120人小厂用AI Coding Agent:1个全栈+1个产品,7天交付用户管理系统

一个120人的中型制造企业，需要一套内部用户管理系统。

以前这种需求，IT部门的反应是：先排期，最快三个月。为什么？因为要招人要评估要开发要测试要上线，整个流程走下来，半年能交付算快的。

这次不一样。

他们找了一个全栈开发者+一个产品经理，7天，交付上线了。

用的就是AI Coding Agent。

需求是什么

说起来不复杂，但工作量不小：

• 用户注册/登录
• 角色权限管控（不同岗位看到不同的数据）
• 用户信息增删改查
• 操作日志留存
• 适配企业内部OA系统对接

全栈开发，前端用Vue3，后端用FastAPI，数据库MySQL。

投入人力不超过2个人，开发周期7天。

没有AI Coding Agent，这个需求至少要一个3-4人的团队干一个月。现在减到2人，7天。

具体怎么做的

第一阶段：需求标准化

这是整个过程中最需要人工参与的部分。

产品经理先把需求写成清晰的条目：登录流程是什么？权限层级有几级？操作日志要记录哪些字段？每个需求都要有明确的定义，不能有模糊地带。

为什么要做这个？因为AI Coding Agent的特点是：指令越清晰，产出越准确。把需求写成标准化条目，就是给AI一份清晰的任务书。

这一步占用了大约1天时间，但回报是后面的开发效率成倍提升。

第二阶段：工具选型

不是所有AI Coding Agent都适合做企业级项目。

这个案例里，他们做了几个评估维度：支持哪些技术栈？上下文窗口多大？能不能理解整个项目的架构？有没有Agent多角色协同能力？

最后选了一个适合全栈项目的Agent，原因是它能把一个需求拆解成多个子任务，分别交给不同的角色处理——前端归前端Agent，后端归后端Agent，测试归测试Agent，同时开工。

第三阶段：自动化开发

这是最核心的部分。

开发阶段基本不需要手写代码，主要工作是对话——告诉AI要做什么，AI生成代码，审核代码，发现问题继续对话修改。

具体流程：

1. AI自动生成前端框架和页面组件

2. AI自动生成后端接口

3. AI自动处理数据库连接和迁移

4. AI自动生成基础单元测试

整个过程中，开发者只需要做几件事：确认方向、审核代码、处理AI处理不了的部分（主要是OA系统的对接逻辑）。

第四阶段：部署与调试

代码生成完毕，部署到服务器，联调OA系统。AI负责处理部署脚本和环境配置问题，开发者负责最终验收。

整个过程7天，其中纯开发时间4天，联调+验收3天。

投入产出比

对比一下这个案例和传统开发模式：

7天交付不是终点，是一个起点。系统上线后，持续迭代和维护的成本也大幅降低——每次修改需求，AI自动生成修改方案，开发者只需要审核确认。

踩过的坑

这个案例能成功，不代表过程一帆风顺。实际落地过程中，有几个坑值得注意：

坑1：一键生成是理想状态

刚打开AI编程工具时，开发者满怀期待输入了一句”帮我生成一个用户管理系统”。AI秒回：好的，正在为您生成完整项目。

几秒后，它吐出了一堆代码，结构看起来很完整。但导入开发工具后问题就来了：页面路径配置错误，云函数没有部署直接调用，控制台一片红色报错。

结论是：AI能快速产出”看起来像代码的东西”，但离”能跑、能用、能维护”的产品，还差很多步。

坑2：AI会幻觉，并在错误方向上狂奔

有一次，开发者让AI修改一个bug：给用户加一个下载次数限制。AI回复”好的，正在实现”，然后一路代码写下去，最后说”完美实现，可以编译测试了”。

结果编译一看，什么都没实现。

最可怕的是：AI坚信自己走在正确的路上，每一步都建立在错误前提之上。这种”幻觉式执行”，比不干活更危险——你误以为进度在推进，实际南辕北辙。

终极大法：Ctrl+C，终止任务，重来。

坑3：死亡循环

加一个功能，AI开始自动修改相关模块，修改A导致B出问题，修复B导致C出问题，再修复C发现A又出问题了。循环往复，差点把开发者逼疯。

解决方案：不要让AI一次处理太多改动，需求拆细，每次只做一件事。

这个案例说明了什么

它说明的不是”AI Coding Agent可以替代程序员”，而是：AI Coding Agent把企业级开发的门槛大幅降低了。

以前需要一整个团队做的事，现在2个人可以完成。以前需要一个月的事，现在一周可以交付。不是因为技术变了，是因为做事的方式变了。

对中小型企业来说，这是一个很大的机会——不需要养很大的技术团队，也能拥有定制化的内部系统。

对开发者来说，这意味着：会用AI Coding Agent的人，效率会比不会用的人高出一个数量级。这不是危言耸听，这个案例就是证明。

关键是：知道什么时候用AI，什么时候必须自己上。