Addy Osmani 作者

过度依赖AI生成代码会累积“理解债”，即代码规模增长快于人类理解速度，表面测试与指标向好却削弱系统心智模型，变更与排错时集中爆雷；研究显示用AI代写理解力下降约17%，被动委派最伤技能，测试与规格无法替代理解与审查，组织应将“真正理解所交付内容”作为质量门槛与合规前置条件。

软件开发正从写代码转向编排自主代理并行生成与修改代码，工程师需像建工厂一样写清规格、用测试先行和严格验证来控质，否则错误会被放大；生成不再瓶颈，验证与系统判断决定产出与个人竞争力。

研究对比显示AGENTS.md效果取决于内容：自动/init生成的概览多为可自行发现信息，导致噪声、成功率降2-3%且成本增20%+；人工仅写工具陷阱、隐性约定等不可发现信息可提效提准，应将其视为可随问题修复而删减的最小“异味清单”，并按目录分层按需加载以控成本与偏置。

作者基于谷歌经历总结团队工程要诀：只做高价值问题，会议先明确决策诉求，用“周二某人做X”替代空泛意向，权责清晰以加速决策，可靠性与可观测性纳入完成标准，跨团队靠清晰接口与带方案升级，反英雄并警惕扩编带来的协作边，迁移要有人负责收尾与退役期限，AI时代品味与信任决定交付速度。

作者区分vibe coding与专业AI开发：前者不审代码只靠提示迭代，适合原型但易在扩展与安全上失控；后者应称“代理式工程”，先定规格与架构，指挥AI代理实现并严格评审、测试与CI，由人对质量与正确性负责，否则将引发维护灾难并加剧新手技能萎缩。

提出用Claude等自主编码代理跑持续循环：将需求拆成小任务，逐轮实现、测试、提交并重置上下文，借AGENTS.md、日志与Git形成持久记忆，配自动化测试/CI和监控止损，在分支沙箱内控权限降风险，最终实现夜间稳定迭代并加速交付。

AI代理写码占比升至80%乃至接近全自动，开发者更多用自然语言设定目标并快速提交PR，但失误从语法转为概念假设扩散、过度抽象与死代码累积，审查与验证成本上升形成理解债，导致代码量暴增却让评审与协作吞噬节省时间，结论是必须以明确规格、测试与自动化校验约束代理并维持对系统的整体理解，否则速度将加速技术债并把工程师推向编排与质量把关角色。

作者提出AI代理写规格框架：先给清晰高层目标让AI扩展成结构化PRD/SRS，再把大需求拆成模块化小任务按需喂上下文，先只读规划后执行并持续迭代，同时写明边界、自检与测试；结论是降低上下文过载与跑偏，提升产出质量和可控性。

2025编程助手普及，Anthropic用Claude Code写出约90%自身代码，但要先写规格与计划、把任务拆小迭代、提供充分上下文、按需切换模型并用代理落地，持续测试评审与频繁提交并用规则和自动化兜底，结论是产能显著提升但最终质量与决策仍由工程师负责。

作者回顾在谷歌14年工程经历，提炼21条通用原则：以用户问题驱动方案，先行动交付并追求清晰与少新奇，重视对齐协作与影响可见，能删就不写、兼容即产品，聚焦可控并用写作学习；结论是工程成败主要取决于人、沟通与长期复利。