆积）、治理 Skill（淘汰低频低质资产），并推动人的思维转型——从语言特性掌握转向全局架构与产品视角。
陈洁
优先建设清单
  • 知识体系（准确、及时、可追溯上下文）
  • 评测门禁（遏制 Vibe Slop）
  • 治理 Skill（淘汰低频低质）
  • 确定性 SOP 工作流（NL2Workflow）
  • 全链路效能优化（Trace + 成本/成功率/时延等）
柏佳辰
优先建设
  • 改变人：让人拥有和机器对话的能力
  • 培养大局观念和全栈需求表达能力
  • 从语言特性掌握转向全局架构与产品视角
李渭宁
优先建设
  • 流程管控：类似从手工生产到流水线自动化
  • 建立 AI 时代 Engineer Framework
  • 包含工具集、最佳实践、对人的要求
  • 让框架、工具、人和谐融合
“AI Coding 时代不是说在传统体系里让程序员关掉 VS Code 打开 Claude Code 就立刻变厉害。vibe coding 要求的不再是语言特性掌握或算法数据结构能力，而是大局观念、以产品和架构师角度去构建项目。”
—— 柏佳辰 · 平凯数据库（TiDB）/智能研发中心负责人
Skill 治理阈值
连续 3 个月零调用的 Skill 先移入待归档区
不直接删除；再结合依赖关系、低频关键场景和真实任务结果复核。

🏛️ 组织架构变革：自下而上、由利润驱动

新的生产工具来了，一定会有新的生产关系
AI Coding 带来的组织架构变革不会自上而下强制推行，而是自下而上——当工具获得足够信任和好处后，组织架构墙自然被打破，类似福特流水线的普及。
🔹 第一阶段：工具渗透
AI Coding 工具在团队中自发使用，个人效率提升带来口碑效应，信任逐步建立。
🔸 第二阶段：流程重构
组织开始围绕 AI 重新设计工作流，质量门禁、权限治理、Skill 体系逐步成型。
🔹 第三阶段：架构演化
组织架构墙自然推倒，CAO 出现、全栈需求增加、QA 角色转型，形成新的生产关系。
“一定是自下而上的，以某种工具或具体形态在行业里进行大规模应用，并且获得了足够信任之后，组织架构墙自然被推倒。”
—— 柏佳辰 · 平凯数据库（TiDB）/智能研发中心负责人
当前组织变化信号
CAO（首席 AI 官）出现；前端工程师岗位减少，全栈需求增加；QA 角色减少
新的生产工具来了，一定会有新的生产关系。