1. AI 编码发展趋势
随着大型语言模型（LLM）技术不断发展，它正在迅速改变 AI 辅助编码。应用范围正在扩大——从简单的代码建议到端到端的功能实现——AI 的自主性水平也在不断提高。
AI 编码能力正在经历三个关键阶段：
- 辅助代码编写：基本的自动补全和代码片段生成。
- 对话式重构：通过聊天进行交互式代码修改和重构。
- 自主编程：将完整的开发任务委托给 AI Agent。
这种演变使 AI 的角色从工具转变为协作者，能够处理复杂的、耗时长的软件工程任务。
2. 真实世界软件开发的挑战
虽然社交媒体上充斥着通过单个提示构建'惊艳项目'的故事，但真实世界的软件开发仍然复杂。正如 Fred Brooks 在《人月神话》中强调的，软件开发本质上是困难的，原因在于：
- 复杂性
- 一致性
- 可变性
- 不可见性
这些挑战依然存在——在 AI 时代，甚至在某些方面被放大。
- 软件的抽象性质使得知识对齐和继承变得困难，导致技术债务和协作摩擦。
- 虽然 AI 可以自动化重复的编码任务，但开发人员可能会忽视深入的设计和需求澄清，导致 AI 生成的代码难以维护。
- 当前人机协作通常是同步的，需要持续的来回沟通。这限制了 AI 的效率，并阻止其充分发挥潜力。
3. 我们的方法
我们一直在探索如何构建一个工具，最大限度地发挥 AI 的潜力，同时解决软件开发的实际挑战。
3.1. 透明度
3.1.1. 知识可见性
我们的第一个目标是让不可见变为可见。我们相信 AI 应该帮助开发人员理解项目的架构、设计决策和技术债务——就像一位对代码库了如指掌的专家策展人。
这种可见性：
- 减少了新成员的上手时间
- 改善了知识转移
- 为 AI 生成的代码提供了上下文，使其与项目的整体结构保持一致
3.1.2. 执行透明度
当 AI 在后台默默工作时，开发人员可能会感到失去控制。为了解决这个问题，我们引入了：
- 待办事项：清晰的任务分解
- 行动流：实时执行跟踪
开发人员可以随时查看 AI 的计划、进度和决策——使过程透明且值得信赖。
在 AI 编码中，可见性并非可选项——它是有效协作的必要条件。
