当你的代码开始由AI自动生成，信任危机就来了。不是对AI能力的怀疑，而是对"它到底干了什么"的不确定。Orquesta这家做AI编程工具的公司，把"记日志"这件事做到了极致——prompt历史、执行记录、git差异、token消耗、操作流水，全部留痕。

这听起来很基础，但恰恰是大多数AI编程工具忽略的一环。开发者愿意让AI插手核心代码，前提是能随时翻旧账：哪句prompt导致了这次重构？AI修改文件时有没有越界？这次调用烧了多少token？没有这些记录，AI编程就像黑箱作业，没人敢真正依赖。

打开网易新闻 查看精彩图片

Orquesta的执行日志精确到秒级。一条典型记录长这样：10:00:00执行prompt"实现登录功能"，5秒后创建src/login.js，再过5秒更新src/App.js，15秒后提交commit。这种细粒度让开发者能实时盯着AI干活，不对劲立刻喊停。

更关键的是git集成。AI的每次操作都变成真实commit，diff一目了然。团队负责人可以像审人类写的代码一样审AI的产出，通过再合并。这比那些直接覆盖文件的AI工具安全得多——后者一旦出错，回滚都找不着北。

token成本记录则是另一层务实。AI调用按token计费，但多数工具让你月底看账单才知道花了多少。Orquesta把每笔消耗实时摊开，团队能据此调整prompt写法，或者干脆换模型。这种透明度对控制成本至关重要，毕竟AI编程的隐性支出很容易被低估。

活动 feed 把所有信息串成时间线：谁提交了prompt、AI何时执行、生成哪些文件、最终commit编号。整个工作流可还原、可审计、可优化。当团队争论"这个bug怎么进来的"时，不用猜，直接翻记录。

这套机制的核心假设是：AI编程的信任不能靠"结果正确"来建立，而得靠"过程可见"。开发者需要知道AI的决策链条，才能放心把更多代码交给它。Orquesta的赌注是，未来企业级AI编程工具的竞争力，不在于生成代码的速度，而在于生成过程的可解释性。毕竟，没人愿意为无法审计的代码背锅。