AI编程实战·第2期：AI编程方法论：意图表达与工程化实践

欢迎回来，今天咱们AI编程实战专栏要聊一个我最近特别有感触的话题。

我这周扫了一圈素材，发现大家讨论AI编程已经不是在问能不能用了，而是在问怎么用才对。

对，这个转变其实特别关键。我先抛个结论——AI编程的瓶颈已经从写代码转移到了表达意图。

哦？这话怎么说，你展开讲讲。

OpenAI的研究员肖恩·格罗夫最近有个演讲，说代码本身只占你贡献价值的百分之十到二十，剩下的全是结构化沟通。

百分之十到二十？这个数字也太刺激了吧，程序员听了不得炸锅。

但你仔细想，他说的沟通包括理解需求、制定方案、测试验证这些。写代码只是最后那个动手环节。

这我倒是有体感。我做产品的时候，最难的永远不是画原型，而是搞清楚用户到底要什么。

没错，这跟Fred Brooks八六年说的一样——软件的本质困难是定义问题，不是编码。AI把编码这个偶然复杂性几乎消除了。

所以现在剩下的全是本质复杂性，就是你到底想要什么。

对，而且肖恩还指出了一个特别讽刺的现象。大家搞Vibe Coding的时候，用自然语言告诉AI意图，生成了代码，然后呢？

然后把提示词扔了，只留代码？

就是这样。他打了个比方，这就像你写完TypeScript编译成二进制之后，把源代码删了只保留二进制文件。

这个类比太绝了，提示词才是真正的源代码。那规范文档就是新时代的代码仓库？

可以这么理解。他主张的就是把需求、意图、约束这些东西结构化地沉淀下来，这才是最有价值的资产。

说到这个，我这周还看到一个特别有意思的工具叫Grill Me，就是给Claude Code用的。

那个项目一百二十K star了，核心理念特别简单——在AI动手写代码之前，先让它像产品经理一样追问你。

等等，让AI追问我？这不是反过来了吗，平时都是我追问AI。

这恰恰是精髓。Claude Code原版的Plan Mode虽然会先规划再执行，但计划完全靠AI自己猜。猜错了你就得反复改。

Grill Me就是在规划之前加了一轮需求澄清，把猜变成问。

对，这跟肖恩说的完全一致。你把意图表达清楚了，后面的代码生成质量自然就上去了。

那问题来了，就算意图表达清楚了，AI生成的代码就能直接上生产吗？

这就是另一个大话题了。有个说法是AI生成的代码只有三分之一能用，原因不是AI笨，而是缺乏工程化约束。

我理解，生产环境要的不只是功能对，还有安全防护、日志监控、容错降级这些。

这些非功能性需求能占企业级代码的百分之四十到六十，AI不提醒的话根本不会主动写。

所以关键不是AI能不能写，而是你有没有告诉它该写什么。又回到意图表达了。

你看，逻辑闭环了吧。规范文档、架构约束、质量标准，这些全是结构化的意图表达。

那Anthropic自己团队的实践呢？他们十六个Agent并行开发编译器，那个案例我看得下巴都掉了。

那个确实震撼。十六个Agent从零写了一个C编译器，能编译Linux内核，GCC Torture测试通过率百分之九十九。

两周时间，两万美金，十万行代码。这效率放在传统开发里不敢想。

但你注意他们怎么做的——有专门的Agent做合并，有的做优化，有的写文档，还有验证器兜底。这是完整的工程体系。

不是一个Agent从头干到尾，而是有分工有协作有质量保障。

对，每个Agent在Docker容器里隔离运行，通过Git协作，文件锁控制并发。基础设施做得非常扎实。

所以本质上还是那句话，工程化的方法论比AI本身的能力更重要。

我觉得可以这么总结这周的主题——AI编程已经过了能力验证期，现在进入方法论竞争期。

工具都在那儿，Cursor也好Claude Code也好，差距在于你怎么组织意图、怎么搭建流程。

没错。写代码的能力AI已经够了，但知道该写什么、怎么验证、如何保障质量，这些还得靠人。

好，那给听众留个思考题。如果提示词才是源代码，你的项目里有没有把这些意图沉淀下来？

下期咱们可以聊聊怎么建一套规范文档体系，让AI编程真正工业化。

期待，咱们下期见。