把团队规范变成 AI 编码的自动化关卡
文章主张将组织的编码、架构及交付规范贯穿 AI 辅助开发全流程,并通过检查关卡验证产出。核心思路是用工程约束管理模型输出的不确定性。
AI 深度解读
AI 把第一版代码的生产成本打了下来,但代码能不能被接手、持续修改、稳定运行,仍然取决于工程流程。作者提出的 harness,就是把团队标准装进 AI 开发的全过程,再用检查关卡验证交付物是否合格。
这篇最有价值的地方,是把「怎么让 AI 多写代码」转成了「怎么让生成结果成为团队资产」。不过,作者给出的行业数据与自建工具,还不足以证明这套方法已经解决了维护问题。方法可以借鉴,结论需要分开看。
为什么用了 AI,团队标准反而更重要
作者和 IT 管理者、工程师交流时,反复碰到同一个问题:大家已经把 AI 编程当成默认工作方式,却未必有一份新人真正会读、会执行的开发标准。
过去,规范的作用就是保证下限。编码风格、架构约束、CI/CD 流程、固定的编译器版本、部署要求,让质量不完全依赖某位高手。换个人接手,也能理解项目并继续工作。
AI 没有消除这个需求。相反,它让缺少标准的后果更快出现。
模型输出具有非确定性,同样的需求再次执行,可能得到不同的目录结构、模块边界和实现方式。供应商提供的 guardrails,主要处理安全、政策和责任风险,并不负责遵守你们公司的架构约定。模型可以生成能运行的代码,但「能运行」距离「适合进入这个仓库」还有一段路。
代码生成越便宜,团队越需要提前定义什么样的代码值得接收。
作者引用 LinearB 的 2026 Software Engineering Benchmarks:在超过 800 万个 pull request 中,AI 编写的 PR 在 30 天内合并的比例是 32.7%,人工 PR 则为 84.4%。
这个差距很醒目,但不能直接解释为 AI 代码质量更差。作者也承认,AI PR 中可能有大量实验,或者没有人负责推进评审。原文没有提供分类后的对照结果,也没交代不同项目、任务规模和统计口径的影响。
因此,这组数字能支持的是:代码产量增加,并没有自动转化为被接受的交付。至于原因有多少来自流程缺失,仍属于作者的解释。
作者判断代码是否成为资产,看三个条件:能够复现、能由其他工程师或未来的 agent 维护、能让后续项目成本下降。这比「一天做出了一个应用」更接近团队开发的长期目标。
Harness 要管住流程,也要留下经验
这里的 harness,可以理解成围绕 agent 搭建的一套工作约束与验证机制。它规定开工前读什么、各阶段交付什么、遇到问题退回哪里,以及哪些经验必须留下。
作者给它安排了两项任务。
第一项是注入标准。覆盖范围不只包括代码格式,还包括软件开发生命周期(SDLC):使用什么语言,项目属于 API、CLI 还是 web,采用什么架构,部署到云端还是本地环境,以及后续的 CI/CD 和 DevOps 流程。
团队需要把这些选择整理成模板,让 agent 在明确的范围里工作,并通过关卡验证结果。
这里需要分清两种「确定」。作者追求的并非每次生成完全相同的代码,而是每次交付都满足同一组约束。内部实现可以不同,但架构边界、检查要求和部署条件应当保持一致。
确定性来自约束和验证,不能只靠要求模型听话。
第二项是共享经验。工程师处理过的故障,要回填成 skills、检查清单和可复用模式;agent 完成任务时,也要留下人能阅读、质疑和审计的记录。
比如,一次交付因为配置与代码不一致而失败,修复这次任务只是第一步。如果相关约束没有进入后续流程,下一个会话仍可能重走一遍。作者想解决的,就是经验随着聊天结束而消失的问题。
这也是他重新提起 Software Factory 的原因。这个约半个世纪前的概念,希望通过标准化流程稳定生产软件。作者认为 agent 补上了执行环节,但他进一步声称 agent 能完整、逐字、始终一致地阅读标准,这一点说得过满。读取了规则,不代表准确理解并执行了规则,后面的检查机制仍然不可缺。
作者的 SDLC Harness 怎样把返工接进流程
这篇是系列第 3 篇。作者在 3 月写的第 1 篇强调流程,第 2 篇展示过一个用于 Kubernetes 迁移的 15-skill 系统,同时承认:让多个 agent 检查彼此工作的清晰模式还不够。
这次,他把方案推广成开源项目 SDLC Harness。
按原文描述,它从需求接收到复盘覆盖 10 个阶段,每个阶段配有专门的 agents 和可复用 skills。QA panel 按明确关卡评分,只要某个领域低于要求,就把工作退回 Build。机械化检查则在写代码时触发,不必等到全部完成之后。
它还维护三类记录:project manifest、failure ledger 和 pattern register,分别承载项目信息、失败经验与可复用模式,目的是让上一轮工作的发现进入下一轮。
下面的演示展示了一次返工闭环:QA 评分未通过,任务退回 Build;修复后进入第二轮测试,再次检查通过。
作者观察到,端到端运行时,工作经常停在系统衔接处:配置与代码不匹配,平台默认设置阻断了设计假定可用的路径,或者某条指令被安全过滤拒绝。
这些问题很难只看生成代码发现。流程里必须有人或某个阶段专门检查它们,再把问题送回修复。
原文没有展开 QA 的评分标准、阈值、检查实现,也没有给出完整项目的通过率、耗时和成本。因此,目前能确认的是作者展示了这种闭环设计,不能据此认定它在不同技术栈和团队规模下都有效。
我的判断
我赞同作者把注意力放到接手、维护和持续交付上。对已有代码库的团队来说,生成一份风格完全不同的实现,可能把节省的编码时间转移到评审和集成阶段。先明确接收标准,确实比每次面对结果临时裁决更有积累价值。
但「没有组织标准的 AI 代码只能变成垃圾」过于绝对。探索性原型也有价值,只是团队需要说明它的用途和接收条件。小项目也未必需要立刻铺满 10 个阶段。
和常见的仓库规范文件、项目模板、CI 检查相比,这套方案更突出的地方,是把需求到复盘连起来,并明确失败后的退回路径。不过,原文没有提供对照数据,证明它比「规范文件加 CI 加人工评审」更省时或更可靠。这部分仍是作者的工程经验与方案主张。
还要防止把多个 agent 的一致意见当成独立验证。它们可能共享同一个错误假设。能用构建、测试、类型检查确认的问题,应尽量让可执行检查给出证据;需要业务判断的地方,仍要有明确负责人。
能拿来做什么
- 给现有前端或 Node 项目整理一份 agent 能直接读取的开发约定,先写清目录职责、依赖选择、构建方式和部署要求,再让它开始修改代码。
- 把团队反复提出的评审意见变成模板或检查项。能够自动执行的规则接入现有 CI,并明确失败后需要修复什么,避免检查只生成一份无人处理的报告。
- 在一次真实任务里验证完整交付链路,尤其检查配置、运行环境与部署平台是否符合代码的假设,不把生成结束当成交付结束。
- 为 AI 编程任务保留简短的失败记录,说明哪里出错、如何修复、后续应增加什么约束,让下一次任务有机会复用这次经验。