打开网易新闻 查看精彩图片

在最新一期 AI DevOps 播客里，Paul Duvall 聊了个挺反直觉的事：模型越聪明，我们越得回去啃那些"老古董"工程规范。

Duvall 是谁？《Continuous Integration》的作者，CI 那套玩法的早期布道者。他现在搞了个智能体 AI 工程模式的代码库，专门记录怎么把 AI 辅助开发这件事做得像样。他的核心观点很直白：AI 能写代码了，工程实践反而比以前更重要——不是可有可无，是生死攸关。

为什么这么说？因为 AI 产代码的速度，已经让"人眼逐行审查"这套祖传手艺彻底失效了。Duvall 说自己现在"不再逐行看代码"，海量变更涌过来，看不过来，真的看不过来。替代方案是自动化验证加智能体防护——让智能体自己学会审查和优化自己的输出，有点像让实习生学会自我纠错，而不是等着老板逐字批改。

他提到的具体做法其实不新：规范驱动开发、测试优先。用他自己的话说，"先红、再绿、再重构"，XP 时代的老套路。但用在 AI 场景里，效果出奇地好。比如 AWS IAM 策略生成，提前把预期行为、约束条件、验收标准写清楚，智能体就能照着规范生成并自检。反过来，"如果意图描述不清楚，得到的只会是随机结果"——这话他重复了好几遍，显然是踩过坑。

另一个播客里的 Paul Stack（System Initiative 的产品总监）走得更激进。他做的 SWAMP 平台直接弃用了拉取请求，改用 GitHub Issue 驱动的工作流：有想法？开 Issue，咱们交互式地聊，一起设计。Gergely Orosz 那边还有个更极端的开源项目，PR 不合并，而是让智能体按项目标准"remix"一遍，相当于每个提交都要过一遍 AI 的重构流水线。

Stack 和 Duvall 都提到同一个细节：用 Claude 的"计划模式"先审意图再执行，免得触发"AI 恐怖故事"——就是那种看起来能跑、上线就炸的经典场面。

更有趣的是"右移"（Shifting-Right）的回归。Duvall 主张把反馈循环延伸到生产环境，用可观测性、遥测数据甚至线上测试来缩短反馈周期。AI 分析遥测数据的能力比人强，能更早嗅出模式、发现问题。他预测团队会变得更小更聚焦，"单披萨团队"（One-Pizza Team）可能真的要从梗变成现实——协调成本低了，自动化够了，七八个人够用了。

质量保障的逻辑也在变。Duvall 的原话是："你正在搭建机制让代码得到审查，只不过未必每次都由你亲自审查。"换句话说，人从审查者变成机制设计者。

Orosz 在最后提了句挺有意思的话：工程的价值正在溢出代码本身，"除了编写代码之外，还有一些特质会让我们与众不同"。

Duvall 的代码库还在更新，里面分了成熟度等级，从规范驱动开发到原子分解、并行智能体，再到带自动化可追溯的可观测开发， essentially 一份"AI 时代工程实践生存手册"。