各行各业那些事儿
最近跟几个做技术管理的朋友聊天，发现一个挺普遍的困惑：每个人都在用 AI 写代码，编码速度确实快了很多。但双周迭代还是双周迭代，需求从提出到上线的周期几乎没缩短。为什么会这样？因为编码只占整个交付链路的 20%。哪怕你代码写得再快，提速10倍，端到端交付也只缩短18%。所以真正的问题不是"让人写代码更快"，而是把那些"等人"的环节也自动化掉。我们团队这半年用 Comate 做了一件事：搭了一套能自我进化的 AI 研发系统。 核心思路就两个：第一，闭环验证——让 AI 替人把关。我们把开发流程拆成9个必经步骤，每步都有硬性门槛，全部由 AI 自动执行：构建验证 → 单测生成 → Code Review → 端到端测试……每一步通过条件都是可计算、可自动验证的，不依赖人的主观判断。失败了不是报错退出，而是自动分析 → 自动修复 → 重新验证，最多5轮才升级人工。第二，经验累积——让踩过的坑不再重踩。这是我觉得最有意思的部分。每次开发流程跑完，系统会自然沉淀出6类团队资产：Skills：可复用的能力模块（Code Review Skill、测试 Skill 等），团队直接复用Rules：从实践中"长出来"的活规范——验证3次以上才能晋升为团队规范，90天没人用就自动降级经验库：带上下文的修复案例，下次同类问题出现直接推荐方案Test Cases：每次测试自动去重更新的用例库，永远不过时Specs：技术方案文档，半年后改代码还能找到原始设计意图LLM Wiki：AI 自动维护的项目文档，零维护成本最关键的是，这些资产之间会互相反哺——修 Bug 的经验积累多了自动晋升为规范，规范指导后续开发产出新的经验。系统越用越强，这就是飞轮效应。实际效果怎么样？说几个数字：同类 Bug 修复：2小时 → 15分钟（经验库直接推荐方案）新人上手：2周 → 1天（规范和经验自动生效，系统就是最好的 mentor）文档维护成本：→ 零（Wiki 自动同步）需求交付周期：双周 → 天级最后这点我想展开说说。我们现在能做到的是：人在公园散步时掏出手机说一句需求，半小时后收到消息——质检通过、代码完成、测试通过、Review 已提交。 你做的事情只有一件：说了一句需求。
发布于 北京
分享
评论
1
未登录
友善发言
评论
加载中
